視頻人臉檢測評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種視頻圖像處理方法，尤其是指一種視頻人臉檢測評價方法。
【背景技術(shù)】
[0002] 在實時視頻監(jiān)控系統(tǒng)中，對于不同角度的人臉圖像存在實時檢測采集，而后上傳 于服務(wù)器數(shù)據(jù)庫存儲關(guān)鍵信息進(jìn)而進(jìn)行犯罪嫌疑人人臉識別的應(yīng)用需求。
[0003] 然而傳統(tǒng)的人臉檢測由于通常是實時進(jìn)行檢測的，因此在檢測過程中會產(chǎn)生大量 重復(fù)的同一對象的不同人臉快照，這就造成在聯(lián)系時間段T內(nèi)可能在畫面中檢測出若干張 同一對象的人臉，全部保存快照增加傳輸存儲，不利于識別和使用查看，因此需要解決此類 實時人臉檢測采集的重復(fù)及效果差問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是：提供一種可有效減少后端設(shè)備存儲及計算工作、 提高人臉快照使用價值的視頻人臉檢測評價方法。
[0005] 為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種視頻人臉檢測評價方法， 對輸入視頻進(jìn)行評估對象選取后進(jìn)行最優(yōu)人臉評估選取最優(yōu)人臉；
[0006] 所述評估對象選取包括步驟，
[0007] S51)對視頻連續(xù)圖像幀中每幀圖像檢測得到的人臉位置終序列結(jié)果進(jìn)行匹配跟 蹤，得到對象組跟蹤序列；所述對象組跟蹤序列中包含至少一個對象在連續(xù)圖像幀中的人 臉位置信息；
[0008] S52)將對象組跟蹤序列中每個對象的人臉位置分別提取得到對應(yīng)的對象人臉跟 蹤序列；
[0009] 所述最優(yōu)人臉評估包括對每個對象人臉跟蹤序列分別進(jìn)行正臉可能性評估、清晰 度評估、人臉大小評估后經(jīng)加權(quán)計算得到對象人臉跟蹤序列的最終系數(shù)序列，選取最終序 列的最大為對象人臉跟蹤序列中的最優(yōu)人臉；
[0010] 所述正臉可能性評估包括步驟，
[0011] S611)根據(jù)對象人臉跟蹤序列中的人臉位置信息獲取其所在圖像幀的膚色檢測二 值掩碼圖像上對應(yīng)區(qū)域；
[0012] S612)根據(jù)膚色檢測二值掩碼圖像上對應(yīng)區(qū)域計算得到人臉面積比重序列；
[0013] 所述清晰度評估包括步驟，
[0014] S621)輸入對象人臉跟蹤序列中每幀圖像作為原始圖像，對原始圖像進(jìn)行平滑獲 得平滑圖像；
[0015] S622)對平滑圖像計算邊緣獲得邊緣圖像；
[0016] S623)對邊緣圖像根據(jù)預(yù)設(shè)閾值進(jìn)行二值化得到第四二值掩碼圖像；
[0017] S624)計算第四二值掩碼圖像與原始圖像的邊緣二值掩碼圖像的差值，得到差值 二值掩碼圖像；
[0018] S625)根據(jù)對象人臉跟蹤序列中每幀圖像的人臉位置信息獲取差值二值掩碼圖像 上對應(yīng)區(qū)域；
[0019] S626)根據(jù)差值二值掩碼圖像上對應(yīng)區(qū)域計算得到清晰度值序列；
[0020] 所述人臉大小評估包括計算人臉位置跟蹤序列對應(yīng)區(qū)域的大小得到大小序列的 步驟；
[0021] 所述加權(quán)計算包括根據(jù)檢測人臉面積比重值序列、清晰度值序列及大小序列結(jié)合 權(quán)重系數(shù)計算獲得評估序列的步驟。
[0022] 上述中，所述圖像幀的膚色檢測二值掩碼圖像通過遍歷判斷圖像幀中每個像素在 YCbCr色彩空間下的顏色是否同時滿足Cb e [80, 135]且Cr e [136, 177]得到。
[0023] 上述中，所述正臉可能性評估中，步驟S612的人臉面積比重序列通過膚色檢測二 值掩碼圖像上對應(yīng)人臉位置信息的區(qū)域內(nèi)累加值除于區(qū)域長、寬計算得到。
[0024] 上述中，所述清晰度評估中，步驟S626的清晰度值序列通過差值二值掩碼圖像上 對應(yīng)人臉位置信息的區(qū)域內(nèi)累加值除于區(qū)域長、寬計算得到。
[0025] 上述中，所述人臉大小評估中的大小序列通過當(dāng)前人臉位置信息的面積除于人臉 位置終序列中人臉位置信息的最大面積計算得到。
[0026] 上述中，所述評估對象選取中的人臉位置終序列通過以人臉檢測流程得到；所述 人臉檢測流程包括步驟，
[0027] SI)輸入視頻圖像幀，將圖像幀作為原始圖像；
