本發(fā)明涉及安全監(jiān)控技術(shù)領(lǐng)域，特別是涉及一種宿舍安全監(jiān)控系統(tǒng)及方法。

背景技術(shù)：

在宿舍安全越來越受到重視的今天，夜晚非宿舍人員出入宿舍帶來的不確定因素將會(huì)帶來很大的安全隱患。因此，在深夜對(duì)宿舍進(jìn)行有效監(jiān)控有益于保護(hù)學(xué)生的生命和財(cái)產(chǎn)安全。然而深夜時(shí)宿舍管理人員由于生理、環(huán)境等因素，往往對(duì)周邊陌生人員敏感度不夠，對(duì)出入宿舍的人員急需采用更為智能化的方法進(jìn)行識(shí)別，以監(jiān)控宿舍門口周邊附近嫌疑人。

人臉識(shí)別技術(shù)是基于人體的臉部特征，對(duì)輸入的人臉圖像或者是視頻流，判斷其是否存在人臉，進(jìn)一步識(shí)別出人臉的位置、大小和各個(gè)主要面部器官的位置信息，并依據(jù)這些信息提取每個(gè)人臉中所蘊(yùn)含的身份特征，并將這些模板身份特征來對(duì)比，從而識(shí)別其身份信息。

現(xiàn)有的人臉識(shí)別技術(shù)大多是針對(duì)于白天光照較為均勻充足的情況，而由于光照不均勻會(huì)對(duì)人臉的識(shí)別驗(yàn)證產(chǎn)生較大的影響，因此，在晚上弱光甚至是無光情況下人臉的識(shí)別準(zhǔn)確性較低，這樣就會(huì)影響宿舍監(jiān)控的力度，威脅宿舍入住人員的生命與財(cái)產(chǎn)安全。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種宿舍安全監(jiān)控系統(tǒng)以及方法，以解決現(xiàn)有宿舍監(jiān)控技術(shù)中在夜晚或其他光照不足的場(chǎng)景下人臉識(shí)別準(zhǔn)確性較低、監(jiān)控的力度較小、影響宿舍入住人員安全的問題。

為解決上述技術(shù)問題，本發(fā)明提供一種宿舍安全監(jiān)控系統(tǒng)，包括：

白光攝像頭、紅外攝像頭、可旋轉(zhuǎn)的機(jī)械云臺(tái)架構(gòu)、中央處理器以及圖像處理器；

其中，所述白光攝像頭以及所述紅外攝像頭均設(shè)置于所述機(jī)械云臺(tái)架構(gòu)上，所述白光攝像頭用于在當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；所述紅外攝像頭用于在當(dāng)前環(huán)境光強(qiáng)度不高于所述預(yù)設(shè)第一閾值時(shí)，采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；

所述中央處理器與所述白光攝像頭以及所述紅外攝像頭相連，用于對(duì)采集到的所述視頻圖像進(jìn)行預(yù)處理，并輸入至所述圖像處理器；

所述圖像處理器與所述中央處理器相連，用于提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將所述人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷所述待識(shí)別對(duì)象是否為宿舍成員。

可選地，還包括：

與所述紅外攝像頭相連的紅外補(bǔ)光儀，用于當(dāng)檢測(cè)到所述紅外攝像頭所處的當(dāng)前環(huán)境光強(qiáng)度低于預(yù)設(shè)第二閾值時(shí)，進(jìn)行補(bǔ)光操作。

可選地，所述白光攝像頭以及所述紅外攝像頭均為自動(dòng)變焦攝像頭，用于當(dāng)所述圖像處理器判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，自動(dòng)對(duì)焦所述待識(shí)別對(duì)象，并對(duì)所述待識(shí)別對(duì)象的行為進(jìn)行跟蹤監(jiān)控。

可選地，還包括：

與所述圖像處理器相連的報(bào)警裝置，用于當(dāng)所述圖像處理器判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，以語音和/或電鈴的形式進(jìn)行報(bào)警提醒。

