本發(fā)明涉及人臉識(shí)別的方法，特別涉及一種視頻中動(dòng)態(tài)人臉識(shí)別方法。
背景技術(shù)：
：當(dāng)前，人類的視覺對(duì)于觀測(cè)的而言越來越有限，當(dāng)有物體快速閃過或物體過于小等一些情況的時(shí)候，人類的眼睛有時(shí)候是無法正確認(rèn)知到這些東西的，這和人眼睛的自身構(gòu)造和其自身的特性有關(guān)，但人們又希望對(duì)這些信息進(jìn)行了解和用肉眼看到，從而我們通過計(jì)算機(jī)來代替我們的眼睛對(duì)事物進(jìn)行觀測(cè)。視頻的物體標(biāo)記和跟蹤這方面對(duì)于計(jì)算機(jī)視覺研究領(lǐng)域而言不是一個(gè)陌生的概念，近年來對(duì)物體的識(shí)別和對(duì)物體的實(shí)時(shí)跟蹤的技術(shù)越來越受大家關(guān)注，我們不滿足于記錄數(shù)據(jù)，也不滿足于提取信息，希望在視頻中挖掘規(guī)律性的內(nèi)容，比如，通過一個(gè)人的姿勢(shì)就可以看出這是一個(gè)好人，還是一個(gè)在那兒徘徊等待作案時(shí)機(jī)的壞人，這需要我們做人臉的視頻識(shí)別。物體的識(shí)別屬于圖像識(shí)別的方面，對(duì)于圖像方面而言，它經(jīng)歷過3個(gè)發(fā)展階段：文字識(shí)別、數(shù)字圖像處理和識(shí)別和物體標(biāo)記。文字識(shí)別是從1950開始研究的，之后的由于數(shù)字圖像的強(qiáng)大的存儲(chǔ)能力，方便性，不易失真等有著巨大優(yōu)勢(shì)，從而大家對(duì)于數(shù)字圖像處理和識(shí)別在1965年開始研究。物體的識(shí)別主要指的是對(duì)三維世界的客體及環(huán)境的感知和認(rèn)識(shí)，屬于高級(jí)的計(jì)算機(jī)視覺范疇。在對(duì)于圖像識(shí)別模式而言，在其發(fā)展過程中主要有3種方式用來識(shí)別，分別是統(tǒng)計(jì)模式識(shí)別、結(jié)構(gòu)模式識(shí)別和模糊模式識(shí)別。在近10年來它一直是眾多研究人員的研究對(duì)象的核心。雖然圖像識(shí)別技術(shù)在國(guó)內(nèi)外都發(fā)展的很快，但是對(duì)于物體標(biāo)記這塊的研究并不很成熟，多數(shù)的研究都是在不是很復(fù)雜的或特定的場(chǎng)景進(jìn)行采集和分析，要做到在非特定或者是隨機(jī)場(chǎng)景還是有一定的難度的，也就是自適應(yīng)性能差，一旦目標(biāo)圖像被較強(qiáng)的噪聲污染或是目標(biāo)圖像有較大殘缺往往就得不出理想的結(jié)果。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的在于克服現(xiàn)有技術(shù)的不足，提出一種視頻中動(dòng)態(tài)人臉識(shí)別方法，先對(duì)視頻進(jìn)行處理，包括對(duì)其進(jìn)行截取，每一幀存放為圖片；之后通過對(duì)比當(dāng)前幀和上一幀，進(jìn)行相識(shí)度比對(duì)，圖像相似度通過直方圖匹配算法來返回一個(gè)巴氏系數(shù)，從而來確定是否出現(xiàn)快速運(yùn)動(dòng)的物體；然后對(duì)有物體出現(xiàn)的圖片進(jìn)行處理，先通過幀間差分法對(duì)整個(gè)視頻進(jìn)行處理，從而取出背景，再對(duì)物體出現(xiàn)的圖片和背景圖像進(jìn)行差分，取出物體在圖片中的位置，然后通過分析對(duì)圖片相應(yīng)區(qū)域標(biāo)記出物體的位置并進(jìn)行判斷物體為何物；之后進(jìn)行人臉的識(shí)別和膚色提取。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種視頻中動(dòng)態(tài)人臉識(shí)別方法，包括：對(duì)視頻進(jìn)行處理，把視頻中相應(yīng)的秒或幀轉(zhuǎn)化成圖片輸出；使用直方圖匹配法依次比較相鄰兩張圖片的相識(shí)度，當(dāng)相識(shí)度大于預(yù)設(shè)值時(shí)，過濾掉沒有物體出現(xiàn)的圖片；對(duì)于有物體出現(xiàn)的圖片，通過幀間差分法對(duì)整個(gè)視頻進(jìn)行處理，取出實(shí)時(shí)更新的背景圖像；對(duì)于有物體出現(xiàn)的圖片，和實(shí)時(shí)更新的背景圖像進(jìn)行差分，標(biāo)記出相應(yīng)的區(qū)域處并顯示出來，完成物體標(biāo)記；對(duì)標(biāo)記出的物體進(jìn)行人臉識(shí)別。