基于顏色差分的卡口圖片人臉檢測方法
【專利摘要】本發(fā)明公開了一種基于顏色差分的卡口圖片人臉檢測方法，屬于智能交通管理和卡口監(jiān)控【技術(shù)領(lǐng)域】。本方法是：a、從卡口監(jiān)控系統(tǒng)中獲取圖片數(shù)據(jù)；b、對圖片進行車窗檢測，獲得車窗的矩形區(qū)域；c、對車窗內(nèi)的圖片數(shù)據(jù)進行顏色差分變換；d、利用八鄰域搜索算法，對膚色的二值化圖片數(shù)據(jù)進行搜索并清除較小和細微的區(qū)域；e、對車窗內(nèi)的圖片數(shù)據(jù)，進行人臉檢測；f、輸出人臉檢測結(jié)果。本發(fā)明相對傳統(tǒng)的檢測方法，具有下列優(yōu)點和積極效果：①縮短了人臉檢測時間；②提升了人臉檢測的準確率；③對光照不均或者復雜環(huán)境下的人臉檢測具有實時性和穩(wěn)定性。
【專利說明】基于顏色差分的卡口圖片人臉檢測方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通管理和卡口監(jiān)控【技術(shù)領(lǐng)域】，具體涉及一種基于顏色差分的卡口圖片人臉檢測方法。

【背景技術(shù)】
[0002]隨著我國國民經(jīng)濟的快速發(fā)展，城市道路建設(shè)和機動車所有量都在迅速增長，隨之也給政府交管部門管理工作帶來了巨大的壓力。面對近年來層出不窮的道路刑事、治安案件的增長，以及肇事逃逸、盜搶車輛和機動車違章行駛等問題，交管部門迫切需要將最新的智能化管理系統(tǒng)應用到現(xiàn)代化的城市交通管理上來，而治安卡口監(jiān)控系統(tǒng)有效緩解了城市交通堵塞和違章駕駛等問題，大大提高公安部門的實戰(zhàn)和管理能力，已成為現(xiàn)代城市管理必不可少的一個重要手段。
[0003]目前在智能卡口監(jiān)控系統(tǒng)中，車輛監(jiān)控應用已經(jīng)較為成熟，而人臉檢測功能效果并不理想，因此急需提高智能卡口監(jiān)控系統(tǒng)的可用度。
[0004]目前人臉檢測的主流方法包括基于膚色模型的人臉檢測方法和基于Haar-1ike特征的Adaboost人臉檢測算法；
基于膚色模型的人臉檢測方法，需將RGB色彩空間轉(zhuǎn)換成YUV色彩空間中，且在該色度空間中能夠準確用給定的模型描述膚色區(qū)域的分布，其受外界條件影響變化較大；
基于Haar-1ike特征的Adaboost人臉檢測算法，與以往的人臉檢測算法相比，AdaBoost算法具有較高檢測精度及快速性，但從其算法原理而言，存在較多的冗余計算，具備進一步提升實時性能的潛質(zhì)。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的就在于克服現(xiàn)有技術(shù)存在的缺點和不足，提供一種基于顏色差分的卡口圖片人臉檢測方法。
[0006]本發(fā)明的目的是這樣實現(xiàn)的:
本發(fā)明針對智能卡口監(jiān)控系統(tǒng)，設(shè)計了新的處理流程，有效提升人臉檢測的效率。本發(fā)明首先對卡口圖片進行車窗檢測，從而大大縮小了人臉檢測區(qū)域；利用顏色差分法去除背景的影響，獲得膚色的二值化圖片數(shù)據(jù)；利用AdaBoost算法，并結(jié)合膚色的二值化圖片數(shù)據(jù)，快速排除非人臉區(qū)域，縮短人臉檢測時間，具有實時性的特點。對于復雜交通環(huán)境下的人臉檢測，本發(fā)明具有適應性和穩(wěn)定性。
[0007]—、一種基于顏色差分的卡口圖片人臉檢測裝置(工作平臺)
1、智能網(wǎng)絡(luò)攝像機(有DSP圖像傳感器)；
2、網(wǎng)絡(luò)攝像機(無DSP圖像傳感器)+工業(yè)控制機。
[0008]二、一種基于顏色差分的卡口圖片人臉檢測方法(簡稱方法)
a、從卡口監(jiān)控系統(tǒng)中獲取圖片數(shù)據(jù)；
