一種捕獲人臉圖像的方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種捕獲人臉圖像的方法，包括：獲取目標(biāo)人臉圖像；將獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷獲取的目標(biāo)人臉圖像是否為正面人臉圖像；若獲取的目標(biāo)人臉圖像為正面人臉圖像，則判斷人臉容器中保存的目標(biāo)人臉圖像是否為正面人臉圖像；若保存的目標(biāo)人臉圖像不是正面人臉圖像，則將保存的目標(biāo)人臉圖像替換為獲取的目標(biāo)人臉圖像。本發(fā)明方法方法能夠根據(jù)獲取到的目標(biāo)人臉圖像進(jìn)行正面人臉圖像檢測(cè)，將保存的非正面的目標(biāo)人臉圖像替換為檢測(cè)到的正面的目標(biāo)人臉圖像，以確保獲得正面的目標(biāo)人臉圖像，解決人臉捕獲系統(tǒng)不能夠自動(dòng)識(shí)別正面人臉圖像，難以確保捕獲得到的人臉圖像為正面人臉圖像的問(wèn)題。
【專利說(shuō)明】一種捕獲人臉圖像的方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種捕獲人臉圖像的方法及裝置。
【背景技術(shù)】
[0002]近年來(lái)，隨著“智慧城市”、“平安城市”等國(guó)家戰(zhàn)略項(xiàng)目的推進(jìn)，公安機(jī)關(guān)維護(hù)社會(huì) 治安與服務(wù)民生的能力的提高，充分采用當(dāng)今高清化、網(wǎng)絡(luò)化、智能化的監(jiān)控新技術(shù)建設(shè)各 類視頻監(jiān)控系統(tǒng)成為一種趨勢(shì)。人臉捕獲設(shè)備開始被大量應(yīng)用在城中村、智能小區(qū)、商業(yè)樓 宇、工礦企業(yè)等場(chǎng)所的出入口，對(duì)進(jìn)出人員的人臉進(jìn)行捕獲。
[0003]傳統(tǒng)的人臉捕獲系統(tǒng)在人臉碰監(jiān)控線或者離開監(jiān)控區(qū)域的時(shí)候才進(jìn)行捕獲，捕獲 到的人臉圖像數(shù)量少，經(jīng)常出現(xiàn)捕獲到的人臉圖像不是正面人臉圖像的情況。而且，傳統(tǒng)的 人臉捕獲系統(tǒng)沒(méi)有正面人臉圖像識(shí)別機(jī)制，不能夠自動(dòng)識(shí)別正面人臉圖像，難以滿足捕獲 正面人臉圖像的要求。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供一種捕獲人臉圖像的方法，該方法能夠根據(jù)獲取到的目標(biāo)人臉圖像進(jìn) 行正面人臉圖像檢測(cè)，將保存的非正面的目標(biāo)人臉圖像替換為檢測(cè)到的正面的目標(biāo)人臉圖 像，以確保獲得正面的目標(biāo)人臉圖像，解決人臉捕獲系統(tǒng)不能夠自動(dòng)識(shí)別正面人臉圖像，難 以確保捕獲得到的人臉圖像為正面人臉圖像的問(wèn)題。
[0005]本發(fā)明第一方面提供一種捕獲人臉圖像的方法，包括:
[0006]獲取目標(biāo)人臉圖像；
[0007]將所述獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖像是 否為正面人臉圖像；
[0008]若所述獲取的目標(biāo)人臉圖像為正面人臉圖像，則判斷人臉容器中保存的目標(biāo)人臉 圖像是否為正面人臉圖像；
[0009]若所述保存的目標(biāo)人臉圖像不是正面人臉圖像，則將所述保存的目標(biāo)人臉圖像替 換為所述獲取的目標(biāo)人臉圖像。
[0010]結(jié)合本發(fā)明第一方面，在第一方面的第一種可能實(shí)現(xiàn)的方式中，在所述獲取目標(biāo) 人臉圖像之后，所述方法還包括:
[0011]將所述獲取的目標(biāo)人臉圖像進(jìn)行清晰度檢測(cè)，獲得所述獲取的目標(biāo)人臉圖像的清 晰度；