本發(fā)明還提供了一種宿舍安全監(jiān)控方法，包括：

監(jiān)測(cè)當(dāng)前環(huán)境光強(qiáng)度，當(dāng)所述當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采用白光攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；當(dāng)所述當(dāng)前環(huán)境光強(qiáng)度不高于所述預(yù)設(shè)第一閾值時(shí)，采用紅外攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；

對(duì)采集到的所述視頻圖像進(jìn)行預(yù)處理；

提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將所述人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷所述待識(shí)別對(duì)象是否為宿舍成員。

可選地，所述將所述人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷所述待識(shí)別對(duì)象是否為宿舍成員包括：

當(dāng)所述環(huán)境光強(qiáng)度不高于所述預(yù)設(shè)第一閾值時(shí)，采用動(dòng)態(tài)流體識(shí)別方法識(shí)別宿舍監(jiān)控區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)；

當(dāng)識(shí)別到人臉圖像后，將面部區(qū)域分為多個(gè)子區(qū)域；

利用圖像處理器對(duì)各面部子區(qū)域進(jìn)行特征點(diǎn)以及角點(diǎn)檢測(cè)，計(jì)算雙屬性圖匹配的相似度；

當(dāng)匹配后的相似度超過預(yù)設(shè)相似度閾值時(shí)，判定所述待識(shí)別對(duì)象為宿舍成員；否則判定所述待識(shí)別對(duì)象為非宿舍成員。

可選地，在所述將面部區(qū)域分為多個(gè)子區(qū)域之前還包括：

對(duì)識(shí)別到的人臉圖像進(jìn)行水平仿射校正。

可選地，還包括：

當(dāng)判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，自動(dòng)對(duì)焦所述待識(shí)別對(duì)象，對(duì)所述待識(shí)別對(duì)象的行為進(jìn)行跟蹤監(jiān)控。

可選地，還包括：

當(dāng)判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，以語音和/或電鈴的形式進(jìn)行報(bào)警提醒。

可選地，還包括：

當(dāng)檢測(cè)到所述當(dāng)前環(huán)境光強(qiáng)度低于預(yù)設(shè)第二閾值時(shí)，進(jìn)行補(bǔ)光操作。

本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)及方法，監(jiān)測(cè)當(dāng)前環(huán)境光強(qiáng)度，在當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采用白光攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；在當(dāng)前環(huán)境光強(qiáng)度不高于預(yù)設(shè)第一閾值時(shí)，采用紅外攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；對(duì)采集到的視頻圖像進(jìn)行預(yù)處理；提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷待識(shí)別對(duì)象是否為宿舍成員。本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)及方法，充分將現(xiàn)在新興的人臉識(shí)別技術(shù)應(yīng)用在宿舍安全的預(yù)警系統(tǒng)中，在宿舍夜晚等黑暗情況下，采用近紅外的攝像頭進(jìn)行圖像采集，適合光照嚴(yán)重不足的情況，避免了在夜晚或其他光照不足的場(chǎng)景下人臉識(shí)別準(zhǔn)確性較低、監(jiān)控的力度較小、影響宿舍入住人員安全的問題。

本申請(qǐng)還可以進(jìn)一步設(shè)置有與紅外攝像頭相連的紅外補(bǔ)光儀，當(dāng)檢測(cè)到紅外攝像頭所處的當(dāng)前環(huán)境光強(qiáng)度低于預(yù)設(shè)第二閾值時(shí)，進(jìn)行補(bǔ)光操作。通過這樣的設(shè)置，能夠在環(huán)境光強(qiáng)度非常低的深夜保證光照的充足，以便對(duì)宿舍周邊環(huán)境進(jìn)行監(jiān)控。

本申請(qǐng)中白光攝像頭以及紅外攝像頭均為自動(dòng)變焦攝像頭，用于當(dāng)圖像處理器判定待識(shí)別對(duì)象為非宿舍成員時(shí)，自動(dòng)對(duì)焦所述待識(shí)別對(duì)象，并對(duì)待識(shí)別對(duì)象的行為進(jìn)行跟蹤監(jiān)控。通過采用帶有自動(dòng)變焦的白光攝像頭以及紅外攝像頭，能夠自動(dòng)對(duì)焦監(jiān)控非法人員的行為。

