專利名稱：一種崗位監(jiān)測(cè)的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控技術(shù)，特別是涉及一種崗位監(jiān)測(cè)的方法和系統(tǒng)。
背景技術(shù)：
在警衛(wèi)、流水線操作工位等很多崗位，由于工作的特殊性，都需要保持有 一直在崗的員工，在前臺(tái)、售貨員等崗位也需要員工不能離開太久，而如何保 障員工不離崗或不離崗太久， 一直是一個(gè)有待解決的難題。如果采用人工監(jiān)控
的手段會(huì)浪費(fèi)其他人力，如果釆用傳統(tǒng)視頻監(jiān)控的方式也需要工作人員總是盯 著顯示屏，而如果采用事后查找視頻的方式，又沒有及時(shí)性，可能在員工離崗 過程中已經(jīng)產(chǎn)生問題。因此，如何在不浪費(fèi)其它人力資源的情況下監(jiān)控員工在 崗情況，是一個(gè)有待解決的問題。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的是提供一種崗位監(jiān)測(cè)的方法和系統(tǒng)，能在不浪費(fèi)人力 資源的情況下監(jiān)控員工的在崗情況，解決現(xiàn)有技術(shù)的監(jiān)控手段會(huì)浪費(fèi)人力資源 的技術(shù)問題。
為了實(shí)現(xiàn)上述目的， 一方面，提供了一種崗位監(jiān)測(cè)的方法，包括如下步驟
步驟一，采集預(yù)定區(qū)域的視頻圖像；
步驟二，檢測(cè)所述視頻圖像中的人員目標(biāo)；
步驟三，判斷崗位區(qū)域是否有所述人員目標(biāo)，荻得判斷結(jié)果；
步驟四，根據(jù)所述判斷結(jié)果進(jìn)行提示。
優(yōu)選地，上述的方法中，所述步驟四包括如果所述崗位區(qū)域沒有所述人 員目標(biāo)，則顯示文字和/或播放聲音進(jìn)行提醒。
優(yōu)選地，上述的方法中，如果所述崗位區(qū)域沒有所述人員目標(biāo)，還包括 計(jì)算所述崗位區(qū)域沒有所述人員目標(biāo)的持續(xù)時(shí)間，如果所述持續(xù)時(shí)間超過預(yù)定門限，則顯示文字和/或播放聲音進(jìn)行提醒。
優(yōu)選地，上述的方法，所述步驟二中，確定所述人員目標(biāo)的步驟包括
采用人頭檢測(cè)器模型對(duì)所述崗位區(qū)域圖像進(jìn)行人頭檢測(cè)來確認(rèn)崗位區(qū)域 是否存在人員目標(biāo)。
優(yōu)選地，上述的方法中，所述人頭檢測(cè)器模型采用邊緣方向直方圖作為特 征，進(jìn)行分類器訓(xùn)練得到，進(jìn)一步，邊緣方向直方圖采用如下方式獲得
對(duì)于待計(jì)算的圖像區(qū)域，計(jì)算所述圖像區(qū)域內(nèi)的各個(gè)像素點(diǎn)的水平邊緣和 垂直邊緣；
對(duì)所述水平邊緣和垂直邊緣進(jìn)行離散化，求得各像素點(diǎn)的邊緣強(qiáng)度和離散 化的邊緣方向；
根據(jù)所述邊緣強(qiáng)度和離散化的邊緣方向，對(duì)具有相同的所述離散化的邊緣 方向的所有像素點(diǎn)，計(jì)算所述所有像素點(diǎn)的所述邊緣強(qiáng)度的累積和，獲得所述 圖像區(qū)域的邊緣方向直方圖。
優(yōu)選地，上述的方法中，所述步驟二中還包括，對(duì)檢測(cè)出的具有人員頭部 圖像的視頻圖像進(jìn)行跟蹤搜索，設(shè)定跟蹤的幀數(shù)和搜索范圍，從而對(duì)檢測(cè)到的 人員目標(biāo)進(jìn)行進(jìn)一步的確認(rèn)。
優(yōu)選地，上述的方法中，所述步驟二進(jìn)一步包括
檢測(cè)到所述崗位區(qū)域有人員目標(biāo)時(shí)，進(jìn)一步通過人臉識(shí)別確認(rèn)所述人員目 標(biāo)是否為應(yīng)該在崗的員工。
優(yōu)選地，上述的方法中，所述離散化的邊緣方向NED的計(jì)算過程包括
步驟A,判斷像素點(diǎn)的水平邊緣EH是否為0,是則設(shè)定NED為0并結(jié)束 流程，否則執(zhí)行步驟B;
EV
步驟B，初始化1=0，計(jì)算i的值，其中，EV表示像素點(diǎn)的垂直邊緣，
