一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法
【專利摘要】本發(fā)明提供一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，所述方法為：1、對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像進(jìn)行預(yù)處理，得到特征圖像；2、對(duì)特征圖像進(jìn)行區(qū)域劃分，分成多個(gè)的小尺寸圖像，且小尺寸圖像與特征匹配模板的尺寸一致，通過adaboost算法依次識(shí)別各區(qū)域是否包含人的頭肩部特征；是，則記錄區(qū)域坐標(biāo)以及尺寸，否，則不記錄坐標(biāo)信息；以此類推，對(duì)整個(gè)圖像進(jìn)行遍歷搜索，從而確定圖像中的頭肩部位置以及所占畫面的比例信息；3、將頭肩部的位置信息以及所占畫面比例信息傳遞給視頻會(huì)議系統(tǒng)的聚焦模塊，進(jìn)而實(shí)現(xiàn)視頻會(huì)議系統(tǒng)的人物聚焦。本發(fā)明利用人物頭肩部特征進(jìn)行人物分類，簡單易行、效率高；且提升聚焦算法聚焦到人物的準(zhǔn)確度。
【專利說明】一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻處理【技術(shù)領(lǐng)域】，尤其涉及一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法。

【背景技術(shù)】
[0002]視頻會(huì)議系統(tǒng)主要關(guān)注對(duì)象是“人”，但是由于攝像頭品質(zhì)差異以及周圍環(huán)境影響，可能導(dǎo)致攝像頭對(duì)焦點(diǎn)不在人物周圍，使人物圖像模糊不清?，F(xiàn)有技術(shù)的部分方案采用人臉特征作為參考依據(jù)，但是由于檢測人臉需要較為清晰的圖像，要求待搜索的圖像分辨率較高，為實(shí)現(xiàn)較好的檢測、識(shí)別效果，至少需要Dl分辨率以上，并且需要人物面部在畫面內(nèi)可見。因此識(shí)別要求比較高。
[0003]為解決該類問題，本專利申請(qǐng)?zhí)岢鲆环N方法，高效、準(zhǔn)確地獲取人物特征，并且將人物位置以及在畫面中的權(quán)重比例信息反饋給聚焦算法模塊，供其作為調(diào)整焦距的判斷條件，從而提升聚焦到人物的概率，使人物圖像保持清晰。


【發(fā)明內(nèi)容】

[0004]本發(fā)明要解決的技術(shù)問題，在于提供一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，本發(fā)明利用人物頭肩部特征進(jìn)行人物分類，簡單易行、效率高；且提升聚焦算法聚焦到人物的準(zhǔn)確度。
[0005]本發(fā)明是這樣實(shí)現(xiàn)的:一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，包括如下步驟:
[0006]步驟1、對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像進(jìn)行預(yù)處理，得到特征圖像；
[0007]步驟2、定義一特征匹配模板，且對(duì)該特征匹配模板的尺寸進(jìn)行設(shè)定，對(duì)特征圖像進(jìn)行區(qū)域劃分，分成多個(gè)的小尺寸圖像，且小尺寸圖像與特征匹配模板的尺寸一致，通過adaboost算法依次識(shí)別各區(qū)域是否包含人的頭肩部特征；如果判斷為是，則記錄區(qū)域坐標(biāo)以及尺寸，如果判斷為否，則不記錄坐標(biāo)信息；以此類推，對(duì)整個(gè)圖像進(jìn)行遍歷搜索，從而確定圖像中的頭肩部位置以及所占畫面的比例信息；
[0008]步驟3、將頭肩部的位置信息以及所占畫面比例信息傳遞給視頻會(huì)議系統(tǒng)的聚焦模塊，作為聚焦模塊的焦距調(diào)整算法的參數(shù)，進(jìn)而實(shí)現(xiàn)視頻會(huì)議系統(tǒng)的人物聚焦。
[0009]進(jìn)一步地,所述步驟I具體為:對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像通過haar-like特征進(jìn)行人物頭肩部特征提取，通過haar-like特征設(shè)置三個(gè)適用于頭肩部特征提取的模板；三個(gè)模板用于計(jì)算haar-like特征值,每一種特征的計(jì)算都是由黑色填充區(qū)域的像素值之和與白色填充區(qū)域的像素值之和的差值，而計(jì)算出來的這個(gè)差值就是所謂的haar-like特征的特征值,從而得到特征圖像。
[0010]本發(fā)明具有如下優(yōu)點(diǎn):1、高效、快速提取人物特征；
[0011]2、魯棒性強(qiáng)，受人物動(dòng)作影響較小，正向、側(cè)向、背向均可；
[0012]3、向聚焦模塊提供人物位置信息以及占圖像的比例信息，提高聚焦人物的準(zhǔn)確度。

