專利名稱：自動(dòng)門鈴及其實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種門鈴，特別是自動(dòng)感知外部環(huán)境變化，自動(dòng)產(chǎn)生 提醒的自動(dòng)門鈴及其實(shí)現(xiàn)方法。
背景技術(shù)：
門鈴是家居生活中一個(gè)必不可少的物件。但是，普通的門鈴都需 要訪客手動(dòng)地按動(dòng)一個(gè)按鈕，從而驅(qū)動(dòng)發(fā)聲模塊發(fā)出聲音提醒主人有
客來訪，不夠便捷。于是，很多自動(dòng)門鈴應(yīng)運(yùn)而生。
中國專利(公開號CN1053316 )中公開了一種自動(dòng)驅(qū)動(dòng)門鈴的方法， 該方法采用光敏電阻自動(dòng)測定環(huán)境亮度的突變，并釆用突變信號來驅(qū) 動(dòng)門鈴。但是，這種方法最大的缺陷是很容易由于干擾而產(chǎn)生誤報(bào)， 比如當(dāng)有人經(jīng)過樓道或者環(huán)境亮度由于其他原因突變(比如樓道燈的 開關(guān)等)時(shí)，會產(chǎn)生誤報(bào)。常見的還有紅外線感應(yīng)門鈴，只要在感應(yīng) 區(qū)域中有人經(jīng)過，門鈴就會由感應(yīng)信號驅(qū)動(dòng)而發(fā)出聲響。同樣地，這 樣的門鈴誤報(bào)率也非常高，極易受到干擾。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種抗干擾能力強(qiáng)的自動(dòng)門鈴。 根據(jù)第一方面，本發(fā)明提供一種自動(dòng)門鈴，包括 圖像采集模塊，用于采集視頻圖像； 圖像分析模塊，采用圖像分析算法分析圖像中的人臉信息； 判定驅(qū)動(dòng)模塊，接收圖像分析模塊的人臉信息，根據(jù)該信息判定
是否需要產(chǎn)生驅(qū)動(dòng)信號；
提醒模塊，在驅(qū)動(dòng)信號的驅(qū)動(dòng)下發(fā)出門鈴提醒信息。
圖像分析模塊所分析得出的所述人臉信息優(yōu)選包括人臉呈現(xiàn)的時(shí)
間，所述判定驅(qū)動(dòng)模塊根據(jù)該人臉呈現(xiàn)時(shí)間來判斷是否產(chǎn)生驅(qū)動(dòng)信號。 優(yōu)選地，圖像采集模塊采用攝像頭實(shí)現(xiàn)，更優(yōu)選地，可以是低分
辨率CMOS攝像頭。圖像分析模塊和判定驅(qū)動(dòng)模塊由個(gè)人電腦、單片機(jī)
或工控機(jī)實(shí)現(xiàn)。提醒模塊可以是任意以聲音或圖像的形式發(fā)出提醒信
息的裝置，
根據(jù)本發(fā)明，圖像分析模塊可以進(jìn)一步包括人臉檢測單元和人臉 跟蹤單元，所述人臉檢測單元用于檢測視頻圖像中的人臉信息，所述 人臉跟蹤單元用于對人臉檢測單元確認(rèn)的人臉進(jìn)行跟蹤，并得出人臉 呈現(xiàn)時(shí)間。
優(yōu)選地，人臉檢測單元采用層次型自適應(yīng)增強(qiáng)(AdaBoost)算法 訓(xùn)練選取微結(jié)構(gòu)(Haar-like)特征組成分類器來進(jìn)行人臉檢測。
優(yōu)選地，在人臉檢測單元檢測出一個(gè)人臉的情況下，人臉跟蹤單 元即對該一個(gè)人臉進(jìn)行跟蹤，得出其呈現(xiàn)時(shí)間。
優(yōu)選地，在人臉檢測單元檢測出多個(gè)人臉的情況下，人臉跟蹤單 元可對其中一個(gè)人臉進(jìn)行跟蹤，進(jìn)一步優(yōu)選地，選擇多個(gè)人臉中最大
的一個(gè)進(jìn)行跟蹤。作為替代方案，人臉跟蹤單元也可以對多個(gè)人臉進(jìn) 行跟蹤，將各人臉的呈現(xiàn)時(shí)間中最久的時(shí)間作為人臉呈現(xiàn)時(shí)間。
