基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉識別系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻檢測領(lǐng)域，尤其涉及一種基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉 識別系統(tǒng)。
【背景技術(shù)】
[0002] 隨著社會(huì)的發(fā)展和科技的進(jìn)步，尤其是近年來計(jì)算機(jī)軟硬件性能的提升和計(jì)算機(jī) 視覺、模式識別和人工智能等技術(shù)的發(fā)展，社會(huì)對身份識別技術(shù)需求與日倶增，人臉識別技 術(shù)已經(jīng)成為研究人員關(guān)注的又一研究方向。
[0003] 隨著近年來社會(huì)信息化和自動(dòng)化的發(fā)展，各種智能化的移動(dòng)終端相繼出現(xiàn)。智能 移動(dòng)終端的CPU計(jì)算速度、存儲(chǔ)能力和攝像頭采集高清圖像的能力等硬件水平也在一直上 升，基于智能移動(dòng)終端平臺上的人臉識別應(yīng)用不斷增加。
[0004] 然而，由于智能移動(dòng)終端具有移動(dòng)的特性，在利用智能移動(dòng)終端采集人臉視頻并 識別時(shí)，則由于智能移動(dòng)終端上的攝像頭會(huì)因發(fā)生抖動(dòng)而生成含人臉的抖動(dòng)視頻，抖動(dòng)的 視頻則會(huì)干擾智能移動(dòng)終端對人臉的正確識別。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是針對上述現(xiàn)有技術(shù)提供一種既能夠?qū)θ四樢曨l進(jìn) 行準(zhǔn)確識別，又能夠避免視頻抖動(dòng)干擾正常識別的基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉 識別系統(tǒng)。
[0006] 本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：基于智能移動(dòng)終端視頻抖動(dòng)分析 的人臉識別系統(tǒng)，其特征在于，包括視頻采集模塊、存儲(chǔ)模塊、視頻提取模塊、視頻預(yù)處理模 塊、視頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊、視頻運(yùn)動(dòng)目標(biāo)提取模塊、人臉特征目標(biāo)提取模塊、匹配模塊和 識別結(jié)果顯示模塊；所述存儲(chǔ)模塊分別連接視頻采集模塊和視頻提取模塊，所述視頻預(yù)處 理模塊分別連接視頻提取模塊和視頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊，所述視頻運(yùn)動(dòng)目標(biāo)提取模塊分別 連接視頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊和人臉特征目標(biāo)提取模塊，所述匹配模塊分別連接人臉特征目 標(biāo)提取模塊和識別結(jié)果顯示模塊；其中，
[0007] 所述視頻采集模塊，用以采集智能移動(dòng)終端外的含有人臉的視頻，并對采集的外 部視頻自動(dòng)編號，存儲(chǔ)至存儲(chǔ)模塊中；
[0008] 所述存儲(chǔ)模塊，一方面保存視頻采集模塊采集的編號外部視頻，一方面保存系統(tǒng) 預(yù)先已登記存儲(chǔ)的人臉面部圖像或人臉視頻；
[0009] 所述視頻提取模塊，用于提取存儲(chǔ)模塊中編號的視頻，并發(fā)送給視頻預(yù)處理模 塊；
[0010] 所述視頻預(yù)處理模塊，用以濾除編號視頻中的噪聲，將濾噪后的視頻分割成預(yù)設(shè) 數(shù)目的幀圖像，并將濾噪后的各幀圖像發(fā)送給視頻運(yùn)動(dòng)目標(biāo)提取模塊，其中，視頻預(yù)處理模 塊對視頻的預(yù)處理的方法過程依次包括如下步驟：
[0011] (1)利用高斯濾波對編號視頻中的噪聲濾除，將濾噪后的視頻按照預(yù)設(shè)數(shù)目分割 成若干獨(dú)立編號的原始幀圖像St (i，j)，并由已分割數(shù)目的各原始幀圖像St (i，j)構(gòu)成原始 圖像s(i，j);其中，te[Ι，τ]，τ表示視頻被分割的幀圖像數(shù)目；
[0012] (2)對原始圖像S(i，j)中的各原始幀圖像St(i，j)以預(yù)設(shè)倍數(shù)放大其像素值，并 對放大后的各原始幀圖像St(i，j)做灰度化處理，得到對應(yīng)的灰度幀圖像Yt(i，j)，其中，原 始圖像s(i，j)對應(yīng)的灰度圖像為Y(i，j);
[0013] Y(i,j) = 0. 257Xr(i,j)+0. 504Xg(i,j)+0. 239Xb(i,j)；
[0014] 其中，r(i，j)、g(i，j)、b(i，j)分別對應(yīng)原始幀圖像St(i，j)的顏色空間三維坐標(biāo) 中的紅、綠、藍(lán)顏色分量，Yt(i，j)是該像素點(diǎn)對應(yīng)的灰度值；