【專利附圖】

【附圖說明】
[0013]圖1為本發(fā)明haar-like特征進(jìn)行精簡的四個(gè)模板。
[0014]圖2為本發(fā)明三個(gè)模板結(jié)構(gòu)示意圖。
[0015]圖3為本發(fā)明像素臨域示意圖。

【具體實(shí)施方式】
[0016]adaboost是目前應(yīng)用廣泛并且效果很好的分類算法之一，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的弱分類器，然后把這些弱分類器集合起來，構(gòu)成一個(gè)強(qiáng)分類器，該強(qiáng)分類器具有良好的分類效果。
[0017]本發(fā)明使用adaboost分類算法結(jié)合調(diào)整后的haar-like特征進(jìn)行人物頭肩部特征提取以及識(shí)別。
[0018]請(qǐng)參閱圖1至圖3所示，本發(fā)明為一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，包括如下步驟:
[0019]步驟1、對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像進(jìn)行預(yù)處理，得到特征圖像；
[0020]步驟2、定義一特征匹配模板，且對(duì)該特征匹配模板的尺寸進(jìn)行設(shè)定，對(duì)特征圖像進(jìn)行區(qū)域劃分，分成多個(gè)的小尺寸圖像，且小尺寸圖像與特征匹配模板的尺寸一致，通過adaboost算法依次識(shí)別各區(qū)域是否包含人的頭肩部特征；如果判斷為是，則記錄區(qū)域坐標(biāo)以及尺寸，如果判斷為否，則不記錄坐標(biāo)信息；以此類推，對(duì)整個(gè)圖像進(jìn)行遍歷搜索，從而確定圖像中的頭肩部位置以及所占畫面的比例信息；
[0021]步驟3、將頭肩部的位置信息以及所占畫面比例信息傳遞給視頻會(huì)議系統(tǒng)的聚焦模塊，作為聚焦模塊的焦距調(diào)整算法的參數(shù)，進(jìn)而實(shí)現(xiàn)視頻會(huì)議系統(tǒng)的人物聚焦。
[0022]其中,所述步驟I具體為:對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像通過haar-like特征進(jìn)行人物頭肩部特征提取，通過haar-like特征設(shè)置三個(gè)適用于頭肩部特征提取的模板；三個(gè)模板用于計(jì)算haar-like特征值，每一種特征的計(jì)算都是由黑色填充區(qū)域的像素值之和與白色填充區(qū)域的像素值之和的差值，而計(jì)算出來的這個(gè)差值就是所謂的haar-like特征的特征值，從而得到特征圖像。
[0023]haar-like特征，是計(jì)算機(jī)視覺領(lǐng)域一種常用的特征描述算子，它最早是用于人臉描述。目前常用的haar-like特征可以分為四類:線性特征、邊緣特征、點(diǎn)特征、對(duì)角線特征等。本發(fā)明根據(jù)頭肩部特點(diǎn)，對(duì)原有haar-like特征進(jìn)行了精簡(如圖1所示)，并且增加了三個(gè)適用于頭肩部特征提取的模板(如圖2所示)。這些模板用于計(jì)算haar-like特征值。
[0024]另外,所述adaboost算法進(jìn)一步包括:adaboost強(qiáng)分類器訓(xùn)練過程,該訓(xùn)練過程具體為:
[0025]設(shè)輸入樣本為:{(X1, Y1)，(X2, Y2)，…，(Xn, Yn) }，其中Xi為輸入的訓(xùn)練樣本，Yi =O或I,其中Yi = O表示正樣本，Yi = I表示負(fù)樣本,其中正樣本的數(shù)目為P，負(fù)樣本的數(shù)目為q,所以n = p+q ;正樣本表示該特征圖像包含人的頭肩部,負(fù)樣本表示該特征圖像不包含人的頭肩部信息；
[0026]訓(xùn)練過程具體步驟如下:
[0027]步驟10、初始化每個(gè)樣本的權(quán)重Wi = I/η ；
[0028]步驟20、對(duì)每個(gè)樣本t = 1，...，T ;其中，T為弱分類器的數(shù)目
[0029]即為:步驟20.1、把權(quán)重歸一化為一個(gè)概率分布