(Ki<N-l， N表示對(duì)180度的范圍進(jìn)行等分的等分份數(shù)；
EV 180*(i+l)) 步驟C,判斷^的值是否小于或等于e ~~^~~的值，是則將i的值作
為像素點(diǎn)的NED值并結(jié)束流程；否則，執(zhí)行步驟D;
步驟D,使i二i+l，如果i〈N-l，則返回步驟C,否則將i的值作為像素點(diǎn)的NED值并結(jié)束流程。
優(yōu)選地，上述的方法中，所述人頭檢測(cè)器模型采用多層結(jié)構(gòu)，所述多層結(jié) 構(gòu)至少包括第 一分類器和第二分類器，所述第 一分類器由第 一特征訓(xùn)練得到， 所述第二分類器由第二特征訓(xùn)練得到。
優(yōu)選地，上述的方法中，所述第一特征為亮度特征或者類哈爾小波特征， 所述第二特征為邊緣方向直方圖。
優(yōu)選地，上述的方法中，所述人頭檢測(cè)器模型包括
以基于特征的方式訓(xùn)練的全視角人頭分類器，用于濾除所有候選位置的非 人頭樣本；
多個(gè)對(duì)應(yīng)不同人頭姿態(tài)的姿態(tài)分類器，用于濾除通過全視角人頭分類器的 非人頭樣本。
優(yōu)選地，上述的方法中，所述多個(gè)對(duì)應(yīng)不同人頭姿態(tài)的姿態(tài)分類器包括 人頭正面姿態(tài)分類器、人頭背面姿態(tài)分類器，人頭左側(cè)面姿態(tài)分類器和人頭右 側(cè)面姿態(tài)分類器。
另一方面，提供一種崗位監(jiān)測(cè)的系統(tǒng)，包括 圖像采集設(shè)備模塊，用于采集預(yù)定區(qū)域的視頻圖像； 目標(biāo)提取模塊，用于獲取所述視頻圖像中的人員目標(biāo)； 限定區(qū)域判定模塊，用于判斷崗位區(qū)域是否有所述人員目標(biāo)，獲得判斷結(jié)
果；
報(bào)警模塊，用于根據(jù)所述判斷結(jié)果進(jìn)行提示。
優(yōu)選地，上述的系統(tǒng)中，所述限定區(qū)域判定模塊還包括
定時(shí)器，用于在所述崗位區(qū)域沒有所述人員目標(biāo)的條件下，計(jì)算所述崗
位區(qū)域沒有所述人員目標(biāo)的持續(xù)時(shí)間；
優(yōu)選地，上述的系統(tǒng)中，所述目標(biāo)提取模塊還包括人頭檢測(cè)器模型，用
來檢測(cè)圖像中的所述人員頭部區(qū)域。
優(yōu)選地，上述的系統(tǒng)中，所述限定區(qū)域判定模塊還包括人臉識(shí)別模塊，用
于在所述崗位區(qū)域有所述人員目標(biāo)的條件下，確定所述人員目標(biāo)是否為應(yīng)該
在崗的員工。
優(yōu)選地，上述的系統(tǒng)中，所述人頭檢測(cè)器模型具體包括全視角人頭分類器和多個(gè)對(duì)應(yīng)不同人頭姿態(tài)的人頭分類器。
優(yōu)選地，上述的系統(tǒng)中，所述報(bào)警模塊具體包括 文字提示單元，用于進(jìn)行監(jiān)控屏幕的文字提示； 和/或聲音報(bào)警單元，用于進(jìn)行聲音報(bào)警。
本發(fā)明實(shí)施例至少存在以下技術(shù)效果
本發(fā)明提出 一種自動(dòng)的在崗監(jiān)測(cè)系統(tǒng)，采用基于人頭檢測(cè)跟蹤的方法確認(rèn) 工作人員是否在崗，通過提取得到工作人員不在崗時(shí)間，可以更人性化的制定 報(bào)警規(guī)則。采用多姿態(tài)人頭檢測(cè)方法，提高了人頭檢測(cè)精度。采用人臉識(shí)別方 法，能防止他人頂替。


圖1為本發(fā)明實(shí)施例提供的方法的步驟流程圖； 圖2為本發(fā)明實(shí)施例提供的監(jiān)控系統(tǒng)的結(jié)構(gòu)圖； 圖3為本發(fā)明實(shí)施例提供的訓(xùn)練人頭檢測(cè)器模型的步驟流程圖； 圖4為本發(fā)明實(shí)施例提供的對(duì)無符號(hào)的邊緣方向進(jìn)行離散化時(shí)六等分的 示意圖5為本發(fā)明實(shí)施例提供的多姿態(tài)人頭檢測(cè)器的結(jié)構(gòu)圖； 圖6為本發(fā)明實(shí)施例提供的人臉識(shí)別模塊的結(jié)構(gòu)圖； 圖7為本發(fā)明實(shí)施例提供的層次型分類器的結(jié)構(gòu)圖。
具體實(shí)施例方式