[0012]在所述判斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像之后，若所述獲取的目 標(biāo)人臉圖像為正面人臉圖像，則將所述獲取的目標(biāo)人臉圖像的清晰度與所述保存的目標(biāo)人 臉圖像的清晰度進(jìn)行比較；
[0013]當(dāng)比較結(jié)果為所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像 的清晰度時(shí)，將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
[0014]結(jié)合本發(fā)明第一方面的第一種可能實(shí)現(xiàn)的方式，在第一方面的第二種可能實(shí)現(xiàn)方式中，在所述將獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖像是 否為正面人臉圖像之后，所述方法還包括:
[0015]若所述獲取的目標(biāo)人臉圖像不是正面人臉圖像，則判斷所述保存的目標(biāo)人臉圖像 是否為正面人臉圖像；
[0016]若所述保存的目標(biāo)人臉圖像不是正面人臉的圖像，則將所述獲取的目標(biāo)人臉圖像 的清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較；
[0017]若所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像的清晰度，則 將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
[0018]結(jié)合本發(fā)明第一方面、第一方面的第一種或第二種可能實(shí)現(xiàn)的方式，在第一方面 的第三種可能實(shí)現(xiàn)方式中，在所述獲取目標(biāo)人臉圖像之前，所述方法還包括:
[0019]采集監(jiān)控環(huán)境圖像；
[0020]從所述監(jiān)控環(huán)境圖像中檢測(cè)出人臉圖像；
[0021]根據(jù)檢測(cè)出的人臉圖像，更新跟蹤序列中的人臉圖像；
[0022]在更新所述跟蹤序列中的人臉圖像之后，對(duì)所述跟蹤序列中的目標(biāo)進(jìn)行基于金字 塔的LK跟蹤；
[0023]利用基于金字塔的LK跟蹤得到的目標(biāo)人臉圖像更新所述跟蹤序列中的人臉圖 像；
[0024]所述獲取目標(biāo)人臉圖像,包括:
[0025]在利用基于金字塔的LK跟蹤得到的目標(biāo)人臉圖像更新所述跟蹤序列中的人臉圖 像之后，從所述跟蹤序列中獲取目標(biāo)人臉圖像。
[0026]結(jié)合本發(fā)明第一方面的第三種可能實(shí)現(xiàn)的方式，在第一方面的第四種可能實(shí)現(xiàn)方 式中，所述從所述監(jiān)控環(huán)境圖像中檢測(cè)出人臉圖像，包括:
[0027]從所述監(jiān)控環(huán)境圖像中提取前景區(qū)域，將前景區(qū)域擴(kuò)大至預(yù)設(shè)的大??；
[0028]在擴(kuò)大后的前景區(qū)域中進(jìn)行基于haar特征的adaboost算法的人臉檢測(cè)，獲得人 臉區(qū)域；
[0029]對(duì)所述人臉區(qū)域進(jìn)行膚色匹配，將所述人臉區(qū)域中不能通過(guò)膚色匹配的區(qū)域刪 除；
[0030]對(duì)所述人臉區(qū)域進(jìn)行HOG驗(yàn)證，將所述人臉區(qū)域中不能通過(guò)HOG驗(yàn)證的區(qū)域刪 除；
[0031]在將所述人臉區(qū)域中不能通過(guò)膚色匹配的人臉圖像區(qū)域和不能通過(guò)HOG驗(yàn)證的 人臉圖像區(qū)域刪除之后，檢測(cè)得所述人臉區(qū)域的圖像。
[0032]結(jié)合本發(fā)明第一方面的第三種可能實(shí)現(xiàn)的方式，在第一方面的第五種可能實(shí)現(xiàn)方 式中，在所述對(duì)所述跟蹤序列中的目標(biāo)進(jìn)行基于金字塔的LK跟蹤之后，所述方法還包括:
