一种视频监控领域人脸门禁自适应补光方法及系统技术方案

本发明专利技术公开了一种视频监控领域人脸门禁自适应补光方法及系统，涉及视频监控技术领域。方法包括：S1、获取视频信息跟环境信息；S2、对S1获取的视频信息和环境信息进行人脸关键点检测；S3、建立多元线性回归最优化模型通过计算得到对应调节值；S4、根据S3中得到的对应调节值进行回归最优化结果调节。本发明专利技术对于人脸的左右转动或左右摆动或单侧脸有很好的适应性，可以调整不同的补光灯补光强度，减小人脸两侧光照差异所带来的亮度差值。脸两侧光照差异所带来的亮度差值。脸两侧光照差异所带来的亮度差值。

【技术实现步骤摘要】
一种视频监控领域人脸门禁自适应补光方法及系统


[0001]本专利技术涉及视频监控
，尤其涉及一种视频监控领域人脸门禁自适应补光方法及系统。

技术介绍

[0002]多数现有补光机制需要优化的问题：
[0003]人脸侧光时由于两侧人脸光照强度的不同，容易形成阴阳脸情况，这种情况下相机采集的图片中人脸两侧亮度不同，很可能会导致一侧脸部过亮一侧脸部过暗从而导致人脸特征模糊，难以符合之后的人脸特征计算对人脸区域清晰度或模糊度的要求。通过单一的一个补光灯无法有效平衡两侧人脸光照强度的不同从而无法有效平衡采集到的图片中两侧人脸亮度的不同；
[0004]人脸区域划分如果按照人脸区域中线对半分开可能会导致划分后的人脸左右区域与实际人脸左右区域存在较大差异。实际人脸情况会存在很多头部左右转动的情况，会存在很多顺时针、逆时针转动的情况，这些情况都会使得划分后的人脸左右区域与实际人脸左右区域不一致；
[0005]当出现采集图片中人脸亮度过亮或过暗时，现有补光机制通常按照设定的补光步长，固定的调低或者调高补光灯强度，经过多次的调整后计算这几次调整后采集图片中人脸区域的最优亮度值，如果效果依旧不理想会通过调整补光步长再次尝试。调整期间需要计算每一次调整后采集图片中人脸区域的亮度进行比较，需要的调整次数较多，需要的计算比较次数较多得到理想人脸图像的等待时间较长。
[0006]因此，提出一种视频监控领域人脸门禁自适应补光方法及系统，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