為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì) 具體實(shí)施例進(jìn)行詳細(xì)描述。
本發(fā)明實(shí)施例是采用圖像采集設(shè)備采集工位附近視頻圖像，然后采用智能 分析的方法確定是否有人在工位?？紤]到采集設(shè)備安裝位置限制造成的工作人 員姿態(tài)的不確定，采用人頭檢測(cè)跟蹤的方法提取目標(biāo)位置，并判定其是否處于 限定區(qū)域內(nèi)，并統(tǒng)計(jì)其不處于限定區(qū)域內(nèi)的時(shí)間，當(dāng)時(shí)間大于閾值時(shí)，認(rèn)為離 崗時(shí)間過長(zhǎng)，產(chǎn)生報(bào)警信息。進(jìn)一步，可以采用人臉識(shí)別技術(shù)確定限定區(qū)域內(nèi) 人員是否真實(shí)工作人員，避免他人冒充代替。圖1為本發(fā)明實(shí)施例提供的方法的步驟流程圖，如圖所示，是一種通過智
能視頻分析，來確定工作人員是否離開崗位的方法，包括如下步驟 步驟IOI,采集預(yù)定區(qū)域的視頻圖像； 步驟102,檢測(cè)所述視頻圖像中的人員目標(biāo)； 步驟103，判斷崗位區(qū)域是否有所述人員目標(biāo)，獲得判斷結(jié)果； 步驟104,根據(jù)所述判斷結(jié)果進(jìn)行提示。
圖2為本發(fā)明實(shí)施例提供的監(jiān)控系統(tǒng)的結(jié)構(gòu)圖，如圖2所示，系統(tǒng)結(jié)構(gòu) 包括圖像采集設(shè)備模塊201、目標(biāo)提取模塊202、限定區(qū)域判定模塊203和 報(bào)警模塊204。
圖像采集設(shè)備模塊201采集工作崗位附近視頻圖像，圖像采集設(shè)備可以釆 用 一個(gè)采集設(shè)備拍攝一個(gè)工作崗位附近圖像的方式，也可以采用 一個(gè)釆集設(shè)備 采集多個(gè)工作崗位附近圖像的方式，還可以采用多個(gè)采集設(shè)備分別監(jiān)控很多工
作崗位中的 一部分工作崗位的方式，采集設(shè)備可以采用現(xiàn)有的數(shù)字或者模擬攝 像頭，可以采用可見光譜圖像也可以采用紅外或者近紅外圖像。
目標(biāo)提取模塊202,用于提取圖像中人的目標(biāo)。由于圖像采集設(shè)備架設(shè)的 位置受到現(xiàn)場(chǎng)條件的限制，而工作人員在視場(chǎng)里面，會(huì)進(jìn)行活動(dòng)，其姿態(tài)也會(huì) 不限定，有時(shí)是正面面對(duì)釆集設(shè)備，有時(shí)是側(cè)面或者背面面向采集設(shè)備。采用 前景提取方式，可以提取得到圖像中的運(yùn)動(dòng)目標(biāo)，但是，由于一般的前景提取 方法為了克服光照變化的影響， 一般會(huì)進(jìn)行背景更新，如果工作人員長(zhǎng)期靜止， 則無法提取到。而且，基于前景提取的方式會(huì)受到陰影以及其它通過人員的干 擾，造成錯(cuò)誤。人臉檢測(cè)是一種成熟的現(xiàn)有技術(shù)，但是，人臉檢測(cè)，必須要求 目標(biāo)的人臉面對(duì)采集設(shè)備。而上面我們已經(jīng)提到，工作人員活動(dòng)時(shí)，無法保證 總是面對(duì)采集設(shè)備。
本發(fā)明的目標(biāo)提取模塊202采用一種更優(yōu)的方式獲取圖Y象中的工作人員。 本發(fā)明采集各個(gè)視角下，人頭區(qū)域的圖像，訓(xùn)練一個(gè)人頭檢測(cè)器模型，用來提 取視場(chǎng)中的工作人員。在各個(gè)姿態(tài)情況下，雖然人頭圖像不是完全一致，但是， 基本上都體現(xiàn)為一個(gè)帶有橢圓形外邊緣的圖像?？梢圆捎矛F(xiàn)有的物體檢測(cè)技術(shù) 訓(xùn)練人頭檢測(cè)器模型，并在圖像中搜索人頭位置。
以下，本發(fā)明給出一種訓(xùn)練人頭檢測(cè)器模型的較優(yōu)實(shí)施例，圖3為訓(xùn)練人頭檢測(cè)器模型的步驟流程圖，如圖3所示，步驟流程包括
步驟301,割取各個(gè)姿態(tài)情況下人頭區(qū)域圖像，為了更好的檢測(cè)效果，割
