[发明专利]一种基于视频的人脸跟踪识别技术有效
申请号: | 201110312599.9 | 申请日: | 2011-10-14 |
公开(公告)号: | CN102306290A | 公开(公告)日: | 2012-01-04 |
发明(设计)人: | 刘伟华 | 申请(专利权)人: | 刘伟华 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京市兰台律师事务所 11354 | 代理人: | 张峰 |
地址: | 410007 湖南省长*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 视频 跟踪 识别 技术 | ||
1.一种基于视频的人脸跟踪识别技术,该方法包括:
a、逐帧检测解码后的视频中的人脸数和人脸位置信息;
b、将人脸数和人脸位置信息归并成人脸活动位置序列;
c、对人脸活动位置序列进行预处理;
d、采用追踪算法,将人脸活动位置序列聚类成同一人的人脸连续活动区域序列;
e、对序列中的所有人脸进行人脸质量评价,每个序列挑选出最优人脸,进行归一化处理;
f、对归一化的人脸图像在频域中进行Gabor变换;
g、对变换后的图像进行直方图统计,求得特征值;
h、不同序列的最优人脸对应的特征值两两求差,将得到的统计属性特征值输入到人脸识别器进行人脸匹配。
2.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,步骤(a)中,采用分块的局部二元模式——Block-LBP统计样本的特征,引入到Adaboost人脸检测框架中。
3.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,当面对大幅面高清视频时,采用下采样的方法,将图像帧先按采样因子进行幅面缩小,对缩小后的幅面帧进行人脸检测,然后对检测传出的人脸位置区域信息进行反比例放大。
4.根据权利要求3所述的基于视频的人脸跟踪识别技术,其特征在于,针对720×576幅面视频的采样因子为1;针对1440×1080幅面视频的采样因子为1/2;针对1920×1080幅面视频的采样因子为1/2;针对1280×720幅面视频的采样因子为3/4。
5.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,所述的预处理程序包括,首先剔除噪音人脸区域,遍历视频时间线上的检测得到的人脸区域,判定是否为噪音人脸区域,将噪音人脸区域剔除;然后连接断点处的人脸区域,检测断点处前后15帧,依据前后15帧的相关性插值出填充人脸区域,将填充人脸区域补入人脸活动位置序列。
6.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,步骤d的追踪算法为,
(1)开始遍历整个视频时间线的人脸区域容器,找到初始位置,其依据条件是此帧检测的人脸数大于0,根据检测的人脸数N,开启N个追踪路线;
(2)对每个追踪路线,前后帧步进的条件是人脸数不变,且每个人脸能找到对应的人脸区域,对于两帧之间的人脸框,主要根据人脸的时空相关性进行两两匹配;
(3)追踪路线数变化的情况,如果遍历到尾端,则结束所有追踪路线,如果人脸数增加M个,则新开M个追踪路线,如果人脸数减少L个,终止L个追踪路线,当终止追踪路线时,保存其活动序列,经过追踪算法后,将产生出一个个同一人脸的连续活动区域序列。
7.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,序列中人脸质量评价的方法是:
(1)从单个序列选择20张最大人脸;
(2)从20张最大脸中选择10张最小偏头角度脸;
(3)从10张最小偏头角度脸选择5张最小侧脸角度的脸。
8.根据权利要求1所述的基于视频的人脸跟踪识别技术,其特征在于,还包括将人脸跟踪识别结果进行可视化处理,输出人脸时刻信息图。
9.一种应用权利要求1所述的基于视频的人脸跟踪识别技术进行基于人脸的视频检索的方法,其特征在于,在视频中检索出每个特定人的时空信息。
10.一种应用权利要求1所述的基于视频的人脸跟踪识别技术进行视频马赛克特效处理的方法,其特征在于,将人脸活动区域进行马赛克处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于刘伟华,未经刘伟华许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110312599.9/1.html,转载请声明来源钻瓜专利网。