CN105095891A - 一种人脸捕捉的方法，装置及系统 - Google Patents

Abstract

本发明提出了一种人脸捕捉的方法，包括：S1.获取至少一个自然人信息，所述的自然人信息包括人脸信息；S2.在所述的自然人脸部加注标签；S3.实时追踪加注了标签的所述的自然人。本发明还公开了人脸捕捉的装置及其系统。本技术方案中的人脸捕捉的装置及其系统，可实现对特定人脸的捕捉和跟踪，监控效率高。

Description

一种人脸捕捉的方法，装置及系统

技术领域

本发明涉及视频监控的领域，特别涉及一种具有人脸捕捉功能的方法，装置及其系统。

背景技术

在商业竞争日益激烈的今天，有效的商业管理已经成为商业营销成败的重要因素。商业模式逐步由传统坐商向极具主动性的行商转变，对商业管理者提出了更高要求：必须在最短时间内对市场的微弱变化做出快速反应，且具备市场预见性和最大限度的节约商业运做成本，提高商场日常经营决策的科学性、购物环境舒适性、人力资源调配的合理性等。市场规律的最大主导者便是商品购买者——顾客，如何科学、有效地对客流量进行时间、空间上的分析，并快速及时的做出经营决策，成为商业、零售业营销模式成功与否的关键。通过对不同时段客流量的统计，使管理人员可以在客流高峰期增加工作人员，提高服务质量，进而增加销售；在空闲时减少工作人员，避免出现人员浪费。通过每天不断的客流统计，可以得出一天、一周、一月、一年的客流变化规律，使管理人员能对未来活动进行准确规划，确定时间、人力和库存订货量等。

在世界反恐斗争日趋严峻的今天，人们希望出现智能化的网络视频监控系统，可成为应对恐怖主义袭击和处理突发事件的有力辅助工具，而现有技术不能实现对于人流密集的场合实现对可疑分子人脸的跟踪和捕捉。

发明内容

为了解决以上的问题，本发明提供一种人脸捕捉功能的方法，装置及其系统，解决了现有技术不能实现对于人流密集的场合实现对可疑分子人脸的跟踪和捕捉。

本发明的技术方案是这样实现的：

本发明公开了一种人脸捕捉的方法，包括：

S1.获取至少一个自然人信息，所述的自然人信息包括人脸信息；

S2.在所述的自然人脸部加注标签；

S3.实时追踪加注了标签的所述的自然人。

在本发明所述的方法中，步骤S1前还具有步骤S0：

建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

在本发明所述的方法中，所述的实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

在本发明所述的方法中，在所述的步骤S2及步骤S3间还具有步骤S21，加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

本发明公开了一种人脸捕捉的装置，包括：

自然人信息获取单元，用于获取至少一个自然人信息，所述的自然人信息包括人脸信息；

标签加注单元，用于在所述的自然人脸部加注标签；

实时追踪单元，用于实时追踪加注了标签的所述的自然人。

在本发明所述的装置中，在所述的自然人信息获取单元之前还具有背景模型建立单元，用于建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

在本发明所述的装置中，所述的实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

在本发明所述的装置中，在所述的标签加注单元及实时追踪单元之间具有除噪单元，用于加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

本发明公开了一种人脸捕捉的系统，包括至少一个摄像头，与所述的摄像头相连的显示终端，与所述的显示终端相连的控制器，所述的控制器具有上述的人脸捕捉的装置。

在本发明所述的系统中，所述的摄像机为PTZ摄像机。

实施本发明的一种人脸捕捉功能的方法，装置及其系统，具有以下有益的技术效果：

区别于现有技术不能实现人流密集区对于特定人脸的跟踪和捕捉，本技术方案可实现对特定人脸的捕捉和跟踪，监控效率高。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1a为本发明的一种人脸捕捉的方法流程图；

图1b为本发明的一种人脸捕捉的显示第一状态图；

图1c为本发明的一种人脸捕捉的显示第二状态图；

图2是本发明的一种人脸捕捉的装置方框图；

图3是本发明的一种人脸捕捉的系统功能方框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1a，本发明的实施例，一种人脸捕捉的方法，包括：

S1.获取至少一个自然人信息，所述的自然人信息包括人脸信息；

目标的分类、识别和行为判断采用两级视频分析，一级视频分析单元对提取的移动目标图像进行灰度特征的比较，将有变化的区域形成二值化图像，对形成的二值化图像进行图像分割，如果分析出来的结果小于规定值，那么将作为干扰忽略掉，如果分析出来的结果大于规定值，那么立即传送给二级视频分析单元，二级视频分析单元马上对此图像进行二次分析，并与数据库中的数据进行对比，对比内容包括移动图像的大小、形状、运动特征等一系列事先规定的数值。

S2.在所述的自然人脸部加注标签；

S3.实时追踪加注了标签的所述的自然人。

实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

如图1b及图1c所示，图1b及图1c中的带方框的人脸即为人群中的可疑目标人脸，从图1b中的监控的第一状态到图1c中的监控的第二状态，本技术方案可以如影随行地突出显示人群中某一特定人物，这样一来，本技术方案可以节省大量的人力进行视频的查找和监控，即使某一特定的人物混入人群，跟踪拍摄时，也不至于因为人数众多，混入人群，使其找不到，可用矩形框记录捕捉的轨迹，如影随行，解放了人眼长时间紧张地盯着屏幕，消除了人眼的疲劳。