使用直方圖匹配法依次比較相鄰兩張圖片的相識(shí)度，包括：對(duì)相鄰兩張圖片分別進(jìn)行灰度化處理并計(jì)算相鄰兩張圖片的巴氏系數(shù)。進(jìn)行灰度化處理的方法為：對(duì)圖片rgb三個(gè)分量進(jìn)行加權(quán)平均得到最重的灰度值，使用公式gray＝0.11b+0.59g+0.3r計(jì)算；其中g(shù)ray表示處理后的灰度值。計(jì)算相鄰兩張圖片的巴氏系數(shù)的公式為：bhattacharyya＝∑{i＝1|n}√(∑ai·∑bi)其中，a和b表示相鄰兩張圖片，n是分塊數(shù)，ai表示在a中第i部分的成員數(shù)，bi表示在b中第i部分的成員數(shù)。對(duì)于有物體出現(xiàn)的圖片，和實(shí)時(shí)更新的背景圖像進(jìn)行差分，標(biāo)記出相應(yīng)的區(qū)域處并顯示出來，完成物體標(biāo)記，具體包括：對(duì)當(dāng)前圖片與實(shí)時(shí)更新的背景圖做差處理；對(duì)做差的結(jié)果圖進(jìn)行二值化，二值化所使用的方法為迭代法；對(duì)通過二值化的圖中的信息進(jìn)行提取，把提取的結(jié)果反饋到當(dāng)前圖片上進(jìn)行顯示，完成標(biāo)記。對(duì)標(biāo)記出的物體進(jìn)行人臉識(shí)別，具體包括：使用face++對(duì)相應(yīng)的圖片進(jìn)行識(shí)別處理；接收face++返回的json數(shù)據(jù)中人臉個(gè)數(shù)，判斷人臉個(gè)數(shù)是否為0，如果不為0，在圖片上輸出人臉識(shí)別的結(jié)果；如果返回的人臉個(gè)數(shù)為0，判斷上一時(shí)刻識(shí)別的結(jié)果；如果上一時(shí)刻沒有人臉出現(xiàn)，輸出當(dāng)前時(shí)刻的原圖片；如果上一時(shí)刻有人臉出現(xiàn)，對(duì)當(dāng)前時(shí)刻左右的幀圖片進(jìn)行識(shí)別；如果有人臉出現(xiàn)，輸出相應(yīng)幀的圖片，并在當(dāng)前時(shí)刻圖片上顯示結(jié)果；如果沒有人臉出現(xiàn)，輸出當(dāng)前時(shí)刻的原圖片。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：本發(fā)明提出一種視頻中動(dòng)態(tài)人臉識(shí)別方法，先對(duì)視頻進(jìn)行處理，包括對(duì)其進(jìn)行截取，每一幀存放為圖片；之后通過對(duì)比當(dāng)前幀和上一幀，進(jìn)行相識(shí)度比對(duì)，圖像相似度通過直方圖匹配算法來返回一個(gè)巴氏系數(shù)，從而來確定是否出現(xiàn)快速運(yùn)動(dòng)的物體；然后對(duì)有物體出現(xiàn)的圖片進(jìn)行處理，先通過幀間差分法對(duì)整個(gè)視頻進(jìn)行處理，從而取出背景，再對(duì)物體出現(xiàn)的圖片和背景圖像進(jìn)行差分，取出物體在圖片中的位置，然后通過分析對(duì)圖片相應(yīng)區(qū)域標(biāo)記出物體的位置并進(jìn)行判斷物體為何物；之后進(jìn)行人臉的識(shí)別。本發(fā)明方法能夠?qū)σ曨l中的動(dòng)態(tài)人臉進(jìn)行快速的標(biāo)記和識(shí)別，識(shí)別效率和準(zhǔn)確率較高。附圖說明圖1是本發(fā)明方法的流程圖；圖2是本發(fā)明方法的對(duì)一視頻以秒為單位的展示圖；圖3是本發(fā)明方法的對(duì)圖2所示圖片過濾后的展示圖；圖4是本發(fā)明方法的對(duì)圖3所示圖片進(jìn)行物體標(biāo)記后的展示圖；圖5是本發(fā)明方法的人臉識(shí)別流程圖；圖6是本發(fā)明方法的人臉識(shí)別最終效果圖。