[发明专利]基于智能移动终端视频抖动分析的人脸识别系统

摘要

本发明涉及基于智能移动终端视频抖动分析的人脸识别系统，其特征在于，包括视频采集模块、存储模块、视频提取模块、视频预处理模块、视频抖动运动补偿模块、视频运动目标提取模块、人脸特征目标提取模块、匹配模块和识别结果显示模块；存储模块分别连接视频采集模块和视频提取模块，视频预处理模块分别连接视频提取模块和视频抖动运动补偿模块，视频运动目标提取模块分别连接视频抖动运动补偿模块和人脸特征目标提取模块，匹配模块分别连接人脸特征目标提取模块和识别结果显示模块。该系统通过对含人脸的视频预处理和抖动运动补偿后，可以消除视频抖动对人脸正常识别的影响，提高了人脸识别效率。

主权项

1.基于智能移动终端视频抖动分析的人脸识别系统，其特征在于，包括视频采集模块、存储模块、视频提取模块、视频预处理模块、视频抖动运动补偿模块、视频运动目标提取模块、人脸特征目标提取模块、匹配模块和识别结果显示模块；所述存储模块分别连接视频采集模块和视频提取模块，所述视频预处理模块分别连接视频提取模块和视频抖动运动补偿模块，所述视频运动目标提取模块分别连接视频抖动运动补偿模块和人脸特征目标提取模块，所述匹配模块分别连接人脸特征目标提取模块和识别结果显示模块；其中，所述视频采集模块，用以采集智能移动终端外的含有人脸的视频，并对采集的外部视频自动编号，存储至存储模块中；所述存储模块，一方面保存视频采集模块采集的编号外部视频，一方面保存系统预先已登记存储的人脸面部图像或人脸视频；所述视频提取模块，用于提取存储模块中编号的视频，并发送给视频预处理模块；所述视频预处理模块，用以滤除编号视频中的噪声，将滤噪后的视频分割成预设数目的帧图像，并将滤噪后的各帧图像发送给视频运动目标提取模块，其中，视频预处理模块对视频的预处理的方法过程依次包括如下步骤：(1)利用高斯滤波对编号视频中的噪声滤除，将滤噪后的视频按照预设数目分割成若干独立编号的原始帧图像St(i,j)，并由已分割数目的各原始帧图像St(i,j)构成原始图像S(i,j)；其中，t∈[1,T]，T表示视频被分割的帧图像数目；(2)对原始图像S(i,j)中的各原始帧图像St(i,j)以预设倍数放大其像素值，并对放大后的各原始帧图像St(i,j)做灰度化处理，得到对应的灰度帧图像Yt(i,j)，其中，原始图像S(i,j)对应的灰度图像为Y(i,j)；Y(i,j)＝0.257×r(i,j)+0.504×g(i,j)+0.239×b(i,j)；其中，r(i,j)、g(i,j)、b(i,j)分别对应原始帧图像St(i,j)的颜色空间三维坐标中的红、绿、蓝颜色分量，Yt(i,j)为得到的所述灰度帧图像；(3)对灰度图像Y(i,j)中的各灰度帧图像Yt(i,j)进行预处理，得到对应的预处理帧图像It(i,j)和预处理图像I(i,j)，并采用高斯滤波分别对各预处理帧图像It(i,j)进行处理；其中，高斯函数为均值是零的二维高斯函数g(i,j)，其中，σ²为高斯白噪声的方差；其使用的图像模板算子为所述视频运动目标提取模块，用于提取预处理图像中的运动目标，其中，运动目标的提取方法过程依次包括如下步骤：(a)建立背景像素模型M(i,j)，M(i,j)＝{v1,v2,…,vN}；其中，vk(i,j)表示图像(i,j)位置上的像素值，k是背景像素样本中的序号，M(i,j)表示背景图像(i,j)位置上的N个样本观察值；(b)根据背景像素模型M(i,j)进行分类，建立以v(i,j)为中心，以R为半径的球SR(v(i,j))，进行比较并分类；其中，比较分类过程如下：当处在球SR(v(i,j))以内的样本观察值的数量K不小于基数Kmin，即K≥Kmin时，则判定当前像素v(i,j)为背景点；其中，K表示为K＝{SR(v(i,j))∩{v1,v2,…,vN}}；(c)对背景像素模型M(i,j)进行初始化，在第一帧图像中随机选择相邻像素值与目标像素的样本进行混合，M1(i,j)＝{v1(y|y∈NG(i,j))}，每一个相邻位置y上的像素通过同样的方式被随机的选取，M1(i,j)表示第一帧图像序号的背景模型，NG(i,j)表示与像素位置(i,j)相邻的像素；(d)更新背景像素模型M(i,j)，并采用保守更新策略，配合着向被前景区域遮挡的像素注入空间相邻像素信息实现更新，使用v(i,j)更新背景模型M(i,j)，随机的选择样本数量为6中的一个像素值进行更新；每次对背景模型进行更新时，以随机的更新判定为背景的像素位置上的模型，依然保留在模型中的概率P(t,t+dt)为：N为样本数量；所述视频抖动运动补偿模块，用以对接收到的提取结果进行补偿，其中，运动补偿的方法过程依次包括如下步骤：步骤1，根据背景模型M、当前帧图像I以及邻域窗口内的像素对比计算结果，得到偏移量ε(d)；其中，偏移量ε(d)计算公式如下：其中，dx表示当前帧图像在横坐标X上的偏移量，dy表示当前帧图像在纵坐标Y上的偏移量；wx、wy是与邻域窗口相关的参数，窗口的尺寸表示为2(wx+1)×2(wy+1)，(ux,uy)为背景图像中的特征角点，M表示背景模型，I表示当前帧图像，d＝[dx dy]T；步骤2，考察当前帧图像I中特征角点(ux,uy)周围的像素点，计算得到具有最小偏移量ε(d)的像素点(ux1,uy1)，并把该像素点(ux1,uy1)当作对应背景点(ux,uy)的像素点，得到像素(ux,uy)在当前帧图像I中的偏移量d，其中，偏移量d计算如下：d＝(ux1‑ux,uy1‑uy)；步骤3，计算多个背景图像上特征角点的位移均值S1以及位移中值S2，并以所得位移均值和位移中值的平均值作为整个背景图像的偏移量S；其中，位移均值S1、位移中值S2和偏移量S的计算公式如下：N为样本数量；表示第k个背景图像上特征角点在横坐标X上的位移，表示第k个背景图像上特征角点在纵坐标Y上的位移；步骤4，利用偏移量S修正背景模型，并提取运动目标F，其中，运动目标F提取公式如下：F{SR(v(i,j))∩M(i+dx,j+dy)}；所述匹配模块，将视频运动目标提取模块提取的且经运动补偿的运动目标结果与存储模块中的原有人脸图像进行匹配，得到匹配识别后的结果；所述识别结果显示模块，显示人脸识别结果。