[0015] (3)對灰度圖像Y(i，j)中的各灰度幀圖像Yt(i，j)進(jìn)行預(yù)處理，得到對應(yīng)的預(yù)處 理幀圖像It(i，j)和預(yù)處理圖像I(i，j)，并采用高斯濾波分別對各預(yù)處理幀圖像It(i，j)進(jìn) 行處理；其中，高斯函數(shù)為均值是零的二維高斯函數(shù)g(i，j)，其中，
[0016]
[0017] 所述視頻運(yùn)動(dòng)目標(biāo)提取模塊，用于提取預(yù)處理圖像中的運(yùn)動(dòng)目標(biāo)，其中，運(yùn)動(dòng)目標(biāo) 的提取方法過程依次包括如下步驟：
[0018] (a)建立背景像素模型M(i,j)，M(i,j) = {v^v2,…，vN};其中，vk(i,j)表示圖像 (i，j)位置上的像素值，k是背景像素樣本中的序號，M(i，j)表示背景圖像（i，j)位置上的 N個(gè)樣本觀察值；
[0019] (b)根據(jù)背景像素模型M(i，j)進(jìn)行分類，建立以v(i，j)為中心，以R為半徑的球 SR(v(i，j))，進(jìn)行比較并分類；其中，比較分類過程如下：當(dāng)處在球SR(v(i，j))以內(nèi)的樣本 觀察值的數(shù)量K不小于基數(shù)K_，即K彡K_時(shí)，則判定當(dāng)前像素v(i，j)為背景點(diǎn)；其中，K 表示為K= {SR(V(i，j))Π{￥"￥2，...^}};
[0020] (c)對背景像素模型M(i，j)進(jìn)行初始化，在第一幀圖像中隨機(jī)選擇相鄰像素值與 目標(biāo)像素的樣本進(jìn)行混合，Mi(i，j) = {力(7|7^乂(1，」)）}，每一個(gè)相鄰位置7上的像素通 過同樣的方式被隨機(jī)的選取，Mi(i，j)表示第一幀圖像序號的背景模型，Nji，」）表示與像 素位置（i，j)相鄰的像素；
[0021] (d)更新背景像素模型M(i，j)，并采用保守更新策略，配合著向被前景區(qū)域遮擋 的像素注入空間相鄰像素信息實(shí)現(xiàn)更新，使用v(i，j)更新背景模型M(i，j)，隨機(jī)的選擇樣 本數(shù)量為6中的一個(gè)像素值進(jìn)行更新；每次對背景模型進(jìn)行更新時(shí)，以隨機(jī)的更新判定為 背景的像素位置上的模型，依然保留在模型中的概率P(t，t+dt)為：
[0022] _ =eW"N為樣本數(shù)量；
[0023] 所述視頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊，用以對接收到的提取結(jié)果進(jìn)行補(bǔ)償，其中，運(yùn)動(dòng)補(bǔ)償 的方法過程依次包括如下步驟：
[0024]步驟1，根據(jù)背景模型M、當(dāng)前幀圖像I以及鄰域窗口內(nèi)的像素對比計(jì)算結(jié)果，得到 偏移量ε⑷；其中，偏移量ε⑷計(jì)算公式如下：
[0025]
[0026] 其中，wx、wy是與鄰域窗口相關(guān)的參數(shù)，窗口的尺寸表示為2(wx+l)X2(wy+1)， (ux，uy)為背景圖像中的特征角點(diǎn)，Μ表示背景模型，I表示當(dāng)前幀圖像，d= [dxdy]T;
[0027] 步驟2,考察當(dāng)前幀圖像I中特征角點(diǎn)（ux，uy)周圍的像素點(diǎn)，計(jì)算得到具有最小偏 移量ε(d)的像素點(diǎn)（uxl，uyl)，并把該像素點(diǎn)（uxl，uyl)當(dāng)作對應(yīng)背景點(diǎn)（ux，uy)的像素點(diǎn)， 得到像素（ux，uy)在當(dāng)前幀圖像I中的偏移量d，其中，偏移量d計(jì)算如下：
[0028]d= (uxl-ux,uyl-uy)；
[0029] 步驟3，計(jì)算多個(gè)背景圖像上特征角點(diǎn)的位移均值Si以及位移中值S2，并以所得位 移均值和位移中值的平均值作為整個(gè)背景圖像的偏移量S;其中，位移均值Si、位移中值S2 和偏移量S的計(jì)算公式如下：
[0030]
N 為樣本數(shù)量；
[0031] 步驟4,利用偏移量S修正背景模型，并提取運(yùn)動(dòng)目標(biāo)F，其中，運(yùn)動(dòng)目標(biāo)F提取公 式如下：
[0032]F{SR(v(i,j))ΠM(i+dx,j+dy)}；
[0033] 所述匹配模塊，將將視頻運(yùn)動(dòng)目標(biāo)提取模塊提取的且經(jīng)運(yùn)動(dòng)補(bǔ)償?shù)倪\(yùn)動(dòng)目標(biāo)結(jié)果 與存儲(chǔ)模塊中的原有人臉圖像進(jìn)行匹配，得到匹配識別后的結(jié)果；所述識別結(jié)果顯示模塊， 顯示人臉識別結(jié)果。
[0034]與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：含有人臉的視頻經(jīng)視頻預(yù)處理模塊濾除噪 聲后，將濾噪后的視頻分割成預(yù)設(shè)數(shù)目的幀圖像，并按照預(yù)處理方法對這些幀圖像預(yù)處理； 經(jīng)預(yù)處理后的圖像發(fā)送給視頻運(yùn)動(dòng)目標(biāo)提取模塊來提取預(yù)處理圖像中的運(yùn)動(dòng)目標(biāo)，并由視 頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊對接