[发明专利]一种多人场景的智能识别拍摄的方法、系统及存储介质

说明书

本发明涉及一种多人场景的智能识别拍摄的方法、系统及存储介质。其中该方法包括以下步骤：拍摄多人场景的图像；将拍摄得到的图像划分为多个人形图像区域，并为每个人形图像区域确定加权系数和坐标信息；对每一个人形图像区域进行加权系数判定操作；根据加权系数与阈值的关系判断人形图像区域进入特征待提取状态还是补充拍摄；对特征待提取状态的人形图像区域和补充拍摄人形图像区域执行特征识别算法，得出特征标签。该方法对于多人场景有极高的适应性，可准确实现人物特征识别，满足远程教学，会议签到，教学考勤，行为分析等多种场景的智能分析拍摄需要，极大提高了主画面的信息呈现能力和解析力。

技术领域

本发明涉视频监控，视频录播，视频互动的技术领域，更具体地，涉及一种多人场景的智能识别拍摄的方法、系统及存储介质。

背景技术

在当前录播教学，远程互动视频教学中，所能提供的录制画面和远程视频交互画面仅限于单纯的拍摄画面呈现，导致整体应用缺乏扩展性。在目前技术飞速发展进步的背景下，提供了更多的视音频智能分析技术，以便完成视像和音频的结构化数据输出，并通过结构化数据与视音频数据的融合呈现，可提供更为人性化的应用体验。但图像和音频智能识别和分析算法对原始的图像数据和音频数据有较高的要求，例如，人脸识别算法对被拍摄的人物图像的瞳距像素点数量有着明确的算法要求。而录播教学，远程互动视频教学的应用场景多为普通教室，阶梯教室等场景，具有空间大，人员密集等特点，常规的拍摄系统无法提供一个完美满足智能识别技术对于人多场景的拍摄要求。

为解决上述问题，目前主要的解决方案有：一、在课室环境中，通过一个云台摄像机针对课室的每个可能出现学生的区域人工手动提前设置拍摄预制位，并据此规划云台摄像机的巡航动作路径，进行分别拍摄以获得足够清晰度的人物图像，但该方案的缺点显而易见，每个拍摄方案都是预先设置，缺乏灵活性，在一些特殊场景，例如课室座位变化，阶梯室环境等情况无法预知人物位置的情况下，上述方案会存在遗漏的情况，所以该方式为一种被动式识别拍摄系统，缺乏人工干预的情况下无法自主完成人物拍摄和人物识别；二、采用广角摄像机对多人场景区域进行拍摄并进行特征分析，由于图像智能识别算法对图像人物的清晰度都要一定的要求，在课室场景中，该方案要求摄像机的安装位置尽量靠近被摄人物，而安装位置较近会干扰教学过程，且对于多人场景，后排区域人物图像是达不到分析算法的最低像素要求的，无法识别人物，且该系统仍然为被动式拍摄，缺乏灵活性，所以该方案不适用于课室，阶梯室等人员密集的大型场景。

发明内容

如背景技术中所述，对于多人场景的特征识别，如果采用上述方法一的方案，由于云台摄像机的巡航动作路径是预设规划好的，不能够应对突发的拍摄要求，缺乏灵活性；如果采用上述方法二的方案，广角摄像机拍摄到的图像的某些特定的区域清晰度不够，因而无法进行特征识别。因此，以上两种方法都无法自主完成人物拍摄和人物识别。为了解决上述因灵活性不足和清晰度不够而无法自主完成人物拍摄和人物识别的技术问题，本发明提供了一种多人场景的智能识别拍摄的方法、系统及存储介质，具体技术方案如下。

第一方面，本发明提供了一种多人场景的智能识别拍摄的方法，所述方法包括以下步骤：

S1.拍摄多人场景的图像，获得主画面图像；

S2.对图像执行图像分析算法，所述图像分析算法将拍摄得到的图像划分为多个人形图像区域，并为每个人形图像区域确定加权系数和坐标信息；

S3.对每一个人形图像区域进行加权系数判定操作，判断该被判定的人形图像区域是否满足加权系数阈值要求；

S4.若被判定的人形图像区域满足所述加权系数阈值要求，则进入特征待提取状态；若被判定的人形图像区域不满足所述加权系数阈值要求，则根据区域坐标信息进行补充拍摄，获得补充拍摄人形图像区域；

S5.对特征待提取状态的人形图像区域和补充拍摄人形图像区域执行特征识别算法，将经所述特征识别算法处理后得到的特征与特征库进行比对操作，得出特征标签。