[发明专利]基于视频识别恐怖嫌疑人的方法和装置

说明书

技术领域

本发明涉及动态识别技术领域，特别涉及一种基于视频识别恐怖嫌疑人的方法和装置。

背景技术

表情是人类表达自身情感信息的重要非言语性行为，可视为人类心理活动的晴雨表。达尔文于1872 年出版了著名的《人与动物的表情》（The Expression of Emotions in Man and Animals），人类对面部表情工作的研究从此拉开了序幕。时至今日，人类对于面部表情的研究已经十分丰富，但关注的大多是人的普通表情。然而，人类除了普通表情，还存在着一种其持续时间非常短的微表情。

Haggard，E. A. 和 Isaacs，K. S.于1966年率先发现微表情，认为微表情与自我防御机制有关，表达了被压抑的情绪。Ekman，P. 等人认为，微表情既可能包含普通表情的全部肌肉动作，也可能只包含普通表情肌肉动作的一部分，微表情是一种自发性的表情动作。本申请的发明人经过多年研究，发现恐怖分子试图压抑与隐藏的真正情感与微表情密切相关。

目前恐怖活动已成为世界和平的重大威胁。在广场、机场、车站等公共场所，如何在流动的人群或人流中快速识别出恐怖嫌疑人是反恐工作的迫切需要。事实上，利用在公共场所获取的有关人群或人流的视频信息，快速识别出恐怖嫌疑人是人们渴望解决的技术问题。

发明内容

本发明的目的是要提供一种快速识别恐怖嫌疑人的方法和装置，以解决上述现有技术中的问题。

本发明的第一方面，提供了一种基于视频识别恐怖嫌疑人的方法，该种方法，其特征在于，包括如下步骤：

（1）采集多帧连续的视频图像；

（2）在所采集的多帧连续的视频图像中检测被识别对象的人脸区域，并提取各帧视频图像中被识别对象人脸区域的特征；

（3）根据所提取的各帧视频图像中被识别对象人脸区域的特征，分析被识别对象的人脸区域有否出现持续时间位于最小阈值与最大阈值之间的表情动作，并将所述人脸区域出现了持续时间位于最小阈值与最大阈值之间的表情动作的被识别对象确定为恐怖嫌疑人。

通常，在步骤（3）中，最小阈值为0.02秒，最大阈值为0.25秒；优选地，在步骤（3）中，最小阈值为0.03秒，最大阈值为0.23秒；更优选地，在步骤（3）中，最小阈值为0.06秒，最大阈值为0.21秒。

该种方法以所采集到的被识别对象的视频信息为基础，通过快速分析被识别对象的微表情动作，达到了快速鉴别被识别对象是否为恐怖嫌疑人的目的。该种方法适合对人流的快速动态筛选或鉴别，可以大大减少人工排查的工作量。

优选地，在步骤（3）中，分析被识别对象的人脸区域有否出现持续时间位于最小阈值与最大阈值之间的表情动作，包括如下步骤：

（31）判断被识别对象的人脸区域有否出现表情动作，如果有，执行步骤（32），否则，将被识别对象直接确定为非恐怖嫌疑人；

（32）计算所出现的表情动作的持续时间，判断所述持续时间是否位于最小阈值与最大阈值之间。

为了提高识别或鉴别的正确性，在步骤（1）中，多帧连续的视频图像为至少25帧连续的视频图像；优选地，在步骤（1）中，多帧连续的视频图像为至少75帧连续的视频图像。

优选地，在步骤（2）和步骤（3）中，所述人脸区域不包括眼睛区域。这样排除了眼睛部位可能出现的微动作，有利于保障其识别或鉴别的正确性。

优选地，在步骤（2）和步骤（3）中，所述人脸区域不包括眼睛区域和嘴巴区域。这样排除了眼睛部位和嘴巴部位可能出现的微动作，有利于保障其识别或鉴别的正确性。

在步骤（2）中，通常通过特征识别算法来提取各帧视频图像中被识别对象人脸区域的特征。

在优选的实施例中，在步骤（2）中，采用SIFT（Scale-invariant feature transform）算法来提取各帧视频图像中被识别对象人脸区域的特征。

本发明的第二方面，提供了一种基于视频识别恐怖嫌疑人的装置，该种装置，其特征在于，所述装置包括：

视频采集单元，用于采集被识别对象的视频图像；

人脸检测和特征提取单元，该单元与视频采集单元连接，用于对视频采集单元所采集的视频图像进行被识别对象人脸区域的检测，并提取各帧视频图像中被识别对象人脸区域的特征；