一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，尤其涉及一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法。
【背景技術(shù)】
[0002]目前人臉識別技術(shù)領(lǐng)域內(nèi)，傳統(tǒng)的方法是:通過攝像機(jī)拍攝圖像，然后將圖像直接通過通訊裝置傳輸?shù)胶笈_服務(wù)器，然后由后臺服務(wù)器的主機(jī)進(jìn)行人臉識別。采用傳統(tǒng)的方法，需要將圖像傳輸?shù)胶笈_服務(wù)器中進(jìn)行處理，而經(jīng)過傳輸?shù)膱D像在傳輸過程中會或多或少發(fā)生損耗，從而，后臺服務(wù)器進(jìn)行分析及人臉識別的是有損圖像，人臉識別的精度會受影響，后臺服務(wù)器的需求也是一個亟待解決的問題。因此，現(xiàn)有的人臉識別方法的識別精度有待提尚。

【發(fā)明內(nèi)容】

[0003]鑒于目前人臉識別技術(shù)領(lǐng)域存在的上述不足，本發(fā)明提供一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法，能夠從無損圖像中識別和提取人臉信息，提高了識別精度及效率。
[0004]為達(dá)到上述目的，本發(fā)明的實施例采用如下技術(shù)方案:
[0005]—種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法，所述攝像機(jī)包含有芯片，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法包括以下步驟:
[0006]獲取攝像機(jī)當(dāng)前無損圖像幀；
[0007]對獲取的圖像進(jìn)行圖像預(yù)處理；
[0008]對預(yù)處理后的圖像進(jìn)行人臉檢測；
[0009]對檢測出的人臉進(jìn)行算法跟蹤；
[0010]采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)和定點運(yùn)算對跟蹤的人臉圖像進(jìn)行特征點定位和特征值提?。?br>[0011]進(jìn)行特征值及其它人臉信息的數(shù)據(jù)傳輸。
[0012]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法還包括:對跟蹤的人臉進(jìn)行最優(yōu)人臉評分。
[0013]依照本發(fā)明的一個方面，所述對獲取的圖像進(jìn)行圖像預(yù)處理包括以下步驟:對待檢測圖像光照補(bǔ)償、灰度化、濾波去噪及歸一化處理，得到高質(zhì)量的灰度圖像。
[0014]依照本發(fā)明的一個方面，所述對預(yù)處理后的圖像進(jìn)行人臉檢測包括:從場景圖像中檢測、定位人臉，將人臉從背景中分離出來，計算圖像Haar-Like小波特征，將其傳給離線訓(xùn)練好的多層級聯(lián)AdaBoost分類器進(jìn)行判決。
[0015]依照本發(fā)明的一個方面，所述采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)和定點運(yùn)算對跟蹤的人臉圖像進(jìn)行特征點定位和特征值提取包括:采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)同時通過定點運(yùn)算來對跟蹤的人臉圖像進(jìn)行描述、建模，用特征向量來表述人臉，提取出特征值。
[0016]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法還包括以下步驟:在所述攝像機(jī)內(nèi)植入人臉信息提取算法，所述人臉信息提取算法的內(nèi)存copy米用芯片的copy模式。
[0017]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法還包括以下步驟:人臉信息提取算法采用了芯片的關(guān)鍵字。
[0018]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法還包括以下步驟:所述人臉信息提取算法采用芯片的編譯項進(jìn)行代碼編譯。
[0019]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法還包括以下步驟:所述人臉信息提取算法采用了優(yōu)化循環(huán)方式。
[0020]依照本發(fā)明的一個方面，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法包括:將特征值及其它人臉信息傳輸給服務(wù)器來進(jìn)行人臉比對、識別。