b、對圖片進行車窗檢測，獲得車窗的矩形區(qū)域； C、對車窗內(nèi)的圖片數(shù)據(jù)進行顏色差分變換，獲得膚色的二值化圖片數(shù)據(jù)；
d、利用八鄰域搜索算法，對膚色的二值化圖片數(shù)據(jù)進行搜索并清除較小和細微的區(qū)域；
e、對車窗內(nèi)的圖片數(shù)據(jù)，利用Adaboost算法，并加入膚色的二值化圖片數(shù)據(jù)，進行人臉檢測。
[0009]f、輸出人臉檢測結(jié)果。
[0010]本發(fā)明相對傳統(tǒng)的檢測方法，具有下列優(yōu)點和積極效果:
1:縮短了人臉檢測時間；
S提升了人臉檢測的準確率；
言對光照不均或者復雜環(huán)境下的人臉檢測具有實時性和穩(wěn)定性。

【專利附圖】

【附圖說明】
[0011]圖1是智能網(wǎng)絡(luò)攝像機的結(jié)構(gòu)方框圖；
圖2是網(wǎng)絡(luò)攝像機+工業(yè)控制機的結(jié)構(gòu)方框圖；
圖3是本方法的工作流程圖；
圖4是本方法步驟b的子工作流程圖；
圖5是本方法步驟e的子工作流程圖。

【具體實施方式】
[0012]下面結(jié)合附圖和實施例詳細說明:
一、人臉檢測裝置
1、智能網(wǎng)絡(luò)攝像機(有DSP圖像傳感器)
如圖1，智能網(wǎng)絡(luò)攝像機A包括依次連接的圖像序列采集單元、圖像視頻編碼存儲單元和圖像序列智能分析單元；
圖像序列采集單元由LENS光學鏡頭1、圖像傳感器2、信號采集轉(zhuǎn)換器3、FPGA可編程邏輯處理器5和HV信號驅(qū)動器4組成，LENS光學鏡頭1、圖像傳感器2、信號采集轉(zhuǎn)換器3、FPGA可編程邏輯處理器5、HV信號驅(qū)動器4和圖像傳感器2依次連接，實現(xiàn)圖像的采集功倉泛;
圖像視頻編碼存儲單元由依次連接的FPGA可編程邏輯處理器5、H264視頻編碼器6和中心處理器8組成，實現(xiàn)視頻監(jiān)控功能；
圖像序列智能分析單元由依次連接的FPGA可編程邏輯處理器5、SDRAM存儲器7、DSP圖像處理器9和中心處理器8組成，實現(xiàn)圖像的分析和處理功能。
[0013]所述的DSP圖像處理器9是主頻800Mhz的高性能DSP圖像處理器，選用TMS320DM64X、TMS320DM81X等系列的DSP處理器。DSP圖像處理器9實現(xiàn)本發(fā)明提出的基于顏色差分的卡口圖片人臉檢測方法，并將人臉檢測結(jié)果輸出給中心處理器8。
[0014]在運動車輛行駛過程中，圖像視頻編碼存儲單元對視頻進行監(jiān)控，當進入智能卡口監(jiān)控系統(tǒng)預先設(shè)置的抓拍位置，自動觸發(fā)圖像采集單元抓拍車輛通行圖片，通過圖像序列智能分析單元對抓拍到的圖片進行人臉檢測分析，然后將機動車前排駕乘人員的人臉信息記錄傳給中心處理器8進行相應處理；
2、網(wǎng)絡(luò)攝像機(無DSP圖像傳感器)+工業(yè)控制機
如圖2，網(wǎng)絡(luò)攝像機+工業(yè)控制機包括依次連接的圖像序列采集單元、圖像視頻編碼存儲單元和圖像序列智能分析單元。
[0015]圖像序列采集單元由LENS光學鏡頭1、圖像傳感器2、信號采集轉(zhuǎn)換器3、FPGA可編程邏輯處理器5和HV信號驅(qū)動器4組成，LENS光學鏡頭1、圖像傳感器2、信號采集轉(zhuǎn)換器3、FPGA可編程邏輯處理器5、HV信號驅(qū)動器4和圖像傳感器2依次連接，連接圖像的采集功能；
圖像視頻編碼存儲單元由依次連接的FPGA可編程邏輯處理器5、H264視頻編碼器6和中心處理器8組成，實現(xiàn)視頻監(jiān)控功能；
圖像序列智能分析單元由依次連接的FPGA可編程邏輯處理器5、SDRAM存儲器7、中心處理器8和工業(yè)控制機C組成，實現(xiàn)圖像的分析和處理功能。
[0016]所述的工業(yè)控制機C為高性能的工業(yè)級控制計算機，其主頻高達3.0GHz,內(nèi)存為2G。在工業(yè)控制機C中通過圖片序列的分析處理技術(shù)，實現(xiàn)運動車輛檢測、定位、跟蹤和捕獲功能。