附圖說明

圖1為本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)的一種具體實(shí)施方式的結(jié)構(gòu)框圖；

圖2為本發(fā)明實(shí)施例提供的宿舍安全監(jiān)控方法的一種具體實(shí)施方式流程圖；

圖3為本發(fā)明實(shí)施例提供的宿舍安全監(jiān)控方法的另一種具體實(shí)施方式流程圖。圖1中：白光攝像頭—1、紅外攝像頭—2、可旋轉(zhuǎn)的機(jī)械云臺(tái)架構(gòu)—3、中央處理器—4、圖像處理器—5

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)的一種具體實(shí)施方式的結(jié)構(gòu)框圖如圖1所示，該系統(tǒng)包括：

白光攝像頭1、紅外攝像頭2、可旋轉(zhuǎn)的機(jī)械云臺(tái)架構(gòu)3、中央處理器4以及圖像處理器5；

其中，所述白光攝像頭1以及所述紅外攝像頭2均設(shè)置于所述機(jī)械云臺(tái)架構(gòu)3上，所述白光攝像頭1用于在當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；所述紅外攝像頭2用于在當(dāng)前環(huán)境光強(qiáng)度不高于所述預(yù)設(shè)第一閾值時(shí)，采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；

所述中央處理器4用于對(duì)采集到的所述視頻圖像進(jìn)行預(yù)處理，并輸入至所述圖像處理器5；

所述圖像處理器5用于提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將所述人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷所述待識(shí)別對(duì)象是否為宿舍成員。

本申請(qǐng)中機(jī)械云臺(tái)架構(gòu)可以帶動(dòng)白光攝像頭以及紅外攝像頭旋轉(zhuǎn)，以對(duì)目標(biāo)進(jìn)行實(shí)時(shí)追蹤。

進(jìn)一步地，本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)還可以進(jìn)一步包括：紅外補(bǔ)光儀，用于當(dāng)檢測(cè)到所述紅外攝像頭2所處的當(dāng)前環(huán)境光強(qiáng)度低于預(yù)設(shè)第二閾值時(shí)，進(jìn)行補(bǔ)光操作。

需要指出的是，本發(fā)明實(shí)施例中白光攝像頭1以及紅外攝像頭2可以為自動(dòng)變焦攝像頭，用于當(dāng)所述圖像處理器判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，自動(dòng)對(duì)焦所述待識(shí)別對(duì)象，并對(duì)所述待識(shí)別對(duì)象的行為進(jìn)行跟蹤監(jiān)控。

在上述任一實(shí)施例的基礎(chǔ)上，本發(fā)明還可以進(jìn)一步包括：還包括：

報(bào)警裝置，用于當(dāng)所述圖像處理器4判定所述待識(shí)別對(duì)象為非宿舍成員時(shí)，以語音和/或電鈴的形式進(jìn)行報(bào)警提醒。

此外，本申請(qǐng)中圖像處理器可以具體包括多個(gè)并行計(jì)算單元，各個(gè)并行計(jì)算單元協(xié)同進(jìn)行處理，能夠加快處理的速度。

本申請(qǐng)還可以進(jìn)一步包括：顯示屏，用于對(duì)采集到的所述視頻圖像進(jìn)行實(shí)時(shí)顯示。通過對(duì)采集到的當(dāng)前視頻圖像進(jìn)行實(shí)時(shí)顯示，能夠便于宿舍監(jiān)管人員對(duì)當(dāng)前環(huán)境進(jìn)行查看，進(jìn)一步提升了宿舍環(huán)境的安全性，保證了監(jiān)控的力度。