根據(jù)第二方面，本發(fā)明提供了實(shí)現(xiàn)上述自動(dòng)門鈴裝置的方法，包
括
采集圖像；
采用圖像分析算法分析圖像中的人臉信息；
根據(jù)所述人臉信息判定是否需要產(chǎn)生驅(qū)動(dòng)信號；
在驅(qū)動(dòng)信號的驅(qū)動(dòng)下發(fā)出門鈴提醒信息。
優(yōu)選地，所述分析人臉信息的步驟包括分析得出人臉呈現(xiàn)的時(shí)間， 判定是否產(chǎn)生驅(qū)動(dòng)信號的步驟包括根據(jù)所述人臉呈現(xiàn)的時(shí)間來判定是 否產(chǎn)生驅(qū)動(dòng)信號。
優(yōu)選地，所述分析人臉信息的步驟包括檢測視頻圖像中的人臉 信息，以及對所確認(rèn)的人臉進(jìn)行跟蹤，并得出人臉呈現(xiàn)的時(shí)間。
優(yōu)選地，所述檢測人臉信息的步驟包括采用層次型AdaBoost算法 訓(xùn)練選取Haar-like微結(jié)構(gòu)特征組成分類器來進(jìn)行人臉檢測。
本發(fā)明提供的自動(dòng)門鈴裝置及其方法，可以極大降低自動(dòng)門鈴的 誤報(bào)率，并且當(dāng)陌生人在門前異常停留時(shí)，也能夠自動(dòng)驅(qū)動(dòng)提醒模塊， 從而具有一定的安全監(jiān)控功能。


下面結(jié)合

本發(fā)明的具體實(shí)施方案。附圖中
圖l是本發(fā)明的門鈴的系統(tǒng)結(jié)構(gòu)圖；以及
圖2是圖像分析模塊對圖像進(jìn)行檢測的過程圖。
具體實(shí)施例方式
圖1是本發(fā)明的門鈴的系統(tǒng)結(jié)構(gòu)圖。如圖1所示，系統(tǒng)包括圖像 采集模塊、圖像分析模塊、判定驅(qū)動(dòng)模塊和提醒模塊。
圖像釆集模塊采集樓道中的圖像，其中圖像采集模塊可以釆用任 何能獲取圖像的裝置?？紤]到成本，優(yōu)選采用攝像頭。在一個(gè)例子中， 圖像釆集模塊釆用分辨率低的CM0S攝像頭?；蛘?，攝像頭的鏡頭也可 以采用塑料等其他廉價(jià)透明材料制成，以降低成本。
圖像采集模塊采集到圖像之后，傳給圖像分析模塊。
圖像分析處理模塊采用人臉檢測跟蹤方法獲取圖像中的人臉信 息，送給判定驅(qū)動(dòng)模塊。判定驅(qū)動(dòng)模塊根據(jù)分析模塊獲取的人臉信息， 判定是否需要驅(qū)動(dòng)提醒模塊，若需要?jiǎng)t產(chǎn)生驅(qū)動(dòng)信號至提醒模塊，驅(qū) 動(dòng)提醒模塊產(chǎn)生提醒主人外面有人的信息。
在一個(gè)具體實(shí)施方案中，圖像分析模塊進(jìn)一步包括人臉檢測單元 和人臉跟蹤單元，其中人臉檢測單元用于檢測圖像中有沒有人臉出現(xiàn)， 人臉跟蹤單元用于對確定出現(xiàn)的人臉進(jìn)行跟蹤。
圖像分析模塊、判定驅(qū)動(dòng)模塊，實(shí)現(xiàn)的平臺可以為個(gè)人電腦(PC)， 也可以為任意嵌入式單片機(jī)，工控機(jī)等平臺。
提醒裝置可以為任意能夠產(chǎn)生聲音、圖像等提醒人注意信息的裝置。
在一個(gè)具體實(shí)施方式
中，人臉信息是人臉的呈現(xiàn)時(shí)間。具體地說， 圖像分析模塊對傳送的連續(xù)視頻圖像進(jìn)行檢測和跟蹤，判斷圖像中有 沒有人臉出現(xiàn)，若有，通過在圖像各幀之間跟蹤該人臉得出人臉呈現(xiàn) 的時(shí)間t，傳送給判定驅(qū)動(dòng)模塊。判定驅(qū)動(dòng)模塊與圖像分析模塊可以 由同一 PC實(shí)現(xiàn)，將接收到的人臉呈現(xiàn)時(shí)間t與閾值T進(jìn)行比較，若t^T， 則認(rèn)為外面有人等待，于是發(fā)出驅(qū)動(dòng)信號給提醒模塊；若t〈T，則認(rèn)為 只是外界干擾，不進(jìn)行驅(qū)動(dòng)。所述的闊值T可由系統(tǒng)預(yù)先設(shè)定，也可 由用戶根據(jù)需要自己設(shè)定或改變。
