一种基于人脸识别的视频监控方法技术

本发明专利技术公开了一种基于人脸识别的视频监控方法，包括以下具体步骤：S1、采集监控视频数据；S2、对采集的监控视频数据进行解码；S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控视频数据绑定后存储到信息存储模块；S4、将目标人脸信息在信息存储模块中进行检索，当检索到了匹配的人脸信息时，根据检索到的人脸信息获得相应的监控视频数据。本发明专利技术提供的一种基于人脸识别的视频监控方法，对图像的噪声具有较强的鲁棒性，对人脸的拍摄时间变化、光照变化、表情变化和姿态具有很好的鲁棒性。

A video surveillance method based on face recognition

The invention discloses a video monitoring method based on face recognition, including the following steps: S1, S2, video acquisition and monitoring data; decodes the video data acquisition; S3, to detect the monitoring video data decoded, when monitoring the face, to obtain information of the monitoring and monitoring of face face information and monitoring information of monitoring video data binding face contact stored in the information storage module; S4, the target face information retrieval in the information storage module, when the retrieval to face information matching, according to face information retrieval to obtain video data corresponding to the. The invention provides a video monitoring method based on face recognition, has strong robustness to the noise of the image, to face the shooting time change, variation of illumination, facial expression and gesture has good robustness.

