遠距離人臉採集方法

2023-06-21 04:01:21 2

專利名稱：遠距離人臉採集方法
技術領域：
本發明涉及遠距離人臉採集方法，屬於圖像處理領域。
背景技術：
隨著社會的發展，各個方面對快速有效地自動身份驗證的要求日益迫切。由於生物特徵是人的內在屬性，具有很強的自身穩定性和個體差異性，因此是身份驗證的最理想依據。這其中，利用人臉特徵進行身份驗證又是最自然最直接的手段，相比其它人體生物特徵它具有直接、有好、方便的特點，易於為用戶所接受。人臉識別的研究涉及模式識別、圖像處理、生理學、心理學、認知科學，與基於其它生物特徵的身份鑑別方法以及計算機人機感知交互領域都有密切的聯繫。人臉識別是當前 應用很廣泛的ー種生物特徵識別技術，因為其自身特殊的優勢，所以人臉識別在生物識別中佔有重要的地位。(I)非侵擾性。無需幹擾人們的正常行為即可實現識別效果。(2)採集設備簡単。一般只需要一臺攝像頭即可實現人臉圖片的採集，而且採集時間也可以很短。人臉識別系統包括兩個技術環節首先是人臉檢測與定位，即從輸入圖像中找到人臉及人臉存在的位置，並將人臉從背景中分割出來，然後才是對歸一化的人臉圖像進行識別。這兩個環節中，人臉檢測與定位有著極為關鍵的作用，只有獲得質量高的人臉圖像，人臉的身份識別才有可能實現。當前的人臉採集技術存在著瓶頸(I)人臉採集的距離不夠遠，採集過程的友好性不夠；(2)無法檢測到多姿態的人臉，例如在仰頭、俯頭、側身、背身以及跳躍的情況下無法採集人臉；(3)採集的人臉圖像清晰度與採集距離形成ー對矛盾，二者無法兼顧。

發明內容
本發明目的是為了解決現有人臉採集技術存在的人臉採集的距離不夠遠，採集過程的友好性不夠；無法檢測到多姿態的人臉，例如在仰頭、俯頭、側身、背身以及跳躍的情況下無法採集人臉；採集的人臉圖像清晰度與採集距離形成ー對矛盾，二者無法兼顧的問題，提供了 ー種遠距離人臉採集方法。本發明所述遠距離人臉採集方法，該方法所涉及的人臉採集設備包括PC機、雙目攝像頭、ニ自由度旋轉雲臺和長焦攝像機，長焦攝像機設置在ニ自由度旋轉雲臺上，所述遠距離人臉採集方法包括以下步驟步驟一、雙目攝像頭採集目標人臉確定目標人臉的三維坐標，並反饋給PC機；步驟ニ、PC機根據目標人臉的三維坐標輸出命令調整ニ自由度旋轉雲臺，使得ニ自由度旋轉雲臺帶動長焦攝像機對準目標人臉的方向；步驟三、長焦攝像機跟蹤並採集目標人臉的視頻信息；步驟四、採用基於Adaboosting算法訓練的Haar-like特徵級聯分類器方法逐中貞檢測目標人臉的視頻信息，判斷所述視頻信息是否為目標人臉的正臉，判斷結果是正臉，執行步驟七；否則，執行步驟五，
步驟五、採用基於condensation算法跟蹤目標人臉，更新目標人臉在視頻中的ニ維像素坐標，然後執行步驟六；步驟六、調整ニ自由度旋轉雲臺根據步驟五獲取的ニ維像素坐標跟蹤目標人臉，獲取目標人臉的視頻信息，然後，返回執行步驟四步驟七、判斷目標人臉是否在所述視頻當前幀圖像的中心區域，如果在中心區域，執行步驟九；如果不在中心區域，執行步驟八；
步驟八、調整ニ自由度旋轉雲臺，使目標人臉向視頻的中心區域移動，然後再執行步驟七，步驟九、判斷目標人臉面積佔視頻當前幀圖像總面積的比例是否大於人臉尺寸閾值 T，T = 0.4 0.5，判斷結果為是，則執行步驟十一；判斷結果為否，則執行步驟十；步驟十、調整長焦攝像機的變倍參數，以調整目標人臉面積大小佔視頻當前幀圖像總面積的比例變大，然後返回執行步驟九；步驟十一、長焦攝像機採集目標人臉圖像，並判斷目標人臉圖像的清晰度E是否大於清晰度閾值Te, Te = 5500 10000，若判斷所述目標人臉圖像不清晰，則執行步驟十二 ；若判斷所述目標人臉圖像清晰，則保存該目標人臉圖像信息，完成採集人臉；步驟十二、調整長焦攝像機的聚焦參數，以調整目標人臉圖像的清晰度，然後返回執行步驟十一。