一种基于图像检测的在座状态系统技术方案

本发明专利技术公开了一种基于图像检测的在座状态系统，主要包括：步骤(1)分类器训练：建一个含有大量图片的样本库，样本库中的图片分为：包含人脸特征和不包含人脸特征，从样本库采用中将人脸和非人脸的haar‑like特征提取出来，作为分类器训练过程的输入，Adaboost算法训练出一个级联强分类器，该级联强分类器用来判断目标是否为人脸；步骤(2)人脸检测：如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，直接进行图片的预处理阶段。本发明专利技术达到了90％的识别准确率，误检测窗口数较少，对于正向及姿势端正的人脸有着比较优良的识别效果，能够成功地完成区域人数统计功能。

A Sitting State System Based on Image Detection

【技术实现步骤摘要】
一种基于图像检测的在座状态系统
本专利技术涉及一种基于图像检测的在座状态系统，属于人脸检测、识别

技术介绍
目前在学校或公司，一般都采用点名、签到、按指纹等考勤方式，这些方法占用时间比较多并且效率低下。图像检测在座状态系统能完成教室或公司人数的实时统计，由于所需要实验的区域环境比较复杂，要想得到比较准确的实验结果，应采用较为稳定的方法进行人数的统计与在座率的计算。公共场所的人口数量从中可以获取许多信息。拿教室来举例，作为很常见的公共场所之一，教室里的学生人数统计具有非常现实的意义：(1)大学生翘课现象较为严重,大多数老师采用点名签到的方式来防止学生逃课，这样的方法不仅浪费了上课的时间，而且效果并不显著，还存在许多漏洞，采用上座状态系统更方便快捷人性化。(2)空的教室开着灯和电风扇会造成许多能源浪费，据不完全统计，多数大学的教学楼存在全天开着电灯风扇等电器的现象，这时在座状态的人数统计便可以帮助分析各个教室的上座情况，教室管理人员根据具体检测结果管理教室的电器开关，达到减少能源浪费的目的。(3)选修课堂中，出勤人数可以更客观地反映出选修讲师及开设的选修课程的受欢迎程度，学校可以根据出勤人数，对开设的选修课程进行选择，把很少有人选的课程关闭，多开设一些人气高的课程。(4)大学教室资源紧张，很多学生都遇到去教室或图书馆自习但找不到空位置的问题，自习室里的学生人数与教室空缺情况紧密相关，在座状态系统可以帮助学校合理分配教学资源，使学生能够快速、方便地找到自习教室。综上所述，教室在座状态检测的重要性无庸赘述，它是减少能源浪费、提高教学质量、方便校园学习生活的关键因素。
技术实现思路
本专利技术是针对现有技术存在的不足，提供一种基于图像检测的在座状态系统，使用人脸框将检测到的人做出标记，通过最终统计到的人数除以实际座位数，计算出实时在座率，实现了对区域人数进行精确统计，满足实际使用要求。为解决上述问题，本专利技术所采取的技术方案如下：一种基于图像检测的在座状态系统，主要包括：步骤(1)分类器训练：所述分类器训练的操作流程：建立一个含有大量图片的样本库，样本库中的图片分为：包含人脸特征和不包含人脸特征，然后从样本库采用中将人脸和非人脸的haar-like特征提取出来，作为分类器训练过程的输入，Adaboost算法训练出一个级联强分类器，该级联强分类器用来判断目标是否为人脸；步骤(2)人脸检测：所述人脸检测操作流程：如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，直接进行图片的预处理阶段，加载之前工作中训练得到的级联强分类器，检测截取出的图像，如果级联强分类器使目标通过，则表示人脸被检测出，与该人脸相关的信息会被储存起来并且将其标记，如果目标没有通过级联强分类器就表示没有检测到人脸，然后移动剪裁窗口并反复之前检测的工作，直到测试目标的所有像素点都被扫描，则此次人脸检测的过程便结束了，将最后的图像输出，图像中所有被检测到的人脸都会被一个人脸框标记出来。作为上述技术方案的改进，在步骤(1)中，样本库的建立包括：正样本，所有的图片都要包含人脸的特征；负样本，所有的图片都不能包含人脸的特征。作为上述技术方案的改进，步骤(1)中haar-like特征提取是基于灰度图，先是通过大量具有比较明显的haar特征的物体图像采用模式识别的方法来训练出分类器，分类器是级联的，每级都用相同的识别率保留进入下一级里具有物体特征的待选物体，每一级的子分类器是由许多haar特征构成的，其中包括：水平、竖直和倾斜，且每个特征都有着一个阈值和两个分支值，每级的子分类器都带一个总阈值。作为上述技术方案的改进，所述Adaboost算法：对于某N个样本文件(x1,y1)，...，(xn,yn)，设定正样本(人脸样本)yi＝1，设定负样本(非人脸样本)yi＝-1；初始化样本的权重；定义训练的轮数为N，从第一轮到第N轮，分别做：挑选出这一轮训练过程中的最优弱分类器，该弱分类器需使误差最小；更新权重；归一化权重；获得、输出强分类器；此外，将多个强分类器的组合得级联强分类器。作为上述技术方案的改进，步骤(2)中，对于视频文件，需要从中提取出一帧图片，对于图片则直接开始处理，先使用cvCvtColor(,,CV_BGR2GRAY)函数将待检测图片转换为灰度图像，然后使用cvResize(,,CV_INTER_LINEAR)对图片进行双线性插值的缩放，再使用cvEqualizeHist(,)进行直方图均衡化，最后进行检测。作为上述技术方案的改进，步骤(2)中所述人脸检测采用的是基于检测窗口等比例放大法。本专利技术与现有技术相比较，本专利技术的实施效果如下：本专利技术选取了人脸作为特征来进行检测，并实现一个基于haar-like特征的上座状态检测系统，此系统达到了90％的识别准确率，误检测窗口数较少，对于正向及姿势端正的人脸有着比较优良的识别效果，能够成功地完成区域人数统计功能。附图说明图1为本专利技术所述人脸检测流程示意图；图2为本专利技术所述正样本库中的部分图片；图3为本专利技术所述负样本库中的部分图片；图4为本专利技术初始的haar-like特征图；图5为本专利技术新的haar-like特征图；图6为本专利技术决策树的流程示意图；图7为本专利技术获得强分类器的流程示意图；图8为本专利技术所述图片预处理流程示意图；图9为本专利技术所述“金字塔”缩放法检测图片示意图；图10为本专利技术所述等比例放大检测窗口示意图。具体实施方式下面将结合具体的实施例来说明本专利技术的内容。如图1至图10所示：为本专利技术所述基于图像检测的在座状态系统操作流程示意图，其包括：(1)分类器的训练建立一个含有大量图片的样本库，样本库中的图片分为包含人脸特征和不包含人脸特征两种，从样本库中将人脸和非人脸的haar-like特征提取出来，作为分类器训练过程的输入，Adaboost算法用于训练出一个级联强分类器，该分类器用来判断目标是否为人脸。(2)人脸检测如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，便直接进行图片的预处理阶段，加载之前工作中训练得到的分类器，检测截取出的图像，如果分类器使目标通过，则表示人脸被检测出，与该人脸相关的信息会被储存起来并且将其标记，如果目标没有通过分类器就表示没有检测到人脸，在那之后移动剪裁窗口并反复之前检测的工作，直到测试目标的所有像素点都被扫描，则此次人脸检测的过程便结束了，将最后的图像输出，图像中所有被检测到的人脸都会被一个人脸框标记出来；具体地，如图1所示。构造训练样本库：样本库的数量与质量，直接关系到了检测的效果；样本库中图像越多，区分度越高，分类器的训练效果越好。由于我们在前文中已经确定提取人脸作为特征，所以我们应该准备这两组样本：(1)正样本：所有的图片都要包含人脸的特征；(2)负样本：所有的图片都不能包含人脸的特征。正样本库：如图2所示：本系统所采取的样本库，来自于AT&T、Yale等标准人脸库，从中挑选了2706张肤色、表情、光照有较大差别的图片，作为本次训练的正样本库，并且将所有图片的人眼设置在同一个水平位置，去除样本中人的头发，这有助于训练的进行。正样本库中的所有图片都要达到以下几点要求：每张图像都要包含一个完整的人脸特征，我本文档来自技高网...

