一种基于视频动态识别健康码的方法和装置制造方法及图纸

本发明专利技术公开了一种基于视频动态识别健康码的方法；通过对行人进行视频监测，对视频中的健康码进行识别，其中，采用基于粒子群改进的群算法进行人的动态检测，采用基于卷积神经网络算法对文字进行识别；通过智能算法对视频图像进行处理，实现了同时检查多个健康码，提高了检测效率，方便了行人的出行，同时，基于对健康码上时间的识别，对健康码的实时性和真实性做出了辨识，有效杜绝了采用假健康码或者过期的健康码的情况，保证了健康码在防疫中的使用价值。用价值。用价值。

【技术实现步骤摘要】
一种基于视频动态识别健康码的方法和装置


[0001]本专利技术涉及视频处理领域，尤其是一种基于视频动态识别健康码的方法和装置。

技术介绍

[0002]信息化技术为提高疫情防控工作水平发挥了重要作用，其中健康码系统在支撑疫情流调溯源、促进人员安全有序流动等方面作用明显，成为疫情防控信息化标配的建设内容。
[0003]但是，健康码在实际使用过程中还存在许多问题，尤其是在健康码的识别上存在耗时和真实性的问题。在现有技术中，识别健康码状态一般采用两种方式，一种是基于人工识别，在地铁、商场这种人流量较大的场合，人工识别的方式一般都是流于形式，值守人员一般只是扫一眼健康码的颜色就放行，甚至在人较多的时候，无法同时看到所有人的健康码状态，工作效率低，并且识别信息少，容易给使用假健康码或者过期健康码的人可乘之机；另一种健康码的识别方式是采用专用机器扫码识别的方式，这种方式常用在火车站，机场等场合，该方法识别准确度高，但是缺点是成本较大，其一般是与闸机配合使用，限制了其应用场合，并且，这种识别方式需要使用人员排队使用，一次只能识别一个用户，从而造成了时间的浪费，不适合用于公共交通等人流量较大，使用较频繁的场合，因此，本专利技术基于视频动态识别健康码，可以在一个画面中对多个人员进行识别，加快了检测效率，避免了人力资源的浪费。

