基于高斯混合模型的面具检测方法技术

本发明专利技术涉及计算机视觉技术领域，尤其涉及一种基于高斯混合模型的面具检测方法，包括以下步骤：根据人脸图像样本建立高斯混合模型；从视频流中筛选含有人脸的关键帧，并从关键帧中提取人脸特征；将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具。通过使用本发明专利技术，可以实现以下效果：采用高斯混合模型将人脸图库进行分类，能有效地分辨真实人脸和面具；采用三次关键帧筛选，去除冗余帧，减少运算，提高检测效率。

【技术实现步骤摘要】
基于高斯混合模型的面具检测方法
本专利技术涉及计算机视觉
，尤其涉及一种基于高斯混合模型的面具检测方法。
技术介绍
随着目前电子商务以及移动支付的快速发展，获取用户的人脸图像是防止欺诈的一种有效手段。如果用户在拍照期间佩戴了面具，那么很可能会带来欺诈行为。然而，现有的人脸检测技术不能很好地分辨真实人脸和面具，因此，目前缺乏一种有效的面具检测技术。
技术实现思路
为解决上述问题，本专利技术提出一种基于高斯混合模型的面具检测方法，用于检测视频流中的人脸是否佩戴面具。一种基于高斯混合模型的面具检测方法，包括以下步骤：根据人脸图像样本建立高斯混合模型；从视频流中筛选含有人脸的关键帧，并从关键帧中提取人脸特征；将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具。优选的，所述从关键帧中提取人脸特征的方法为：将关键帧中的彩色图像处理为灰度图像；利用人脸检测器对灰度图像进行人脸检测，在灰度图像中找出人脸区域并利用矩形框进行标记；根据标记的矩形框，在矩形框中通过人脸特征点检测算法提取人脸特征。优选的，所述高斯混合模型为：其中，K代表了模型的数量；πk代表了权重，满足N(x；μk,∑k)为混合模型的第k个分量。优选的，所属从视频流中筛选含有人脸的关键帧的方法为：从视频流中抽取视频帧；利用人脸检测器滤除视频帧中不含有人脸的冗余帧；从含有人脸的视频帧中滤除重复的冗余帧，得到关键帧。优选的，所述从含有人脸的视频帧中滤除重复的冗余帧，得到关键帧的方法为：获取关键帧中每一帧的特征值，并将特征值代入以下公式求得相邻的两个帧中人脸特征的相似程度其中，xij代表第i帧的第j维特征值，x(i+1)j代表第i+1帧的第j维特征值；设置阈值Tf，当时，则第i+1帧是冗余帧，删除第i+1帧；否则，保留第i+1帧。优选的，所述判断关键帧中的人脸是否佩戴面具的方法为：将关键帧中提取的人脸特征送入高斯混合模型进行匹配后得到若干个概率密度，求得若干概率密度中的最大值Pmax；设定经验阈值T，若Pmax＞T，则判断为没有佩戴面具；否则，则判断为佩戴了面具。通过使用本专利技术，可以实现以下效果：1.本专利技术采用高斯混合模型将人脸图库进行分类，能有效地分辨真实人脸和面具；2.采用三次关键帧筛选，去除冗余帧，减少运算，提高检测效率。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1是本专利技术的流程示意图。具体实施方式以下结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。本专利技术基于高斯混合模型的面具检测方法的基本思想是根据人脸图像样本建立高斯混合模型；从视频流中多次筛选得到含有人脸的关键帧，并从关键帧中提取人脸特征；将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具，从而实现真实人脸和面具的快速、有效辨别。图1是本专利技术的流程示意图，根据图1，可以看出本专利技术主要包括以下几个步骤。步骤一.根据人脸图像样本建立高斯混合模型。具体的，在本实施例中，本专利技术采用了中科院人脸数据库，从中选取了10000张人脸图像作为训练集，包括不同的性别、年龄、头部姿势、表情等。首先，将彩色图像处理为灰度图像。其次，利用人脸检测器对灰度图像进行人脸检测，在一张灰度图像中找出人脸区域并利用矩形框进行标记。通常在一张图像中，人脸占整个图像的比例不确定，利用人脸检测器进行标记，有利于提取人脸特征。最后，根据标记，在图像中通过人脸特征点检测算法提取人脸特征。根据提取的人脸特征建立高斯混合模型。在本实施例中，高斯混合模型为：其中，K代表了模型的数量；πk代表了权重，满足N(x；μk,Σk)为混合模型的第k个分量。高斯混合模型(GMM)就是指对样本的概率密度分布进行估计，而估计采用的模型是几个高斯模型的加权和。每个高斯模型就代表了一个类。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类作为为判决结果。在本实施例中，对于建立好的高斯混合模型，这些人脸特征数据聚类完成后，会被分成多类，比如男人分为一类，女人分为一类，小孩分为一类，年龄大的分为一类，脸圆的人分为一类等等。将每一类图像，对应一组离散小波两层变换的子带能量特征，得到多组特征向量，并将该多组特征向量作为训练样本，利用EM算法，分别训练对应多组特征向量的多个混合高斯模型。利用高斯混合模型将人脸特征数据进行细分为多类，使得最终的辨别结果更加准确。步骤二.从视频流中筛选含有人脸的关键帧，并从关键帧中提取人脸特征。具体的，在本实施例中，为减少模型的运算并提高检测效率，对视频流中的视频帧进行三次筛选，得到只含有人脸的关键帧。第一次筛选：从视频流中按照n帧/s的频率抽取视频帧，得到视频帧，n一般取1。在视频流中按一定的频率抽取视频帧，并且保证视频流中出现的人脸没有遗漏。第二次筛选：利用人脸检测器滤除视频帧中不含有人脸的冗余帧。由于视频流中存在很多没有人脸的场景，所以在视频帧的抽取过程中也会存在很多没有人脸的视频帧。这部分视频帧不存在人脸，所以不需要对其进行面具检测。在本实施例中将这部分不存在人脸的冗余帧通过人脸检测器进行筛选，从而减少了高斯混合模型的运算，提高了真实人脸和面具辨别的效率。由于人脸检测器在识别过程中存在误差，所以在一次筛选后的视频帧中还可能存在没有人脸的视频帧，在实际筛选过程中，可以通过人脸检测器多次筛选。第三次筛选：从含有人脸的视频帧中滤除重复的冗余帧，得到关键帧。具体的，获取N帧关键帧中每一帧的特征值，并将特征值代入以下公式求得相邻的两个帧中人脸特征的相似程度其中，xij代表第i帧的第j维特征值，x(i+1)j代表第i+1帧的第j维特征值；设置阈值Tf，当时，则第i+1帧是冗余帧，删除第i+1帧；否则，保留第i+1帧。在第二次筛选后的视频帧中存在同一类似场景的视频帧，所以不需要对重复的视频帧进行面具检测。在本实施例中，将前后两个视频帧进行128维的特征值对比，若得到的结果小于设定的阈值，则判断这两个视频帧过于类似，判定后一帧为冗余帧。由于不需要对类似的冗余帧进行运算，提高了真实人脸和面具辨别的效率。在本实施例中，通过前后两个视频帧进行特征值对比来判定是否为冗余帧，但申请人并没有对冗余帧的判定方式进行限定，也可以采用其他图像处理方法对其进行判定。一帧即一副静止的画面。在本实施例中，从关键帧中提取人脸特征与从人脸图像样本中提取人脸特征的方法相同，这里不再重复说明。步骤三.将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具。具体的，将关键帧中提取的人脸特征送入高斯混合模型中，与各个模型的聚类中心进行距离度量得到若干个概率密度，求得若干概率密度中的最大值Pmax；设定经验阈值T，在本实施例中，T＝96。若Pmax＞T，则判断为没有佩戴面具；否则，则判断为佩戴了面具。本专利技术所属
的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本专利技术的精神或者超越所附权利要求书所定义的范围。本文档来自技高网...

