CN100341732C - 一种基于人脸认证技术的汽车防盗方法 - Google Patents

Abstract

本发明公开了一种基于人脸认证技术的汽车防盗方法，包括如下步骤：首先进行数据采集，然后，结合运动视频信息进行人脸识别，最后，对识别结果进行控制。在身份验证后，将验证信息与汽车动力系统控制总线相连接。当验证结果为非法时，若汽车未启动，则控制汽车发动机，不允许其启动。若汽车处于行驶状态，则主控系统发控制信号给速度控制系统，限制汽车时速，并结合车载GPS定位系统给出实时车辆位置的报警信息，以利于及时追踪并捕获盗车者。本发明可以保证只有授权人员具有驾驶权利，达到对驾驶员的实时监控，提高汽车的防盗性能。

Description

一种基于人脸认证技术的汽车防盗方法

技术领域

本发明涉及汽车电子领域中一种基于人脸认证技术的汽车防盗方法。

背景技术

汽车电子作为动力学和电子学的结合体，已日益成为中国电子工业关注的热点之一，而作为安全保障的汽车防盗一直受到汽车制造商和社会保险业的重视。随着汽车电子日新月异的发展，汽车防盗安全体系正在成为人们研究的焦点。目前汽车防盗技术正朝着自动化、智能化的方向发展。比较先进的汽车防盗技术包括电子钥匙式电子锁、生物锁(指纹锁和声控防盗锁)等。现有的防盗技术一般只在汽车启动时进行一次验证，未对驾车情况进行实时监控，对于汽车行驶过程中出现的劫车事件则显得无能为力。

而人脸识别技术由于具有主动性、非侵犯性、不涉及个人隐私、用户友好和方便等优点，是一种非常有竞争力的身份鉴别方法，在安全、保安和电子商务等方面有广泛应用和良好的产业化前景。

现有的人脸识别技术主要有：基于几何特征的方法、基于模板的方法和基于模型的方法。基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果；基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。基于模型的方法则有基于隐形马尔柯夫模型，主动形状模型和主动外观模型的方法等。现有人脸识别算法一般只是对视频中的静态图像进行识别，未充分利用视频中的运动信息，识别计算量大，效率有待提高。

目前相关的专利有：

(1)中国发明专利申请公开说明书CN1495658A(公开日：2004年5月12日)。该专利申请侧重于驾驶员的安全问题，通过监视驾驶员的驾车行为和精神状态，如盗车、驾驶员疲劳和左顾右盼等，在验证出驾驶员身份不合法时只是给出远程通信呼叫报警而已，未对车辆进行控制、定位，不利于报警后对车辆的后续追踪。同时该专利中人脸识别部分的方法采用的是图像规范化处理、背景减除、K-L变换求取特征脸等方法，与本发明的方法明显不同。

(2)中国发明专利申请公开说明书CN1414514A(公开日：2003年4月30日)。该专利申请只是实现视频监视的功能，从应用场合及控制方法上，与本发明都不相同。

发明内容

本发明要解决的技术问题是提供一种基于人脸认证技术的汽车防盗方法，利用提取运动信息的人脸识别对驾驶员身份进行验证，同时用验证的结果启动汽车主控系统，保证只有授权人员具有驾驶权利，达到对驾驶员的实时监控，提高汽车的防盗性能。

为解决上述技术问题，本发明的一种基于人脸认证技术的汽车防盗方法，包括如下步骤：

首先进行数据采集，使用带红外功能的视频采集设备获取视频数据；然后，进行人脸识别，识别时充分利用了运动视频信息；最后，对识别结果进行控制，

若检测到驾驶人员是合法驾驶人员，则赋予驾驶者驾车的权利，同时将合法的信号传送到汽车动力系统的控制总线，总线得到这一信号后，安装正常模式允许驾驶员对汽车进行各种操作；

若检测的结果不是人脸图像，则应进一步判别是否是本车内景图像，若是车内景图像，则说明车内无人，发动机不能启动；若不是本车内景图像，则有可能是驾驶人员戴面具进行驾驶，此时若汽车未启动，则通过汽车控制总线控制发动机，不允许发动机启动；若汽车处于行驶过程中，则通过控制换档控制部件对汽车进行限速，同时主控系统通过汽车总线启动车载无线报警装置，向车主和公安系统110报警中心发出报警信号，通过车载GPS定位系统给出实时汽车位置信息；

若检测到驾驶人员是非法驾驶人员，系统提示进入下一阶段的辅助识别；辅助输入密码识别功能仅在汽车没有行驶的状况下有效，验证通过后则不用再次输入密码直到下次汽车停车为止，再次行驶必须再次输入密码或者被识别人为合法驾驶者；

