[0067] 匹配模塊8,將視頻運(yùn)動(dòng)目標(biāo)提取模塊6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2中的原有人臉圖像進(jìn)行匹配，得到匹配識(shí)別后的結(jié)果；識(shí)別結(jié)果顯示模塊9,顯 示人臉識(shí)別結(jié)果。
[0068] 以下結(jié)合圖1，對(duì)本發(fā)明實(shí)施例中基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉識(shí)別系 統(tǒng)的工作情況作出說(shuō)明：
[0069]智能移動(dòng)終端的視頻采集模塊1采集到外部的含有人臉的視頻后，則將采集視頻 編號(hào)后存儲(chǔ)到存儲(chǔ)模塊2中，然后由視頻提取模塊3提取存儲(chǔ)模塊2中的視頻給視頻預(yù)處 理模塊4 ;
[0070] 視頻預(yù)處理模塊4利用高斯濾波濾除該編號(hào)視頻中的噪聲后，將濾噪后的視頻分 割成預(yù)設(shè)數(shù)目的幀圖像，并按照本發(fā)明實(shí)施例中指出的預(yù)處理方法對(duì)這些幀圖像做預(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6 ;
[0071] 視頻運(yùn)動(dòng)目標(biāo)提取模塊6則提取預(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5對(duì)接收到的提取結(jié)果進(jìn)行補(bǔ)償，以消除視頻抖動(dòng)對(duì)人臉識(shí)別的影響；
[0072] 匹配模塊8將視頻運(yùn)動(dòng)目標(biāo)提取模塊6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2中的原有人臉圖像進(jìn)行匹配，得到匹配識(shí)別后的結(jié)果，并由識(shí)別結(jié)果顯示模塊9顯 示人臉識(shí)別結(jié)果。
【主權(quán)項(xiàng)】
1.基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉識(shí)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(shí)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(shí)別結(jié)果顯示模塊；其中， 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(duì)采集的外部視 頻自動(dòng)編號(hào)，存儲(chǔ)至存儲(chǔ)模塊中； 所述存儲(chǔ)模塊，一方面保存視頻采集模塊采集的編號(hào)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； 所述視頻提取模塊，用于提取存儲(chǔ)模塊中編號(hào)的視頻，并發(fā)送給視頻預(yù)處理模塊； 所述視頻預(yù)處理模塊，用以濾除編號(hào)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(duì) 視頻的預(yù)處理的方法過(guò)程依次包括如下步驟： (1)利用高斯濾波對(duì)編號(hào)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(hào)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，t e [Ι，τ]，τ表示視頻被分割的幀圖像數(shù)目； ⑵對(duì)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(duì)放 大后的各原始幀圖像St(i，j)做灰度化處理，得到對(duì)應(yīng)的灰度幀圖像Yt(i，j)，其中，原始圖 像S(i，j)對(duì)應(yīng)的灰度圖像為Y(i，j); Y(i,j) = 0. 257Xr(i, j)+0. 504Xg(i, j)+0. 239Xb(i, j)； 其中，r(i，j)、g(i，j)、b(i，j)分別對(duì)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(duì)應(yīng)的灰度值； (3)對(duì)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(duì)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(duì)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，，其使用的圖像模板算子為所述視頻運(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(guò)程依次包括如下步驟： (a) 建立背景像素模型M(i, j)，M(i, j) = {vu 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(hào)，M(i，j)表示背景圖像（i，j)位置上的N個(gè)樣 本觀察值； (b) 根據(jù)背景像素模型M(i，j)進(jìn)行分類(lèi)，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(lèi)；其中，比較分類(lèi)過(guò)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(C)對(duì)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) = {心(7|7^乂(1，」)）}，每一個(gè)相鄰位置7上的像素通過(guò)同 樣的方式被隨機(jī)的選取，Mia，j)表示第一幀圖像序號(hào)的背景模型，\α，」）表示與像素位 置（i，j)相鄰的像素； (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(duì)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：N為樣本數(shù)量； f 所述視頻抖動(dòng)運(yùn)動(dòng)補(bǔ)償模塊，用以對(duì)接收到的提取結(jié)果進(jìn)行補(bǔ)償，其中，運(yùn)動(dòng)補(bǔ)償?shù)姆?法過(guò)程依次包括如下步驟： 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(duì)比計(jì)算結(jié)果，得到偏移 量ε (d);其中，偏移量ε⑷計(jì)算公式如下：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= [dx dy]T; 步驟2,考察當(dāng)前幀圖像I中特征角點(diǎn)（ux，uy)周?chē)南袼攸c(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(duì)應(yīng)背景點(diǎn)（u x，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：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S 2，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：N為樣 本數(shù)量； 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：所述匹配模塊，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(shí)別后的結(jié)果；所述識(shí)別結(jié)果顯示模塊，顯示人 臉識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉識(shí)別系統(tǒng)，其特征在 于，所述運(yùn)動(dòng)目標(biāo)提取中的球半徑R為20，基數(shù)1(_為2。
【專利摘要】本發(fā)明涉及基于智能移動(dòng)終端視頻抖動(dòng)分析的人臉識(shí)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(shí)別結(jié)果顯示模塊；存儲(chǔ)模塊分別連接視頻采集模塊和視頻提取模塊，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，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，匹配模塊分別連接人臉特征目標(biāo)提取模塊和識(shí)別結(jié)果顯示模塊。該系統(tǒng)通過(guò)對(duì)含人臉的視頻預(yù)處理和抖動(dòng)運(yùn)動(dòng)補(bǔ)償后，可以消除視頻抖動(dòng)對(duì)人臉正常識(shí)別的影響，提高了人臉識(shí)別效率。
【IPC分類(lèi)】G06T7/20, G06K9/00
【公開(kāi)號(hào)】CN105335717
【申請(qǐng)?zhí)枴緾N201510716909
【發(fā)明人】鄭紫微, 熊歐
【申請(qǐng)人】寧波大學(xué)
【公開(kāi)日】2016年2月17日
【申請(qǐng)日】2015年10月29日