系統(tǒng)如果匹配之后的相似度超過了閾值，則待識(shí)別人物為宿舍內(nèi)的人員，則開啟門禁讓其進(jìn)入，匹配失敗后則表明是非宿舍人員，白光攝像頭1或紅外攝像頭2調(diào)整鏡頭，自動(dòng)對(duì)焦監(jiān)控非法人員的行為，并在后臺(tái)以電鈴和/或語音的形式提醒管理人員。通過這樣的設(shè)置，進(jìn)一步提高了監(jiān)控的安全性。本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)，監(jiān)測(cè)當(dāng)前環(huán)境光強(qiáng)度，在當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采用白光攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；在當(dāng)前環(huán)境光強(qiáng)度不高于預(yù)設(shè)第一閾值時(shí)，采用紅外攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；對(duì)采集到的視頻圖像進(jìn)行預(yù)處理；提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷待識(shí)別對(duì)象是否為宿舍成員。本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)，充分將現(xiàn)在新興的人臉識(shí)別技術(shù)應(yīng)用在宿舍安全的預(yù)警系統(tǒng)中，在宿舍夜晚等黑暗情況下，采用紅外攝像頭進(jìn)行圖像采集，適合光照嚴(yán)重不足的情況，避免了在夜晚或其他光照不足的場(chǎng)景下人臉識(shí)別準(zhǔn)確性較低、監(jiān)控的力度較小、影響宿舍入住人員安全的問題。

下面對(duì)本發(fā)明實(shí)施例提供的宿舍安全監(jiān)控方法進(jìn)行介紹，下文描述的宿舍安全監(jiān)控方法與上文描述的宿舍安全監(jiān)控系統(tǒng)可相互對(duì)應(yīng)參照。

圖2為本發(fā)明實(shí)施例提供的宿舍安全監(jiān)控方法的流程圖，參照?qǐng)D2宿舍安全監(jiān)控方法可以具體包括：

步驟S101：監(jiān)測(cè)當(dāng)前環(huán)境光強(qiáng)度，當(dāng)所述當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采用白光攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；當(dāng)所述當(dāng)前環(huán)境光強(qiáng)度不高于所述預(yù)設(shè)第一閾值時(shí)，采用紅外攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；

步驟S102：對(duì)采集到的所述視頻圖像進(jìn)行預(yù)處理；

步驟S103：提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將所述人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷所述待識(shí)別對(duì)象是否為宿舍成員。

本發(fā)明所提供的宿舍安全監(jiān)控方法，監(jiān)測(cè)當(dāng)前環(huán)境光強(qiáng)度，在當(dāng)前環(huán)境光強(qiáng)度高于預(yù)設(shè)第一閾值時(shí)，采用白光攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；在當(dāng)前環(huán)境光強(qiáng)度不高于預(yù)設(shè)第一閾值時(shí)，采用紅外攝像頭采集宿舍監(jiān)控區(qū)域內(nèi)的視頻圖像；對(duì)采集到的視頻圖像進(jìn)行預(yù)處理；提取經(jīng)預(yù)處理后的視頻圖像中待識(shí)別對(duì)象的人臉圖像特征，并將人臉圖像特征與預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)模板進(jìn)行匹配，以判斷待識(shí)別對(duì)象是否為宿舍成員。本發(fā)明所提供的宿舍安全監(jiān)控方法，充分將現(xiàn)在新興的人臉識(shí)別技術(shù)應(yīng)用在宿舍安全的預(yù)警系統(tǒng)中，在宿舍夜晚等黑暗情況下，采用紅外攝像頭進(jìn)行圖像采集，適合光照嚴(yán)重不足的情況，避免了在夜晚或其他光照不足的場(chǎng)景下人臉識(shí)別準(zhǔn)確性較低、監(jiān)控的力度較小、影響宿舍入住人員安全的問題。

現(xiàn)有技術(shù)中嵌入式人臉識(shí)別大多依靠CPU來運(yùn)行人臉識(shí)別的算法，由于嵌入式系統(tǒng)的硬件資源大多有限，所以人臉識(shí)別的效率較低。本發(fā)明實(shí)施例采用GPU來加速當(dāng)前的人臉識(shí)別算法，可以大大加快人臉識(shí)別系統(tǒng)的運(yùn)行速度。同時(shí)現(xiàn)實(shí)中大多采用普通鏡頭，無法和人臉識(shí)別技術(shù)結(jié)合起來實(shí)現(xiàn)自動(dòng)變焦，所以對(duì)犯罪嫌疑人的行為監(jiān)控能力很有限，本發(fā)明實(shí)施例采用帶有自動(dòng)變焦的白光攝像頭以及紅外攝像頭，能夠自動(dòng)對(duì)焦監(jiān)控非法人員的行為。此外，本實(shí)施例中采用機(jī)械式可旋轉(zhuǎn)云臺(tái)架構(gòu)可以充分將攝像頭的監(jiān)控范圍提到最大，并且根據(jù)人臉識(shí)別的區(qū)域位置實(shí)現(xiàn)自動(dòng)變焦，以方便后臺(tái)對(duì)非宿舍嫌疑人員的監(jiān)控和預(yù)警。

