[发明专利]视频监控中蒙面人脸的检测方法

权利要求书

1.视频监控中蒙面人脸的检测方法，包括如下步骤：

(1)将监控现场获取的彩色视频图像转换为灰度图像；

(2)将灰度图像进行缩放；

(3)在灰度图像上进行人头检测，检测到有人头时，进入下一步骤，无人头则循环步骤(1)到(3)；

(4)对每个人头在帧间进行匹配；

(5)进行人脸检测；

(6)进行蒙面判决，对判决出有蒙面人脸的原始彩色视频图像进行标记，并报警。

2.根据权利要求1所述的方法，其特征在于步骤(3)中采用滑动窗口方法，沿自左向右，自上向下的方向，逐像素点移动滑动窗口，将灰度图像分割为对应每个滑动窗口的窗口图像，对窗口图像进行人头检测，滑动窗口位于第一个窗口图像时：

(1)计算窗口图像各像素点的水平梯度G_x[i，j]和垂直梯度G_y[i，j]；

a.G_x[i，j]和G_y[i，j]各像素点的值初始化为0，[i，j]遍历窗口图像上的所有像素点，i是变量，表示窗口图像中像素点的水平位置，取值为i＝1，2，...，W₀，j是变量，表示窗口图像中像素点的垂直位置，取值为j＝1，2，...，H₀，W₀，H₀分别为窗口图像的宽度和高度；

b.在窗口图像上，将Sobel水平边缘算子作为运算模板，平移运算模板中心到各像素点处，将运算模板覆盖下的图像区域中的每个像素与运算模板每个元素对应相乘，所有乘积之和作为各像素点的水平梯度G_x[i，j]，将Sobel垂直边缘算子作为运算模板，得到各像素点的垂直梯度G_y[i，j]：

Gx[i,j]=Σk=13Σl=13I[i-2+k,j-2+l]Sx[k,l],]]>

Gy[i,j]=Σk=13Σl=13I[i-2+k,j-2+l]Sy[k,l],]]>

其中，i＝2，3，...，W₀-1，j＝2，3，...，H₀-1，I[i，j]表示窗口图像各像素点的灰度值，S_x[k，l]表示Sobel水平边缘算子第k行第l列的值，S_y[k，l]表示Sobel垂直边缘算子第k行第l列的值；

(2)计算窗口图像各像素点的梯度大小G₁[i，j]和梯度方向G₂[i，j]：

G1[i,j]=Gx[i,j]2+Gy[i,j]2,]]>

其中，i＝1，2，...，W₀，j＝1，2，...，H₀，arctan(·)是反正切函数，为向下取整运算符，表示不大于的最大整数；

(3)利用窗口图像各像素点的梯度大小和方向进行梯度方向直方图统计，得到窗口图像的特征向量：

将窗口图像分成大小相同的连通区域，每一个连通区域由8×8个像素点组成，称为一个细胞单元，将2×2个细胞单元组成一个正方形区间，区间与区间之间有50％的重叠；

窗口图像中每个细胞单元各像素点的梯度方向取值范围为1到9，每个细胞单元由9通道组成，利用每个细胞单元的各像素点的梯度大小和梯度方向，将每个细胞单元每个通道对应方向范围内的梯度大小进行累加，得到每个细胞单元的梯度方向直方图统计值，H[m][p]表示每个窗口图像中第m个细胞单元第p个通道的直方图统计值，m为变量，是细胞单元标号，从1开始按自左向右，自上向下的顺序依次加1，p为变量，是通道标号，L表示每个窗口图像水平方向的细胞单元个数，M表示每个窗口图像总共的细胞单元个数，L和M为常数，仅与窗口图像的大小有关，取m＝1，p＝1时，H[1][1]表示第1个细胞单元，第1个通道的直方图统计值，计算公式为：

H[1][1]=Σi=18Σj=18(G1[i,j]·w[i,j]),]]>

其中，w[i,j]=1,G2[i,j]=10,G2[i,j]≠1,]]>

p依次加1，从p＝2直到p＝9，分别得到H[1][2]，H[1][3]，...，H[1][9]，计算公式为：

H[1][p]=Σi=18Σj=18(G1[i,j]·w[i,j]),p=2,3,...,9,]]>

其中，w[i,j]=1,G2[i,j]=p0,G2[i,j]≠p,]]>

m依次加1，从m＝2到m＝M，每加一次，对应有9个直方图统计值，相应的计算公式为：

其中，w[i,j]=1,G2[i,j]=p0,G2[i,j]≠p,]]>表示不大于(m-1)/5；

b.将每个窗口图像每个区间内的各细胞单元梯度方向直方图统计值归一化，提取窗口图像的特征向量，S[n]表示每个窗口图像中第n个区间梯度方向直方图统计值的归一化因子，n为变量，是区间标号，从1开始按自左向右，自上向下的顺序依次加1，每个窗口图像水平方向上包含L-1个区间，N表示每个窗口图像总共的区间个数，N是常数，与窗口图像大小有关，取n＝1时，窗口图像第1个区间梯度方向直方图统计值的归一化因子S[1]为第1区间所有细胞单元所有通道梯度方向直方图统计值的和，

S[1]=Σp=19(H[1][p]+H[2][p]+H[L+1][p]+H[L+2][p])]]>

将窗口图像中第1区间的第1个细胞单元，也即窗口图像的第1个细胞单元，各个通道的梯度方向直方图统计值除以第1区间的归一化因子，共9个值作为窗口图像特征向量的第1个到第9个值，依次为

将窗口图像中第1区间的第2个细胞单元，也即窗口图像的第2个细胞单元，各个通道的梯度方向直方图统计值除以第1区间的归一化因子，共9个值作为窗口图像特征向量的第10到18个值，依次为

将窗口图像中第1区间的第3个细胞单元，也即窗口图像的第L+1个细胞单元，各个通道的梯度方向直方图统计值除以第1区间的归一化因子，共9个值作为窗口图像特征向量的第19到27个值，依次为

将窗口图像中第1区间的第4个细胞单元，也即窗口图像的第L+2个细胞单元，各个通道的梯度方向直方图统计值除以第1区间的归一化因子，共9个值作为窗口图像特征向量的第28到36个值，依次为

n依次加1，从n＝2直到n＝N，计算得到所有区间的梯度方向直方图统计值的归一化因子，

其中，表示不大于的最大整数；

将窗口图像中第n个区间的各个细胞单元各个通道的梯度方向直方图统计值除以第n个区间的归一化因子，进一步得到窗口图像特征向量的其他36×(N-1)个值，每个窗口图像的特征向量共36×N维；

c.将每个窗口图像的36×N维特征向量和提前训练好的人头分类模型送入支持向量机软件库，选用ONE_CLASS的分类方式和LINEAR核函数进行分类，判断该窗口图像是否是人头图像，是的话将该窗口图像当做人头窗口图像；

依次类推，重复步骤(1)到步骤(3)直至遍历完所有的窗口图像，得到当前帧灰度图像中的所有人头窗口图像，人头窗口图像的标号顺序和遍历顺序相同，按照自左向右，自上向下的原则。