【技术保护点】
1.一种基于图像检测的在座状态系统，其特征在于：主要包括：步骤(1)分类器训练：所述分类器训练的操作流程：建立一个含有大量图片的样本库，样本库中的图片分为：包含人脸特征和不包含人脸特征，然后从样本库采用中将人脸和非人脸的haar‑like特征提取出来，作为分类器训练过程的输入，Adaboost算法训练出一个级联强分类器，该级联强分类器用来判断目标是否为人脸；步骤(2)人脸检测：所述人脸检测操作流程：如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，直接进行图片的预处理阶段，加载之前工作中训练得到的级联强分类器，检测截取出的图像，如果级联强分类器使目标通过，则表示人脸被检测出，与该人脸相关的信息会被储存起来并且将其标记，如果目标没有通过级联强分类器就表示没有检测到人脸，然后移动剪裁窗口并反复之前检测的工作，直到测试目标的所有像素点都被扫描，则此次人脸检测的过程便结束了，将最后的图像输出，图像中所有被检测到的人脸都会被一个人脸框标记出来。

【技术特征摘要】
1.一种基于图像检测的在座状态系统，其特征在于：主要包括：步骤(1)分类器训练：所述分类器训练的操作流程：建立一个含有大量图片的样本库，样本库中的图片分为：包含人脸特征和不包含人脸特征，然后从样本库采用中将人脸和非人脸的haar-like特征提取出来，作为分类器训练过程的输入，Adaboost算法训练出一个级联强分类器，该级联强分类器用来判断目标是否为人脸；步骤(2)人脸检测：所述人脸检测操作流程：如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，直接进行图片的预处理阶段，加载之前工作中训练得到的级联强分类器，检测截取出的图像，如果级联强分类器使目标通过，则表示人脸被检测出，与该人脸相关的信息会被储存起来并且将其标记，如果目标没有通过级联强分类器就表示没有检测到人脸，然后移动剪裁窗口并反复之前检测的工作，直到测试目标的所有像素点都被扫描，则此次人脸检测的过程便结束了，将最后的图像输出，图像中所有被检测到的人脸都会被一个人脸框标记出来。2.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：在步骤(1)中，样本库的建立包括：正样本，所有的图片都要包含人脸的特征；负样本，所有的图片都不能包含人脸的特征。3.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：步骤(1)中haar-like特征提取是基于灰度图，先是通过大量具有比较明显的haar...

【专利技术属性】
技术研发人员：王志超，沈微微，王磊，
申请(专利权)人：宿迁学院产业技术研究院，
类型：发明
国别省市：江苏,32