參照?qǐng)D3，下面結(jié)合具體場(chǎng)景對(duì)本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)的具體實(shí)施過程進(jìn)行進(jìn)一步詳細(xì)闡述，該過程包括：

步驟S200：人臉識(shí)別系統(tǒng)預(yù)先錄入宿舍成員信息，并存儲(chǔ)在嵌入式系統(tǒng)的設(shè)備中；

步驟S201：人臉識(shí)別設(shè)備系統(tǒng)中機(jī)械云臺(tái)控制攝像頭水平和上下兩個(gè)以及多角度下監(jiān)控宿舍周邊區(qū)域；

步驟S202：白天開啟白光攝像頭1，夜晚開啟紅外攝像頭2，深夜開啟紅外補(bǔ)光儀，獲取宿舍入口處的監(jiān)控視頻；

步驟S203：在嵌入式系統(tǒng)系列芯片CPU中進(jìn)行普通白光和近紅外下人臉的預(yù)處理；

步驟S204：在嵌入式系統(tǒng)的GPU模塊提取上述預(yù)處理后的人臉圖像的特征；

步驟S205：通過特征點(diǎn)領(lǐng)域區(qū)域分割面部區(qū)域，利用GPU并行計(jì)算各塊面部區(qū)域雙屬性圖的匹配的相似度；

步驟S206：系統(tǒng)中如果匹配之后的相似度超過了閾值，則待識(shí)別目標(biāo)為宿舍內(nèi)的人員，開啟門禁；

步驟S207：匹配失敗后則表明待識(shí)別目標(biāo)為非宿舍人員，攝像頭調(diào)整鏡頭，自動(dòng)對(duì)焦監(jiān)控非法人員的行為，并在后臺(tái)以語音和/或電鈴的形式提醒管理人員。

下面對(duì)CPU進(jìn)行人臉識(shí)別的預(yù)處理過程進(jìn)行闡述。

首先是在白天情況下對(duì)人臉的預(yù)處理，該過程包括：基于人體的膚色提取，在已經(jīng)建構(gòu)好人臉膚色模型的基礎(chǔ)上，采用支持向量機(jī)的機(jī)器學(xué)習(xí)算法來提取當(dāng)前環(huán)境下最適宜的人臉上膚色的HSI數(shù)值。

在提取人臉的區(qū)域的基礎(chǔ)上再正常分割人體的頭發(fā)、眼睛和嘴唇區(qū)域。在這里中為了使得分離出來的眼睛、嘴唇能夠進(jìn)行準(zhǔn)確的識(shí)別，需要對(duì)提取的眼睛和嘴唇在x方向上進(jìn)行腐蝕，在y方向上進(jìn)行膨脹，使其特征鮮明，易于識(shí)別。

最后進(jìn)行人臉的預(yù)識(shí)別的判定。

可以具體采用模板匹配法：將標(biāo)準(zhǔn)模板和待匹配區(qū)域的圖像重疊在一起，標(biāo)準(zhǔn)模板的矩形區(qū)域的像素點(diǎn)數(shù)為s，重疊區(qū)域像素點(diǎn)數(shù)記為a，重疊區(qū)域在整個(gè)矩形區(qū)域的補(bǔ)集的像素點(diǎn)數(shù)為b，匹配程度為γ，則：若是γ的值越大，則表明匹配程度越高，反之γ的值越小，則表明匹配程度越低。

以人臉的基本輪廓為模板，采用上述模板的匹配算法，對(duì)提取出來的人臉二值圖像進(jìn)行匹配，通過閾值判定法來淘汰低匹配的區(qū)域，篩選人臉的近似區(qū)域。

