一种基于双目摄像头的人员识别与定位方法技术

本发明专利技术公开了一种双目摄像头的目标识别与定位方法。利用人脸图片训练数据库，进行基于卷积神经网络(CNN)的分类学习，得到基于人脸识别的分类模型；利用图片的深度信息，进行基于支持向量机(SVM)的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系。通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别。同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。该方法具有识别时间开销小，识别精度高的优点。

A method of personnel identification and location based on binocular camera

The invention discloses a target recognition and positioning method of a binocular camera. Using the face image training database, the classification learning based on convolutional neural network (CNN) is carried out, and the classification model based on face recognition is obtained; using the depth information of the image, the regression learning based on support vector machine (SVM) is carried out, and the distance regression function is obtained, and the relationship between the image depth information and the distance from the target distance camera is constructed. Through the camera to take the target, using the obtained face photos, through the face classification model to complete the personnel target recognition. At the same time, the distance between the target and the camera is calculated by using the depth information of the captured image to realize the personnel positioning. This method has the advantages of small time cost and high recognition accuracy.

【技术实现步骤摘要】
一种基于双目摄像头的人员识别与定位方法
：本专利技术涉及一种双目摄像头的目标识别与定位方法，属于定位导航

技术介绍
：近年来，室内位置服务的需求不断增长，催生了室内定位技术的不断发展。传统卫星定位系统，如全球定位系统（GPS）、北斗定位系统，在室外空旷环境中拥有较高的定位精度，但是卫星定位信号很容易受到遮蔽或干扰，导致卫星定位系统在室内环境中定位不准甚至无法定位。因此，在室内环境中，考虑到图像信息的优势，具有无电磁干扰，绿色环保等特点被广泛关注。现有技术包括：一种基于图像匹配和指纹库的LED可见光室内定位方法（专利号：CN201610125773.1），该方法在线阶段使用sift算法，在线处理时间长，位置估计时间开销比较大。而本专利技术在线阶段使用已经训练好的模型，位置估计时间开销小，可以明显提高定位所需要的时间。目前，国内外对基于图像的室内定位技术的研究中会采用单目摄像头或双目摄像头。其中，使用双目摄像头具有更多的优势。在立体视觉之前，单目视觉因运算效率高以及信息量小的优点在人员的识别与定位跟踪领域中占有绝对优势。随着立体视觉的不断发展，单目视觉无法获得图像深度信息而导致无法精确的识别和定位人员目标的缺陷越加明显，双目立体视觉通过双目摄像头仿生人眼，提取双目图像的视差信息，根据物体在图像中的深度信息和各自的特征，进一步作识别和定位处理。其中，双目摄像头获取的左右双目图像中，两个匹配块中心像素的水平距离即为视差。相同视差（即相同颜色）代表物体离摄像头位置相同。目前，随着硬件系统特别是嵌入式的发展，在运动物体的图像处理领域，双目技术的优势越来越明显。因此，采用双目视觉技术在智能交通、视频监控上应用有着重大意义。公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
：本专利技术的目的在于提供一种基于双目摄像头的人员识别与定位方法，从而克服上述现有技术中的缺陷。为实现上述目的，本专利技术提供了一种双目摄像头的目标识别与定位方法，该方法包括如下步骤：步骤1：利用人脸图片训练数据库，进行基于卷积神经网络CNN的分类学习，得到基于人脸识别的分类模型；步骤2：利用图片的深度信息，进行基于支持向量机SVM的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系；步骤3：通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别；步骤4：同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。本专利技术进一步限定的技术方案为：优选地，上述技术方案中，2.根据权利要求1所述的双目摄像头的目标识别与定位方法，其特征在于，该方法具体为：步骤1：利用双目摄像头拍摄待识别人员人脸图像信息，建立人员目标标签和人脸图片数据库；利用卷积神经网络对人员目标标签和人脸图片数据库进行离线分类学习，得到人员目标识别分类模型；步骤2：记录拍摄点位置信息，利用OpenCV中图像处理技术，从双目摄像头拍摄深度图片中提取拍摄图片的深度信息，建立位置信息和深度图片信息数据库；利用支持向量机对位置信息和深度图片信息数据库进行训练，学习位置信息和深度图片信息之间的对应关系，得到基于位置信息的回归模型；步骤3：使用双目摄像头采集目标的运动信息，双目摄像头拍摄到人员图片后，使用人脸检测算法，对检测到的人脸图像通过裁剪处理，输入到上述步骤1人员目标识别分类模型中，实现人员的识别；步骤4：当系统检测到目标后，会自动处理采集到的目标的深度图片信息，然后输入到上述步骤2的基于位置信息的回归模型中，得到目标离摄像头的具体位置，进而得到目标位置，实现人员的定位。优选地，步骤1和步骤2为离线阶段，步骤3和步骤4为在线阶段。优选地，人脸检测算法为级联分类器CascadeClassifier算法。一种基于双目摄像头的人员识别与定位系统，包括人员识别系统以及人员定位系统，其特征在于：其中每个过程又包括两个阶段，即离线阶段和在线阶段。（1）人员的识别过程：本模块功能：首先调用人脸检测模块，当检测到人脸后，对检测到的人脸图像加以裁剪处理，然后输入到已经训练好的人员目标识别分类模型中，该模型会自动识别被检测的人员，得到识别结果。其中，基于卷积神经网络的人员目标识别分类模型分为两个阶段：离线阶段和在线阶段。离线阶段：利用双目摄像头拍摄待识别人员人脸图像信息，建立(人员目标标签,人脸图片)数据库。利用卷积神经网络对(人员目标标签,人脸图片)数据库进行离线分类学习，得到人员目标识别分类模型。在线阶段：双目摄像头拍摄到人员图片后，使用人脸检测算法(级联分类器CascadeClassifier算法)，对检测到的人脸图像通过裁剪处理，利用人员目标识别分类模型，实现人员的识别。（2）人员的定位过程：基于支持向量机的人员定位回归模型分为两个阶段：离线阶段和在线阶段。离线阶段：记录拍摄点位置信息，从双目摄像头拍摄深度图片中提取拍摄图片的深度信息，建立(位置信息,深度图片信息)数据库。利用支持向量机对(位置信息,深度图片信息)数据库进行训练，学习位置信息和深度图片信息之间的对应关系，得到基于位置信息的回归模型。在线阶段：在未知位置使用双目摄像头采集视频信息，当检测到人员后，处理对应的深度信息图片，将其像素信息进行归一化处理，利用位置信息的回归模型，得到目标离摄像头的具体位置，进而得到目标位置。基于双目摄像头的人员识别与定位系统，包括人员识别系统以及人员定位系统，其特征在于：本专利技术包含的硬件设备主要有：图像采集设备、算法处理设备以及显示设备。图像采集设备：本课题使用小觅双目摄像头完成图像采集工作，型号为S系列（S1030-IR-120/MONO），摄像头参数为：ReplacableStandardM12镜头，USB3.0接口。设备如图6所示：图6：小觅双目摄像头算法处理设备：采集后的图像数据，需要进一步的人员的识别和定位处理，仿真实验都是在计算机上实现。视频处理设备是计算机，其具体的配置：Intel(R)Core(TM)i5-7300HQCPU2.50GHz,内存为7.89G。系统显示设备：算法处理后结果需要显示并输出，在本课题中实际上是计算机的显示器来完成此项功能。本专利技术进一步限定的技术方案为：优选地，上述技术方案中，与现有技术相比，本专利技术具有如下有益效果：1、本专利技术将人员目标识别问题转化为基于卷积神经网络的分类问题。在线阶段利用离线阶段训练的人员目标识别分类模型，实现人员的识别。具有识别时间开销小，识别精度高的优点。2、本专利技术将人员位置估计问题转化为基于支持向量机的回归问题。在线阶段利用图像的深度信息，通过位置信息的回归模型，实现目标位置估计。具有位置估计时间开销小，定位精度高的优点。3、本专利技术人员本文档来自技高网...