其中，如何建立精确的背景模型是智能检测的前提，它直接影响后续运动目标检测的精度，并最终影响整个智能视频分析系统的性能及技术指标。背景模型失真是导致运动目标分割不清，从而对目标的高度，长度，体积等参数提取不准确，影响目标清晰度，同时可能影响跟踪实时性。我们采取了多种方法对现场场景进行定义，包括：三维立体空间模型、混合高斯背景模型及基于统计的背景模型等多种背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值等定义为可供分析、判断的计算机语言。做为智能视觉分析的基础。同时建立了背景进行自动学习模型，在一定时间里对场景再定义，可以有效的过滤掉光照、云影、树叶、波浪等敏感因素的变化。保证为智能视觉分析单元提供一个真实、准确、动态的场景，对保持99％超高检测率的同时具有极低的误报率具有重要意义。

故：步骤S1前还具有步骤S0：建立背景模型，

具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

运动目标检测是指从序列图像中将变化区域从背景中分割出来，它是对目标跟踪的前提。当监控区域内出现移动的目标，采用BLOB算法、模糊模式识别等多种技术，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置等。

该算法具有速度快、实时性好的特点。同时我们还加入了基于HSI颜色空间和边缘信息的阴影去除的算法，从而有效地滤除因天气、光照、影子、树叶摆动、海面上波浪的变化及混乱干扰等的多种因素的影响，并克服目标因型号、外观、装饰、运动等的影响，使系统提取能够更加准确地提取出移动目标，建立目标数据库：包括移动目标的尺寸、位置、形状、轨迹等基本信息。减小了由于阴影存在导致的虚警。该技术即使是处于全球智能视频监控技术领先地位的OV公司，对于场景中出现树叶摆动或者海面上波浪的变化引起的虚警、误报问题也没有得到很好的解决。但我们已成功解决运动目标的有效检测的世界难题。

故，更进一步地，在所述的步骤S2及步骤S3间还具有步骤S21，加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

在本技术方案中，我们建立了目标特征数据库，

第一步，建立“走、跑、跳、爬、蹲、屈等行为的概率模型；

第二步，从行为模型中提炼出算法；

第三步，将算法植入DSP(数字信号处理)，成为嵌入式软件；

第四步，实景验证算法，让DSP单元从像素变化中学习行为模式及分类；

第五步，DSP算法模块化，产品化。

请参阅图2、一种人脸捕捉的装置1，用于实现上述的方法，本装置未详细陈述的事项，可参阅上述方法中的陈述，包括：

自然人信息获取单元10，用于获取至少一个自然人信息，所述的自然人信息包括人脸信息；

标签加注单元20，用于在所述的自然人脸部加注标签；

实时追踪单元30，用于实时追踪加注了标签的所述的自然人。

实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

更进一步地，在自然人信息获取单元10之前还具有背景模型建立单元5，用于建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

更进一步地，在标签加注单元20及实时追踪单元30之间具有除噪单元25，用于加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

请参阅图3，一种人脸捕捉的系统100，包括至少一个摄像机200，与摄像机200相连的显示终端300，与显示终端300相连的控制器400，控制器400具有上述的人脸捕捉的装置1。

摄像机200为PTZ(俯视/平移/变焦)摄像机。

实施本发明的一种人脸捕捉功能的方法，装置及其系统，具有以下有益的技术效果：

区别于现有技术不能实现人流密集区对于特定人脸的跟踪和捕捉，本技术方案可实现对特定人脸的捕捉和跟踪，监控效率高。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人脸捕捉的方法，其特征在于，包括：

S1.获取至少一个自然人信息，所述的自然人信息包括人脸信息；

S2.在所述的自然人脸部加注标签；

S3.实时追踪加注了标签的所述的自然人。

2.根据权利要求1所述的方法，其特征在于，步骤S1前还具有步骤S0：建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

3.根据权利要求1所述的方法，其特征在于，所述的实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

4.根据权利要求1所述的方法，其特征在于，在所述的步骤S2及步骤S3间还具有步骤S21，加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

5.一种人脸捕捉的装置，其特征在于，包括：

自然人信息获取单元，用于获取至少一个自然人信息，所述的自然人信息包括人脸信息；

标签加注单元，用于在所述的自然人脸部加注标签；

实时追踪单元，用于实时追踪加注了标签的所述的自然人。

6.根据权利要求5所述的装置，其特征在于，在所述的自然人信息获取单元之前还具有背景模型建立单元，用于建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

7.根据权利要求5所述的装置，其特征在于，所述的实时追踪具体是：从序列图像中将变化区域从背景中分割出来，当监控区域内出现移动的目标，采用BLOB算法和/或模糊模式识别算法，通过灰度突变把移动目标从背景画面区分出来，并确定其大小、形状、面积及准确位置。

8.根据权利要求5所述的方法，其特征在于，在所述的标签加注单元及实时追踪单元之间具有除噪单元，用于加入基于HSI颜色空间和边缘信息的阴影去除的算法以除噪。

9.一种人脸捕捉的系统，包括至少一个摄像机，与所述的摄像头相连的显示终端，与所述的显示终端相连的控制器，其特征在于，所述的控制器具有权利要求5至8任一项所述的人脸捕捉的装置。

10.根据权利要求9所述的系统，其特征在于，所述的摄像机为PTZ摄像机。