基于动态图像比对技术的人脸识别方法技术

本发明专利技术公开了一种基于动态图像比对技术的人脸识别方法

【技术实现步骤摘要】
基于动态图像比对技术的人脸识别方法、系统及介质


[0001]本专利技术涉及人脸识别
，尤其涉及一种基于动态图像比对技术的人脸识别方法
、
系统及介质
。

技术介绍

[0002]随着社会的发展和科技的进步，人脸识别的应用变得越来越广泛，只要跟身份识别相关的未来都有可能使用人脸识别
。
[0003]然而，由于光照问题
、
人脸姿态和饰物问题
、
摄像机的图像问题
、
丢帧和丢脸问题，目前的人脸识别技术存在以下缺陷
。
[0004]1、
光照问题：面临各种环境光源的考验，可能出现侧光
、
顶光
、
背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同
。
[0005]2、
人脸姿态和饰物问题：因为监控是非配合型的，监控人员通过监控区域时以自然的姿态通过，因此可能出现侧脸
、
低头
、
抬头等的各种非正脸的姿态和佩戴帽子
、
黑框眼镜
、
口罩等饰物现象
。
[0006]3、
摄像机的图像问题：摄像机很多技术参数影响视频图像的质量，这些因素有感光器
(CCD、CMOS)、
感光器的大小
、DSP
的处理速度
、
内置图像处理芯片和镜头等，同时摄像机内置的一些设置参数也将影响视频质量，如曝光时间
、
光圈
、
动态白平衡等参数
。
[0007]4、
丢帧和丢脸问题：需要的网络识别和系统的计算识别可能会造成视频的丢帧和丢脸现象，特别是监控人流量大的区域，由于网络传输的带宽问题和计算能力问题，常常引起丢帧和丢脸
。