[0033]在所述對(duì)所述跟蹤序列中的目標(biāo)進(jìn)行基于金字塔的LK跟蹤之后，確定所述跟蹤 序列中不能跟蹤到的目標(biāo)，將所述人臉容器中不能跟蹤到的目標(biāo)對(duì)應(yīng)的人臉圖像輸出；
[0034]或者，當(dāng)跟蹤列表中的目標(biāo)被刪除時(shí)，將所述人臉容器中被刪除的目標(biāo)對(duì)應(yīng)的人 臉圖像輸出。
[0035]結(jié)合本發(fā)明第一方面、第一方面的第一種或第二種可能實(shí)現(xiàn)的方式，在第一方面 的第六種可能實(shí)現(xiàn)方式中，所述將獲取的人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的人臉圖像是否為正面人臉圖像，包括:
[0036]將所述人臉圖像進(jìn)行眼睛檢測(cè)；
[0037]若檢測(cè)到眼睛，則判斷所述人臉圖像為正面人臉圖像。
[0038]結(jié)合本發(fā)明第一方面的第六種可能實(shí)現(xiàn)的方式，在第一方面的第七種可能實(shí)現(xiàn)方 式中，所述將所述人臉圖像進(jìn)行眼睛檢測(cè)之后，還包括:
[0039]若檢測(cè)不到眼睛，則將所述人臉圖像進(jìn)行鼻子檢測(cè)和嘴巴檢測(cè)；
[0040]若檢測(cè)到鼻子和嘴巴，則判斷所述人臉圖像為正面人臉圖像。
[0041]本發(fā)明第二方面提供一種捕獲人臉圖像的裝置，包括:
[0042]獲取單元，用于獲取目標(biāo)人臉圖像；
[0043]人臉檢測(cè)單元，用于將所述獲取單元獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判 斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像；
[0044]判斷單元，用于若所述人臉檢測(cè)單元判斷所述獲取的目標(biāo)人臉圖像為正面人臉圖 像，則判斷保存的目標(biāo)人臉圖像是否為正面人臉圖像；
[0045]替換單元，用于若所述判斷單元判斷所述保存的目標(biāo)人臉圖像不是正面人臉圖 像，則將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
[0046]結(jié)合本發(fā)明第二方面，在第二方面的第一種可能實(shí)現(xiàn)的方式中，所述裝置還包 括:
[0047]清晰度檢測(cè)單元，用于將所述獲取單元獲取的目標(biāo)人臉圖像進(jìn)行清晰度檢測(cè)，獲 得所述獲取的目標(biāo)人臉圖像的清晰度；
[0048]比較單元，用于在所述判斷單元判斷所述保存的目標(biāo)人臉圖像是正面人臉圖像， 將所述清晰度檢測(cè)單元獲得的目標(biāo)人臉圖像的清晰度與所述保存的目標(biāo)人臉圖像的清晰 度進(jìn)行比較；
[0049]替換單元還用于當(dāng)所述比較單元獲得的比較結(jié)果為所述獲取的目標(biāo)人臉圖像的 清晰度高于所述保存的目標(biāo)人臉圖像的清晰度時(shí)，將所述保存的目標(biāo)人臉圖像替換為所述 獲取的目標(biāo)人臉圖像。
[0050]本發(fā)明方法能夠識(shí)別正面的目標(biāo)人臉圖像，將人臉容器中非正面的目標(biāo)人臉圖像 替換為獲取到的正面的目標(biāo)人臉圖像，提高了捕獲正面的人臉圖像的幾率。
【專利附圖】

【附圖說(shuō)明】
[0051]為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附 圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域 普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附 圖。