【技术保护点】
1.一种基于高斯混合模型的面具检测方法，其特征在于，包括以下步骤：根据人脸图像样本建立高斯混合模型；从视频流中筛选含有人脸的关键帧，并从关键帧中提取人脸特征；将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具。

【技术特征摘要】
1.一种基于高斯混合模型的面具检测方法，其特征在于，包括以下步骤：根据人脸图像样本建立高斯混合模型；从视频流中筛选含有人脸的关键帧，并从关键帧中提取人脸特征；将关键帧中提取的人脸特征送入高斯混合模型进行匹配，根据匹配结果判断关键帧中的人脸是否佩戴面具。2.根据权利要求1所述的基于高斯混合模型的面具检测方法，其特征在于，所述从关键帧中提取人脸特征的方法为：将关键帧中的彩色图像处理为灰度图像；利用人脸检测器对灰度图像进行人脸检测，在灰度图像中找出人脸区域并利用矩形框进行标记；根据标记的矩形框，在矩形框中通过人脸特征点检测算法提取人脸特征。3.根据权利要求1所述的基于高斯混合模型的面具检测方法，其特征在于，所述高斯混合模型为：其中，K代表了模型的数量；πk代表了权重，满足N(x；μk,∑k)为混合模型的第k个分量。4.根据权利要求1所述的基于高斯混合模型的面具检测方法，其特征在于，所属从视频流中筛选含有人脸...

【专利技术属性】
技术研发人员：章姝俊，姚一杨，戴波，王彦波，江樱，邱兰馨，
申请(专利权)人：国网浙江省电力有限公司，国网浙江省电力有限公司信息通信分公司，
类型：发明
国别省市：浙江,33