[發明專利]一種基于視頻流的人臉跟蹤識別方法在審
| 申請號： | 201710106133.0 | 申請日： | 2017-02-27 |
| 公開（公告）號： | CN108509825A | 公開（公告）日： | 2018-09-07 |
| 發明（設計）人： | 李瑛莉;韓賢斌;戶艷琴;袁文浩;郭曉昌;蔣超;唐衛星;畢建宇 | 申請（專利權）人： | 蘇文電能科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 常州佰業騰飛專利代理事務所(普通合伙) 32231 | 代理人： | 郭云梅 |
| 地址： | 213000 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 人臉跟蹤 預處理 視頻流 幀圖像 二維主成分分析 形態學 模式識別技術 目標狀態預測 人臉檢測模塊 人臉識別算法 幀間差分法 復雜背景 高速運動 跟蹤算法 加權平均 人臉識別 人臉特征 人臉位置 適應目標 視頻樣本 手動選取 特征空間 差異性 跟蹤 遮擋 視頻 改進 | ||
1.一種基于視頻流的人臉跟蹤識別方法，其特征在于：包括如下步驟：
步驟a：獲取視頻樣本，對于視頻中連續的幀圖像進行預處理；
步驟b：通過人臉檢測模塊定位經預處理的幀圖像中的人臉位置，并將人臉位置作為人臉跟蹤的初始跟蹤窗口；
步驟c：人臉跟蹤模塊通過人臉跟蹤的初始跟蹤窗口，由跟蹤算法進行人臉跟蹤，獲取人臉頭像；
步驟d：識別模塊對步驟c中獲取的人臉頭像進行識別，然后進行特征提取并錄入人臉特征數據庫；
步驟e：識別模塊將步驟d中提取的特征與人臉特征數據庫中的特征進行匹配，從而識別人臉。
2.根據權利要求1所述的一種基于視頻流的人臉跟蹤識別方法，其特征在于：在步驟a中，采用歸一化的直方圖均衡法完成幀圖像的預處理，所述歸一化的直方圖均衡法包括如下步驟：
步驟1：分割直方圖，將輸入的直方圖分割成多個互不重疊的子直方圖；
步驟2：擴展狹窄的子直方圖，將狹窄的子直方圖在均衡前進行全強度范圍的擴展；
步驟3：將狹窄的子直方圖均衡到全范圍，寬度子直方圖保持不變；
步驟4：將均衡后的多個子直方圖結合產生輸出圖像，并對輸出圖像的強度級別進行歸一化。
3.根據權利要求2所述的一種基于視頻流的人臉跟蹤識別方法，其特征在于：使用Adaboost檢測算法，對預處理后的幀圖像進行人臉位置的檢測，包括如下步驟：
步驟A：對輸入的人臉正例樣本集和負例樣本集，通過計算樣本積分圖得到矩形特征值，由矩形特征值獲得矩形特征值集；
步驟B：由矩形特征值集生成弱分類器集；
步驟C：篩選弱分類器集，加權組合成強分類器集；
步驟D：通過對強分類器集的級聯，組成訓練分類器，將級聯過稱中篩選出的負例樣本補充到人臉負例樣本集中，靠近訓練分類器尾部的分類器輸出低誤識率的正例樣本，用于檢測人臉。
4.根據權利要求3所述的一種基于視頻流的人臉跟蹤識別方法，其特征在于：在步驟c中，跟蹤算法為改進的camshift算法，所述改進的camshift算法包括：
采用形態學方法對直方圖和色彩概率分布圖進行處理，增強膚色信息；
采用目標狀態預測實現目標移動過快的跟蹤；
采用基于運動信息跟蹤的幀間差分法處理同色干擾。
5.根據權利要求4所述的一種基于視頻流的人臉跟蹤識別方法，其特征在于：步驟d所述的人臉特征數據庫為ORL人臉數據庫，ORL人臉數據庫共包含40人，每人10幅圖像，通過預處理將圖像分辨率歸一化到90*90，以每人的前五幅圖像作為訓練樣本，構成一個5*40幅的訓練集，剩下的5*40幅作為測試集。
6.根據權利要求5所述的一種基于視頻流的人臉跟蹤識別方法，其特征在于：識別模塊對步驟d中獲取的人臉頭像進行識別的算法為一種加權平均臉和二維主成分分析特征空間相結合的改進人臉識別算法，識別步驟如下：
1)計算所述訓練集中圖像類間平均臉和類內平均臉；
2)選定加權系數，以類內平均臉對訓練集規范化并計算類間散布矩陣；
3)求取類間散布矩陣的特征子空間；
4)利用類間平均臉和類內平均臉對訓練集中人臉圖像和待識別人臉圖像進行處理；
5)分別將訓練集中的人臉圖像和待識別的人臉圖像向特征子空間進行投影，獲得兩個不同的特征子空間投影，并采用最近鄰分類器計算得到識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇文電能科技有限公司，未經蘇文電能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201710106133.0/1.html，轉載請聲明來源鉆瓜專利網。