具體實(shí)施方式一種視頻中動(dòng)態(tài)人臉識(shí)別方法，主要是通過matlab編程語言實(shí)現(xiàn)，參見圖1所示，所述方法包括：步驟101，對(duì)視頻進(jìn)行處理，把視頻中相應(yīng)的秒或幀轉(zhuǎn)化成圖片輸出。具體的，在對(duì)視頻中物體進(jìn)行識(shí)別時(shí)，首先需要先對(duì)視頻進(jìn)行處理，把視頻中相應(yīng)的幀轉(zhuǎn)化成圖片輸出，才能通過圖像處理和識(shí)別進(jìn)行了解。本實(shí)施例中，使用matlab提供的庫函數(shù)來對(duì)視頻中的幀進(jìn)行處理，并輸出圖片的jpg格式：imwrite(read(mov,i*mov.framerate),strcat(num2str(i),’.jpg’),’jpg’)如圖2所示為使用上述方法對(duì)一視頻以秒為單位的展示圖。步驟102，使用直方圖匹配法依次比較相鄰兩張圖片的相識(shí)度，當(dāng)相識(shí)度大于預(yù)設(shè)值時(shí)，過濾掉沒有物體出現(xiàn)的圖片。在把視頻中的每一幀都轉(zhuǎn)化成圖片后，由于物體不一定都會(huì)一直出現(xiàn)在視頻中，從而在檢測(cè)圖片是否出現(xiàn)物體時(shí)，會(huì)出現(xiàn)許多沒有物體出現(xiàn)也會(huì)被列入檢測(cè)隊(duì)列，如果在一段20多s的視頻中只有1s左右有物體出現(xiàn)的話，那么這樣的話就會(huì)有許多不需要進(jìn)行檢測(cè)幀圖片，從而會(huì)讓運(yùn)行的時(shí)間加長(zhǎng)，效率低。為了解決上述的問題，本實(shí)施例通過使用直方圖匹配法比較幀于幀之間圖像相識(shí)度，來過濾掉些沒用的幀圖片。直方圖匹配法是一種先進(jìn)行灰度化，之后把其灰度直方圖改成自己希望的直方圖。在使用直方圖匹配來比較圖像相識(shí)度時(shí)，一般會(huì)計(jì)算其巴氏距離(bhattacharyyadistance)和巴氏系數(shù)(bhattacharyyacoefficient)。其中巴氏距離是用于測(cè)量?jī)呻x散概率分布，巴氏系數(shù)是對(duì)兩個(gè)統(tǒng)計(jì)樣本的重疊量的近視計(jì)算。計(jì)算巴氏距離和系數(shù)來進(jìn)行圖像相似度的處理,其對(duì)圖像相識(shí)度的結(jié)果的效果是最好的。以下列出巴氏距離和巴氏系數(shù)的數(shù)學(xué)上的公式。巴氏距離公式:db(p,q)＝-ln(bc(p,q))其中，q、p是分別指x數(shù)域上的兩個(gè)離散概率分布,bc是指巴氏系數(shù)。巴氏系數(shù)：bhattacharyya＝∑{i＝1|n}√(∑ai·∑bi)其中，a和b表示相鄰兩張圖片，n是分塊數(shù)，ai表示在a中第i部分的成員數(shù)，bi表示在b中第i部分的成員數(shù)。通過上述的介紹我們開始基于直方圖匹配的方式來比較圖片的相識(shí)度。在此先要對(duì)圖片進(jìn)行灰度化處理，通過i＝rgb2gray(m)函數(shù)來進(jìn)行轉(zhuǎn)化，其中m是指要進(jìn)行成灰度圖的圖像，i是指m的灰度圖像。然后通過[count,x]＝imhist(i),來讀出灰度圖中圖像中的直方圖信息，其中count和x分別為圖片灰度圖的直方圖數(shù)據(jù)向量和相應(yīng)的彩色向量。之后通過上述的公式進(jìn)行對(duì)巴氏距離和巴氏系數(shù)計(jì)算。對(duì)于圖像灰度化也可以通過不直接調(diào)用matlab的方式來進(jìn)行：對(duì)于圖像進(jìn)行灰度化，實(shí)際上是通過對(duì)圖像rgb三個(gè)分量進(jìn)行加權(quán)平均得到最重的灰度值，如下計(jì)算公式：gray＝0.11b+0.59g+0.3r。