[0021]本發(fā)明實施的優(yōu)點:本發(fā)明所述的在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法通過在攝像機(jī)內(nèi)執(zhí)行以下步驟:獲取攝像機(jī)當(dāng)前無損圖像幀；對獲取的圖像進(jìn)行圖像預(yù)處理；對預(yù)處理后的圖像進(jìn)行人臉檢測；對檢測出的人臉進(jìn)行算法跟蹤；采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)和定點運(yùn)算對跟蹤的人臉圖像進(jìn)行特征點定位和特征值提??；進(jìn)行特征值及其它人臉信息的數(shù)據(jù)傳輸，在攝像機(jī)中執(zhí)行人臉信息分析及提取算法，分析的是攝像機(jī)內(nèi)當(dāng)前無損圖像幀，從而提高了識別精度，提取出的人臉信息更加精確，且在芯片中運(yùn)行算法，又提高了運(yùn)算速度，同時因運(yùn)算在攝像機(jī)內(nèi)部完成，從而減少了所需后臺服務(wù)器的數(shù)量，自定義傳送數(shù)據(jù)，可以不傳遞視頻，節(jié)約帶寬，并提高了人臉識別提取效率。
【附圖說明】
[0022]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0023]圖1為本發(fā)明實施例一所述的一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法示意圖；
[0024]圖2為本發(fā)明實施例二所述的一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法示意圖。
【具體實施方式】
[0025]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0026]實施例一
[0027]如圖1所示，一種在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法，所述攝像機(jī)包含有芯片，所述在攝像機(jī)內(nèi)實現(xiàn)人臉信息分析及提取的方法包括以下步驟:
[0028]步驟S1:獲取攝像機(jī)當(dāng)前無損圖像幀；
[0029]所述步驟SI獲取攝像機(jī)當(dāng)前無損圖像幀的具體實施的前提為，在含芯片的攝像機(jī)內(nèi)植入人臉信息提取算法。在芯片中植入了人臉信息提取算法后，由攝像機(jī)拍攝圖像，然后人臉信息提取算法會獲取該攝像機(jī)當(dāng)前所拍攝的無損圖像幀作為待識別圖像。
[0030]步驟S2:對獲取的圖像進(jìn)行圖像預(yù)處理；
[0031 ] 在所述步驟SI執(zhí)行完后，執(zhí)行步驟S2對獲取的圖像進(jìn)行圖像預(yù)處理，所述步驟S2的【具體實施方式】可為:對待檢測圖像光照補(bǔ)償、灰度化、濾波去噪及歸一化處理，得到高質(zhì)量的灰度圖像。
[0032]步驟S3:對預(yù)處理后的圖像進(jìn)行人臉檢測；
[0033]所述步驟S3對預(yù)處理后的圖像進(jìn)行人臉檢測的【具體實施方式】可為:從場景圖像中檢測、定位人臉，將人臉從背景中分離出來，計算圖像Haar-Like小波特征，將其傳給離線訓(xùn)練好的多層級聯(lián)AdaBoost分類器進(jìn)行判決。
[0034]在實際應(yīng)用中，所述進(jìn)行人臉檢測及判斷的要素包括位置、姿態(tài)、大小、膚色、發(fā)型和是否佩戴眼鏡等。
[0035]在實際應(yīng)用中，若存在未通過檢測的人臉圖像，則待檢測人臉圖像作為樣本訓(xùn)練分類器，在線自動更新分類器。
[0036]其中多層級聯(lián)AdaBoost分類器離線訓(xùn)練過程包括:
[0037]訓(xùn)練樣本分為人臉圖像集和非人臉圖像集，在預(yù)處理階段，樣本灰度化處理，以便計算樣本Haar-Like小波特征；每一個Haar-Like小波特征構(gòu)成一弱分類器，通過AdaBoost迭代訓(xùn)練，選擇一個最優(yōu)的弱分類器，更新權(quán)重，將弱分類器組合成一個強(qiáng)的分類器，然后采用一個由簡單到復(fù)雜，由粗到精的多分類器級聯(lián)結(jié)構(gòu)；
[0038]應(yīng)用當(dāng)前離線訓(xùn)練好了的分類器對非人臉圖像集進(jìn)行過濾，去除能被正確分類的樣本，如果非人臉圖像集不為空，繼續(xù)應(yīng)用連續(xù)的AdaBoost訓(xùn)練新的強(qiáng)分類器；如此循環(huán)，直到所有的非人臉圖像集用完為止。
[0039]步驟S4:對檢測出的人臉進(jìn)行算法跟蹤；
[0040]所述步驟S4對檢測出的人臉進(jìn)行算法跟蹤的【具體實施方式】可為:在攝像機(jī)連續(xù)的圖像幀中判斷出人臉的存在與否，并對已檢測出的人臉進(jìn)行連續(xù)的定位跟蹤。
[0041]在實際應(yīng)用中，所述對檢測出的人臉進(jìn)行算法跟蹤可為:通過步驟S3檢測出人臉并定位該人臉，然后將此人臉作為人臉模板，隨后在后續(xù)幀中運(yùn)用均值偏移算法，不斷進(jìn)行均值偏移矢量迭代實現(xiàn)人臉跟蹤。
[0042]步驟S5:采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)和定點運(yùn)算對跟蹤的人臉圖像進(jìn)行特征點定位和特征值提取；
[0043]所述步驟S5采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)和定點運(yùn)算對跟蹤的人臉圖像進(jìn)行特征點定位和特征值提取的【具體實施方式】可為:采用芯片對應(yīng)的硬件內(nèi)聯(lián)函數(shù)同時通過定點運(yùn)算來對跟蹤的人臉圖像進(jìn)行描述、建模，用特征向量來表述人臉，提取出特征值。所述通過采