取的圖像區(qū)域范圍可以設(shè)定為人頭實(shí)際寬度的1.2倍，當(dāng)然可以采用其它大于
1的倍數(shù)。設(shè)定人頭區(qū)域?qū)捀弑葹?/1.2。最后，將人頭區(qū)域放縮為同一的大小 ^x仏，可以取^=20，仏=24。將上述人頭圖像作為正樣本，同時(shí)，在不包含
人頭的圖像中，割取『"A的圖像區(qū)域，作為反樣本；
步驟302，采用梯度方向直方圖作為特征，采用AdaBoost (自適應(yīng)增強(qiáng))
算法進(jìn)行特征選擇并構(gòu)建分類器；
計(jì)算梯度方向直方圖的方法包括步驟l)、 2)和3)，具體如下 1):計(jì)算區(qū)域范圍內(nèi)的圖像中各個(gè)像素點(diǎn)的水平、垂直邊緣。 像素點(diǎn)邊緣的求取方法有很多種，常用的如采用"sobel算子"或"prewitt
算子"，sobel算子可以表示為
<formula>formula see original document page 10</formula>
左側(cè)的矩陣Sl為sobel垂直邊緣檢測(cè)模板，該矩陣用于計(jì)算中心處元素A (即第2行第2列的元素)的垂直邊緣，用EH(A)表示，右側(cè)的矩陣S2為 sobel水平邊緣檢測(cè)模板，用于計(jì)算A點(diǎn)的水平邊緣，用EV ( A)表示。
2):對(duì)得到的各像素點(diǎn)的水平邊緣和垂直邊緣進(jìn)行離散化，求得各像素點(diǎn) 的邊緣強(qiáng)度和離散化的邊緣方向。
根據(jù)計(jì)算得到的各像素點(diǎn)的水平邊緣EH和垂直邊緣EV，進(jìn)一步計(jì)算各 像素點(diǎn)的邊緣方向(用ED表示)和邊緣強(qiáng)度(用EI表示)。采用無符號(hào)的邊 緣方向定義，即邊緣方向的范圍是0 180度，此時(shí)相差180度的邊緣方向?yàn)橥?一個(gè)方向。對(duì)無符號(hào)的邊緣方向進(jìn)行離散化，即將180度的范圍等分為N個(gè) 區(qū)間，圖4示出了N二6的情況，此時(shí)，邊緣方向?qū)儆谕粋€(gè)區(qū)間范圍內(nèi)的像 素點(diǎn)，它們離散化的邊緣方向(用NED表示)的值相同。 邊緣強(qiáng)度的計(jì)算方式有多種，例如EI=V￡//2 +五"或EI=|五F I +1五H ，由圖3
可知，像素點(diǎn)的無符號(hào)邊緣方向ED-arccot(E)，則該像素點(diǎn)的離散化邊緣方向NED={i| !^i， < lgu "卞"，且i:0,1. . N-1},所述arccot函數(shù)為余切函數(shù)的反 N N
函數(shù)。如果采用上述定義先計(jì)算ED,再由ED計(jì)算NED的值，由于存在開方 及三角運(yùn)算，計(jì)算速度較慢，可以采用下述方法快速計(jì)算得出各像素點(diǎn)的NED 值
第一步如果EH為O,則設(shè)定此時(shí)NED為O;否則，進(jìn)^f亍第二步； 第二步初始化i-O,計(jì)算IX的值；
EH
第三步如果^X小于等于cot。,(i+D)的值，終止流程；否則，進(jìn)行第四 EH N
步；
第四步i增加l，如果此時(shí)i〈N-l，則回到第三步，否則終止流程。得 到的i的值即為該像素點(diǎn)NED的值。顯然，由于上述過程中只需要進(jìn)行簡(jiǎn)單 的代數(shù)運(yùn)算和余切函數(shù)的計(jì)算，因此計(jì)算速度大大快于采用根據(jù)NED的定義 進(jìn)行計(jì)算的方法。
通過上述方法，遍歷圖像中所有的像素點(diǎn)，可以得到各像素點(diǎn)的邊緣強(qiáng)度 和離散化的邊緣方向。
3):根據(jù)區(qū)域內(nèi)各像素點(diǎn)的邊緣強(qiáng)度和離散化的邊緣方向，計(jì)算該區(qū)域的 邊緣方向直方圖HOG。
所述的HOG定義為該區(qū)域內(nèi)所有離散化邊緣方向取值為i的像素點(diǎn)的 邊緣強(qiáng)度的累積和，用公式表示為
<formula>formula see original document page 11</formula>
尸0c,y)eR且ED(P(x, y))為i
其中，P (x， y)表示區(qū)域內(nèi)第x行、y列的像素點(diǎn)(即坐標(biāo)為(x, y) 的像素點(diǎn))。