技术实现思路

[0004](一)解决的技术问题
[0005]为了解决上述技术问题，本专利技术提供一种基于视频动态识别健康码的方法和装置，该方法通过对动态视频进行识别和分析，获得行人的健康码的有效性和健康码信息的获取和监测，增加了监测的效率和准确性，并有效减轻了人力资源的浪费。
[0006](二)技术方案
[0007]为了解决上述存在的技术问题，实现专利技术目的，本专利技术是通过以下技术方案实现的：
[0008]一种基于视频动态识别健康码的方法，包括如下步骤：
[0009]S1：识别人体，通过视频图像进行人体动态检测，基于识别出的人体确定人体手所处位置；
[0010]S2：在识别出的手的范围框取一个范围选定框，通过识别获取手机所在的位置；
[0011]S3：判断健康码信息，包括颜色、疫苗接种信息、核酸检测信息和时间信息；
[0012]S4：输出结果，若健康码信息不正常或与实时时间不吻合，则显示报警信息。
[0013]进一步地，步骤S1还包括：(a)检测人体动态，采用基于粒子群改进的群算法进行人的动态检测；包括：
[0014]S11:选择开始跟踪，获取目标所在区域，进入粒子初始化状态。
[0015]进一步地，通过背景差分法检测运动人体。
[0016]背景差分法通过建立背景参数模型，将当前待检测图像与背景图像进行差分比较，当图像像素点与背景模型像素点差值小于阈值则该点为前景点，否则为背景点并更新背景模型，如下式所示：
[0017][0018]当前帧图像I
k
(x,y)一方面与背景图像B
k
(x,y)作差分运算得
[0019]到D
k
(x,y)，另一方面作为反馈输入对背景模型进行更新，最终不断修正当前背景图像，最终的运动目标R
k
(x,y)同样由差分图像二值化而来。
[0020]S12:重要性采样，针对跟踪目标与候选粒子进行表观模型构建，即统计基于上下文信息与距离信息的改进颜色直方图特征。通过巴氏系数进行目标与候选粒子的特征匹配，利用颜色似然函数得到粒子权值。
[0021]通过粒子采样进行系统状态估计的关键在于采样分布的引入，粒子滤波理论通过选取重要性密度函数取代原有分布进行样本权值估计。如下式所示，其采样粒子重要性权值可表示为：
[0022][0023]S13:粒子传播，在下一帧图像上进行粒子群优化。首先设定必要的群优化模型参数，在各粒子原位置上增加一定的扰动量以增加粒子多样性。其次，统计各粒子适应度，即基于表观模型特征匹配方法计算新粒子与目标的匹配权值。
[0024]S14:粒子迭代，在规定的迭代次数内群优化公式动态更新粒子位置、速度以及个体最优与全局最优粒子，考虑到动态视角下背景特征的随机性，为降低陷入局部最优的概率，在动态背景视角中尺度更新环节，而在静态背景中利用一阶自回归模型进行粒子尺度迭代，最终得到新的粒子传播位置。
[0025]S15：粒子重采样，过滤掉低权值的粒子，优化粒子分布。
[0026]采用序贯重要性重采样方法。衡量发生粒子退化的标准是有效采样尺度指标，按照如下公式计算：
[0027][0028]当前时刻满足N
e
≤N
et
时，进入重采样流程，其中N
et
为重采样阈值。
[0029]S16:初始目标模型更新，为了实时适应跟踪环境，当满足更新条件时将当前跟踪模型以一定比例融合到目标模型中去。
[0030]S17：跟踪状态估计，将所有粒子位置进行均值统计，得到最终跟踪结果。
[0031]当视频结束时结束跟踪，否则返回步骤S12。
[0032](b)基于识别的动态人体，进一步提取骨架，即逐步消除冗余像素得到人体拓扑结构的过程。
[0033]由于监控场景下的拍摄角度可人为设定，基于人体前景进行传统图像骨架化处理的效果稳定性关键在于骨架化方法的选取。
[0034]采用星型模型：确定运动目标内部运动的一个重要线索是其边界形状的变化，这些因肢体躯干导致的轮廓曲折拐点往往会蕴含丰富的距离极值信息，因此衍生出仅由目标粗肢干与质心构成的以外围散点中心连线方式相连组成的星型骨架方法。
[0035]基于上述步骤识别追踪人体手臂末端位置，即手的位置。
[0036]进一步地，步骤S2还包括：
[0037]基于获取的帧图像进行图像识别，确定选定框中的图像是否包含手机屏幕，由于健康码属于二维码，其特征较容易识别，因此，通过识别二维码图像，确定手机屏幕所在位置，以二维码所在位置为中心，根据健康码信息在页面设置位置，确定健康码页面上的其他信息，包括疫苗接种信息、核酸检测信息和时间信息。
[0038]进一步地，步骤S3还包括：
[0039](a)截取手机屏幕页面，对页面进行角度校正。
[0040]由于在行人拿手机展示健康码的时候，可能是倾斜或者横屏的角度，因此先将获取到的手机屏幕页面的畸变图像进行角度校正，采用基于霍夫变换的倾斜图像校正方法，具体采用如下步骤：
[0041]S31：识别出手机轮廓图，确定手机四个角的位置，利用prewitt算子检测倾斜图像边缘直线；
[0042]S32：利用霍夫变换检测倾斜图像中的边缘，获取倾斜角度；
[0043]S33：根据倾斜角度，对倾斜图像进行倾斜校正。
[0044](b)识别手机屏幕页面信息，具体包括：健康码颜色、疫苗接种信息、核酸检测信息和时间信息。
[0045]对于健康码颜色信息采用基于rgb值进行识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频动态识别健康码的方法，其特征在于，包括以下步骤：S1：识别人体，通过视频图像进行人体动态检测，基于识别出的人体确定人体手所处位置；基于识别出的人体确定人体手所处位置；其中包括：(a)检测人体动态，(b)基于识别的动态人体，进一步提取骨架，即逐步消除冗余像素得到人体拓扑结构的过程；S2：在识别出的手的范围框取一个范围选定框，通过识别获取手机所在的位置；基于获取的帧图像进行图像识别，确定选定框中的图像是否包含手机屏幕，由于健康码属于二维码，其特征较容易识别，因此，通过识别二维码图像，确定手机屏幕所在位置，以二维码所在位置为中心，根据健康码信息在页面设置位置，确定健康码页面上的其他信息，包括疫苗接种信息、核酸检测信息和时间信息。S3：判断健康码信息，包括颜色、疫苗接种信息、核酸检测信息和时间信息。S4：输出结果，若健康码信息不正常或与实时时间不吻合，则显示报警信息。2.根据权利要求1所述的基于视频动态识别健康码的方法，其特征在于，所述步骤S1还包括：S11:选择开始跟踪，获取目标所在区域，进入粒子初始化状态。S12:重要性采样，针对跟踪目标与候选粒子进行表观模型构建，即统计基于上下文信息与距离信息的改进颜色直方图特征。通过巴氏系数进行目标与候选粒子的特征匹配，利用颜色似然函数得到粒子权值。S13:粒子传播，在下一帧图像上进行粒子群优化。首先设定必要的群优化模型参数，在各粒子原位置上增加一定的扰动量以增加粒子多样性。其次，统计各粒子适应度，即基于表观模型特征匹配方法计算新粒子与目标的匹配权值。S14:粒子迭代，在规定的迭代次数内群优化公式动态更新粒子位置、速度以及个体最优与全局最优粒子，考虑到动态视角下背景特征的随机性，为降低陷入局部最优的概率，在动态背景视角中尺度更新环节，而在静态背景中利用一阶自回归模型进行粒子尺度迭代，最终得到新的粒子传播位置。S15：粒子重采样，过滤掉低权值的粒子，优化粒子分布。采用序贯重要性重采样方法。衡量发生粒子退化的标准是有效采样尺度指标，按照如下公式计算：当前时刻满足N
e
≤N
et
时，进入重采样流程，其中N
et
为重采样阈值。S16:初始目标模型更新，为了实时适应跟踪环境，当满足更新条件时将当前跟踪模型以一定比例融合到目标模型中去。S17：跟踪状态估计，将所有粒子位置进行均值统计，得到最终跟踪结果。当视频结束时结束跟踪，否则返回步骤S12。3.根据权利要求2所述的基于视频动态识别健康码的方法，其特征在于，所述步骤S11还包括：通过背景差分法检测运动人体，如下式所示：
当前帧图像I
k
(x,y)一方面与背景图像B
k
(x,y)作差分运算得到D
k
(x,y)，另一方面作为反馈输入对背景模型进行更新，最终不断修正当前背景图像，最终的运动目标...

【专利技术属性】
技术研发人员：吕楠，瞿研，张丽秋，高超，
申请(专利权)人：无锡慧眼人工智能科技有限公司，
类型：发明
国别省市：