技术实现思路

[0008]本专利技术的主要目的在于提供一种基于动态图像比对技术的人脸识别方法
、
系统及介质，旨在准确计算出场内人脸信息及人员位置分布情况
。
[0009]为实现上述目的，本专利技术提出一种基于动态图像比对技术的人脸识别方法，所述基于动态图像比对技术的人脸识别方法应用于基于动态图像比对技术的人脸识别系统，所述基于动态图像比对技术的人脸识别系统包括云台
、
机器人和场内固定摄像机，所述方法包括以下步骤：在固定摄像机无法识别目标对象人脸时，所述机器人移动至所述目标对象处取像重新识别，将场内识别错误的人脸图像数据上传至所述云台进行核对
。
[0010]所述云台根据所述机器人上传的图像数据重新解析人脸数据
。
[0011]本专利技术进一步的技术方案是，所述机器人移动至所述目标对象处取像重新识别的步骤包括：人脸检测：基于积分图像特征法，采用矩形特征作为分类的依据，采用级联弱分类器的模式进行人脸检测；人脸跟踪：采用人脸局部特征与差分图像法相结合进行人脸跟踪；人脸识别：采用独立分量分析方法，通过最初的人脸样本数据运算得到一个分量
相互独立的特征空间，再将待检测的人脸图像数据向所述特征空间进行投影，得到一组投影系统，用于人脸识别分类
。
[0012]本专利技术进一步的技术方案是，所述基于积分图像特征法，采用矩阵特征作为分类的依据，采用级联弱分类器的模式进行人脸检测的步骤中，矩形特征的值是指图像上两个或者多个形状大小相同的矩形内部所有像素灰度值之和的差值，级联弱分类器是多个弱分类器的组合，输出集表示该检测窗口是否含有人脸
。
[0013]本专利技术进一步的技术方案是，所述采用人脸局部特征与差分图像法相结合进行人脸跟踪的步骤包括：应用差分图像法通过求取当前帧图像和背景帧图像对应像素点的灰度值之差或求取当前连续两帧图像间的灰度值之差来进行动态像素的判断；当差分图像中的灰度值超过设定的阈值时，将像素与运动的物体对应起来，通过判定运动的像素并结合其它的特征，达到人脸运动目标的检测
。
[0014]本专利技术进一步的技术方案是，所述云台根据所述机器人上传的图像数据重新解析人脸数据的步骤之后还包括：在固定摄像机无法识别目标对象人脸时，或者人脸识别错误时，采用预先建立的报警过滤机报警
。
[0015]本专利技术进一步的技术方案是，所述机器人与所述云台之间的通信采用场内架设
ZigBee
实现短程通信，并通过路由器与所述云台建立远程通信
。
[0016]本专利技术进一步的技术方案是，所述机器人设置有触屏模块
、
音频模块和显示模块
。
[0017]本专利技术进一步的技术方案是，所述机器人还设置有距离传感器模块
。
[0018]为实现上述目的，本专利技术还提出一种基于动态图像比对技术的人脸识别系统，包括：场内摄像机
、
机器人
、
云台
、
存储器
、
处理器，以及存储在所述处理器上的基于动态图像比对技术的人脸识别程序，所述基于动态图像比对技术的人脸识别程序被所述处理器运行时执行如上所述的方法的步骤
。
[0019]为实现上述目的，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于动态图像比对技术的人脸识别程序，所述基于动态图像比对技术的人脸识别程序被处理器运行时执行如上所述的方法的步骤
。
[0020]本专利技术基于动态图像比对技术的人脸识别方法
、
系统及介质的有益效果是：本专利技术通过上述技术方案，在固定摄像机无法识别目标对象人脸时，所述机器人移动至所述目标对象处取像重新识别，将场内识别错误的人脸图像数据上传至所述云台进行核对；所述云台根据所述机器人上传的图像数据重新解析人脸数据，实现了在场内固定摄像机无法识别人脸时，准确计算出场内人脸信息及人员位置分布情况
。
附图说明
[0021]图1是本专利技术基于动态图像比对技术的人脸识别方法较佳实施例的整体流程示意图；图2是步骤
S10
的细化流程示意图
。
实施方式
[0022]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术
。
[0023]针对传统的人脸识别技术因图像质量
、
环境光
、
缺乏报警过滤机制而经常出现不识别
、
错误识别等问题，本专利技术提出一种基于动态图像对比技术的人脸识别方法，该基于动态图像对比技术的人脸识别方法应用于基于动态图像对比技术的人脸识别系统，该基于动态图像对比技术的人脸识别系统包括云台
、
机器人和场内固定摄像机
。
[0024]其中，本专利技术可通过运动模块直接驱动各个直流电机，驱动机器人的左手
、
右手
、
右肘
、
左肘
、
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于动态图像比对技术的人脸识别方法，其特征在于，所述基于动态图像比对技术的人脸识别方法应用于基于动态图像比对技术的人脸识别系统，所述基于动态图像比对技术的人脸识别系统包括云台
、
机器人和场内固定摄像机，所述方法包括以下步骤：在固定摄像机无法识别目标对象人脸时，所述机器人移动至所述目标对象处取像重新识别，将场内识别错误的人脸图像数据上传至所述云台进行核对；所述云台根据所述机器人上传的图像数据重新解析人脸数据
。2.
根据权利要求1所述的基于动态图像比对技术的人脸识别方法，其特征在于，所述机器人移动至所述目标对象处取像重新识别的步骤包括：人脸检测：基于积分图像特征法，采用矩形特征作为分类的依据，采用级联弱分类器的模式进行人脸检测；人脸跟踪：采用人脸局部特征与差分图像法相结合进行人脸跟踪；人脸识别：采用独立分量分析方法，通过最初的人脸样本数据运算得到一个分量相互独立的特征空间，再将待检测的人脸图像数据向所述特征空间进行投影，得到一组投影系统，用于人脸识别分类
。3.
根据权利要求2所述的基于动态图像比对技术的人脸识别方法，其特征在于，所述基于积分图像特征法，采用矩阵特征作为分类的依据，采用级联弱分类器的模式进行人脸检测的步骤中，矩形特征的值是指图像上两个或者多个形状大小相同的矩形内部所有像素灰度值之和的差值，级联弱分类器是多个弱分类器的组合，输出集表示该检测窗口是否含有人脸
。4.
根据权利要求2所述的基于动态图像比对技术的人脸识别方法，其特征在于，所述采用人脸局部特征与差分图像法相结合进行人脸跟踪的步骤包括：应用差分图像法通过求取当前帧图像和背景帧图像对应像素点的灰度值之差或求取当前连续两帧图像间的灰度值之差来进行动态像素的判断；当差分图像中的灰度值超...

【专利技术属性】
技术研发人员：马楠，陈平，张亿红，
申请(专利权)人：广东中安金狮科创有限公司，
类型：发明
国别省市：