本發明的優點本發明所述的遠距離人臉採集方法，針對人臉檢測、採集與跟蹤進行了實現。針對現有人臉採集技術存在的不足，本發明方法能夠很好的改善。首先，採用本發明方法的人臉採集距離能夠達到5米，實現了遠距離、全自動人臉圖像採集的功能。其次，在仰頭、俯頭、側身以及跳躍的情況下，本發明所述的方法也能夠做到精確跟蹤人臉。再者，在光照變化大以及背景複雜的情況下，本發明的方法通過對圖像採集裝置進行變倍、變焦能夠獲得清晰度高的人臉圖像，從而解決了一般人臉採集設備存在的採集距離與圖像質量這ー對矛盾。具有非侵擾性。系統在採集的過程中不需要目標人的主動配合，不會干擾目標人的正常行為。在米集人臉圖像的過程中，能夠實現對人臉的動態跟S示。當目標移動時，系統能動態跟蹤人臉，長焦攝像機能始終對準人臉，並且使人臉圖像處在視頻的中心位置。本系統的動態跟蹤範圍能夠達到320°。


圖I是本發明所述遠距離人臉採集方法涉及的裝置的結構示意圖；圖2是人臉擬合橢圓示意圖；圖3是本發明所述遠距離人臉採集方法的流程圖。
具體實施例方式具體實施方式
一下面結合圖I和圖3說明本實施方式，本實施方式所述遠距離人臉採集方法，該方法所涉及的人臉採集設備包括PC機I、雙目攝像頭2、ニ自由度旋轉雲臺3和長焦攝像機4，長焦攝像機4設置在ニ自由度旋轉雲臺3上，其特徵在於，所述遠距離人臉採集方法包括以下步驟步驟一、雙目攝像頭2採集目標人臉確定目標人臉的三維坐標，並反饋給PC機I ;步驟ニ、PC機I根據目標人臉的三維坐標輸出命令調整ニ自由度旋轉雲臺3，使得ニ自由度旋轉雲臺3帶動長焦攝像機4對準目標人臉的方向；步驟三、長焦攝像機4跟蹤並採集目標人臉的視頻信息；步驟四、採用基於Adaboosting算法訓練的Haar-like特徵級聯分類器方法逐中貞檢測目標人臉的視頻信息，判斷所述視頻信息是否為目標人臉的正臉，判斷結果是正臉，執 行步驟七；否則，執行步驟五，步驟五、採用基於condensation算法跟蹤目標人臉，更新目標人臉在視頻中的ニ維像素坐標，然後執行步驟六；步驟六、調整ニ自由度旋轉雲臺3根據步驟五獲取的ニ維像素坐標跟蹤目標人臉，獲取目標人臉的視頻信息，然後，返回執行步驟四步驟七、判斷目標人臉是否在所述視頻當前幀圖像的中心區域，如果在中心區域，執行步驟九；如果不在中心區域，執行步驟八；步驟八、調整ニ自由度旋轉雲臺3，使目標人臉向視頻的中心區域移動，然後再執行步驟七，步驟九、判斷目標人臉面積佔視頻當前幀圖像總面積的比例是否大於人臉尺寸閾值 T，T = 0.4 0.5，判斷結果為是，則執行步驟十一；判斷結果為否，則執行步驟十；步驟十、調整長焦攝像機4的變倍參數，以調整目標人臉面積大小佔視頻當前幀圖像總面積的比例變大，然後返回執行步驟九；步驟十一、長焦攝像機4採集目標人臉圖像，並判斷目標人臉圖像的清晰度E是否大於清晰度閾值Te, Te = 5500 10000，若判斷所述目標人臉圖像不清晰，則執行步驟十二 ；若判斷所述目標人臉圖像清晰，則保存該目標人臉圖像信息，完成採集人臉；步驟十二、調整長焦攝像機4的聚焦參數，以調整目標人臉圖像的清晰度，然後返回執行步驟十一。本實施方式所述遠距離人臉採集方法採用的裝置如圖I所示，由以下裝置組成雙目攝像頭2、長焦攝像機4、ニ自由度旋轉雲臺3。其中，長焦攝像頭4採用的陝西維視數字圖像技術有限公司MV-VS078FC-L型號的長焦攝像機，ニ自由度旋轉雲臺3採用的是陝西維視數字圖像技術有限公司生產的MV-5959高速高精度機器視覺雲臺。