The invention relates to a character identification method and device for low quality video images. The present invention includes converting video image into digital image after sampling, quantizing and recalculating by camera, inputting and storing it into frame memory, classifying digital image based on geometric and statistical features, acquiring target image, translating and intercepting rectangular region of target image, and for any given image. The rectangular region of the target image is searched to determine whether the face is included. If the face is included, the feature information of the face is extracted, including position, size and pose information. The invention concentrates on solving the problem that it is difficult to identify blurred faces quickly in low resolution video images, can greatly reduce the amount of calculation, and has a higher recognition rate, and is suitable for devices with insufficient computing power such as embedded development boards.
【技术实现步骤摘要】
一种面向低质量视频图像的人物身份识别方法与装置
本专利技术属于图像身份识别领域,具体涉及一种面向低质量视频图像的人物身份识别方法与装置。
技术介绍
基于视频图像识别目标人物的身份,是安全监控、行迹追踪、自动开门、自助取款支付等很多场景下的基础性技术。人脸识别技术是视频图像身份识别技术的主要实现手段,人类的面部包含了足够多信息用于身份识别,每个人脸都具有其独一无二的特征,即便是双胞胎也不会具有完全一样的面容。除了面部包含足够的信息因此可靠性和准确度较好以外,相比较指纹识别和虹膜识别等其他身份识别技术,人脸识别只需要照相机和摄像头等常规设备,不需要其传感器作为采集特征的设备,成本低廉,方便部署,而且不需要人体接触就可以进行身份识别,人脸识别(FaceRecognition)研究起步于上个世纪,Galton陈述了通过人脸作为特征进行身份识别的可能,但是当时还没有涉及到自动人脸识别的问题。随后的人脸识别发展迅速,可以将这个过程划分为四个阶段:第一阶段(1964年~1990年)在这一阶段,研究者们并没有把人脸识别作为一个单独的课题来研究,而只是把人脸识别当作一般的模式识别问题看待,此时的人脸识别研究和其他的物体识别一样,都是基于图形几何结构特征的。研究集中于对面部剪影曲线的结构特征提取和分析,该方法思路需要精确测量特征点之间的几何距离,使用最近邻法和其他方法来识别人脸。这个阶段的人脸识别方法并不智能,许多工作都是人工进行的,是非自动识别的方法。第二阶段(1991年~1997年)这个阶段人脸识别技术得到了飞速发展,取得了许多重要成果,美国麻省理工学院媒体实验室的Tur ...
【技术保护点】
1.一种面向低质量视频图像的人物身份识别方法,其特征在于,包括如下步骤:(1)视频图像采集:视频图像经过摄像头采样、量化、重计算以后转换为数字图像并输入、存储到帧存储器中;(2)目标图像检测:对数字图像进行基于几何和统计特征的图像分类,获取目标图像;(3)平移并截取目标图像的矩形区域;(4)人脸检测:对于任意一幅给定的目标图像的矩形区域,进行搜索以确定其中是否含有人脸,如果含有人脸则提取脸部的特征信息包括位置、大小和姿态信息;如果没有人脸则返回步骤(1)重新进行视频图像采集;(5)人脸识别,根据提取脸部的特征信息,判断是否为特定身份用户,如果不是特定身份用户则返回步骤(1),如果是特定身份用户则进行截取与提取脸部的特征信息,并发出身份识别结果。
【技术特征摘要】
