[发明专利]面向大型直播场景的多人特写实时识别与自动截图方法

说明书

本发明公开了一种面向大型直播场景的多人特写实时识别与自动截图方法，具体为：将人脸大小、清晰度以及人脸位置分别作为截图的第一、二、三指标，首先实时获取直播视频的当前视频帧图像，检测所述视频帧图像中的人脸获得人脸区域并进行跟踪，然后对人脸区域的人脸大小、清晰度以及位置依次进行评估，进而选取符合截图标准的人脸图像，并将当前视频帧图像截图保存，送入人脸识别模块进行识别，输出识别结果。该发明可应用在大型直播场景下对视频中的多人特写进行识别与截图，当满足截图指标时自动截图保存，确保获得质量更佳的截图。

技术领域：

本发明涉及一种面向大型直播场景的多人特写实时识别与自动截图方法，属于视频图像处理技术领域技术领域。

背景技术：

在各种直播平台，比如正规大会直播或者足球直播或者大型晚会直播时，需要在一定情况下截图，对图片上的人物进行人脸识别，从而方便图文介绍。需要截图就一定要检测到人物，关键技术就是人脸检测，而传统的人脸检测由于通常是实时进行检测的，因此在检测过程中会产生大量重复的同一对象的不同人脸快照，并且质量参齐不齐，另外如果全部保存快照进行人脸识别，则会带来存储量大和人脸识别效果不佳的缺点，因此本发明为了解决这个问题，提出了一种图像质量评估方法，只有满足截图要求才会进行保存识别。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种识别效果好、存储量小的面向大型直播场景的多人特写实时识别与自动截图方法，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明提供了

一种面向大型直播场景的多人特写实时识别与自动截图方法，其特征在于，

具体步骤如下：

步骤1，实时获取直播视频信号，对视频流中的每帧图像中值滤波后转换到YCgCr颜色空间，并建立肤色模型，对图像进行肤色检测，通过形态学处理后去除背景区域，获得候选肤色区域；

步骤2，基于步骤1的肤色检测，采用Adaboost算法对候选肤色区域进行人脸检测，得到人脸区域的大小S_face及中心点坐标(x_c，y_c)；

步骤3，对每个人脸区域采用带有多线程机制的CamShift算法进行目标跟踪，统计当前视频帧图像中被跟踪的人脸个数并记为L；

步骤4，对这L张人脸中的每一张人脸都依次进行人脸大小、清晰度以及位置的评估，符合记为1不符合记为0从而得到L个01序列；

步骤5，通过对L个01序列进行判断，进而选取符合截图标准的视频帧图像截图；

步骤6，将所截图像送入人脸识别模块并对序列号为111的人脸进行识别，输出识别结果。

本方面进一步限定的技术方案为：

优选地，上述技术方案中，步骤2中Adaboost算法，用正负人脸样本训练基于Haar-like特征的强分类器，并将强分类器串联成级联分类器，实现快速实时的人脸检测。

优选地，上述技术方案中，步骤3为CamShift动态人脸检测跟踪进程开设两个线程，分别为检测线程和跟踪线程，降低检测时间，提高跟踪实时性。

优选地，上述技术方案中，检测线程首先启动，负责定期检测图像中人脸，确定人脸个数是否变化及变化后的人脸初始位置，跟踪线程负责根据检测线程提供的最新检测结果进行多人脸的CamShift实时跟踪。

优选地，上述技术方案中，步骤5的截图标准判断规则如下：