圖像分析模塊對圖像的分析跟蹤可以采用現(xiàn)有技術(shù)中已知的各種 人臉檢測跟蹤方法。本領(lǐng)域技術(shù)人員可以根據(jù)需要在各種流行的人臉
檢測跟蹤算法中進(jìn)行選擇，運(yùn)用在本發(fā)明中。
在一個(gè)實(shí)施方案中，圖像分析模塊對圖像的分析可以采用中國專
利申請200510135668. 8 (公開號CN1794264A)中提供的一種視頻序列 中人臉的實(shí)時(shí)檢測與持續(xù)追蹤的方法來實(shí)現(xiàn)。
根據(jù)上述專利申請中提供的方法，本實(shí)施方案中的人臉檢測單元 采用層次型AdaBoos t算法訓(xùn)練選取Haar-l ike微結(jié)構(gòu)特征組成分類器 來進(jìn)行人臉檢測。具體來說，人臉檢測采用AdaBoost理論實(shí)現(xiàn)人臉檢 測統(tǒng)計(jì)模型的訓(xùn)練，并使用一種類似Harr小波的微結(jié)構(gòu)特征來表達(dá)人 臉模式，結(jié)合AdaBoost算法，形成一種特征選擇方法，將多個(gè)基于單 個(gè)特征的弱分類器組成一個(gè)強(qiáng)分類器，然后將多個(gè)強(qiáng)分類器聯(lián)合成一 個(gè)完整的人臉檢測分類器。釆用這種層次型多級分類器可以對每幀圖 像中有沒有人臉出現(xiàn)做出初步的判斷。
在初步檢測到有人臉出現(xiàn)后，則在接下來的n幀圖像中跟蹤這些 人臉，并對后續(xù)n幀圖像中跟蹤的人臉進(jìn)行人臉檢測驗(yàn)證，判斷前面 的檢測結(jié)果是否是真的人臉。其中n可以等于l，也可以大于l。
圖2示意了上述圖像分析模塊對圖像進(jìn)行檢測跟蹤的過程。在步 驟100由攝像頭獲取圖像之后，圖像被傳送至圖像分析模塊，由其中 的人臉檢測單元進(jìn)行搜索檢測。首先在步驟200,利用上述的層次型 多級分類器對圖像進(jìn)行初步檢測，在步驟202對檢測結(jié)果進(jìn)行判斷， 若檢測發(fā)現(xiàn)圖像中沒有人臉，則回到步驟200繼續(xù)對下一幀圖像進(jìn)行 檢測；若在圖像中檢測到了一個(gè)或多個(gè)人臉，則進(jìn)入步驟204,在接 下來的n幀圖像中對出現(xiàn)的人臉進(jìn)行預(yù)跟蹤。在步驟206對預(yù)跟蹤結(jié) 果進(jìn)行判斷，若在接下來的n幀中原位置上人臉不再出現(xiàn)，則認(rèn)為并 沒有真正的人臉出現(xiàn)，回到步驟200對接下來的圖像進(jìn)行初步檢測； 若連續(xù)n幀在某位置上都有人臉出現(xiàn)，則確認(rèn)出現(xiàn)了人臉，進(jìn)入步驟 300，由人臉跟蹤單元開始跟蹤該人臉。
跟蹤過程中，采用均值漂移(Mean shift)算法得到下一幀中的匹 配結(jié)果，并得到其與前一幀人臉圖像的相似度。若相似度低于某閾值， 則認(rèn)為沒有跟蹤到人臉；若相似度高于該閣值，認(rèn)為跟蹤到人臉。為 了進(jìn)一步避免跟蹤到背景上，每隔p幀對跟蹤到的人臉進(jìn)行檢測驗(yàn)證， 如果連續(xù)q次都無法驗(yàn)證到人臉的存在，則認(rèn)為跟蹤到背景，結(jié)束跟 蹤過程，回到步驟200對圖像重新開始全圖檢測。其中p， q為大于零
的整數(shù)，較優(yōu)的p取2-10， q取3-8。