使用直方圖匹配法依次比較相鄰兩張圖片的相識(shí)度，數(shù)值如表1所示：表1圖像相識(shí)度當(dāng)前時(shí)刻(視頻中第幾秒)上一時(shí)刻(視頻中第幾秒)巴氏系數(shù)(圖像相識(shí)度)210.975782320.973902430.970653540.902657650.927859760.951648870.906080980.9262401090.96624111100.95521712110.96784013120.93339814130.93597715140.927042本實(shí)施例中，當(dāng)相識(shí)度大于預(yù)設(shè)值0.97時(shí)，過濾掉沒有物體出現(xiàn)的圖片，如圖3所示。步驟103，對(duì)于有物體出現(xiàn)的圖片，通過幀間差分法對(duì)整個(gè)視頻進(jìn)行處理，取出實(shí)時(shí)更新的背景圖像。具體的，本實(shí)施例使用幀間差分法來實(shí)現(xiàn)。對(duì)于視頻中背景的處理的方式是通過對(duì)圖片進(jìn)行“相加”之后求“平均值”的方式。假設(shè)截取的幀的圖片同一命名為picture(n)，其中n是指視頻中的第n幀。具體的執(zhí)行方式如下：但是，處理時(shí)要求背景的實(shí)時(shí)性，則我們對(duì)視頻的背景進(jìn)行實(shí)時(shí)的處理提取，方式如下：通過上述的方式可以對(duì)視頻中背景提取進(jìn)行實(shí)時(shí)的更新。步驟104，對(duì)于有物體出現(xiàn)的圖片，和實(shí)時(shí)更新的背景圖像進(jìn)行差分，標(biāo)記出相應(yīng)的區(qū)域處并顯示出來，完成物體標(biāo)記。具體的，本實(shí)施例進(jìn)行的物體標(biāo)記就是要確定出兩張圖片的不同處，從而確認(rèn)出物體，通過“差”的方式來求。即：c＝picture(n)-backg；之后對(duì)相減的結(jié)果圖進(jìn)行二值化，二值化的方法用的是迭代法，迭代法時(shí)基于逼近的思想，先求出圖像的最大灰度值和最小灰度值，分別記為rmax和rmin，之后令閾值t＝(rmax+rmin)/2；之后根據(jù)閾值將圖像的平均灰度分成兩組r1和r2，分別求出兩組的平均灰度值μ1和μ2，最后求出新的閾值t＝(μ1+μ2)/2。設(shè)f(x,y)是輸入的灰度圖像函數(shù)，g(x,y)是輸出后二值圖像函數(shù):通過上述的方式來完成圖像的二值化，之后對(duì)通過二值化的圖，對(duì)它里面的信息進(jìn)行提取，把提取的結(jié)果反饋到picture(n)上進(jìn)行顯示，如圖4所示。步驟105，對(duì)標(biāo)記出的物體進(jìn)行人臉識(shí)別。通過上述的步驟，已經(jīng)可以成功的從視頻中發(fā)現(xiàn)物體并進(jìn)行標(biāo)記，從而現(xiàn)在開始要對(duì)物品進(jìn)行識(shí)別。由于每個(gè)物體都有自己的基本特征而且對(duì)于同一個(gè)事物而言又有不同的形態(tài)，對(duì)于此次的物體標(biāo)記，以人臉識(shí)別為主。具體的，對(duì)標(biāo)記出的物體進(jìn)行人臉識(shí)別具體包括首先使用face++對(duì)相應(yīng)的圖片進(jìn)行識(shí)別處理；然后，如圖5所示，接收face++返回的json數(shù)據(jù)中人臉個(gè)數(shù)，判斷人臉個(gè)數(shù)是否為0，如果不為0，在圖片上輸出人臉識(shí)別的結(jié)果；如果返回的人臉個(gè)數(shù)為0，判斷上一時(shí)刻識(shí)別的結(jié)果；如果上一時(shí)刻沒有人臉出現(xiàn)，輸出當(dāng)前時(shí)刻的原圖片；如果上一時(shí)刻有人臉出現(xiàn)，對(duì)當(dāng)前時(shí)刻左右的幀圖片進(jìn)行識(shí)別；如果有人臉出現(xiàn)，輸出相應(yīng)幀的圖片，并在當(dāng)前時(shí)刻圖片上顯示結(jié)果；如果沒有人臉出現(xiàn)，輸出當(dāng)前時(shí)刻的原圖片。face++識(shí)別處理和加上后期處理的最終效果圖如圖6所示。以上所述，僅是本發(fā)明較佳實(shí)施例而已，并非對(duì)本發(fā)明的技術(shù)范圍作任何限制，故凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何細(xì)微修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。當(dāng)前第1頁12