若人脸识别及辅助密码验证均未通过，立即向车主和公安系统110报警中心发出报警信号；

通过视频采集设备实时采集驾驶员图像数据，每隔一段时间进行新一轮的人脸识别，这样就可以达到对车内驾驶员的实时监控。

本发明的有益效果是，将人脸识别用于汽车防盗这一特定应用场合，侧重于身份验证后与汽车主控系统的连接与控制。车辆的行驶状态直接从汽车的速度检测系统获取，有利于装置的成本控制。在身份验证后，将验证信息与汽车动力系统控制总线相连接。当验证结果为非法时，若汽车未启动，则控制汽车发动机，不允许其启动。若汽车处于行驶状态，则主控系统发控制信号给速度控制系统，限制汽车时速，并结合车载GPS定位系统给出实时车辆位置的报警信息，以利于及时追踪并捕获盗车者。

本发明的汽车防盗方法采用人脸识别技术，具有主动性、非侵犯性、不涉及个人隐私、用户友好和方便，而且更灵活、安全、可靠，达到实时防盗的目的。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1是本发明的方法流程图；

图2是图1中进行人脸识别的预处理流程图；

图3是图1中进行人脸识别的人脸检测算法流程图。

具体实施方式

本发明所述的一种基于人脸认证技术的汽车防盗方法，将人脸识别技术和汽车主控系统相结合用于汽车防盗系统中，在汽车车内安装人脸识别汽车防盗系统FRMGS(Face Recognition for Mobile GuardSystem)，通过视频采集系统实时采集驾驶人员的视频图像，进行人脸检测和识别，识别的结果通过汽车总线传递给汽车主控系统，由主控系统控制相应部件工作，从而决定是否赋予驾驶的权利。

如图1所示，本发明的方法包括如下步骤。

首先，进行数据采集，例如可以使用视频采集设备实时采集视频数据。该视频采集设备是带红外功能的摄像机或摄像头等采集设备，主要目的是当车内光线不足时，能自动开启红外功能，使拍摄的效果仍能满足人脸识别的要求。

然后，对采集的视频数据进行人脸识别。人脸识别主要包含：预处理、人脸检测和人脸识别三部分。

预处理。将人脸识别算法用于汽车防盗系统中，对系统的实时性的要求比较高，而且人在开车过程中，人脸图像不是一成不变的，而是随着角度和光线的变化而不断变化，所以对图像进行人脸识别前必须进行必要的预处理，使图像的亮度和尺寸符合识别的要求。本发明的方法中进行预处理时，采用的是光线补偿和尺寸归一化处理，同时也不做背景的减除操作。光线补偿方法可以采用图像直方图均衡化处理，尺寸归一化则是对图像大小进行缩放，使得拍摄的人脸图像大小与数据库中人脸大小一致。预处理过程如图2所示。

人脸检测。如图3所示，本发明采用肤色模型的方法进行人脸检测。肤色是人脸的重要信息，不依赖于面部的细节特征，对于旋转、表情等变化情况都能适用，具有相对的稳定性并且和大多数背景物体的颜色相区别。本发明采用归一化的r-b(红-蓝)色度空间、高斯肤色模型进行肤色检测。

首先定义归一化的r-b色度空间，将三维的RGB(红绿蓝色度空间)降为二维。在这个二维平面上，肤色的区域很集中，可以用高斯模型来描述该分布；其次，进行训练得到该分布的中心；然后，根据所考察的象素离该中心的远近得到其和肤色的相似度，形成一个原图的相似度分布图，对该分布图二值化，以最终确定肤色的区域。

在检测出肤色象素后，需要根据它们在色度上的相似性和空间上相关性分割出可能的区域，同时利用区域的几何特征或灰度特征进行人脸验证，以排除其他色彩类似肤色的物体。

人脸识别。进行人脸识别时，首先建立授权人员的人脸数据库，然后建立待检测人脸与数据库中人脸的对应关系，进行判别。可以广泛采用各种成熟的人脸识别算法，如Eigenface(特征脸方法)、Fisherface(线性判别方法)、神经网络算法以及各种新的人脸识别算法等，以提高人脸识别率，而不把算法限制为K-L变换一种。

在充分利用现有人脸识别技术的基础上，本发明还在人脸识别过程中充分利用了视频中的运动信息。传统的人脸识别方法对于视频中每帧图像的处理是独立进行的，没有利用相邻帧的运动信息。本发明充分利用了相邻帧图像之间的运动信息。在检测到一张人脸后，通过判断视频流中相邻帧图像运动的大小，或者是否发生了场景切换来决定是否进行下一轮的识别，只有在大的运动的时候，才进行下一轮的人脸识别，这样可以提高识别的准确度，减少由于人脸的角度及表情变化引起的误判，同时也减少了计算量。

最后，对识别结果进行控制。将识别结果与汽车主控系统进行连接与控制。例如：将人脸识别结果通过汽车数据总线传至主控系统，通过汽车动力系统的控制总线(如高速CAN总线、低速CAN总线、LIN总线等)，连接车内的汽车电子控制装置和车载电子装置，达到对发动机、油门及车载报警装置的控制。