[0052]圖1是本發(fā)明提供的一種捕獲人臉圖像的方法流程示意圖；
[0053]圖2是本發(fā)明提供的另一種捕獲人臉圖像的方法流程示意圖；
[0054]圖3是本發(fā)明提供的又一種捕獲人臉圖像的方法流程示意圖；
[0055]圖4是本發(fā)明實(shí)施例3中步驟308和309具體實(shí)施流程圖；
[0056]圖5是本發(fā)明提供的一種捕獲人臉圖像的裝置結(jié)構(gòu)示意圖；
[0057]圖6是本發(fā)明提供的另一種捕獲人臉圖像的裝置結(jié)構(gòu)示意圖；[0058]圖7是金字塔LK跟蹤的步驟示意圖。
【具體實(shí)施方式】
[0059]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，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?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)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。
[0060]如圖1所示，本發(fā)明實(shí)施例1提供一種捕獲人臉圖像的方法，可以應(yīng)用于監(jiān)控系 統(tǒng)，特別是需要進(jìn)行人臉捕獲的監(jiān)控系統(tǒng)，所述方法具體包括:
[0061]101、獲取目標(biāo)人臉圖像。
[0062]這里的目標(biāo)可以為進(jìn)入監(jiān)控范圍的人員。例如，監(jiān)控系統(tǒng)可以采集監(jiān)控范圍內(nèi)的 監(jiān)控環(huán)境圖像，通過(guò)人臉檢測(cè)技術(shù)，從監(jiān)控環(huán)境圖像中檢測(cè)出進(jìn)入監(jiān)控范圍的人員的人臉 圖像。當(dāng)然，監(jiān)控系統(tǒng)可以對(duì)在監(jiān)控范圍內(nèi)的人員進(jìn)行跟蹤，并多次采集人員的人臉圖像。
[0063]102、將所述獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖 像是否為正面人臉圖像。
[0064]103、若所述獲取的目標(biāo)人臉圖像為正面人臉圖像，則判斷人臉容器中保存的目標(biāo) 人臉圖像是否為正面人臉圖像。
[0065]104、若所述保存的目標(biāo)人臉圖像不是正面人臉圖像，則將所述保存的目標(biāo)人臉圖 像替換為所述獲取的目標(biāo)人臉圖像。
[0066]在本發(fā)明實(shí)施例中，步驟102是監(jiān)控系統(tǒng)對(duì)獲取的目標(biāo)人臉圖像進(jìn)行正面人臉識(shí) 別的步驟，當(dāng)獲取到的是正面的目標(biāo)人臉圖像時(shí)，而且當(dāng)人臉容器中的目標(biāo)人臉圖像不是 正面人臉圖像時(shí)，則將人臉容器中非正面的目標(biāo)人臉圖像替換為獲取的目標(biāo)人臉圖像，從 而確保獲得正面的目標(biāo)人臉圖像，解決人臉捕獲系統(tǒng)不能夠自動(dòng)識(shí)別正面人臉圖像，難以 確保捕獲得到的人臉圖像為正面人臉圖像的問(wèn)題，提高了捕獲正面的人臉圖像的幾率。
[0067]如圖2所示，本發(fā)明實(shí)施例2提供一種捕獲人臉圖像的方法，所述方法具體包括:
[0068]201、獲取目標(biāo)人臉圖像。
[0069]202、將所述獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖 像是否為正面人臉圖像。
[0070]203、若所述獲取的目標(biāo)人臉圖像為正面人臉圖像，則判斷人臉容器中保存的目標(biāo) 人臉圖像是否為正面人臉圖像。
[0071]204、若所述保存的目標(biāo)人臉圖像不是正面人臉圖像，則將所述保存的目標(biāo)人臉圖 像替換為所述獲取的目標(biāo)人臉圖像。