以人臉為中心、眼睛、嘴唇相互之間構(gòu)成的相似三角形的比例關(guān)系來判斷是否是滿足人臉的匹配要求。

通過上述的人臉的預(yù)識(shí)別淘汰掉大量的非人臉的干擾區(qū)域，識(shí)別率達(dá)到80％以上，同時(shí)判斷效率極高，適合于背景較為簡(jiǎn)單下嵌入式等系統(tǒng)資源有限的情況。

由于宿舍在夜晚時(shí)分人臉已經(jīng)十分稀少，而且宿舍周邊環(huán)境下較為靜謐，光照條件環(huán)境較差，此時(shí)檢測(cè)到周圍環(huán)境的光照度小于預(yù)設(shè)第一閾值的情況下，系統(tǒng)自動(dòng)開啟紅外攝像頭2，當(dāng)檢測(cè)到環(huán)境光強(qiáng)度低于預(yù)設(shè)第二閾值時(shí)，預(yù)設(shè)第二閾值小于預(yù)設(shè)第一閾值，開啟紅外補(bǔ)光儀來自動(dòng)補(bǔ)充環(huán)境光照度來輔助識(shí)別和監(jiān)控，從紅外攝像頭2中讀取的是紅外圖像，經(jīng)過濾光片處理之后得到黑白圖像。針對(duì)晚上人流和活動(dòng)物體較少的特點(diǎn)，活動(dòng)的非法人員在這種環(huán)境下十分的突出，動(dòng)態(tài)流體的識(shí)別特別適合在當(dāng)前背景來偵測(cè)環(huán)境中運(yùn)動(dòng)的人體區(qū)域。

在嵌入式CPU的線程中進(jìn)行幀間差分法處理識(shí)別當(dāng)前在紅外攝像頭2監(jiān)控下運(yùn)動(dòng)的人物。

背景矩陣：通過γ₁，γ₂作為權(quán)重因子來加權(quán)當(dāng)前幀圖像和之前背景圖像幀圖像作為采樣平均矩陣，通過調(diào)控權(quán)重因子γ₁，γ₂的大小即可以調(diào)節(jié)系統(tǒng)對(duì)運(yùn)動(dòng)物體識(shí)別的靈敏度。

然后每一幀圖像矩陣減去背景幀圖像矩陣，再通過閾值分割來得到變換區(qū)域中的像素分布，矩形擬合變換區(qū)域中，在其中心繪制矩形長(zhǎng)為a+a₀，寬為b+b₀的領(lǐng)域作為后續(xù)識(shí)別的備選區(qū)域，其中a,b擬合矩形的邊長(zhǎng)。

在經(jīng)過上述人臉預(yù)識(shí)別之后得到了匹配程度較高的人臉的備選區(qū)域，這種算法下可以滿足大多數(shù)情況的需求，但是對(duì)于復(fù)雜的環(huán)境，會(huì)有近似人臉的干擾區(qū)域的產(chǎn)生，同時(shí)，由于人臉在各種刁鉆角度偏斜狀態(tài)下都會(huì)對(duì)人臉身份驗(yàn)證效果產(chǎn)生較大的影響，所以在這一模塊中通過Adaboost算法對(duì)大量各種狀態(tài)，以及不同的人臉進(jìn)行長(zhǎng)時(shí)間的訓(xùn)練，并且保存好訓(xùn)練結(jié)果，通過adaboost模式識(shí)別來剔除非人臉區(qū)域，并且在此基礎(chǔ)上采用雙眼識(shí)別，定位雙眼之間距離為a，人臉面部中心的左右寬度為b，在建?；A(chǔ)上為a＞b/2來淘汰掉偏轉(zhuǎn)角度過大側(cè)面人臉的情況，得到正常的人臉圖像。

由于人臉的傾斜對(duì)后續(xù)的身份驗(yàn)證會(huì)造成一定的影響，所以需要進(jìn)行水平仿射矯正，在上述識(shí)別到雙眼的步驟后，根據(jù)雙眼軸線和水平傾斜角度θ來旋轉(zhuǎn)人臉圖像至水平。