[0017]網(wǎng)絡(luò)攝像機+工業(yè)控制機的攝像裝置，與智能網(wǎng)絡(luò)攝像機的主要區(qū)別在于，本方案的圖片序列處理方法在工業(yè)控制機上實現(xiàn)，而不是在DSP圖像處理器上實現(xiàn)。其他功能與智能網(wǎng)絡(luò)攝像機上的實現(xiàn)相同。
[0018]二、人臉檢測方法(簡稱方法)
如圖3，本方法實現(xiàn)過程如下:
a、從卡口監(jiān)控系統(tǒng)中獲取圖片數(shù)據(jù)-301；
b、對圖片進行車窗檢測，獲得車窗的矩形區(qū)域-302，分別進入步驟c和步驟e；
這一步驟的前提是在DSP圖像處理器9首先對車牌進行檢測，獲得車牌的基本信息，包括車牌顏色、車牌大小和車牌矩形區(qū)域等信息；
如圖4，具體子步驟如下:
bl、車牌定位，獲得車牌矩形區(qū)域-401
對圖片進行車牌檢測，得到車牌的基本信息，包括車牌顏色、車牌大小和車牌矩形區(qū)域等信息；
b2、車身定位，獲取機車位置-402
根據(jù)車牌與車身的幾何比例關(guān)系，從而確定機車在圖片中的矩形區(qū)域； b3、車窗定位，獲取車窗位置-403
根據(jù)獲得的機車圖片數(shù)據(jù)，對該圖片進行Sobel邊緣檢測，通過閾值分割把灰度圖片轉(zhuǎn)換為二值圖片，并計算二值圖像在水平方向和垂直方向上的投影，根據(jù)峰值的位置，確定車窗邊緣的寬度和高度，獲得車窗在圖片中的矩形區(qū)域。
[0019]C、對車窗內(nèi)的圖片數(shù)據(jù)進行顏色差分變換，獲得膚色的二值化圖片數(shù)據(jù)-303 ；
Cl、讀取車窗內(nèi)的圖像數(shù)據(jù)，獲得RGB顏色信息；
c2、計算顏色差分(R-B),如果(R-B) >0,則該像素點為膚色像素點，設(shè)置為I，否則，該像素點為非膚色像素點，設(shè)置為0，獲得膚色的二值化圖片數(shù)據(jù)。
[0020]d、利用八鄰域搜索算法，對膚色的二值化圖片數(shù)據(jù)進行搜索并清除較小和細微的區(qū)域-304，以清除顏色差分時產(chǎn)生孤立點；
e、對車窗內(nèi)的圖片數(shù)據(jù)，利用Adaboost算法，并加入膚色的二值化圖片數(shù)據(jù)，進行人臉檢測-305 ；
在卡口監(jiān)控系統(tǒng)中，由于拍攝角度或者汽車內(nèi)擋光板的原因，采集的卡口圖片中車窗內(nèi)的人眼無法清晰的顯示。眼睛作為人臉的特征，將導致人臉的漏檢，因此在訓練haar特征的級聯(lián)分類器時，采集的人臉樣本為眼睛以下的人臉部分，包括鼻子、嘴巴和下巴。在用該級聯(lián)分類器進行人臉檢測時，檢測到的人臉只包含眼睛以下的人臉，對于該人臉區(qū)域，起始像素點一定是膚色像素點。因此，利用Adaboost級聯(lián)分類器進行人臉檢測之前，通過判斷候選區(qū)域內(nèi)起始像素點是否為膚色像素點，可以快速排除非人臉區(qū)域。
[0021]如圖5，具體子步驟如下:
el、對車窗內(nèi)的圖片數(shù)據(jù)進行灰度變換和直方圖均衡化等預處理-501 ； e2、對圖片進行縮放處理，并設(shè)置檢測窗口尺寸-502 ；
e3、判斷灰度圖片尺寸是否大于檢測窗口尺寸-503，是則進入下一步驟，否則跳轉(zhuǎn)到步驟 el0-510 ；
e4、對灰度圖片數(shù)據(jù)求灰度積分圖-504 ；
e5、移動檢測窗口，并判斷檢測窗口是否對圖像掃描完畢-505，是則跳轉(zhuǎn)到步驟e2，否則進入下一步驟；
e6、根據(jù)步驟d獲得的膚色二值化圖像數(shù)據(jù)，判斷掃描過程中取得的像素點，在膚色二值化圖像中的相應位置值是否為1-506，是則進入下一驟步，否則跳轉(zhuǎn)到步驟e5 ；e7、獲得以該像素點為起始位置的待檢測子圖像-507 ；
e8、將待檢測子窗口作為分類器的輸入，判斷是否通過了所有分類器-508，是則進入下一步驟，否則跳轉(zhuǎn)到步驟e5 ；