[0028] S3)采用haar或Ibp特征使用adaboost分類器檢測原始圖像，得到人臉位置預(yù)序 列；
[0029] S4)將人臉位置預(yù)序列輸入SVM分類器進(jìn)行檢測，得到人臉位置終序列。
[0030] 上述中，在人臉檢測流程Sl與S3之間還包括S2)輸入加速處理；所述輸入加速處 理包括步驟，
[0031] S21)遍歷判斷原始圖像的每個像素在YCbCr色彩空間下的顏色是否同時滿足 Cb e [80, 135]且Cr e [136, 177]，得到膚色檢測二值掩碼圖像；
[0032] S22)對原始圖像進(jìn)行圖像邊緣檢測得到邊緣圖像；
[0033] S23)對邊緣圖像根據(jù)設(shè)定閾值進(jìn)行二值化處理，得到邊緣二值掩碼圖像；
[0034] S24)對邊緣二值掩碼圖像進(jìn)行腐蝕、膨脹圖像處理，得到第三二值掩碼圖像；
[0035] S25)取膚色檢測二值掩碼圖像與第三二值掩碼圖像的交集，得到原始圖像的區(qū)域 二值掩碼圖像；
[0036] 所述步驟S3具體包括步驟，
[0037] S31)采用滑動子窗口遍歷原始圖像；
[0038] S32)將當(dāng)前滑動子窗口相對應(yīng)的區(qū)域二值掩碼圖像中區(qū)域的值進(jìn)行累加；
[0039] S33)判斷累加值是否滿足預(yù)設(shè)閾值，對滿足閾值的執(zhí)行步驟S34 ;
[0040] S34)對當(dāng)前滑動子窗口進(jìn)行adaboost分類檢測，遍歷結(jié)束后得到人臉位置預(yù)序 列。
[0041] 本發(fā)明的有益效果在于：通過對連續(xù)視頻所有畫面選取評估對象后，進(jìn)一步對評 估對象的人臉進(jìn)行大小、清晰度、正臉可能性的綜合判斷，從而可在跟蹤人臉的基礎(chǔ)上對同 一人臉的不同時刻快照進(jìn)行評估輸出該人臉的最優(yōu)時刻快照作為輸出快照以便使用、保 留。解決了以往視頻人臉識別會產(chǎn)生大量重復(fù)人臉快照而導(dǎo)致后端服務(wù)器的存儲及計算工 作量大的問題。同時解決了實時檢測人臉進(jìn)行采集存在重復(fù)及效果差的問題，并有效提高 人臉快照的使用價值。
【附圖說明】
[0042] 下面結(jié)合附圖詳述本發(fā)明的具體結(jié)構(gòu)
[0043] 圖1為本發(fā)明的人臉檢測評價流程圖；
[0044] 圖2為本發(fā)明的人臉檢測流程的流程圖；
[0045] 圖3為本發(fā)明的輸入加速流程的流程圖；
[0046] 圖4為本發(fā)明的人臉檢測流程的實施例流程圖。
【具體實施方式】
[0047] 為詳細(xì)說明本發(fā)明的技術(shù)內(nèi)容、構(gòu)造特征、所實現(xiàn)目的及效果，以下結(jié)合實施方式 并配合附圖詳予說明。
[0048] 請參閱圖1，一種視頻人臉檢測評價方法，對輸入視頻進(jìn)行評估對象選取后進(jìn)行最 優(yōu)人臉評估選取最優(yōu)人臉。
[0049] 上述的評估對象選取包括步驟：
[0050] S51)對視頻連續(xù)圖像幀中每幀圖像檢測得到的人臉位置終序列結(jié)果進(jìn)行匹配跟 蹤，得到對象組跟蹤序列；所述對象組跟蹤序列中包含至少一個對象在連續(xù)圖像幀中的人 臉位置信息；
[0051] 本步驟中的人臉位置終序列，是對視頻連續(xù)圖像幀中每幀圖像前處理人臉識別得 到的。其人臉位置終序列通常為對應(yīng)圖像幀中檢測到可能包含人臉的多個矩形區(qū)域各端 點、長寬的序列。而對象組跟蹤序列則是通過匹配跟蹤方法對視頻的整個連續(xù)圖像幀中每 幀圖像的人臉位置終序列中屬于不同對象的人臉位置信息按對象分類后構(gòu)成的對象組跟 蹤序列。
[0052] S52)將對象組跟蹤序列中每個對象的人臉位置分別提取得到對應(yīng)的對象人臉跟 蹤序列。
[0053] 本步驟進(jìn)一步將包含不同對象的對象組跟蹤序列按對象分離形成單獨(dú)的對象人 臉跟蹤序列，以便后續(xù)對每個對象最優(yōu)人臉進(jìn)行評估。
[0054] 講一步的，上述的最優(yōu)人瞼評估包括對每個對象人瞼跟蹤序列分別講行正瞼可能 件評估、清晰度評估、人瞼大小評估后經(jīng)加權(quán)計筧得到對象人瞼跟蹤序列的最終系數(shù)序列， 選取最終序列的最大為對象人臉跟蹤序列中的最優(yōu)人臉。其中：
[0055] 所沭lH瞼可能件評估包括步驟,
[0056] S611)根據(jù)對象人臉跟蹤序列中的人臉位置信息獲取其所在圖像幀的膚色檢測二 值掩碼圖像上對應(yīng)區(qū)域；
[0057] S612)根據(jù)膚色檢測二值掩碼圖像上對應(yīng)區(qū)域計算得到人臉面積比重序列；
[0058] 所沭