進(jìn)一步，為了快速計(jì)算，可以采用基于積分圖像的方法。先統(tǒng)計(jì)各邊緣方 向的各點(diǎn)的邊緣強(qiáng)度的積分圖像，然后，根據(jù)積分圖像計(jì)算矩形區(qū)域內(nèi)的所述 邊緣方向上的邊緣強(qiáng)度累積。以圖像中不同尺度矩形區(qū)域的梯度方向直方圖為特征，采用人頭區(qū)域圖像
作為正樣本，采用不是人頭的區(qū)域圖像作為反樣本，訓(xùn)練adaboost分類器，得 到一個(gè)人頭4僉測(cè)器。
也可以采用支持向量機(jī)對(duì)上述得到的邊緣方向直方圖特征進(jìn)行訓(xùn)練得到 人頭分類器模型。
步驟303，采用金字塔型圖像檢測(cè)結(jié)構(gòu)檢測(cè)人頭位置；
采用圖像放縮方式，得到一個(gè)金字塔型圖像結(jié)構(gòu)，并分別在各個(gè)尺度圖像 的各個(gè)位置采用上述模型判定是否為人頭。最終，采用后處理融合算法，合并
相鄰人頭。
進(jìn)一步，由于上述邊緣方向直方圖的計(jì)算量較大， 一種更優(yōu)的方式是釆用 層次型的結(jié)構(gòu)，前面采用較容易計(jì)算的特征訓(xùn)練得到的分類器，而后面采用邊 緣方向直方圖訓(xùn)練的分類器。層次型分類器結(jié)構(gòu)如圖7所示，其中第一分類器 和第二分類器分別采用不同的特征以及分類器訓(xùn)練得到，第 一分類器可以采用 基于亮度或者類哈爾小波(haar-like)特征作為特征進(jìn)行訓(xùn)練，而第二分類器 可以采用邊緣方向直方圖特征訓(xùn)練得到。實(shí)際處理中，如果當(dāng)前圖像區(qū)域通過 第一分類器，則將其送到第二分類器進(jìn)行處理，如果其沒有通過第一分類器， 則認(rèn)為其不是人頭樣本。對(duì)于通過第一分類器的區(qū)域，采用第二分類器進(jìn)行判 定，如果其通過第二分類器，則認(rèn)為其是人頭區(qū)域，否則，認(rèn)為其不是人頭區(qū) 域。
進(jìn)一步，可以采用人頭檢測(cè)和跟蹤相結(jié)合的方式提取人頭目標(biāo)，具體如下
第一步，采用上述人頭檢測(cè)方法檢測(cè)圖像中的人頭，如果未檢測(cè)到，則處 理下一幀，轉(zhuǎn)第一步，如果連續(xù)T幀均檢測(cè)到人頭，則轉(zhuǎn)第二步；
第二步，采用跟蹤方法對(duì)上述檢測(cè)到的人頭進(jìn)行跟蹤；例如可以采用 "mean-shift"(均值漂移)或Particle Filter (粒子濾波)的方法對(duì)人頭進(jìn)行跟 蹤；由于基于跟蹤的方法容易受背景干擾，因此，采用檢測(cè)模型驗(yàn)證的方式對(duì) 跟蹤目標(biāo)進(jìn)行-瞼證；
第三步，連續(xù)跟蹤T2幀后，采用上述訓(xùn)練得到的人頭檢測(cè)模型在人頭跟 蹤結(jié)果附近搜索，看是否存在人頭目標(biāo)；以人頭跟蹤目標(biāo)位置為中心，設(shè)定一 個(gè)搜索區(qū)域，以人頭跟蹤目標(biāo)大小為中心，設(shè)定人頭搜索尺度范圍。在上述搜索范圍和搜索大小范圍內(nèi)，如果存在符合人頭模型的區(qū)域，則認(rèn)為人頭跟蹤結(jié) 果正確，并將跟蹤結(jié)果更新為檢測(cè)結(jié)果，否則，認(rèn)為人頭跟蹤結(jié)果失效，轉(zhuǎn)第 一步，重新開始對(duì)全圖進(jìn)行"險(xiǎn)測(cè)。
由于各個(gè)視角和姿態(tài)情況下，人頭圖^l^目差比較大，造成分類器收斂變慢，
影響檢測(cè)效果。進(jìn)一步，對(duì)人頭姿態(tài)進(jìn)行分類，圖5為多姿態(tài)人頭檢測(cè)器的結(jié) 構(gòu)圖，訓(xùn)練如圖5所示的多姿態(tài)檢測(cè)器。采集各種姿態(tài)下的人頭圖像，為了使 得類內(nèi)距離縮小，加快收斂，將人頭分為正面，背面，左側(cè)面和右側(cè)面四個(gè)姿 態(tài)。采用上述基于特征的方式訓(xùn)練一個(gè)全視角人頭分類器，該分類器能夠讓所 有的人頭樣本通過，但是，能夠據(jù)掉部分非人頭樣本。然后，分別為正面人頭， 背面人頭，左側(cè)面人頭，右側(cè)面人頭訓(xùn)練一個(gè)分類器，該分類器能夠讓該姿態(tài) 的人頭通過，而據(jù)除非人頭和其它姿態(tài)人頭。