e9、確定為人臉并保存在待選人臉列表-509 ；
elO、進行人臉區(qū)域篩選，即在按設(shè)定值大小將人臉區(qū)域分類-510 ；
ell、確定為人臉區(qū)域-511。
[0022]f、輸出人臉檢測結(jié)果-306。
【權(quán)利要求】
1.一種基于顏色差分的卡口圖片人臉檢測方法，其特征在于: a、從卡口監(jiān)控系統(tǒng)中獲取圖片數(shù)據(jù)(301)； b、對圖片進行車窗檢測，獲得車窗的矩形區(qū)域(302)，分別進入步驟c和步驟e; C、對車窗內(nèi)的圖片數(shù)據(jù)進行顏色差分變換，獲得膚色的二值化圖片數(shù)據(jù)(303); d、利用八鄰域搜索算法，對膚色的二值化圖片數(shù)據(jù)進行搜索并清除較小和細微的區(qū)域(304)，以清除顏色差分時產(chǎn)生孤立點； e、對車窗內(nèi)的圖片數(shù)據(jù)，利用Adaboost算法，并加入膚色的二值化圖片數(shù)據(jù)，進行人臉檢測(305)； f、輸出人臉檢測結(jié)果(306)。
2.按權(quán)利要求1所述的一種基于顏色差分的卡口圖片人臉檢測方法，其特征在于所述的步驟b的子步驟: b 1、車牌定位，獲得車牌矩形區(qū)域(401) 對圖片進行車牌檢測，得到車牌的基本信息，包括車牌顏色、車牌大小和車牌矩形區(qū)域等信息； b2、車身定位，獲取機車位置(402) 根據(jù)車牌與車身的幾何比例關(guān)系，從而確定機車在圖片中的矩形區(qū)域； b3、車窗定位，獲取車窗位置(403) 根據(jù)獲得的機車圖片數(shù)據(jù)，對該圖片進行Sobel邊緣檢測，通過閾值分割把灰度圖片轉(zhuǎn)換為二值圖片，并計算二值圖像在水平方向和垂直方向上的投影，根據(jù)峰值的位置，確定車窗邊緣的寬度和高度，獲得車窗在圖片中的矩形區(qū)域。
3.按權(quán)利要求1所述的一種基于顏色差分的卡口圖片人臉檢測方法，其特征在于所述的步驟c的子步驟: Cl、讀取車窗內(nèi)的圖像數(shù)據(jù)，獲得RGB顏色信息； c2、計算顏色差分(R-B),如果(R-B) >0,則該像素點為膚色像素點，設(shè)置為1，否則，該像素點為非膚色像素點，設(shè)置為0，獲得膚色的二值化圖片數(shù)據(jù)。
4.按權(quán)利要求1所述的一種基于顏色差分的卡口圖片人臉檢測方法，其特征在于所述的步驟e的子步驟: el、對車窗內(nèi)的圖片數(shù)據(jù)進行灰度變換和直方圖均衡化等預處理(501)； e2、對圖片進行縮放處理，并設(shè)置檢測窗口尺寸(502); e3、判斷灰度圖片尺寸是否大于檢測窗口尺寸(503)，是則進入下一步驟，否則跳轉(zhuǎn)到步驟 elO (510)； e4、對灰度圖片數(shù)據(jù)求灰度積分圖(504)； e5、移動檢測窗口，并判斷檢測窗口是否對圖像掃描完畢(505)，是則跳轉(zhuǎn)到步驟e2(502)，否則進入下一步驟； e6、根據(jù)步驟d獲得的膚色二值化圖像數(shù)據(jù)，判斷掃描過程中取得的像素點，在膚色二值化圖像中的相應位置值是否為I (506)，是則進入下一驟步，否則跳轉(zhuǎn)到步驟e5 (505)；e7、獲得以該像素點為起始位置的待檢測子圖像(507); e8、將待檢測子窗口作為分類器的輸入，判斷是否通過了所有分類器(508)，是則進入下一步驟，否則跳轉(zhuǎn)到步驟e5 (505)；e9、確定為人臉并保存在待選人臉列表(509)；elO、進行人臉區(qū)域篩選，即在按設(shè)定值大小將人臉區(qū)域分類(510);ell、確定為人 臉區(qū)域(511)。
【文檔編號】G06K9/00GK104077566SQ201410274186
【公開日】2014年10月1日 申請日期:2014年6月19日 優(yōu)先權(quán)日:2014年6月19日
【發(fā)明者】袁靜, 張仁輝, 陸輝 申請人:武漢烽火眾智數(shù)字技術(shù)有限責任公司