[发明专利]一种基于人脸识别的视频监控方法

说明书

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于人脸识别的视频监控方法。

背景技术

人脸识别是基于人的脸部特征信息进行身份鉴别的一种生物特征识别技术。相对于其他生物识别技术，人脸识别有着自身的优势，如不易被察觉，不需接触设备等。现如今，人脸识别技术已广泛应用于刑侦破案、门禁系统、摄像监视、网络应用、身份辨识、信息安全及娱乐应用等领域。人脸识别还应用于刷脸支付系统：如今，第一个刷脸支付系统诞生，进入相应测试阶段，PayPal(贝宝)在英国推出了“人脸识别”支付功能，这标志着人脸识别技术应用又进入了崭新的领域。

局部二值模式(Local Binary Pattern，LBP)是一种灰度范围内的纹理度量，最初是由Ojala等为了辅助性的度量图像的局部对比度而提出的。它是描述图像局部空间结构的非参数算子，能够高效的描述纹理。由于LBP方法原理相对简单，计算复杂度低，同时又具有旋转不变性和灰度不变性等显著的优点，因而该方法又被广泛地应用于图像匹配、行人和汽车目标的检测与跟踪、生物和医学图像分析等领域。原始LBP算子共有256种变换模式，使用Uniform模式后减为59种，能够起到很好的降维作用。虽然LBP有很多显著的优点，但是在光照变化和姿态变化的测试集上，它的人脸识别结果仍不是很理想，并且由于它是以确切的中心像素为阈值，所以对噪声很敏感，尤其是均匀的或近似均匀的区域。Liao等人提出的基于多尺度块的局 部二值模式(MB-LBP)弥补了LBP对噪声敏感的缺陷，并进一步利用了图像的宏观结构，获得了更加有效的图像表示。J.Chen等人提出的Weber Local Descriptor(WLD)特征描述算子利用了LBP中被忽略的邻域像素与中心像素的差值的幅值，求取差励，并对其进行量化。Yue Ming等人提出的3DLBP，也利用了3DLBP邻域像素与中心像素的差值，通过对差值进行编码得到图像的表示，但是3DLBP将差值大于7的值全部统一为7，这样会损失大量图像信息，对识别结果有很大的影响。

故一种鲁棒性更好，人脸识别率更高的视频监控方法亟待提出。

发明内容

本发明提出一种基于人脸识别的视频监控方法，该方法具有较好的鲁棒性能，可以较好的抑制噪声的影响，具有良好的人脸识别率。

为了达到上述目的，本发明的技术方案如下：

一种基于人脸识别的视频监控方法，包括以下具体步骤：

S1、采集监控视频数据；

S2、对采集的监控视频数据进行解码；

S3、对已解码的监控视频数据进行检测，当监测到人脸时，获得监控人脸信息并将监控人脸信息以及与监控人脸信息相关联的监控视频数据绑定后存储到信息存储模块；

S4、将目标人脸信息在信息存储模块中进行检索，当检索到了匹配的人脸信息时，根据检索到的人脸信息获得相应的监控视频数据。

其中，上述的监控人脸信息、目标人脸信息的获得方法包括以下具体步骤：

(1)对人脸图像进行积分图计算，利用所述积分图求得以点(x，y)为中心，大小为s×s个像素的图像块的像素平均值v_c，以及以该所述 图像块为中心的3×3块邻域内同等大小的8个子图像块的像素平均值v_i，i＝0，...，7；

(2)对每个所述像素平均值进行方向编码和幅值编码，所述方向编码后得到第一层人脸描述图像，所述幅值编码后得到第二层人脸描述图像和第三层人脸描述图像；

(3)将所述第一层人脸描述图像、所述第二层人脸描述图像和所述第三层人脸描述图像分别进行分块处理，得到若干子块；

(4)对每个所述子块提取特征直方图，并利用Uniform模式对所述特征直方图进行降维；

(5)将三层人脸描述图像获取的所有所述特征直方图进行串联，得到人脸特征直方图；

(6)对全部监控人脸图像、目标人脸图像提取人脸特征直方图，分别形成监控人脸特征集、目标人脸特征集。

另外，上述的步骤S4中检索监控人脸特征集，通过分类识别方法预测目标人脸图像的人脸特征直方图所属的对象。

本发明提供的一种基于人脸识别的视频监控方法，对图像的噪声具有较强的鲁棒性，对人脸的拍摄时间变化、光照变化、表情变化和姿态具有很好的鲁棒性。

作为优选的方案，上述的积分图采用下式进行计算：

其中：i(x′，y′)为灰度图像内任一点(x′，y′)处的像素值。