【技术保护点】
1.一种双目摄像头的目标识别与定位方法，其特征在于，该方法包括如下步骤：步骤1：利用人脸图片训练数据库，进行基于卷积神经网络CNN的分类学习，得到基于人脸识别的分类模型；/n步骤2：利用图片的深度信息，进行基于支持向量机SVM的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系；/n步骤3：通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别；/n步骤4：同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。/n

【技术特征摘要】
1.一种双目摄像头的目标识别与定位方法，其特征在于，该方法包括如下步骤：步骤1：利用人脸图片训练数据库，进行基于卷积神经网络CNN的分类学习，得到基于人脸识别的分类模型；
步骤2：利用图片的深度信息，进行基于支持向量机SVM的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系；
步骤3：通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别；
步骤4：同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。


2.根据权利要求1所述的双目摄像头的目标识别与定位方法，其特征在于，该方法具体为：
步骤1：利用双目摄像头拍摄待识别人员人脸图像信息，建立人员目标标签和人脸图片数据库；利用卷积神经网络对人员目标标签和人脸图片数据库进行离线分类学习，得到人员目标识别分类模型；
步骤2：记录拍摄点位置信息，利用OpenCV中图像处理技术，从双目摄像头拍摄深度图片中提取拍摄图片的深度信息，建立位置信息和深度图片信息数据库；利用支持向量机对位置信息和深度图片信息数据库进行训练，学习位置信息和深度图片信息之间的对应关系，得到基于位置信息的回归模型；
步骤3：使用双目摄像头采集目标的运动信息，双目摄像头拍摄到人员图片后，使用人脸检测算法，对检测到的人脸图像通过裁剪处理，输入到上述步骤1人员目标识别分类模型中，实现人员的识别；
步骤4：当系统检测到目标后，会自动处理采集到的目标的深度图片信息，然后输入到上述步骤2的基于位置信息的回归模型中，得到目标离摄像头的具体位置，进而得到目标位置，实现人员的定位。


3.根据权利要求1所述的双目摄像头的目标识别与定位方法，其特征在于，步骤1和步骤2为离线阶段，步骤3和步骤4为在线阶段。


4.根据权利要求1所述的双目摄像头的目标识别与定位方法，其特征在于，人脸检测算法为级联分类器CascadeClassifier算法。


5.根据权利要求3所述的双目摄像头的目标识别与定位方法，其特征在...

【专利技术属性】
技术研发人员：颜俊，吴超辉，杨孟渭，康彬，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32