【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...
【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...
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。