雙目攝像頭2是由加拿大 Point Grey Research 公司生產的 Bumblebee2Camera, IEEE1394PCI 主機適配器。在實際的安裝過程中，雙目攝像頭2固定安裝，ニ自由度旋轉雲臺3固定，長焦攝像機4安裝在ニ自由度旋轉雲臺3上，安裝完成後需要實際測得雙目攝像頭2坐標系與ニ自由度旋轉雲臺3坐標系的相對位置關係。步驟四中的Adaboosting算法是常規算法，是將很多個分類器的的意見有效的結合起來，以達到更好的分類效果。算法需要做兩件事情I.從眾多候選分類器中篩選出分類器。2.賦予被篩選出來的分類器說話的分量。首先來說篩選分類器的算法。假設已經篩選出m個分類器，從剩餘的分類器中篩選出下一個分類器的原則是該分類器誤分類的加權成本(加權數為樣本權值)在所有剩餘分類器中最小。其次通過最小化總成本能夠求的新添加分類器的權值。Adaboosting算法中有ー個很重要的環節。每ー個訓練樣本都被賦予權值，並且隨著訓練過程樣本權值不斷更新。更新的原則是誤分類樣本被賦予更高的權值，而正確分類樣本的權值被相應降低。通過這種方式能夠將重點放在不能正確分類的樣本上，新選出來的分類器能夠發揮原有分類器沒有的作用，提高整體的分類效果。
具體實施方式
ニ 本實施方式對實施方式一作進ー步說明，步驟五中採用基於condens ation算法跟蹤目標人臉，更新目標人臉在視頻中的ニ維像素坐標的過程為步驟51、選取所述視頻信息的當前幀圖像中目標人臉區域的N個粒子構建第k-1時刻粒子群,
權利要求
1.遠距離人臉採集方法，該方法所涉及的人臉採集設備包括PC機(I)、雙目攝像頭(2)、二自由度旋轉雲臺(3)和長焦攝像機(4)，長焦攝像機(4)設置在二自由度旋轉雲臺(3)上，其特徵在於，所述遠距離人臉採集方法包括以下步驟 步驟一、雙目攝像頭(2)採集目標人臉確定目標人臉的三維坐標，並反饋給PC機(I)；步驟二、PC機(I)根據目標人臉的三維坐標輸出命令調整二自由度旋轉雲臺(3)，使得二自由度旋轉雲臺(3)帶動長焦攝像機(4)對準目標人臉的方向； 步驟三、長焦攝像機(4)跟蹤並採集目標人臉的視頻信息； 步驟四、採用基於Adaboosting算法訓練的Haar-Iike特徵級聯分類器方法逐巾貞檢測目標人臉的視頻信息，判斷所述視頻信息是否為目標人臉的正臉，判斷結果是正臉，執行步驟七；否則，執行步驟五， 步驟五、採用基於condensation算法跟蹤目標人臉，更新目標人臉在視頻中的二維像素坐標，然後執行步驟六； 步驟六、調整二自由度旋轉雲臺(3)根據步驟五獲取的二維像素坐標跟蹤目標人臉，獲取目標人臉的視頻信息，然後，返回執行步驟四 步驟七、判斷目標人臉是否在所述視頻當前幀圖像的中心區域， 如果在中心區域，執行步驟九；如果不在中心區域，執行步驟八； 步驟八、調整二自由度旋轉雲臺(3)，使目標人臉向視頻的中心區域移動，然後再執行步驟七， 步驟九、判斷目標人臉面積佔視頻當前幀圖像總面積的比例是否大於人臉尺寸閾值T，T = 0. 4 0. 5， 判斷結果為是，則執行步驟十一；判斷結果為否，則執行步驟十； 步驟十、調整長焦攝像機(4)的變倍參數，以調整目標人臉面積大小佔視頻當前幀圖像總面積的比例變大，然後返回執行步驟九； 步驟十一、長焦攝像機(4)採集目標人臉圖像，並判斷目標人臉圖像的清晰度E是否大於清晰度閾值Te, Te = 5500 10000， 若判斷所述目標人臉圖像不清晰，則執行步驟十二 ；若判斷所述目標人臉圖像清晰，則保存該目標人臉圖像信息，完成採集人臉； 步驟十二、調整長焦攝像機(4)的聚焦參數，以調整目標人臉圖像的清晰度，然後返回執行步驟十一。