宿舍區(qū)域中白天情況下的光照充足，采用PCA變換的經(jīng)典人臉識(shí)別算法已經(jīng)可以滿足要求，但是當(dāng)時(shí)間在傍晚時(shí)分和夜晚時(shí)分，由于光照不均和低照度會(huì)對(duì)人臉識(shí)別產(chǎn)生很大的影響，此時(shí)需要在識(shí)別算法上來補(bǔ)償關(guān)照不均產(chǎn)生的影響，使用經(jīng)典的Groba小波變換可以增加人臉識(shí)別對(duì)光照的魯棒性，達(dá)到很好的識(shí)別效果。因此采用雙屬性圖識(shí)別算法可以很好符合兩種情況下的人臉識(shí)別。由于嵌入式CPU資源的限制，所以采用新興的GPU并行處理來加速身份驗(yàn)證速度。以下是將GPU并行運(yùn)算來結(jié)合人面部特征點(diǎn)區(qū)域分割來識(shí)別原理。

如果直接采用整張人臉圖像和庫(kù)中的人臉圖像來對(duì)比會(huì)產(chǎn)生人臉的識(shí)別率不高，識(shí)別效率也比較低，所以此時(shí)采用特征點(diǎn)區(qū)域的多方法識(shí)別，識(shí)別流程如下：在獲得了人臉正臉圖像之后，在人臉區(qū)域大致分為120塊區(qū)域。每塊區(qū)域中利用GPU的單個(gè)計(jì)算單元來檢測(cè)特征點(diǎn)和角點(diǎn)。大致獲取人臉區(qū)域范圍中68點(diǎn)特征點(diǎn)，包含眼睛，鼻子，嘴唇等等和臉的輪廓等特征點(diǎn)。同時(shí)充分利用GPU的并行計(jì)算的能力，為GPU的每個(gè)計(jì)算單元分配在每個(gè)特征點(diǎn)的領(lǐng)域內(nèi)進(jìn)行PCA變換和Groba小波變換并計(jì)算其特征向量相似度，并且通過相關(guān)的權(quán)重系數(shù)來得出特征點(diǎn)區(qū)域的相似度，最后將人臉面部范圍內(nèi)大致68個(gè)特征區(qū)域相似度采用線性疊加的方法得出整張人臉的相似度。

這種方法充分利用了PCA的高識(shí)別率以及小波變換對(duì)光照的不敏感性，使識(shí)別率更加準(zhǔn)確，同時(shí)也減少了光照對(duì)人臉識(shí)別的影響，并且采用GPU并行計(jì)算來調(diào)度每個(gè)計(jì)算單元對(duì)特征點(diǎn)區(qū)域中相似度計(jì)算，大大加速了人臉驗(yàn)證匹配的速度，非常適合宿舍傍晚在夜間時(shí)分的人臉識(shí)別。

本發(fā)明充分將現(xiàn)在新興的人臉識(shí)別技術(shù)應(yīng)用在宿舍安全的預(yù)警系統(tǒng)中，在宿舍夜晚等黑暗情況下，采用紅外攝像頭搭配紅外補(bǔ)光，適合光照嚴(yán)重不足的情況，同時(shí)在算法處理上，采用了流體識(shí)別預(yù)先識(shí)別，減少全局檢索人臉的負(fù)擔(dān)，考慮到光照不均的情況，使用GPU并行運(yùn)算結(jié)合人臉特征點(diǎn)領(lǐng)域分割并行計(jì)算其相似度，大大提高了識(shí)別速度，并且對(duì)光照有很好的魯棒性。在人臉識(shí)別系統(tǒng)中，機(jī)械式的可旋轉(zhuǎn)的云臺(tái)架構(gòu)3可以充分將攝像頭的監(jiān)控范圍提到最大，并且根據(jù)人臉識(shí)別的區(qū)域位置實(shí)現(xiàn)自動(dòng)變焦，以方便后臺(tái)對(duì)非宿舍嫌疑人員的監(jiān)控和預(yù)警。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其它實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同或相似部分互相參見即可。對(duì)于實(shí)施例公開的裝置而言，由于其與實(shí)施例公開的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對(duì)本發(fā)明所提供的宿舍安全監(jiān)控系統(tǒng)及方法進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。