1.一种面向低质量视频图像的人物身份识别方法,其特征在于,包括如下步骤:(1)视频图像采集:视频图像经过摄像头采样、量化、重计算以后转换为数字图像并输入、存储到帧存储器中;(2)目标图像检测:对数字图像进行基于几何和统计特征的图像分类,获取目标图像;(3)平移并截取目标图像的矩形区域;(4)人脸检测:对于任意一幅给定的目标图像的矩形区域,进行搜索以确定其中是否含有人脸,如果含有人脸则提取脸部的特征信息包括位置、大小和姿态信息;如果没有人脸则返回步骤(1)重新进行视频图像采集;(5)人脸识别,根据提取脸部的特征信息,判断是否为特定身份用户,如果不是特定身份用户则返回步骤(1),如果是特定身份用户则进行截取与提取脸部的特征信息,并发出身份识别结果。2.根据权利要求1所述的面向低质量视频图像的人物身份识别方法,其特征在于,所述的视频图像经过重计算以后转换为数字图像的具体步骤包括:(1.1)计算图像f(x,y)在各灰度级中像素值出现的概率q(r)T为图像中的最高灰度级,er为灰度级r的像素数,x、y为像素在图像中的横纵坐标,E为图像像素总数;(1.2)计算图像中各个灰度级所累计的像素概率密度u(r),u为图像的归一化累计直方图;i为标号;(1.3)重新计算图像各位置的像素值O(x,y);O(x,y)=(Omax-Omin)u[O(x,y)]+OminOmax、Omin分别为图像中最大以及最小的像素值,将重新计算后的图像表示为F(x,y)。3.根据权利要求2所述的面向低质量视频图像的人物身份识别方法,其特征在于,所述的对数字图像进行几何和统计特征的图像分类,获得目标图像的具体步骤如下:(2.1)采集a个数字图像数据,其中具有s个人脸图片组成的正样本集合和d个非人脸图片组成负样本集合,表示为F={(α1,β1),(α2,β2)...(αa,βa)},αi∈Gi,Gi为作为正、负样本的数字图像的特征向量,βi∈H={0,1},H为样本数据αi的标签;0为负样本标签,1为正样本标签;(2.2)正样本的权重初始化为负样本的权重初始化为(2.3)对每个样本αi的特征值训练建模,得到样本特征的弱分类器,c(αi)为样本数字图像的特征值,γ为阈值;(2.4)计算所有特征向量对应的弱分类器的权值vi,通过对弱分类器进行选择,误差最小的弱分类器级联为强分类器δi,其中vi的初始取值为样本αi对应的初始化权重值J(i);(2.5)通过选择的弱分类器权值vi重新赋值为viεi(1-θ)若第i个样本αi被正确分类,θ=0,反之θ=1,(2.6)得到最后的强分类器,通过该强分类器对数字图像进行强分类;根据步骤(2.6)的强分类结果,确定数字图像中是否属于包含人脸图片的目标图像。4.根据权利要求3所述的面向低质量视频图像的人物身份识别方法,其特征在于,所述的平移并截取目标图像的矩形区域的具体步骤包括:采用预定大小的矩形模板计算目标图像的矩形特征,用于脸部检测;所述矩形模板由第一矩形框和第二矩形框组合而成,两个矩形框在x方向和y方向上分别具有固定的间距;利用矩形模板的每个矩形框提取目标图像中的矩形区域;计算矩形模板特征值;判断矩形模板特征值是否大于预定的阈值,如果大于该阈值则将由矩形模板提取的矩形区域进行步骤(4)的人脸检测处理,如果不大于该阈值则将所述矩形模板在x方向和y方向移动预定的距离后重新进行截取目标图像的矩形区域的计算,直至遍历整个目标图像。5.根据权利要求4所述的面向低质量视频图像的人物身份识别方法,其特征在于,所述的人脸检测的具体步骤包括:(4.1)通过人脸特征数据库收集一定数量的特定人脸图像形成训练人脸图像集合,集合中每个人物需要包括一定数量的不同表情以及不同光线下的人脸图像,M张训练人脸图像的矩阵集合ζ,每张图片表示为m*n的矩阵σi;(4.2)计算训练人脸集合的矩阵N,N=ATA;A=[ρ1,ρ2,...,ρM]ρi为人脸图像与平均人脸图像的差值,ρi=σi-τ,遍历集合ζ中的矩阵并且进行累加,然后取其平均值,即得到平均图像τ计算矩阵N的特征向量以及特征值,特征向量μk为人脸图像与平均人脸图像的差值ρi的分布律,特征值并选择其中具有最高相关性的M个特征值对应的特征向量;(4.3)结合标准的训练图像集合产生特征脸模式向量ni=μiT(σi-τ);i=1,2,…M;(4.4)针对每一个已知的训练人物,依据由已知人物的原始训练图像计算得到的特征脸模式向量的均值计算人脸类向量设定阈值θk表示训练人脸类之间的最大可允许距离;设定阈值θ′k,表示人脸空间的最大可允许距离;(4.5)针对步骤3截取的矩形区域,计算其模式向量Ωi,与各个训练人脸类的距离ε,以及到人脸空间的距离εk;如果与训练人脸类的最小距离εk<θk,并且到人脸空间的距离ε<θ′k则认为待识别人脸属于该人脸类;如果与训练人脸类的最小距离εk≥θk,但是到人脸空间的距离ε<θ′k,则认为待识别人脸属于陌生人脸;(4.6)如果待识别人脸被识别为已知的训练人物,那么这个人脸图像将被加入到该人物的原始训练图像集合中,然后重新计算其特征脸。6.一种面向低质量视频图像的人物身份识别装置,其特征在于,包括视频图像采集模块、目标图像检...
【专利技术属性】
技术研发人员:刘丰,
申请(专利权)人:特斯联北京科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。