本发明专利技术属于光信息处理和计算机视觉技术领域，具体涉及一种基于深度相机识别人员是否佩戴口罩的方法，旨在实现公共场合的自动化口罩检测。本发明专利技术提供一种基于深度相机的口罩识别方法，包括通过深度相机获取包含人脸的深度图；将获取的深度图片裁剪为仅包含下半部分人脸的深度图片；提取人脸下半部分的轮廓；计算空间特征与频率特征；通过空间特征与频率特征识别人脸是否佩戴口罩；通过空间特征与频率特征识别人脸佩戴的口罩种类。本发明专利技术的技术方案不仅能判断人脸是否佩戴口罩，还可以判断出人脸所佩戴的口罩种类，提供统计信息，解决了公共场合的口罩检测准确率受光照条件影响大的问题，提高了检测的鲁棒性。提高了检测的鲁棒性。提高了检测的鲁棒性。
【技术实现步骤摘要】
一种基于深度相机的口罩识别方法
[0001]本专利技术涉及一种基于深度相机的口罩识别方法，属于光信息处理和计算机视觉
技术介绍
[0002]佩戴口罩能有效阻止病毒的传播。随着新冠肺炎疫情的全球流行，越来越多的公共场合要求进出人员佩戴口罩。人工识别的方法不仅浪费人力，还容易造成感染。使用相机和计算机的组合能实现机器自动识别人员是否佩戴口罩，避免了人力资源的浪费和暴露风险。
[0003]判断人员是否佩戴口罩需要用到光信息处理和计算机视觉技术。目前多数图像分类方法基于二维图像。由于图像本身的限制，这些方法受光照影响大，在室内、室外性能不同。当前比较常用的分类方法基于深度学习网络，需要预先构建数据库，计算成本高。
[0004]深度相机的性能不受光照条件变化的影响，基于深度相机拍摄得到的深度图片能够反映物体与相机之间的距离和物体的三维形貌。目前基于深度相机的图像分类方法主要停留在特征提取阶段，因此基于深度相机的口罩识别将更有切实的价值。深度相机可以解决光照条件的影响，此外，我们还需要设计具有鲁棒性的特征以进行高准确率的口罩识别及分类。
技术实现思路
[0005]本专利技术的主要目的在于设计一种基于深度相机的口罩识别方法，能克服光照变化的影响，设计的特征能够用于区分人员是否佩戴口罩以及口罩的种类。
[0006]本专利技术采用的技术方案具体为：
[0007]一种基于深度相机识别人员是否佩戴口罩的方法，具体步骤为：
[0008]步骤一：使用深度相机拍摄包含人脸的深度图片。
[0009]步骤二：将拍摄得到的深度图片裁剪为仅包含下半部分人脸的深度图片；
[0010]步骤三：提取人脸下半部分的轮廓。具体方法为：取下半部分人脸深度图片的长、宽中点，以四个长、宽中点为顶点构建菱形区域；遍历菱形区域的像素值，取每行的极值，得到下半部分的面部轮廓。
[0011]其中，极值点具体为极大值点还是极小值点由拍摄的深度图像类型决定。本方法中的极值点一旦确定，后续方法中极值点的选取均为同一类型。
[0012]步骤四：计算人脸下半部分轮廓的空间特征与频率特征；
[0013]空间特征的计算方法为：对下半部分的面部轮廓曲线进行平滑，得到平滑后的下半部分轮廓的空间曲线；计算平滑曲线的极值点的个数N和平滑曲线两个最远极小值点之间的标准差SSD(若只有一个极小值点SSD＝0)。
[0014]频率特征的提取方法为：对下半部分的面部轮廓曲线进行傅里叶变换，得到下半部分的面部轮廓的频率曲线；计算频率曲线的面积S和频率曲线的标准差FSD。
[0015]步骤五：通过空间特征与频率判断人脸是否佩戴口罩。具体方法为：
[0016]平滑曲线的极值点的个数N>N
’
时，p1＝1，否则p1＝0；
[0017]平滑曲线的标准差SSD>SSD
’
时，p2＝1，否则p2＝0；
[0018]频率曲线的面积S>S
’
时，p3＝1，否则p3＝0；
[0019]频率曲线的标准差FSD>FSD
’
时，p4＝1，否则p4＝0；
[0020]P＝p1+p2+p3+p4，当P≥2时，判断人脸未佩戴口罩，当P<2时，判断人脸佩戴口罩。
[0021]其中N
’
、S
’
、SSD
’
、FSD
’
为阈值，阈值与使用的深度相机及拍摄得到的深度图像类型有关，不同深度相机使用时需要重新确定阈值。
[0022]一种基于深度相机识别人脸佩戴口罩的种类的方法，具体步骤为：
[0023]步骤一：使用深度相机拍摄包含人脸的深度图片。
[0024]步骤二：将拍摄得到的深度图片裁剪为仅包含下半部分人脸的深度图片；
[0025]步骤三：提取人脸下半部分的轮廓。具体方法为：取下半部分人脸深度图片的长、宽中点，以四个长、宽中点为顶点构建菱形区域；遍历菱形区域的像素值，取每行的极值，得到下半部分的面部轮廓。
[0026]其中，极值点具体为极大值点还是极小值点由拍摄的深度图像类型决定。本方法中的极值点一旦确定，后续方法中极值点的选取均为同一类型。
[0027]步骤四：计算人脸下半部分轮廓的空间特征与频率特征；
[0028]空间特征的计算方法为：对下半部分的面部轮廓曲线进行平滑，得到平滑后的下半部分轮廓的空间曲线；计算平滑曲线的极值点的个数N和平滑曲线两个最远极小值点之间的标准差SSD(若只有一个极小值点SSD＝0)。