【技术实现步骤摘要】
一种基于人脸识别的视频监控方法
本专利技术属于计算机视觉
，具体涉及一种基于人脸识别的视频监控方法。
技术介绍
人脸识别是基于人的脸部特征信息进行身份鉴别的一种生物特征识别技术。相对于其他生物识别技术，人脸识别有着自身的优势，如不易被察觉，不需接触设备等。现如今，人脸识别技术已广泛应用于刑侦破案、门禁系统、摄像监视、网络应用、身份辨识、信息安全及娱乐应用等领域。人脸识别还应用于刷脸支付系统：如今，第一个刷脸支付系统诞生，进入相应测试阶段，PayPal(贝宝)在英国推出了“人脸识别”支付功能，这标志着人脸识别技术应用又进入了崭新的领域。局部二值模式(LocalBinaryPattern，LBP)是一种灰度范围内的纹理度量，最初是由Ojala等为了辅助性的度量图像的局部对比度而提出的。它是描述图像局部空间结构的非参数算子，能够高效的描述纹理。由于LBP方法原理相对简单，计算复杂度低，同时又具有旋转不变性和灰度不变性等显著的优点，因而该方法又被广泛地应用于图像匹配、行人和汽车目标的检测与跟踪、生物和医学图像分析等领域。原始LBP算子共有256种变换模式，使用Uniform模式后减为59种，能够起到很好的降维作用。虽然LBP有很多显著的优点，但是在光照变化和姿态变化的测试集上，它的人脸识别结果仍不是很理想，并且由于它是以确切的中心像素为阈值，所以对噪声很敏感，尤其是均匀的或近似均匀的区域。Liao等人提出的基于多尺度块的局部二值模式(MB-LBP)弥补了LBP对噪声敏感的缺陷，并进一步利用了图像的宏观结构，获得了更加有效的图像表示。J.Chen等人提出的WeberLocalDescriptor(WLD)特征描述算子利用了LBP中被忽略的邻域像素与中心像素的差值的幅值，求取差励，并对其进行量化。YueMing等人提出的3DLBP，也利用了3DLBP邻域像素与中心像素的差值，通过对差值进行编码得到图像的表示，但是3DLBP将差值大于7的值全部统一为7，这样会损失大量图像信息，对识别结果有很大的影响。故一种鲁棒性更好，人脸识别率更高的视频监控方法亟待提出。
技术实现思路
本专利技术提出一种基于人脸识别的视频监控方法，该方法具有较好的鲁棒性能，可以较好的抑制噪声的影响，具有良好的人脸识别率。为了达到上述目的，本专利技术的技术方案如下：一种基于人脸识别的视频监控方法，包括以下具体步骤：S1、采集监控视频数据；S2、对采集的监控视频数据进行解码；S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控视频数据绑定后存储到信息存储模块；S4、将目标人脸信息在信息存储模块中进行检索，当检索到了匹配的人脸信息时，根据检索到的人脸信息获得相应的监控视频数据。其中，上述的监控人脸信息、目标人脸信息的获得方法包括以下具体步骤：(1)对人脸图像进行积分图计算，利用所述积分图求得以点(x，y)为中心，大小为s×s个像素的图像块的像素平均值vc，以及以该所述图像块为中心的3×3块邻域内同等大小的8个子图像块的像素平均值vi，i＝0，...，7；(2)对每个所述像素平均值进行方向编码和幅值编码，所述方向编码后得到第一层人脸描述图像，所述幅值编码后得到第二层人脸描述图像和第三层人脸描述图像；(3)将所述第一层人脸描述图像、所述第二层人脸描述图像和所述第三层人脸描述图像分别进行分块处理，得到若干子块；(4)对每个所述子块提取特征直方图，并利用Uniform模式对所述特征直方图进行降维；(5)将三层人脸描述图像获取的所有所述特征直方图进行串联，得到人脸特征直方图；(6)对全部监控人脸图像、目标人脸图像提取人脸特征直方图，分别形成监控人脸特征集、目标人脸特征集。另外，上述的步骤S4中检索监控人脸特征集，通过分类识别方法预测目标人脸图像的人脸特征直方图所属的对象。本专利技术提供的一种基于人脸识别的视频监控方法，对图像的噪声具有较强的鲁棒性，对人脸的拍摄时间变化、光照变化、表情变化和姿态具有很好的鲁棒性。作为优选的方案，上述的积分图采用下式进行计算：其中：i(x′，y′)为灰度图像内任一点(x′，y′)处的像素值。采用上述优选的方案，使得本专利技术一种基于多尺度块局部多值模式的人脸识别方法具有扎实的理论基础。作为优选的方案，上述的分块处理为：将每一层所述人脸描述图像进行均匀、无交叠的分成m×m个子块。采用上述优选的方案，保证分块处理的准确性，提高该方法的人脸识别率。作为优选的方案，上述的方向编码具体步骤包括：(1)利用所述积分图计算人脸图像中以点(x，y)为中心且大小为s×s的图像块的像素平均值vc，计算该图像块3×3块邻域内的8个同样大小的图像块各自的像素平均值v0，...，v7，并计算各邻域块像素平均值与中心块像素平均值的差Δvi，i＝0，...，7；(2)根据每个Δvi的符号的正负，进行二值编码，如果Δvi＞0则标记为1，否则，标记为0，由八个二进制单元构成一个八位的二进制数，将其转化为十进制即得到该点(x，y)方向编码后的映射值；(3)对人脸图像上的所有点进行所述方向编码即得到第一层人脸描述图像。采用上述优选的方案，可以得到第一层人脸描述图像。作为优选的方案，上述的幅值编码的具体步骤包括：(1)利用所述积分图计算人脸图像中以点(x，y)为中心且大小为s×s的图像块的像素平均值vc，计算该图像块3×3块邻域内的8个同样大小的图像块各自的像素平均值v0，...，v7，并计算各邻域块像素平均值与中心块像素平均值的差Δvi，i＝0，...，7；(2)计算arctan(||Δvi||/vc)，得到八个范围都在[0，π/2]的值；(3)对该八个值进行量化，所述量化的方法是：将[0，π/2]划分为长度相等的四个区间，第j个区间为[j/8，(j+1)π/8]，j＝0，...，3，如果arctan(||Δvi||/vc)∈[j/8，(j+1)π/8]，那么arctan(||Δvi||/vc)就被量化为j；(4)将该八个量化后得到的值转化为二进制数；(5)每个二进制数最多只有两位，将每个数的高位按顺序组合成一个二进制数，将每个数的低位按顺序组合成一个二进制数，分别将其转化为十进制即得到该点(x，y)幅值编码后的映射值；(6)对人脸图像上的所有点进行幅值编码即得到所述第二层人脸描述图像和所述第三层人脸描述图像。采用上述优选的方案，可以得到第二层人脸描述图像和第三层人脸描述图像。作为优选的方案，上述的分类识别方法为最近邻分类识别方法，所述最近邻分类识别方法中的距离采用以下公式所示的卡方距离，其中：S，M分别为目标人脸图像和监控人脸图像的特征直方图向量。采用上述优选的方案，采用最近邻分类识别方法对测试样本进行分类，分类便捷。附图说明图1为本专利技术实施例提供的流程图。具体实施方式下面结合附图详细说明本专利技术的优选实施方式。为了达到本专利技术的目的，如图1所示，在一种基于人脸识别的视频监控方法的实施例中，包括以下具体步骤：S1、采集监控视频数据；S2、对采集的监控视频数据进行解码；S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控本文档来自技高网...