【權(quán)利要求】
1.一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，其特征在于，包括如下步驟: 步驟1、對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像進(jìn)行預(yù)處理，得到特征圖像； 步驟2、定義一特征匹配模板，且對(duì)該特征匹配模板的尺寸進(jìn)行設(shè)定，對(duì)特征圖像進(jìn)行區(qū)域劃分，分成多個(gè)的小尺寸圖像，且小尺寸圖像與特征匹配模板的尺寸一致，通過adaboost算法依次識(shí)別各區(qū)域是否包含人的頭肩部特征；如果判斷為是，則記錄區(qū)域坐標(biāo)以及尺寸，如果判斷為否，則不記錄坐標(biāo)信息；以此類推，對(duì)整個(gè)圖像進(jìn)行遍歷搜索，從而確定圖像中的頭肩部位置以及所占畫面的比例信息； 步驟3、將頭肩部的位置信息以及所占畫面比例信息傳遞給視頻會(huì)議系統(tǒng)的聚焦模塊，作為聚焦模塊的焦距調(diào)整算法的參數(shù)，進(jìn)而實(shí)現(xiàn)視頻會(huì)議系統(tǒng)的人物聚焦。
2.根據(jù)權(quán)利要求1所述的一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，其特征在于，所述步驟I具體為:對(duì)視頻會(huì)議系統(tǒng)采集的原始圖像通過haar-like特征進(jìn)行人物頭肩部特征提取，通過haar-like特征設(shè)置三個(gè)適用于頭肩部特征提取的模板；三個(gè)模板用于計(jì)算haar-like特征值，每一種特征的計(jì)算都是由黑色填充區(qū)域的像素值之和與白色填充區(qū)域的像素值之和的差值，而計(jì)算出來的這個(gè)差值就是所謂的haar-like特征的特征值，從而得到特征圖像。
3.根據(jù)權(quán)利要求1所述的一種基于視頻會(huì)議系統(tǒng)的聚焦實(shí)現(xiàn)方法，其特征在于:所述adaboost算法進(jìn)一步包括:adab00st強(qiáng)分類器訓(xùn)練過程，該訓(xùn)練過程具體為: 設(shè)輸入樣本為:{(X1, Y1)，(X2, Y2)，...，(Xn, Yn)}，其中Xi為輸入的訓(xùn)練樣本，Yi = O或.1，其中Yi = O表示正樣本，Yi = I表示負(fù)樣本，其中正樣本的數(shù)目為P，負(fù)樣本的數(shù)目為q，所以n = p+q ;正樣本表示該特征圖像包含人的頭肩部,負(fù)樣本表示該特征圖像不包含人的頭肩部信息； 訓(xùn)練過程具體步驟如下: 步驟10、初始化每個(gè)樣本的權(quán)重Wi = I/η ； 步驟20、對(duì)每個(gè)樣本t = 1，...，T ;其中，T為弱分類器的數(shù)目
即為:步驟20.1、把權(quán)重歸一化為一個(gè)概率分布
步驟20.2、對(duì)每個(gè)特征f，訓(xùn)練一個(gè)弱分類器tv并且計(jì)算對(duì)應(yīng)所有特征的弱分類器的加權(quán)錯(cuò)誤率
步驟20.3、選擇擁有最小錯(cuò)誤率et的弱分類器ht， 步驟20.4、按照這個(gè)最小錯(cuò)誤率et的弱分類器，調(diào)整權(quán)重其中ei = 0表示被正確分類，θ? = I表示被錯(cuò)誤分類，
步驟30、最后的強(qiáng)分類器為
【文檔編號(hào)】G06K9/46GK104166840SQ201410349789
【公開日】2014年11月26日 申請(qǐng)日期:2014年7月22日 優(yōu)先權(quán)日:2014年7月22日
【發(fā)明者】孔令波 申請(qǐng)人:廈門億聯(lián)網(wǎng)絡(luò)技術(shù)股份有限公司