【技术实现步骤摘要】
一种无感知人脸图像采集方法和系统
本专利技术涉及深度学习与计算机视觉领域,具体为一种无感知人脸图像采集方法和系统。
技术介绍
在一些场景下,如学生在教室内上课,一个组织的成员在房间内开会,需要对房间内的人员进行身份确认。当所有人员面朝同一方向,如面向房间的一面墙(黑板、投影屏)时,在合适的位置部署摄像头就可采集房间内所有人员的面部图像,应用人脸识别相关算法可实现无感知课堂人员考勤。实际的课堂环境和会议环境中人员密集、人们姿态多变,现有的人脸图像采集方法漏检率高,提取的人脸图像质量差(分辨率低,非正面等),并且没有考虑人脸姿态的多样性,难以提取适合人脸识别的人脸图像,导致人脸识别率不高。双摄像机主要应用于监控安防领域,可以实现行人或者可疑分子的跟踪。通常双摄像机由一个广角摄像机(也被称为全景相机)和一个PTZ(PanTiltZoom)摄像机组成,分别用于整个区域的监控和细节的跟踪抓拍。其优点是两个摄像机分工合作、互相配合。但是,将双摄像机应用到人员识别的研究相对较少。相关研究有使用双摄像头课堂巡检的方法来识别出勤学生,对比文献CN110647842A公开了一种名称为“一种双摄像头课堂巡检方法及系统”的专利技术专利,该专利通过获取每个课桌桌面中心点的坐标,控制第二摄像头定点监测每个课桌桌前的学生,该专利的缺点是没有充分利用全景相机拍摄的信息,难以获得全体学生的人脸头像,存在漏检的情况,且需要额外设计多条巡航路线,效率低下且浪费检测资源和时间。
技术实现思路
本专利技术是为了克服上述背景 ...
【技术保护点】
1.一种无感知人脸图像采集方法,其特征在于,包括:/n步骤S1,从固定位置沿固定角度以固定焦距拍摄待检测区域的全景图,检测所述全景图中的人体位置,获得人体边界框向量b
【技术特征摘要】
1.一种无感知人脸图像采集方法,其特征在于,包括:
步骤S1,从固定位置沿固定角度以固定焦距拍摄待检测区域的全景图,检测所述全景图中的人体位置,获得人体边界框向量bi=[y1i,x1i,y2i,x2i],其中(x1i,y1i)代表所述人体边界框的左上顶点的图像坐标,(x2i,y2i)代表所述人体边界框的右下顶点的图像坐标,i为人员索引;
步骤S2,将所述人体边界框向量bi传送给预先训练的PTZ相机运动模型,所述PTZ相机运动模型用来输出与输入的人体边界框向量bi对应的能拍摄到正脸图像的PTZ相机运动参数向量[pi,ti,zi],其中pi是PTZ相机在水平方向上移动的角度值,ti是PTZ相机在垂直方向上移动的角度值,zi是PTZ相机的变焦倍数;
步骤S3,所述PTZ相机按照所述PTZ相机运动参数向量移动方位和变换焦距,对准相应位置的人进行拍摄,获取正脸图像。
2.根据权利要求1所述的一种无感知人脸图像采集方法,其特征在于,步骤S1中,检测全景图中的人体位置的方法如下:采用MaskR-CNN目标检测算法,检测所述全景图中的人体边界框。
3.根据权利要求1所述的一种无感知人脸图像采集方法,其特征在于,步骤S2中,所述PTZ相机运动模型采用多元线性回归模型,对人工采集的多个人体边界框向量和对应的能拍摄到正脸图像的PTZ相机运动参数向量进行多元线性回归,得到人体边界框向量和PTZ相机运动参数向量的回归系数,所述人工采集的多个人体边界框向量由与步骤S1中相同位置、相同角度、相同焦距拍摄的待检测区域的全景图中获得。
4.根据权利要求3所述的一种无感知人脸图像采集方法,其特征在于,所述PTZ相机运动模型采用的多元线性回归模型如下:
其中[pi,ti,zi]表示PTZ相机运动参数向量,bi=[y1i,x1i,y2i,x2i]表示人体边界框向量,i为人员索引,β和ε为回归系数。
5.根据权利要求1所述的一种无感知人脸图像采集方法,其特征在于,步骤S3中,采用人脸检测和头部姿态识别算法获取正脸图像,对所述PTZ相机拍摄的视频流进行定时处理,检测出视频图片中的人脸图片,然后采用头部姿态识别算法得到所述人脸图片中的人脸角度,并基于人脸角度的预设标准筛选出正脸图像。
6.根据权利要求5所述的一种无感知人脸图像采集方法,其特征在于,采用MTCNN算法检测出视频图片中的人脸图片。
7.根据权利要求5所述的一种无感知人脸图像采集方法,其特征在于,采用FSA-Net头部姿态识别算法得到所述人脸...
【专利技术属性】
技术研发人员:刘守印,方书雅,胡骞鹤,方冠男,
申请(专利权)人:华中师范大学,
类型:发明
国别省市:湖北;42
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。