[0072]步驟201至204與實(shí)施例1中的步驟101至104相同,這里不再贅述。
[0073]在執(zhí)行步驟201之后，還可以執(zhí)行步驟205。
[0074]205、將所述獲取的目標(biāo)人臉圖像進(jìn)行清晰度檢測(cè)，獲得所述獲取的目標(biāo)人臉圖像 的清晰度。
[0075]在執(zhí)行完步驟203和205之后，執(zhí)行步驟206。
[0076]206、若所述保存的目標(biāo)人臉圖像是正面人臉圖像，將所述獲取的目標(biāo)人臉圖像的 清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較。[0077]在執(zhí)行步驟205和206之后，執(zhí)行步驟207。
[0078]207、當(dāng)比較結(jié)果為所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉 圖像的清晰度時(shí)，將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
[0079]在本實(shí)施例2中，當(dāng)獲取的目標(biāo)人臉圖像為正面人臉圖像時(shí)，而且當(dāng)獲取的目標(biāo) 人臉圖像的清晰度高于人臉容器中保存的目標(biāo)人臉圖像的清晰度時(shí)，將所述保存的目標(biāo)人 臉圖像替換為所述獲取的目標(biāo)人臉圖像，從而可以確保獲取到清晰度高的正面人臉圖像。
[0080]在本實(shí)施例2中，在所述將獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲 取的目標(biāo)人臉圖像是否為正面人臉圖像之后，所述方法還可以包括:
[0081]若所述獲取的目標(biāo)人臉圖像不是正面人臉圖像，則判斷所述保存的目標(biāo)人臉圖像 是否為正面人臉圖像；
[0082]若所述保存的目標(biāo)人臉圖像不是正面人臉的圖像，則將所述獲取的目標(biāo)人臉圖像 的清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較，
[0083]若所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像的清晰度，則 將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
[0084]即當(dāng)獲取的目標(biāo)人臉圖像和人臉容器中保存的目標(biāo)人臉圖像都不是正面人臉圖 像時(shí)，若獲取的目標(biāo)人臉圖像的清晰度高于保存的目標(biāo)人臉圖像的清晰度，則仍然可以將 保存的目標(biāo)人臉圖像替換為獲取的目標(biāo)人臉圖像，使得在沒(méi)有獲取到目標(biāo)的正面人臉圖像 時(shí)，至少可以獲得比較清晰的目標(biāo)人臉圖像。
[0085]此外，在本實(shí)施例2的步驟202中，將獲取的人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所 述獲取的人臉圖像是否為正面人臉圖像，具體可以包括:將所述人臉圖像進(jìn)行眼睛檢測(cè)； 若檢測(cè)到眼睛，則判斷所述人臉圖像為正面人臉圖像。若檢測(cè)不到眼睛，則將所述人臉圖像 進(jìn)行鼻子檢測(cè)和嘴巴檢測(cè)；若檢測(cè)到鼻子和嘴巴，則判斷所述人臉圖像為正面人臉圖像。
[0086]以下結(jié)合具體應(yīng)用場(chǎng)景，對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。
[0087]例如，將監(jiān)控系統(tǒng)的攝像頭安裝于建筑物出入口，攝像頭可以監(jiān)控從外部向出入 口方向行進(jìn)的人。如圖3所示，本發(fā)明實(shí)施例3提供一種捕獲人臉圖像的方法，包括:
[0088]301、采集監(jiān)控環(huán)境圖像。