使用時(shí)，對(duì)每個(gè)位置進(jìn)行判定，先判定當(dāng)前位置是否符合全視角人頭模型， 如果不符合，則據(jù)掉，如果符合，則繼續(xù)采用四個(gè)分視角人頭模型判定，如果， 其能夠通過某一個(gè)或幾個(gè)視角的模型，則認(rèn)為其屬于最符合的那個(gè)模型，認(rèn)為 該位置為一個(gè)人頭候選位置。對(duì)上述得到的人頭進(jìn)行合并后處理，得到最終的 人頭位置；
上述方法還能夠得到圖像中工作人員人頭在各幀中的位置和大小。 限定區(qū)域判定模塊103，首先在初始化階段采用手工標(biāo)定方式，確定工作 人員工位范圍，如果此范圍內(nèi)無工作人員，則認(rèn)為工作人員離開崗位。默認(rèn)情 況下，可以認(rèn)為整個(gè)圖像范圍為限定區(qū)域范圍。在一個(gè)攝像頭同時(shí)監(jiān)控多個(gè)工 位的情況下，可以分別為每個(gè)工位標(biāo)定一個(gè)限定范圍。限定區(qū)域判定模塊，分 別對(duì)每個(gè)限定范圍進(jìn)行如下判斷
如果當(dāng)前目標(biāo)提取模塊提取的目標(biāo)處于限定范圍內(nèi)，則認(rèn)為限定范圍內(nèi)存 在工作人員；判定提取目標(biāo)是否處于限定范圍的一種可行方法為獲取提取目標(biāo) 的中心位置，如果該中心位置處于限定區(qū)域范圍內(nèi)，則認(rèn)為該目標(biāo)處于限定范 圍內(nèi)；
進(jìn)一步，當(dāng)限定范圍內(nèi)第一次沒有目標(biāo)時(shí)，進(jìn)行計(jì)時(shí)，直到重新出現(xiàn)目標(biāo)， 將計(jì)時(shí)器清除為0;
一種簡(jiǎn)單的方式是當(dāng)限定范圍內(nèi)沒有目標(biāo)時(shí)，直接產(chǎn)生報(bào)警信號(hào)控制報(bào)警模塊發(fā)出警報(bào)信息。警報(bào)信息可以為聲音也可以為文字，可以通過揚(yáng)聲器發(fā)出， 也可以通過網(wǎng)絡(luò)或者手機(jī)發(fā)送給領(lǐng)導(dǎo)。但是，這樣的方式在工作人員暫時(shí)離開， 或者去衛(wèi)生間等情況下，會(huì)造成不必要的麻煩。 一種更優(yōu)的方式是，記錄限定 區(qū)域內(nèi)沒有目標(biāo)的持續(xù)時(shí)間，當(dāng)持續(xù)時(shí)間大于閾值時(shí)，認(rèn)為工作人員離開工作 崗位太久，發(fā)出報(bào)警信息。 一種實(shí)施例還可以當(dāng)限定區(qū)域內(nèi)沒有目標(biāo)時(shí)，發(fā)出 提醒信息，當(dāng)沒有目標(biāo)超過閾值時(shí)，發(fā)出報(bào)警信息。提醒信息比報(bào)警信息柔和， 級(jí)別低。
圖6為本發(fā)明實(shí)施例提供的人臉識(shí)別模塊的結(jié)構(gòu)圖。進(jìn)一步，在目標(biāo)提 取模塊102后面，增加一個(gè)人臉識(shí)別模塊60,人臉識(shí)別模塊60具體包括人臉 檢測(cè)單元601 ，特征點(diǎn)定位單元602和人臉識(shí)別單元603以及人臉特征庫604。。
人臉檢測(cè)單元601 ，在上述提取得到的目標(biāo)區(qū)域中，檢測(cè)是否存在人臉。
如果不存在，則繼續(xù)進(jìn)行下一幀處理。如果存在人臉，則進(jìn)一步采用特征點(diǎn)定
位單元602定位眼睛特征點(diǎn)，并提取人臉特征。人臉識(shí)別單元603,根據(jù)合法
工作人員的人臉特征庫604,確定當(dāng)前限定區(qū)域中工作人員是否合法工作人
員，而不是他人仿冒。如果發(fā)現(xiàn)限定區(qū)域沒有合法工作人員，則發(fā)出報(bào)警信號(hào)。 報(bào)警模塊104具體包括文字提示單元，用于進(jìn)行監(jiān)控屏幕的文字提示；
聲音報(bào)警單元，用于進(jìn)行聲音報(bào)警。 由上可知，本發(fā)明具有以下優(yōu)勢(shì)