一種可行的檢測驗(yàn)證實(shí)施方案為假定當(dāng)前跟蹤到的人臉區(qū)域?yàn)?R(x，y，W，H)，其中x為人臉中心橫坐標(biāo)，y為人臉中心縱坐標(biāo)，W為人 臉區(qū)域?qū)挾?，H為人臉區(qū)域高度。設(shè)定搜索區(qū)域?yàn)镾R(x， y， SW， SH)， 其中SW為搜索區(qū)域?qū)挾?，且SW=W*SSR， SH為搜索區(qū)域高度，且 SH=H*SSR，其中SSR為設(shè)定的常數(shù)， 一般為0. 5-2. O之間的一個(gè)數(shù)。 搜索人臉寬度范圍為[W*U1，W*U2]， U1，U2為常數(shù)，且U1為0-l.O之 間的一個(gè)數(shù)，而U2為1. 0到2. 0之間的一個(gè)數(shù)。則采用人臉檢測模型， 在區(qū)域SR內(nèi)，對大小在n^Ul，W^2]范圍內(nèi)的人臉檢測檢測，如果能 夠檢測到，則認(rèn)為該跟蹤結(jié)果能夠通過人臉檢測驗(yàn)證，否則，認(rèn)為無 法通過人臉檢測驗(yàn)證。
若在檢測步驟中檢測到了多個(gè)人臉，在一個(gè)實(shí)施方案中，跟蹤單 元選擇其中一個(gè)人臉按照上述方法進(jìn)行跟蹤，比如選擇其中最大的人 臉進(jìn)行跟蹤，得出其呈現(xiàn)時(shí)間。在另一個(gè)實(shí)施方案中，人臉跟蹤單元 可以跟蹤出現(xiàn)的多個(gè)人臉，在多個(gè)人臉各自的呈現(xiàn)時(shí)間中選出呈現(xiàn)最 久的時(shí)間作為呈現(xiàn)時(shí)間。
人臉跟蹤單元得出一系列人臉呈現(xiàn)時(shí)間之后，將其傳送給判定驅(qū) 動(dòng)模塊。判定驅(qū)動(dòng)模塊將該呈現(xiàn)時(shí)間與預(yù)先設(shè)定的閾值T進(jìn)行比較， 以確定是否需要驅(qū)動(dòng)提醒模塊。在一個(gè)簡化實(shí)施方案中，判定驅(qū)動(dòng)模 塊可以是比較器。
對于上述多個(gè)人臉的各種情況， 一種計(jì)算某個(gè)人臉呈現(xiàn)時(shí)間的實(shí) 施方案為當(dāng)?shù)谝淮螜z測到某人臉后，將當(dāng)時(shí)時(shí)間設(shè)定為該人臉的開 始呈現(xiàn)時(shí)間，每當(dāng)再次檢測或跟蹤到該人臉時(shí)，更新該人臉的結(jié)束呈 現(xiàn)時(shí)間為當(dāng)前時(shí)間，則該人臉的呈現(xiàn)時(shí)間為開始呈現(xiàn)時(shí)間減去結(jié)束呈 現(xiàn)時(shí)間。
以上對本發(fā)明的具體描述旨在說明具體實(shí)施方案的實(shí)現(xiàn)方式，不 能理解為是對本發(fā)明的限制。本領(lǐng)域普通技術(shù)人員在本發(fā)明的教導(dǎo)下， 可以在詳述的實(shí)施方案的基礎(chǔ)上做出各種變體，這些變體均應(yīng)包含在 本發(fā)明的構(gòu)思之內(nèi)。本發(fā)明所要求保護(hù)的范圍僅由所述的權(quán)利要求書 進(jìn)行限定。
權(quán)利要求
1.一種自動(dòng)門鈴裝置，包括圖像采集模塊，用于采集視頻圖像；圖像分析模塊，采用圖像分析算法分析圖像中的人臉信息；判定驅(qū)動(dòng)模塊，接收圖像分析模塊的人臉信息，根據(jù)該信息判定是否需要產(chǎn)生驅(qū)動(dòng)信號；提醒模塊，在驅(qū)動(dòng)信號的驅(qū)動(dòng)下發(fā)出提醒信息。
2. 權(quán)利要求1的自動(dòng)門鈴裝置，其中所述人臉信息包括人臉呈現(xiàn) 的時(shí)間，所述圖像分析模塊分析出人臉呈現(xiàn)的時(shí)間，判定驅(qū)動(dòng)模塊根 據(jù)該人臉呈現(xiàn)時(shí)間判斷是否需要產(chǎn)生驅(qū)動(dòng)信號。