[0089]監(jiān)控系統(tǒng)通過(guò)攝像頭采集到的圖像即為監(jiān)控環(huán)境圖像。
[0090]302、從所述監(jiān)控環(huán)境圖像中提取前景區(qū)域。
[0091]在步驟302中，可以使用背景減除建模方法從所述目標(biāo)的圖像中提取前景區(qū)域， 具體可以使用基于視覺(jué)背景抽取算法(Visual Background extractor, ViBe)的背景建模 方法。當(dāng)前景區(qū)域的面積大于設(shè)定的閾值時(shí)，執(zhí)行步驟203。
[0092]303、將前景區(qū)域擴(kuò)大至預(yù)設(shè)的大小。
[0093]例如，將前景區(qū)域分別向上或向下擴(kuò)大高度的25%，向左向右擴(kuò)大寬度的25%。
[0094]304、在擴(kuò)大后的前景區(qū)域中進(jìn)行基于哈爾haar特征的adaboost算法的人臉檢 測(cè)，獲得人臉區(qū)域。
[0095]提取前景區(qū)域的Haar特征,使用基于Adaboost算法訓(xùn)練得到的人臉Haar特征的 強(qiáng)分類器對(duì)前景區(qū)域進(jìn)行多尺度搜索，得到具有人臉特征的區(qū)域。判斷該人臉區(qū)域的大小 是否符合預(yù)設(shè)大小，若不符合預(yù)設(shè)大小，則將該人臉區(qū)域刪除，若符合預(yù)設(shè)大小，則保留該 人臉區(qū)域。簡(jiǎn)而言之，可以將檢測(cè)到的過(guò)大或過(guò)小的人臉都刪除，保留大小適中的人臉。[0096]Adaboost算法是一種分類器算法，其基本思想是利用大量的分類能力一般的簡(jiǎn)單分類器通過(guò)一定的方法疊加起來(lái)，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器，再將若干個(gè)強(qiáng)分類器串聯(lián)成為分級(jí)分類器完成圖像搜索檢測(cè)。串聯(lián)的級(jí)數(shù)依賴于系統(tǒng)對(duì)錯(cuò)誤率和識(shí)別速度的要求首先要生成強(qiáng)分類器。本發(fā)明中利用級(jí)聯(lián)的Adaboost算法對(duì)Haar特征和方向梯度直方圖(Histogram of Gradient, HOG)特征進(jìn)行訓(xùn)練，然后采用最小允許檢測(cè)率和最大允許誤檢率作為強(qiáng)分類器迭代停止依據(jù)，當(dāng)每一層的強(qiáng)分類器的和都達(dá)到訓(xùn)練前的設(shè)定值時(shí)， 該級(jí)訓(xùn)練即完成。下一層強(qiáng)分類器的訓(xùn)練負(fù)樣本將從該層中被錯(cuò)誤分類的負(fù)樣本中產(chǎn)生。 將Adaboost算法形成的強(qiáng)分類器進(jìn)行級(jí)聯(lián)，即得到一個(gè)良好的級(jí)聯(lián)強(qiáng)分類器。
[0097]模型訓(xùn)練過(guò)程如下:
[0098]1、使用攝像頭在各個(gè)時(shí)段和天氣條件下拍攝并儲(chǔ)存大量大廈出入口的人員進(jìn)出視頻。在這些視頻中，人工截取出人臉圖像，眼睛圖像，鼻子圖像以及嘴巴圖像作為正樣本， 人工截取出非人臉圖像，非眼睛圖像，非鼻子圖像和非嘴巴圖像作為負(fù)樣本。
[0099]2、使用Haar特征對(duì)每一幅人臉正、負(fù)樣本進(jìn)行表征,形成人臉Haar特征向量。
[0100]3、使用Haar特征對(duì)每一幅人的眼睛正、負(fù)樣本進(jìn)行表征,形成人的眼睛Haar特征向量。
[0101]4、使用Haar特征對(duì)每一幅人的鼻子正、負(fù)樣本進(jìn)行表征，形成人的鼻子Haar特征向量。
[0102]5、使用Haar特征對(duì)每一幅人的嘴巴正、負(fù)樣本進(jìn)行表征，形成人的嘴巴Haar特征向量。
[0103]6、使用HOG特征對(duì)每一幅人臉正、負(fù)樣本進(jìn)行表征，形成人臉HOG特征向量。
