本发明专利技术公开了一种基于人脸识别的视频检测方法，包括感应器检测是否有运动目标进入检测区域且光强是否低于预设阈值；根据检测结果启动摄像装置或照明装置；检测初始图像中的运动目标；利用“基于表示的距离”的由粗到细K近邻分类算法及人脸特征数据库进行人脸识别。与现有技术相比，该方法提高了准确率及人脸识别效果，还提高了视频检测的准确性。且该方法采用先动态后静态相结合的检测方式，提高了检测效率，避免了背景中有人脸照片或类似人脸的区域的误报。本发明专利技术同时公开了一种视频检测装置。该检测装置将视频检测装置与照明装置结合为一体，以保障了视频检测部分的正常工作，从而弥补了现有技术的缺陷，使得该检测装置更加地智能化。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于人脸识别的视频检测方法，包括感应器检测是否有运动目标进入检测区域且光强是否低于预设阈值；根据检测结果启动摄像装置或照明装置；检测初始图像中的运动目标；利用“基于表示的距离”的由粗到细K近邻分类算法及人脸特征数据库进行人脸识别。与现有技术相比，该方法提高了准确率及人脸识别效果，还提高了视频检测的准确性。且该方法采用先动态后静态相结合的检测方式，提高了检测效率，避免了背景中有人脸照片或类似人脸的区域的误报。本专利技术同时公开了一种视频检测装置。该检测装置将视频检测装置与照明装置结合为一体，以保障了视频检测部分的正常工作，从而弥补了现有技术的缺陷，使得该检测装置更加地智能化。【专利说明】-种基于人脸识别的视频检测方法及其检测装置
本专利技术涉及视频检测
，更具体地涉及一种基于人脸识别的视频检测方法 及其检测装置。
技术介绍
现阶段，一般将视频检测的摄像头和补光照明装置安装于不同的装置上，例如通 常照明灯（LED灯）只是用来执行照明功能，不能自动按照视频检测的需要照度提供相应的 照明。同时，由于视频检测技术的快速普及，众多的视频检测应用迫切需要一种远距离、用 户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。而 人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频像中实时查找人 脸，并与人脸数据库进行实时比对，从而实现快速身份识别。 从所周知，K近邻分类算法已经被广泛地用于模式识别领域和机器学习领域。例 如，K近邻分类算法已经被应用于特征选择和降维。正如我们所知，传统的K近邻分类算法 简单地使用最接近于测试样本的K个训练样本来对其进行分类。由于传统的K近邻分类算 法原理简单，迄今为止已经有很多改进的方法，使其能达到更高的准确率。而由粗到细的分 类方法已经在很多方面得到了大家的很大关注。因为由粗到细的分类方法取得了很令人满 意的分类效果。例如，由粗到细分类方法已经在图像分类和人脸识别上取得了很高的准确 率。由粗到细策略也已经被应用去解决其他的问题，比如形状匹配和纹理检索。 但，传统的K近邻分类算法是基于欧氏距离的，采用该算法所得到的最近邻包中 包含了过多的冗余信息，准确率较低，因此将其应用于人脸识别时，会对人脸识别效果造成 较大地影响。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于人脸识别的视频检测方法及其检测 装置，该方法中采用了 "基于表示的距离"的由粗到细的K近邻分类算法进行人脸识别，使 得所得到的最近邻包中包含较少的冗余信息，从而提高准确率，进而提高人脸识别效果，进 一步地提1?视频检测的准确性。 为解决上述技术问题，本专利技术采用的技术方案是： 提供一种基于人脸识别的视频检测方法，包括： 感应器检测是否有运动目标进入检测区域且检测区域内的光强是否低于预设阈 值； 根据检测结果启动摄像装置拍摄初始图像或启动照明装置； 检测初始图像中的运动目标； 利用"基于表示的距离"的由粗到细K近邻分类算法及人脸特征数据库进行人脸 识别。 与现有技术相比，本专利技术的检测方法先通过感应器检测是否有运动目标进入检测 区域且检测区域内的光强是否低于预设阈值，当有运动目标进入检测区域时，将启动摄像 装置拍摄初始图像，而检测区域内的光强低于预设阈值时，则会启动照明装置以进行补光， 之后检测初始图像中的运动目标，最后利用"基于表示的距离"的由粗到细K近邻分类算法 及人脸特征数据库进行人脸识别。