【技术保护点】
一种基于人脸识别的视频监控方法，其特征在于，包括以下具体步骤：S1、采集监控视频数据；S2、对采集的监控视频数据进行解码；S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控视频数据绑定后存储到信息存储模块；S4、将目标人脸信息在信息存储模块中进行检索，当检索到了匹配的人脸信息时，根据检索到的人脸信息获得相应的监控视频数据。

【技术特征摘要】
1.一种基于人脸识别的视频监控方法，其特征在于，包括以下具体步骤：S1、采集监控视频数据；S2、对采集的监控视频数据进行解码；S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控视频数据绑定后存储到信息存储模块；S4、将目标人脸信息在信息存储模块中进行检索，当检索到了匹配的人脸信息时，根据检索到的人脸信息获得相应的监控视频数据。2.根据权利要求1所述的基于人脸识别的视频监控方法，其特征在于，所述监控人脸信息、目标人脸信息的获得方法包括以下具体步骤：(1)对人脸图像进行积分图计算，利用所述积分图求得以点(x，y)为中心，大小为s×s个像素的图像块的像素平均值ve，以及以该所述图像块为中心的3×3块邻域内同等大小的8个子图像块的像素平均值vi，i＝0，...，7；(2)对每个所述像素平均值进行方向编码和幅值编码，所述方向编码后得到第一层人脸描述图像，所述幅值编码后得到第二层人脸描述图像和第三层人脸描述图像；(3)将所述第一层人脸描述图像、所述第二层人脸描述图像和所述第三层人脸描述图像分别进行分块处理，得到若干子块；(4)对每个所述子块提取特征直方图，并利用Uniform模式对所述特征直方图进行降维；(5)将三层人脸描述图像获取的所有所述特征直方图进行串联，得到人脸特征直方图；(6)对全部监控人脸图像、目标人脸图像提取人脸特征直方图，分别形成监控人脸特征集、目标人脸特征集。3.根据权利要求2所述的基于人脸识别的视频监控方法，其特征在于，所述步骤S4中检索监控人脸特征集，通过分类识别方法预测目标人脸图像的人脸特征直方图所属的对象。4.根据权利要求3所述的基于人脸识别的视频监控方法，其特征在于，所述积分图采用下式进行计算：其中：i(x′，y′)为灰度图像内任一点(x′，y′)处的像素值。5.根据权利要求3所述的基于人脸识别的视频监控方法，其特征在于，所述分块处理为：将每一层所述人脸描述图像进行均匀、无交叠的分成m×m个子块。6.根据权利要求3所述的基于...

【专利技术属性】
技术研发人员：周文生，刘纯平，龚声蓉，
申请(专利权)人：苏州工业园区洛加大先进技术研究院，
类型：发明
国别省市：江苏,32