[0104]7、利用級(jí)聯(lián)的Adaboost算法分別對(duì)2、3、4、5和6提取的特征進(jìn)行訓(xùn)練，最后獲得人臉的Haar特征模型,人的眼睛的Haar特征模型,人的鼻子的Haar特征模型,人的嘴巴的 Haar特征模型和人臉的HOG特征模型，
[0105]305、對(duì)所述人臉區(qū)域進(jìn)行膚色匹配，將所述人臉區(qū)域中不能通過(guò)膚色匹配的區(qū)域刪除。
[0106]例如，在進(jìn)行膚色匹配過(guò)程中，可以應(yīng)用紅綠藍(lán)RGB顏色模型，計(jì)算膚色點(diǎn)。具體
計(jì)算公式如下:
[0107]
【權(quán)利要求】
1.一種捕獲人臉圖像的方法，其特征在于，包括:獲取目標(biāo)人臉圖像；將所述獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像；若所述獲取的目標(biāo)人臉圖像為正面人臉圖像，則判斷人臉容器中保存的目標(biāo)人臉圖像是否為正面人臉圖像；若所述保存的目標(biāo)人臉圖像不是正面人臉圖像，則將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
2.根據(jù)權(quán)利要求1所述的捕獲人臉圖像的方法，其特征在于，在所述獲取目標(biāo)人臉圖像之后，還包括:將所述獲取的目標(biāo)人臉圖像進(jìn)行清晰度檢測(cè)，獲得所述獲取的目標(biāo)人臉圖像的清晰度；在所述判斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像之后，若所述獲取的目標(biāo)人臉圖像為正面人臉圖像，則將所述獲取的目標(biāo)人臉圖像的清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較；當(dāng)比較結(jié)果為所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像的清晰度時(shí)，將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
3.根據(jù)權(quán)利要求2所述的捕獲目標(biāo)人臉圖像的方法，其特征在于，在所述將獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像之后， 還包括:若所述獲取的目標(biāo)人臉圖像不是正面人臉圖像，則判斷所述保存的目標(biāo)人臉圖像是否為正面人臉圖像；若所述保存的目標(biāo)人臉圖像不是正面人臉的圖像，則將所述獲取的目標(biāo)人臉圖像的清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較；若所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像的清晰度，則將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
4.根據(jù)權(quán)利要求1至3任意一項(xiàng)所述的捕獲人臉圖像的方法，其特征在于，在所述獲取目標(biāo)人臉圖像之前，還包括:采集監(jiān)控環(huán)境圖像；從所述監(jiān)控環(huán)境圖像中檢測(cè)出人臉圖像；根據(jù)檢測(cè)出的人臉圖像，更新跟蹤序列中的人臉圖像；在更新所述跟蹤序列中的人臉圖像之后，對(duì)所述跟蹤序列中的目標(biāo)進(jìn)行基于金字塔的 LK跟蹤；利用基于金字塔的LK跟蹤得到的目標(biāo)人臉圖像更新所述跟蹤序列中的人臉圖像；所述獲取目標(biāo)人臉圖像，包括:在利用基于金字塔的LK跟蹤得到的目標(biāo)人臉圖像更新所述跟蹤序列中的人臉圖像之后，從所述跟蹤序列中獲取目標(biāo)人臉圖像。