由于采用了利用"基于表示的距离"的由粗到细K近邻 分类算法进行人脸识别，与传统的由粗到细K近邻分类算法相比，该算法所得到的最近邻 包中包含了较少的冗余信息，从而提高了准确率，进而提高了人脸识别效果，进一步地提高 了视频检测的准确性。且，从上述描述可以看出，该方法是在检测到有运动目标后再进行人 脸识别，即采用先动态后静态相结合的检测方式，提高了检测效率，也能较好地避免背景中 有人脸照片或类似人脸的区域的误报。 相应地，本专利技术还提供了一种基于人脸识别的视频检测装置，包括： 拍摄装置，用于拍摄初始图像； 照明装置； 感应器，与拍摄装置及照明装置连接，用于检测是否有运动目标进入检测区域及 检测检测区域内的光强是否低于预设阈值； 存储模块，用于存储人脸特征数据库；以及 图像处理模块，与拍摄装置及存储模块连接，用于检测初始图像中的运动目标，并 利用"基于表示的距离"的由粗到细K近邻分类算法及人脸特征数据库进行人脸识别。 与现有技术相比，本专利技术的检测装置先通过感应器检测是否有运动目标进入检测 区域且检测区域内的光强是否低于预设阈值，当有运动目标进入检测区域时，将启动摄像 装置拍摄初始图像，而检测区域内的光强低于预设阈值时，则会启动照明装置以进行补光， 之后通过图像处理模块检测初始图像中的运动目标，并利用"基于表示的距离"的由粗到细 K近邻分类算法及人脸特征数据库进行人脸识别。由于采用了利用"基于表示的距离"的由 粗到细K近邻分类算法进行人脸识别，与传统的由粗到细K近邻分类算法相比，该算法所得 到的最近邻包中包含了较少的冗余信息，从而提高了准确率，进而提高了人脸识别效果，进 一步地提高了视频检测的准确性。且，从上述描述可以看出，该装置是在检测到有运动目标 后再进行人脸识别，即采用先动态后静态相结合的检测方式，提高了检测效率，也能较好地 避免背景中有人脸照片或类似人脸的区域的误报。此外，该检测装置将视频检测装置（如 上所述的拍摄装置）与照明装置结合为一体，以保障了视频检测部分的正常工作，从而弥 补了现有的视频装置与照明装置相互独立设置、照明装置不能自动按照视频检测所需照度 提供照明的缺陷，使得该检测装置更加地智能化。 通过以下的描述并结合附图，本专利技术将变得更加清晰，这些附图用于解释本专利技术 的实施例。 【专利附图】【附图说明】 图1为本专利技术基于人脸识别的视频检测方法的流程图。 图2a为传统的K近邻分类算法的流程图。 图2b为本专利技术"基于表示距离"的K近邻分类算法的流程图。 图3为本专利技术基于人脸识别的视频检测装置的安装示意图。 图4为图3所示检测装置的外观侧面图。 图5为图4的正面图。 图6为图4的结构框图。 【具体实施方式】 现在参考附图描述本专利技术的实施例，附图中类似的元件标号代表类似的元件。 请参考图1，本专利技术基于人脸识别的视频检测方法主要包括： S101，感应器检测是否有运动目标进入检测区域且检测区域内的光强是否低于预 设阈值。 S102,根据检测结果启动摄像装置拍摄初始图像或启动照明装置；具体地，当感应 器检测到有运动目标进入检测区域时，启动拍摄装置（如摄像头）拍摄包含有该运动目标 的初始图像，同时，感应器会检测检测区域内的光强，并判断光强是否低于预设阈值，当低 于时（如夜间或光线不足时），则会启动照明装置（如LED灯）进行补光照射，以保证所拍 摄的图像的效果。 S103,检测初始图像中的运动目标；具体地，是利用目标相对于场景的运动，将运 动目标从序列图像背景中分离出来。由于室内场景较为固定和稳定，采用背景剪除进本文档来自技高网...
【技术保护点】
一种基于人脸识别的视频检测方法，其特征在于，包括：感应器检测是否有运动目标进入检测区域且所述检测区域内的光强是否低于预设阈值；根据检测结果启动摄像装置拍摄初始图像或启动照明装置；检测所述初始图像中的运动目标；利用“基于表示的距离”的由粗到细K近邻分类算法及人脸特征数据库进行人脸识别。
【技术特征摘要】
【专利技术属性】
技术研发人员：叶全丰，李静，徐勇，徐亚国，
申请(专利权)人：广州市番禺奥莱照明电器有限公司，哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44
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。