本發(fā)明提出 一種自動(dòng)的在崗監(jiān)測(cè)系統(tǒng)，采用基于人頭檢測(cè)跟蹤的方法確認(rèn) 工作人員是否在崗，通過提取得到工作人員不在崗時(shí)間，可以更人性化的制定 報(bào)警規(guī)則。采用多姿態(tài)人頭檢測(cè)方法，提高了人頭檢測(cè)精度。采用人臉識(shí)別方 法，能防止他人頂替。
以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通 技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若千改進(jìn)和潤(rùn)飾， 這些改進(jìn)和潤(rùn)飾也應(yīng)^L為本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.一種崗位監(jiān)測(cè)的方法，其特征在于，包括如下步驟步驟一，采集預(yù)定區(qū)域的視頻圖像；步驟二，檢測(cè)所述視頻圖像中的人員目標(biāo)；步驟三，判斷崗位區(qū)域是否有所述人員目標(biāo)，獲得判斷結(jié)果；步驟四，根據(jù)所述判斷結(jié)果進(jìn)行提示。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟四包括 如果所述崗位區(qū)域沒有所述人員目標(biāo)，則顯示文字和/或播放聲音進(jìn)行提醒。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，如果所述崗位區(qū)域沒有所 述人員目標(biāo)，還包括計(jì)算所述崗位區(qū)域沒有所述人員目標(biāo)的持續(xù)時(shí)間，如果所述持續(xù)時(shí)間超過 預(yù)定門限，則顯示文字和/或播放聲音進(jìn)行提醒。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟二中，確定所述 人員目標(biāo)的步驟包括釆用人頭檢測(cè)器模型對(duì)所述崗位區(qū)域圖像進(jìn)行人頭檢測(cè)來確認(rèn)崗位區(qū)域 是否存在人員目標(biāo)。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述人頭檢測(cè)器模型采用 邊緣方向直方圖作為特征，進(jìn)行分類器訓(xùn)練得到，進(jìn)一步，邊緣方向直方圖采 用如下方式獲得對(duì)于待計(jì)算的圖像區(qū)域，計(jì)算所述圖像區(qū)域內(nèi)的各個(gè)像素點(diǎn)的水平邊緣和 垂直邊緣；對(duì)所述水平邊緣和垂直邊緣進(jìn)行離散化，求得各像素點(diǎn)的邊緣強(qiáng)度和離散 化的邊緣方向；根據(jù)所述邊緣強(qiáng)度和離散化的邊緣方向，對(duì)具有相同的所述離散化的邊緣 方向的所有像素點(diǎn)，計(jì)算所述所有像素點(diǎn)的所述邊緣強(qiáng)度的累積和，獲得所述 圖像區(qū)域的邊緣方向直方圖。
6. 根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述步驟二中還包括，對(duì)檢測(cè)出的具有人員頭部圖像的視頻圖像進(jìn)行跟蹤搜索，設(shè)定跟蹤的幀數(shù)和搜 索范圍，從而對(duì)檢測(cè)到的人員目標(biāo)進(jìn)行進(jìn)一步的確認(rèn)。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟二進(jìn)一步包括 檢測(cè)到所述崗位區(qū)域有人員目標(biāo)時(shí)，進(jìn)一步通過人臉識(shí)別確認(rèn)所述人員目標(biāo)是否為應(yīng)該在崗的員工。
8. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述離散化的邊緣方向NED 的計(jì)算過程包括步驟A，判斷像素點(diǎn)的水平邊緣EH是否為0，是則設(shè)定NED為0并結(jié)束 流程，否則執(zhí)行步驟B;EV步驟B,初始化i-0，計(jì)算^的值，其中，EV表示像素點(diǎn)的垂直邊緣，0<i<N-l, N表示對(duì)180度的范圍進(jìn)行等分的等分份數(shù)；EV 180*(i+l)) 步驟C,判斷^的值是否小于或等于e ^^^的值，是則將i的值作為像素點(diǎn)的NED值并結(jié)束流程；否則，執(zhí)行步驟D;步驟D,使i:i+l，如果i〈N-l，則返回步驟C,否則將i的值作為像素 點(diǎn)的NED值并結(jié)束流程。
9. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述人頭檢測(cè)器模型采用 多層結(jié)構(gòu)，所述多層結(jié)構(gòu)至少包括第一分類器和第二分類器，所述第一分類器 由第 一特征訓(xùn)練得到，所述第二分類器由第二特征訓(xùn)練得到。
10. 根據(jù)權(quán)利要求9所述的方法，其特征在于，所述第一特征為亮度特征 或者類哈爾小波特征，所述第二特征為邊緣方向直方圖。
11. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述人頭檢測(cè)器模型包括 以基于特征的方式訓(xùn)練的全視角人頭分類器，用于濾除所有候選位置的非人頭樣本；多個(gè)對(duì)應(yīng)不同人頭姿態(tài)的姿態(tài)分類器，用于濾除通過全視角人頭分類器的 非人頭樣本。
12. 根據(jù)權(quán)利要求11所述的方法，其特征在于，所述多個(gè)對(duì)應(yīng)不同人頭 姿態(tài)的姿態(tài)分類器包括人頭正面姿態(tài)分類器、人頭背面姿態(tài)分類器，人頭左側(cè)面姿態(tài)分類器和人頭右側(cè)面姿態(tài)分類器。
13. —種崗位監(jiān)測(cè)的系統(tǒng)，其特征在于，包括 圖像采集設(shè)備模塊，用于采集預(yù)定區(qū)域的視頻圖像；目標(biāo)提取模塊，用于獲取所述視頻圖像中的人員目標(biāo)； 限定區(qū)域判定模塊，用于判斷崗位區(qū)域是否有所述人員目標(biāo)，獲得判斷結(jié)果；報(bào)警模塊，用于根據(jù)所述判斷結(jié)果進(jìn)行提示。
14. 根據(jù)權(quán)利要求13所述的系統(tǒng)，其特征在于，所述限定區(qū)域判定模塊 還包括定時(shí)器，用于在所述崗位區(qū)域沒有所述人員目標(biāo)的條件下，計(jì)算所述崗 位區(qū)域沒有所述人員目標(biāo)的持續(xù)時(shí)間；
15. 根據(jù)權(quán)利要求13所述的系統(tǒng)，其特征在于，所述目標(biāo)提取模塊還包 括人頭檢測(cè)器模型，用來檢測(cè)圖像中的所述人員頭部區(qū)域。
16. 根據(jù)權(quán)利要求13所述的系統(tǒng)，其特征在于，所述限定區(qū)域判定模塊 還包括人臉識(shí)別模塊，用于在所述崗位區(qū)域有所述人員目標(biāo)的條件下，確定 所述人員目標(biāo)是否為應(yīng)該在崗的員工。
17. 根據(jù)權(quán)利要求15所述的系統(tǒng)，其特征在于，所述人頭檢測(cè)器模型具 體包括全視角人頭分類器和多個(gè)對(duì)應(yīng)不同人頭姿態(tài)的人頭分類器。
18. 根據(jù)權(quán)利要求13至17中任意一項(xiàng)所述的系統(tǒng)，其特征在于，所述報(bào) 警模塊具體包括文字提示單元，用于進(jìn)行監(jiān)控屏幕的文字提示； 和/或聲音報(bào)警單元，用于進(jìn)行聲音報(bào)警。
全文摘要
本發(fā)明提供一種崗位監(jiān)測(cè)的方法和系統(tǒng)，方法包括步驟一，采集預(yù)定區(qū)域的視頻圖像；步驟二，檢測(cè)所述視頻圖像中的人員目標(biāo)；步驟三，判斷崗位區(qū)域是否有所述人員目標(biāo)，獲得判斷結(jié)果；步驟四，根據(jù)所述判斷結(jié)果進(jìn)行提示。本發(fā)明能在不浪費(fèi)人力資源的情況下監(jiān)控員工的在崗情況，解決現(xiàn)有技術(shù)的監(jiān)控手段會(huì)浪費(fèi)人力資源的技術(shù)問題。
文檔編號(hào)H04N7/18GK101577812SQ200910079280
公開日2009年11月11日 申請(qǐng)日期2009年3月6日 優(yōu)先權(quán)日2009年3月6日
發(fā)明者鄧亞峰, 英 黃 申請(qǐng)人:北京中星微電子有限公司