5.根據(jù)權(quán)利要求4所述的捕獲人臉圖像的方法，其特征在于，所述從所述監(jiān)控環(huán)境圖像中檢測(cè)出人臉圖像，包括:從所述監(jiān)控環(huán)境圖像中提取前景區(qū)域，將前景區(qū)域擴(kuò)大至預(yù)設(shè)的大??；在擴(kuò)大后的前景區(qū)域中進(jìn)行基于哈爾haar特征的adaboost算法的人臉檢測(cè)，獲得人臉區(qū)域；對(duì)所述人臉區(qū)域進(jìn)行膚色匹配，將所述人臉區(qū)域中不能通過(guò)膚色匹配的區(qū)域刪除；對(duì)所述人臉區(qū)域進(jìn)行方向梯度直方圖HOG驗(yàn)證，將所述人臉區(qū)域中不能通過(guò)HOG驗(yàn)證的區(qū)域刪除；在將所述人臉區(qū)域中不能通過(guò)膚色匹配的人臉圖像區(qū)域和不能通過(guò)HOG驗(yàn)證的人臉圖像區(qū)域刪除之后，檢測(cè)得所述人臉區(qū)域的圖像。
6.根據(jù)權(quán)利要求4所述的捕獲人臉圖像的方法，其特征在于，還包括:在所述對(duì)所述跟蹤序列中的目標(biāo)進(jìn)行基于金字塔的LK跟蹤之后，確定所述跟蹤序列中不能跟蹤到的目標(biāo)，將所述人臉容器中不能跟蹤到的目標(biāo)對(duì)應(yīng)的人臉圖像輸出；或者，當(dāng)跟蹤列表中的目標(biāo)被刪除時(shí)，將所述人臉容器中被刪除的目標(biāo)對(duì)應(yīng)的人臉圖像輸出。
7.根據(jù)權(quán)利要求1至3任意一項(xiàng)所述的捕獲人臉圖像的方法，其特征在于，所述將獲取的人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的人臉圖像是否為正面人臉圖像，包括:將所述人臉圖像進(jìn)行眼睛檢測(cè)；若檢測(cè)到眼睛，則判斷所述人臉圖像為正面人臉圖像。
8.根據(jù)權(quán)利要求7所述的捕獲人臉圖像的方法，其特征在于，所述將所述人臉圖像進(jìn)行眼睛檢測(cè)之后，還包括:若檢測(cè)不到眼睛，則將所述人臉圖像進(jìn)行鼻子檢測(cè)和嘴巴檢測(cè)；若檢測(cè)到鼻子和嘴巴，則判斷`所述人臉圖像為正面人臉圖像。
9.一種捕獲人臉圖像的裝置，其特征在于，包括:獲取單元，用于獲取目標(biāo)人臉圖像；人臉檢測(cè)單元，用于將所述獲取單元獲取的目標(biāo)人臉圖像進(jìn)行正面人臉檢測(cè)，判斷所述獲取的目標(biāo)人臉圖像是否為正面人臉圖像；判斷單元，用于若所述人臉檢測(cè)單元判斷所述獲取的目標(biāo)人臉圖像為正面人臉圖像， 則判斷保存的目標(biāo)人臉圖像是否為正面人臉圖像；替換單元，用于若所述判斷單元判斷所述保存的目標(biāo)人臉圖像不是正面人臉圖像，則將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
10.根據(jù)權(quán)利要求9所述的捕獲人臉圖像的裝置，其特征在于，還包括:清晰度檢測(cè)單元，用于將所述獲取單元獲取的目標(biāo)人臉圖像進(jìn)行清晰度檢測(cè)，獲得所述獲取的目標(biāo)人臉圖像的清晰度；比較單元，用于在所述判斷單元判斷所述保存的目標(biāo)人臉圖像是正面人臉圖像，將所述清晰度檢測(cè)單元獲得的目標(biāo)人臉圖像的清晰度與所述保存的目標(biāo)人臉圖像的清晰度進(jìn)行比較；替換單元還用于當(dāng)所述比較單元獲得的比較結(jié)果為所述獲取的目標(biāo)人臉圖像的清晰度高于所述保存的目標(biāo)人臉圖像的清晰度時(shí)，將所述保存的目標(biāo)人臉圖像替換為所述獲取的目標(biāo)人臉圖像。
【文檔編號(hào)】G06K9/00GK103605971SQ201310648993
【公開日】2014年2月26日 申請(qǐng)日期:2013年12月4日 優(yōu)先權(quán)日:2013年12月4日
【發(fā)明者】唐健, 關(guān)國(guó)雄, 李銳 申請(qǐng)人:深圳市捷順科技實(shí)業(yè)股份有限公司