[0007]有鉴于此，本专利技术提供了一种视频监控领域人脸门禁自适应补光方法及系统，通过应用人脸关键点检测方法进行人脸区域划分，利用多元线性回归最优化模型的计算方法得出各变量的预调节阈值进行高效补光。
[0008]为了实现上述目的，本专利技术采用如下技术方案：
[0009]一种视频监控领域人脸门禁自适应补光方法，包括以下步骤：
[0010]S1、设置补光灯、光线感应器、人脸门禁相机的位置，并获取视频信息和环境信息；
[0011]S2、对S1获取的视频信息和环境信息进行人脸关键点检测，得到人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度；
[0012]S3、建立多元线性回归最优化模型，并对S2中的人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度进行进行计算，得到对应调节值；
[0013]S4、根据S3中得到的对应调节值进行回归最优化结果调节。
[0014]上述的方法，可选的，S1具体步骤包括以下内容：
[0015]S1中采用基于三点式自适应补光方法对于补光灯、光线感应器、人脸门禁相机推荐的空间相对位置安装，具体为：
[0016]将人脸门禁相机正面顶装在门禁上方区域，将一个补光灯安装在人脸门禁相机正上方，将光线感应器安装在人脸门禁相机附近，将其他两个补光灯安装在门禁区域左上角及右上角。
[0017]上述的方法，可选的，S2中人脸关键点检测采用基于ResNet101网络的深度学习人脸关键点检测方法，通过检测输入的图片得到图片中的所有人脸位置并返回每个人脸的多个人脸关键点，基于检测结果对相应的点依次连接组成封闭区域，划分出人脸左、右侧区域。
[0018]上述的方法，可选的，S2中对于人脸区域的解析和计算具体内容：
[0019]对输入的视频码流进行分析，计算出图像内的人脸区域均值亮度，人脸右侧区域均值亮度，人脸左侧区域均值亮度；并结合环境光强、三个补光灯光强、人脸门禁相机的光圈大小、增益大小、快门时间的信息一同传递至S3中的多元线性回归最优化模型。
[0020]上述的方法，可选的，多元线性回归最优化模型具体内容：
[0021]多元线性回归最优化模型基于环境光强、快门时间、快门增益、三个补光灯光强、人脸左面区域、人脸右面区域、人脸整体区域平均的亮度及预设期望人脸均值亮度信息回归最优化后得到推荐快门时间、快门增益、三个补光灯光强。
[0022]上述的方法，可选的，S3中变量选择如下：
[0023]S3中建立以人脸区域均值亮度L为因变量以人脸门禁相机的光圈大小F、增益大小G、快门时间S、环境光强L
e
、三个补光灯光强L
左
、L
中
、L
右
为自变量的多元线性回归模型。
[0024]上述的方法，可选的，预调节阈值的设计方式：
[0025]统计不同光照环境下、不同光圈大小、不同快门时间、不同快门增益、不同三个补光灯补光强度时人脸左面区域、人脸右面区域、人脸区域平均的亮度值的大小，根据多元线性回归模型计算得出所有回归系数；根据回归方程，当有新的人脸出现时自适应调整光圈大小、快门时间、快门增益大小、三个补光灯补光强度，将人脸区域的平均亮度值提升到设定的阈值附近。
[0026]上述的方法，可选的，回归最优化结果调节方式：
[0027]根据得到的各项推荐值依次或者同时调节人脸门禁相机参数跟三个补光灯补光强度，达到最优的人脸区域均值亮度。
[0028]一种视频监控领域人脸门禁自适应补光系统，应用上述任一项的视频监控领域人脸门禁自适应补光方法，包括依次连接的视频、环境信息采集模块，人脸信息分析模块，多元回归模型最优化模块，回归最优化结果调节模块；
[0029]视频、环境信息采集模块：设置补光灯、光线感应器、人脸门禁相机的位置，并获取视频信息和环境信息；
[0030]人脸信息分析模块：对视频、环境信息采集模块获取的视频信息和环境信息进行人脸关键点检测，得到人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度；
[0031]多元回归模型最优化模块：建立多元线性回归最优化模型，并对S2中的人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度进行进行计算，得到对应调节
值；
[0032]回归最优化结果调节模块：根据多元回归模型最优化模块中得到的对应调节值进行回归最优化结果调节。
[0033]经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种视频监控领域人脸门禁自适应补光方法及系统，具有以下有益效果：对于人脸的左右转动或左右摆动或单侧脸有很好的适应性，减少了需要的补光次数、减少等待人脸亮度达到理想区域的时间，可以调整不同的补光灯补光强度，减小人脸两侧光照差异所带来的亮度差值，有效减缓阴阳脸情况的出现。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0035]图1为本专利技术公开的一种视频监控领域人脸门禁自适应补光方法流程图；
[0036]图2为本专利技术公开的的人脸关键点检测方法的人脸关键点序号分布图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频监控领域人脸门禁自适应补光方法，其特征在于，包括以下步骤：S1、设置补光灯、光线感应器、人脸门禁相机的位置，并获取视频信息和环境信息；S2、对S1获取的视频信息和环境信息进行人脸关键点检测，得到人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度；S3、建立多元线性回归最优化模型，并对S2中的人脸区域均值亮度、人脸右侧区域均值亮度和人脸左侧区域均值亮度进行进行计算，得到对应调节值；S4、根据S3中得到的对应调节值进行回归最优化结果调节。2.根据权利要求1所述的一种视频监控领域人脸门禁自适应补光方法，其特征在于，S1中采用基于三点式自适应补光方法对于补光灯、光线感应器、人脸门禁相机推荐的空间相对位置安装，具体为：将人脸门禁相机正面顶装在门禁上方区域，将一个补光灯安装在人脸门禁相机正上方，将光线感应器安装在人脸门禁相机附近，将其他两个补光灯安装在门禁区域左上角及右上角。3.根据权利要求1所述的一种视频监控领域人脸门禁自适应补光方法，其特征在于，S2中人脸关键点检测采用基于ResNet101网络的深度学习人脸关键点检测方法，通过检测输入的图片得到图片中的所有人脸位置并返回每个人脸的多个人脸关键点，基于检测结果对相应的点依次连接组成封闭区域，划分出人脸左、右侧区域。4.根据权利要求1所述的一种视频监控领域人脸门禁自适应补光方法，其特征在于，S2中对于人脸区域的解析和计算具体内容：对输入的视频码流进行分析，计算出图像内的人脸区域均值亮度，人脸右侧区域均值亮度，人脸左侧区域均值亮度；并结合环境光强、三个补光灯光强、人脸门禁相机的光圈大小、增益大小、快门时间的信息一同传递至S3中的多元线性回归最优化模型。5.根据权利要求4所述的一种视频监控领域人脸门禁自适应补光方法，其特征在于，多元线性回归最优化模型基于环境光强、快门时间、快门增益、三个补光灯光强、人脸左面区域、人脸右面区域、人脸整体区域平均的亮度及预设期望人脸均值亮度信息回归最优化后得到推荐快门时间、快门增益、三个补光灯光...

【专利技术属性】
技术研发人员：张晰伦，潘今一，谢晨，周波，汤安平，张伟，俞斌，
申请(专利权)人：佛山弘视智能信息科技有限公司，
类型：发明
国别省市：