基于人臉圖像的視頻分類方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及多媒體領(lǐng)域，尤其涉及一種基于人臉圖像的視頻分類方法和裝置。
【背景技術(shù)】
[0002] 隨著視頻數(shù)據(jù)的大量增加，人們經(jīng)常需要分析某個人臉圖像是否存在于某一段視 頻中。當(dāng)用戶需要分析一段視頻中，是否存在某個特定的人臉圖像、以及該人臉圖像具體存 在于這段視頻中的哪個位置時，需要從頭到尾讀取這段視頻，提取視頻中所有的人臉圖像、 然后依次判斷各個人臉圖像是否為用戶需要查找的人臉圖像，進而判斷該人臉圖像存在于 視頻中的哪個位置。
[0003] 然而，用戶每次執(zhí)行"判斷某個人臉圖像是否存在于某一段視頻中以及存在于該 段視頻的具體位置"的操作時，都需要重復(fù)提取視頻中所有的人臉圖像、然后依次與某個人 臉圖像進行比對分析。因此，操作過程計算量較大，計算時間長、效率較低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的主要目的在于提供一種基于人臉圖像的視頻分類方法和裝置，旨在解決 現(xiàn)有技術(shù)中查詢視頻中某個人臉圖像是否存在及存在位置時計算量大、計算時間長、效率 低的技術(shù)問題。
[0005]為實現(xiàn)上述目的，本發(fā)明提供一種基于人臉圖像的視頻分類方法，包括步驟：
[0006]依次提取視頻中的所有關(guān)鍵幀，將包括所述視頻中所有人臉圖像的所述關(guān)鍵幀作 為樣本幀，將所述樣本幀以外的所述關(guān)鍵幀作為待分類幀；
[0007]通過預(yù)設(shè)算法提取所述樣本幀和所述待分類幀中的人臉圖像，并對所述樣本幀中 的人臉圖像進行標(biāo)號；
[0008]將所述待分類幀中的人臉圖像與所述樣本幀中包含的所述人臉圖像進行比對，以 判斷所述待分類幀中的人臉圖像所對應(yīng)的標(biāo)號；
[0009] 將具有相同標(biāo)號的人臉圖像的所述待分類幀劃分為一類，并將同類的所述待分類 幀進行重組以得到具有同一人臉圖像的視頻片段。
[0010] 優(yōu)選地，所述樣本幀為所述視頻中的第一個所述關(guān)鍵幀，第一個所述關(guān)鍵幀包括 所述視頻中所有的人臉圖像。
[0011]優(yōu)選地，所述預(yù)設(shè)算法為環(huán)形對稱Gabor變換與局部二值模式相結(jié)合的人臉圖像 提取算法。
[0012] 優(yōu)選地，所述預(yù)設(shè)算法包括以下步驟：
[0013] 提取所述關(guān)鍵幀中的人臉圖像，所述關(guān)鍵幀為所述樣本幀或所述待分類幀；
[0014]對所述人臉圖像進行預(yù)處理；
[0015] 對預(yù)處理后的所述人臉圖像進行環(huán)形對稱Gabor變換；
[0016]對環(huán)形對稱Gabor變換后的所述人臉圖像進行局部二值模式變換處理，并提取局 部二值模式變換后的人臉圖像直方圖，每一所述人臉圖像對應(yīng)于一所述人臉圖像直方圖。
[0017] 優(yōu)選地，所述"將所述待分類幀中的人臉圖像與所述樣本幀中包含的所述人臉圖 像進行比對"具體為：
[0018] 根據(jù)所述待分類幀對應(yīng)的人臉圖像直方圖、所述樣本幀對應(yīng)的所有人臉圖像直方 圖，通過歐式距離公式進行計算，以獲取所述待分類幀中的人臉圖像與所述樣本幀包含的 所有人臉圖像之間的距離，其中距離最小時所述待分類幀中的人臉圖像與所述樣本幀中對 應(yīng)的人臉圖像相同。
[0019] 此外，為實現(xiàn)上述目的，本發(fā)明還提供一種基于人臉圖像的視頻分類裝置，所述裝 置包括：
[0020] 第一提取模塊，用于依次提取視頻中的所有關(guān)鍵幀，將包括所述視頻中所有人臉 圖像的所述關(guān)鍵幀作為樣本幀，將所述樣本幀以外的所述關(guān)鍵幀作為待分類幀；
[0021] 第二提取模塊，用于通過預(yù)設(shè)算法提取所述樣本幀和所述待分類幀中的人臉圖 像，并對所述樣本幀中的人臉圖像進行標(biāo)號；
[0022] 比對模塊，用于將所述待分類幀中的人臉圖像與所述樣本幀中包含的所述人臉圖 像進行比對，以判斷所述待分類幀中的人臉圖像所對應(yīng)的標(biāo)號；
[0023] 分類重組模塊，用于將具有相同標(biāo)號的人臉圖像的所述待分類幀劃分為一類，并 將同類的所述待分類幀進行重組以得到具有同一人臉圖像的視頻片段。
[0024] 優(yōu)選地，所述樣本幀為所述視頻中的第一個所述關(guān)鍵幀，第一個所述關(guān)鍵幀包括 所述視頻中所有的人臉圖像。