2.根據權利要求I所述遠距離人臉採集方法，其特徵在於，步驟五中採用基於condensation算法跟蹤目標人臉，更新目標人臉在視頻中的二維像素坐標的過程為 步驟51、選取所述視頻信息的當前幀圖像中目標人臉區域的N個粒子構建第k-1時刻粒子群{410 = I，2…#}, 其中，N為正整數，且N = 200 2000，為第k_l時刻第n個粒子的坐標，
3.根據權利要求2所述遠距離人臉採集方法，其特徵在於，N= 300。
4.根據權利要求2所述遠距離人臉採集方法，其特徵在於，步驟53中第k-1時刻第n個粒子的置信度的獲取過程為步驟531、用標準人臉建立標準人臉二維直方圖查詢圖表將標準人臉的彩色圖像轉化成HSV顏色空間中，從中抽取出H和S分量，忽略V分量，H的範圍是0-180，S取的範圍是0-255，H分量被分成60等份，S分量被分成64等份，在OpenCV中得到標準人臉圖像的二維直方圖查詢圖表，並記錄等份H分量和S分量交叉對應的人臉膚色概率； 步驟532、按公式
5.根據權利要求2所述遠距離人臉採集方法，其特徵在於，步驟54判斷第k-1時刻粒子群是否為具有類膚色物體特徵的粒子群的過程為 步驟541、計算第k-1時刻粒子群的二維直方圖和標準人臉二維直方圖的 Bhattacharyya 距離
6.根據權利要求2所述遠距離人臉採集方法，其特徵在於，步驟56中第k時刻粒子群
7.根據權利要求6所述遠距離人臉釆集方法，其特徵在於，步驟56中第k時刻第n個粒子的膚色概率的獲取方法為 步驟a、用標準人臉建立標準人臉二維直方圖查詢圖表將標準人臉的彩色圖像轉化成HSV顏色空間中，從中抽取出H和S分量，忽略V分量，H的範圍是0-180，S取的範圍是0-255，H分量被分成60等份，S分量被分成64等份，在OpenCV中得到標準人臉圖像的二維直方圖查詢圖表，並記錄等份H分量和S分量交叉對應的人臉膚色概率； 步驟b、按公式 獲取第k時刻第n個粒子的膚色概率, 其中，P(HS)表示第n個粒子所在像素的H-S分量在標準人臉二維直方圖查詢圖表的人臉膚色概率，max(P(HS))是標準人臉二維直方圖查詢圖表中的最大人臉膚色概率。
8.根據權利要求6所述遠距離人臉採集方法，其特徵在於，步驟56中第k時刻第n個粒子的人臉橢圓約束概率的獲取方法為 步驟561、構建第k時刻粒子群的擬合橢圓 擬合橢圓長軸的方向角9為
9.根據權利要求I所述的遠距離人臉採集方法，其特徵在於，步驟十一中目標人臉圖像的清晰度E的獲取過程為 步驟I、提取目標人臉圖像中每個像素點的八個方向的邊緣信息 坐標為(x,y)的像素的0°邊緣方向的邊緣信息H1 = I (X^)=I=S1,其中I(x,y)是坐標為(x，y)的像素的灰度值，S1為坐標為(x，y)的像素的0°邊緣方向Sobel算子模板，且
全文摘要
遠距離人臉採集方法，屬於圖像處理領域，本發明為解決現有人臉採集技術存在的人臉採集的距離不夠遠，採集過程的友好性不夠的問題。本發明所涉及的人臉採集設備包括PC機、雙目攝像頭、二自由度旋轉雲臺和長焦攝像機，長焦攝像機設置在二自由度旋轉雲臺上，所述遠距離人臉採集方法包括PC機根據雙目攝像頭採集的目標人臉的三維坐標，調整二自由度旋轉雲臺帶動長焦攝像機對準目標人臉的方向，並採集目標人臉的視頻信息；如為目標人臉的正臉，調整其在視頻當前幀圖像的中心區域及清晰度，完成採集，如不是正臉，返回重新採集。
文檔編號G06K9/62GK102708361SQ201210146028
公開日2012年10月3日 申請日期2012年5月11日 優先權日2012年5月11日
發明者吳立坤, 梅江元, 董嶽, 高會軍 申請人:哈爾濱工業大學