[0029]频率特征的提取方法为：对下半部分的面部轮廓曲线进行傅里叶变换，得到下半部分的面部轮廓的频率曲线；计算频率曲线的面积S和频率曲线的标准差FSD。
[0030]步骤五：通过空间特征与频率判断人脸是否佩戴口罩。具体方法为：
[0031]平滑曲线的极值点的个数N>N
’
时，p1＝1，否则p1＝0；
[0032]平滑曲线的标准差SSD>SSD
’
时，p2＝1，否则p2＝0；
[0033]频率曲线的面积S>S
’
时，p3＝1，否则p3＝0；
[0034]频率曲线的标准差FSD>FSD
’
时，p4＝1，否则p4＝0；
[0035]P＝p1+p2+p3+p4，当P≥2时，判断人脸未佩戴口罩，当P<2时，判断人脸佩戴口罩。当判断人脸佩戴口罩时，继续执行步骤六。
[0036]步骤六：计算人脸下半部分轮廓的空间特征与频率特征；
[0037]空间特征的计算方法为：对下半部分的面部轮廓曲线进行平滑，得到平滑后的下半部分轮廓的空间曲线；取平滑曲线的极值点和左右端点，计算三点组成的两条直线的夹角α；以平滑曲线的极值点为中心，向左右各取一段距离L，得到2L长的曲线，用Y1＝a1x2+b1x+c1拟合这段曲线，得到a1值。
[0038]频率特征的提取方法为：用Y2＝a2x2+b2x+c2拟合平滑曲线，对拟合后的曲线进行傅里叶变换，得到频率曲线，计算频率曲线的面积FS。
[0039]步骤七：通过空间特征与频率判断人脸是否佩戴口罩。其方法为：
[0040]两条直线的夹角α>α
’
时，w1＝1，否则w1＝0；
[0041]拟合曲线的a1<a1’
时，w2＝1，否则w2＝0；
[0042]频率曲线的面积FS>FS
’
时，w3＝1，否则w3＝0；
[0043]W＝w1+w2+w3，当W≥2时，判断人脸佩戴的口罩为类型一，当W<2时，判断人脸佩戴的口罩为类型二。
[0044]其中阈值α
’
、a1’<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度相机识别人员是否佩戴口罩的方法，其特征在于，所述方法包括：步骤一：使用深度相机拍摄得到包含人脸的深度图片。步骤二：将从深度相机获取的包含人脸的深度图片裁剪为仅包含下半部分人脸的深度图片；步骤三：提取人脸下半部分的轮廓。其方法为：取下半部分人脸深度图片的长、宽中点，以四个长、宽中点为顶点构建菱形区域；遍历菱形区域的像素值，取每行的极值，得到下半部分的面部轮廓。步骤四：计算人脸下半部分轮廓的空间特征与频率特征；其中空间特征的计算方法为：对下半部分的面部轮廓曲线进行平滑，得到平滑后的下半部分轮廓的空间曲线；计算平滑曲线的极值点的个数N和平滑曲线两个最远极小值点之间的标准差SSD(若只有一个极小值点SSD＝0)。其中频率特征的提取方法为：对下半部分的面部轮廓曲线进行傅里叶变换，得到下半部分的面部轮廓的频率曲线；计算频率曲线的面积S和频率曲线的标准差FSD。步骤五：通过空间特征与频率判断人脸是否佩戴口罩。其方法为：平滑曲线的极值点的个数N>N
’
时，p1＝1，否则p1＝0；平滑曲线的标准差SSD>SSD
’
时，p2＝1，否则p2＝0；频率曲线的面积S>S
’
时，p3＝1，否则p3＝0；频率曲线的标准差FSD>FSD
’
时，p4＝1，否则p4＝0；其中N
’
，SSD
’
，S
’
，FSD
’
为阈值。P＝p1+p2+p3+p4，当P≥2时，判断人脸未佩戴口罩，当P<2时，判断人脸佩戴口罩。2.根据权利要求1所述的方法，其特征在于，步骤三中的极值点可以是极大值点或极小值点，具体为极大值点还是极小值点由拍摄的深度图像类型决定。本方法中的极值点一旦确定，后续方法中极值点的选取均为同一类型。3.根据权利要求1所述的方法，其特征在于，步骤五中的阈值N
’
，SSD
’
，S
’
，FSD
’
与使用的深度相机及拍摄得到的深度图像类型有关，不同深度相机使用时需要重新确定阈值。4.一种基于深度相机识别人脸佩戴口罩的种类的方法，其特征在于，所述方法包括：步骤一：使用深度相机拍摄得到包含人脸的深度图片。步骤二：将从深度相机获取的包含人脸的深度图片裁剪为仅包含下半部分人脸的深度图片；步骤三：提取人脸下半部分的轮廓。其方法为：取下半部分人脸深度图片的长、宽中点，以四个长、宽中点为顶点构建菱形区域；遍历菱形区域的像素值，取每行的极值，得到下半部分的面部轮廓。步骤四：计算人脸下半部分轮廓的空间特征与频率特征；其中空间特征的计算方法为：对下半部分的面部轮廓曲线进行平滑，得到平滑后的下半部分轮廓的空间曲线；计算平滑曲线的极值点的个数N和平滑曲线两个最远极小值点之间的标准差SSD(若只有一个极小值点SSD＝0)。其中频率特征的提取方法为：对下半部分的面部轮廓曲线进行傅里叶变换，得到下半部分的面部轮廓的频率曲线；计算频率曲线的面积...
【专利技术属性】
技术研发人员：岳洋，王晓妍，
申请(专利权)人：南开大学，
类型：发明
国别省市：
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。