[0025] 優(yōu)選地，所述預(yù)設(shè)算法為環(huán)形對稱Gabor變換與局部二值模式相結(jié)合的人臉圖像 提取算法。
[0026] 優(yōu)選地，所述第二提取模塊包括：
[0027] 第一提取單元，用于提取所述關(guān)鍵幀中的人臉圖像，所述關(guān)鍵幀為所述樣本幀或 所述待分類幀；
[0028] 預(yù)處理單元，用于對所述人臉圖像進行預(yù)處理；
[0029] 變換單元，用于對預(yù)處理后的所述人臉圖像進行環(huán)形對稱Gabor變換；
[0030] 第二提取單元，用于對環(huán)形對稱Gabor變換后的所述人臉圖像進行局部二值模式 變換處理，并提取局部二值模式變換后的人臉圖像直方圖，每一所述人臉圖像對應(yīng)于一所 述人臉圖像直方圖。
[0031] 優(yōu)選地，所述比對模塊具體為：
[0032] 根據(jù)所述待分類幀對應(yīng)的人臉圖像直方圖、所述樣本幀對應(yīng)的所有人臉圖像直方 圖，通過歐式距離公式進行計算，以獲取所述待分類幀中的人臉圖像與所述樣本幀包含的 所有人臉圖像之間的距離，其中距離最小時所述待分類幀中的人臉圖像與所述樣本幀中對 應(yīng)的人臉圖像相同。
[0033] 與現(xiàn)有技術(shù)相比，本發(fā)明通過以下步驟:提取視頻中的所有關(guān)鍵幀，將包括視頻中 所有人臉圖像的關(guān)鍵幀作為樣本幀，將樣本幀以外的關(guān)鍵幀作為待分類幀;通過預(yù)設(shè)算法 提取樣本幀和待分類幀中的人臉圖像，并對樣本幀中的人臉圖像進行標(biāo)號;將待分類幀中 的人臉圖像依次與樣本幀中的人臉圖像進行比對，將具有相同標(biāo)號的待分類幀劃分為一類 并將同類的待分類幀進行重組以得到具有同一人臉圖像的視頻片段;實現(xiàn)了將視頻中所有 關(guān)鍵幀基于人臉圖像進行分類、重組，進而當(dāng)判斷某個人臉圖像是否存在于某一段視頻中 或存在于該段視頻的哪一位置時，無需從頭至尾提取視頻中所包含的所有人臉圖像、并將 人臉圖像依次比對分析，而只需查找具有相同人臉圖像的視頻片段即可，大大降低了計算 量，縮短了計算時間、提高了效率。
【附圖說明】
[0034] 圖1為本發(fā)明基于人臉圖像的視頻分類方法較佳實施例的流程示意圖；
[0035] 圖2為本發(fā)明實施例中預(yù)設(shè)算法的流程示意圖；
[0036]圖3為本發(fā)明基于人臉圖像的視頻分類裝置較佳實施例的功能模塊示意圖；
[0037] 圖4為本發(fā)明實施例中第二提取模塊的一種功能模塊示意圖；
[0038] 圖5為本發(fā)明中樣本幀中的人臉圖像進行預(yù)處理后的人臉圖像的示意圖；
[0039] 圖6為本發(fā)明中某一人臉圖像經(jīng)環(huán)形對稱Gabor變換后對應(yīng)的幅值圖像的示意圖；
[0040] 圖7為本發(fā)明中人臉圖像經(jīng)過環(huán)形對稱Gabor變換后的紋理圖像的示意圖；
[0041] 圖8為圖7中其中一幅人臉紋理圖像經(jīng)過局部二值模式變換后提取的人臉圖像直 方圖的示意圖；
[0042]圖9為圖7中5幅人臉圖像置加到一起的人臉圖像直方圖的不意圖；
[0043] 圖10為本發(fā)明中某個待分類幀中與樣本幀中的人臉圖像與樣本幀中第五個人臉 圖像為同一個人臉圖像的直方圖匹配結(jié)果示意圖。
[0044] 本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進一步說明。
【具體實施方式】
[0045]應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0046] 本發(fā)明提供一種基于人臉圖像的視頻分類方法。
[0047] 參照圖1，圖1為本發(fā)明基于人臉圖像的視頻分類方法較佳實施例的流程示意圖。
[0048] 在本實施例中，所述基于人臉圖像的視頻分類方法包括：
[0049]步驟S10,依次提取視頻中的所有關(guān)鍵幀，將包括所述視頻中所有人臉圖像的所述 關(guān)鍵幀作為樣本幀，將所述樣本幀以外的所述關(guān)鍵幀作為待分類幀；
[0050] 終端通過攝像頭進行采集視頻，所述視頻包括了I幀、B幀和P幀，其中所述I幀為關(guān) 鍵幀，最能體現(xiàn)和代表視頻中的重要信息，因此在視頻幀的分析過程中，只提取視頻的I幀 分析。所述終端依次提取所述視頻中的所有關(guān)鍵幀，并將包括所述視頻中所有人臉圖像的 關(guān)鍵幀作為樣本幀，將所述視頻中除所述樣本幀以外