3. 權(quán)利要求2的自動(dòng)門鈴裝置，其中所述圖像分析模塊包括人臉 檢測單元和人臉跟蹤單元，所述人臉檢測單元用于檢測視頻圖像中的 人臉信息，所述人臉跟蹤單元用于對人臉檢測單元確認(rèn)的人臉進(jìn)行跟 蹤，并得出人臉呈現(xiàn)的時(shí)間。
4. 權(quán)利要求3的自動(dòng)門鈴裝置，其中所述人臉檢測單元釆用層次 型AdaBoos t算法訓(xùn)練選取Haar-1 ike微結(jié)構(gòu)特征組成分類器來進(jìn)行人 臉檢測。
5. 權(quán)利要求3的自動(dòng)門鈴裝置，其中所述人臉跟蹤單元對檢測出 的多個(gè)人臉中的其中一個(gè)進(jìn)行跟蹤，得出該人臉呈現(xiàn)的時(shí)間。
6. 權(quán)利要求5的自動(dòng)門鈴裝置，其中所述多個(gè)人臉中的其中一個(gè) 為多個(gè)人臉中最大的一個(gè)。
7. 權(quán)利要求3的自動(dòng)門鈴裝置，其中所述人臉跟蹤單元對檢測出 的多個(gè)人臉都進(jìn)行跟蹤，將各自呈現(xiàn)時(shí)間中呈現(xiàn)最久的作為人臉的呈 現(xiàn)時(shí)間。
8. —種實(shí)現(xiàn)自動(dòng)門鈴的方法，該方法包括 采集圖像；采用圖像分析算法分析圖像中的人臉信息； 根據(jù)所述人臉信息判定是否需要產(chǎn)生驅(qū)動(dòng)信號； 在驅(qū)動(dòng)信號的驅(qū)動(dòng)下發(fā)出提醒信息。
9. 權(quán)利要求8的方法，其中所述人臉信息包括人臉呈現(xiàn)的時(shí)間，定是否需要產(chǎn)生驅(qū)動(dòng)信號,
10. 權(quán)利要求9的方法，其中所述分析人臉信息的步驟包括檢測 視頻圖像中的人臉信息，以及對確認(rèn)的人臉進(jìn)行跟蹤，并得出人臉呈 現(xiàn)的時(shí)間。
11. 權(quán)利要求10的方法，其中所述檢測人臉信息的步驟包括采用 層次型AdaBoost算法訓(xùn)練選取Haar-like微結(jié)構(gòu)特征組成分類器來進(jìn) 行人臉檢測o
12. 權(quán)利要求10的方法，其中所述對確認(rèn)的人臉進(jìn)行跟蹤的步驟 包括對檢測出的多個(gè)人臉中的其中一個(gè)進(jìn)行跟蹤。
13. 權(quán)利要求12的方法，其中所述對多個(gè)人臉中的其中一個(gè)進(jìn)行 跟蹤的步驟包括對其中最大的一個(gè)人臉進(jìn)行跟蹤。
14. 權(quán)利要求10的方法，其中所述對確認(rèn)的人臉進(jìn)行跟蹤的步驟 包括對檢測出的多個(gè)人臉都進(jìn)行跟蹤，將各人臉的呈現(xiàn)時(shí)間中呈現(xiàn)最 久的時(shí)間作為人臉呈現(xiàn)時(shí)間。
全文摘要
本發(fā)明涉及一種自動(dòng)門鈴裝置，包括圖像采集模塊，用以采集圖像；圖像分析模塊，用圖像分析算法對圖像進(jìn)行分析，得出人臉信息；判定驅(qū)動(dòng)模塊，根據(jù)該人臉信息判斷是否需要產(chǎn)生驅(qū)動(dòng)信號；提醒模塊，用以在驅(qū)動(dòng)信號的驅(qū)動(dòng)下發(fā)出提醒信息。本發(fā)明還提供了實(shí)現(xiàn)上述自動(dòng)門鈴裝置的方法。根據(jù)本發(fā)明的裝置及其方法可以極大減小門鈴的誤報(bào)率，還可作為一種有效的報(bào)警裝置。
文檔編號G08B3/00GK101183477SQ200710179028
公開日2008年5月21日 申請日期2007年12月10日 優(yōu)先權(quán)日2007年12月10日
發(fā)明者鄧亞峰, 英 黃 申請人:北京中星微電子有限公司