[发明专利]一种基于实时视频检测表情的公共安全视频监测算法

权利要求书

1.一种基于实时视频检测表情的公共安全视频监测算法，其特征在于，包括实时视频流的人脸标示和人脸表情识别，所述人脸表情识别包括如下步骤：

(1)初始化训练数据的权值分布，每一个训练样本最开始时都被赋予相同的权值：1/N，按照人脸表情的同比例像素情况作为初始设定标本.

D1=(w11,w12...w1i...,w1N),w1i=1N,i=1,2,...,N]]>

(2)进行多轮贪心迭代m表示迭代的轮次得到基本分类器:

G_m(x)：χ→{-1，+1}，

使用具有权值分布Dm的训练数据集学习，m表示要进行的轮次；

(3)组合多个分类器,得到最终的分类器：

f(x)=Σm=1MαmGm(x)]]>

G(x)=sign(f(x))=sign(Σm=1MαmGm(x))]]>，

然后通过G(x)分类器,进行匹配,快速匹配目标人脸的表情分类。

2.根据权利要求1所述的一种基于实时视频检测表情的公共安全视频监测算法，其特征在于，所述实时视频流的人脸标示包括以下三步：

(1)人脸数据库的准备；

(2)人脸识别算法编写；

(3)人脸标示。

3.根据权利要求2所述的一种基于实时视频检测表情的公共安全视频监测算法，其特征在于，所述人脸识别算法为Fisherface算法。

4.根据权利要求1所述的一种基于实时视频检测表情的公共安全视频监测算法，其特征在于，所述人脸表情识别方法为adaboost算法，该算法为一个多轮次的贪心算法，每一轮根据当前样本的概率分布参数选取使样本总数m的分块集合最大化的分类器，找到最优分类器以后，动态调整概率分布，然后通过学习过程，确定分类器的阈值，然后再进行分类计算，划分人脸表情分类：愤怒、延误、恐惧、喜悦、中性、悲哀或惊讶。