汽车电子包含两部分，一是汽车电子控制装置，如发动机、底盘、车身控制等；二是车载汽车电子装置，如汽车信息系统、导航系统、车载通信系统等。通讯线将各种汽车电子装置连接成为一个网络，通过数据总线发送和接收信息。通过数据总线可以访问任何一个电子控制装置。本发明就是将上述两类汽车电子有机结合起来。应用本发明的方法把人脸识别系统作为车载汽车电子装置，通过汽车控制总线，将人脸识别的结果与汽车电子控制装置进行信息的联系与沟通，从而达到对汽车各部件的控制。

若系统检测到驾驶人员是合法驾驶人员，则将控制权交给汽车动力系统的控制总线(如高速CAN总线、低速CAN总线、LIN总线等)，总线得到这一信息后，控制汽车发动机启动，允许驾驶。同时反光镜、方向盘、油门、座椅位置和车载音响等都可按驾驶者的意愿任意调整。

若检测的结果不是人脸图像，则应进一步判别是否是本车内景图像，若是车内景图像，则说明车内无人，发动机不启动；若不是本车内景图像，则有可能是驾驶人员戴面具进行驾驶，此时若汽车未启动，则通过汽车控制总线控制发动机，不允许发动机启动；若汽车处于行驶过程中，则通过控制换档控制部件对汽车进行限速，同时主控系统通过汽车总线启动车载无线报警装置，向车主和公安系统110报警中心发出报警信号。

若检测到驾驶人员是非法驾驶人员，如果此时汽车处于停止状态，系统提示进入下一阶段的辅助识别(例如，输入密码等)。本发明将人脸识别验证与辅助验证相结合，可以在不改变人脸数据库的情况下，提高增加临时驾驶员时的灵活性。若密码验证通过，则赋予驾驶权利。否则，拒绝其驾驶，将相应的信息通过汽车动力系统的控制总线(如高速CAN总线、低速CAN总线、LIN总线等)传递给相应的设备，如汽车引擎及报警装置等。若汽车未启动，则控制汽车发动机，不允许其启动；若汽车处于行驶状态，则通过主控系统限制汽车的时速，同时主控系统通过汽车总线启动车载无线报警装置，向车主和公安系统110报警中心发出报警信号。公安系统接到报警信号后，结合被盗车辆的车载GPS定位系统，可以及时捕获盗车者。本发明将人脸识别验证与辅助验证相结合，可以弥补识别系统的灵活性不足，比如汽车临时给其他人驾驶的情况下，可以仅仅简单设置密码并设定密码的有效期限等即可，不需要额外建立驾驶者面相数据。

在本发明中，通过视频采集系统实时采集驾驶员图像数据，每隔一段时间进行新一轮的人脸识别(时间间隔可以根据实际应用需要动态修改)，这样就可以达到对车内驾驶员的实时监控。

Claims (7)

1、一种基于人脸认证技术的汽车防盗方法，包括如下步骤：首先进行数据采集，然后，进行人脸识别，最后，对识别结果进行控制；

若检测到的驾驶人员合法，则赋予驾驶者驾车的权利，同时将合法的信号传送到汽车动力系统的控制总线，所述总线得到该信号后，安装正常模式允许驾驶员对汽车进行各种操作；其特征在于：

若检测的结果不是人脸图像，则应进一步判别是否是本车内景图像，若是，则说明车内无人，发动机不能启动；若不是，则有可能是驾驶人员戴面具进行驾驶；此时，若汽车未启动，则通过汽车控制总线控制发动机，不允许发动机启动；若汽车处于行驶过程中，则通过控制换档控制部件对汽车进行限速，同时主控系统通过汽车控制总线启动车载无线报警装置，向车主和公安系统110报警中心发出报警信号，通过车载GPS定位系统给出实时汽车位置信息；

若检测的驾驶人员非法，则提示进入辅助识别，在汽车没有行驶的状况下，辅助输入密码进行识别，验证通过后允许驾驶员对汽车进行各种操作，直到下次汽车停车为止，再次行驶必须再次输入密码或者被识别人为合法驾驶者；

若人脸识别及辅助密码验证均未通过，立即向车主和公安系统110报警中心发出报警信号；

通过视频采集设备实时采集驾驶员图像数据，每隔一段时间进行新一轮的人脸识别，实现对车内驾驶员的实时监控。

2、如权利要求1所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述数据采集，使用带红外功能的视频采集设备获取视频数据。

3、如权利要求1所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述人脸识别包括预处理、人脸检测和人脸识别三个步骤。

4、如权利要求3所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述预处理，采用光线补偿和尺寸归一化方法进行处理，同时不做背景的减除操作；光线补偿方法可以采用图像直方图均衡化处理。

5、如权利要求3所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述人脸检测，采用肤色模型的方法进行人脸检测，

首先定义归一化的r-b色度空间，将三维的RGB降为二维，在该二维平面上，用高斯模型来描述该红—蓝色度分布情况；其次，进行训练得到该分布的中心；然后，根据所考察的象素离该中心的远近得到其和肤色的相似度，形成一个原图的相似度分布图，再按照一定的规则对该分布图二值化，以最终确定肤色的区域；

在检测出肤色象素后，需要根据其在色度上的相似性和空间上相关性分割出可能的区域，同时利用该区域的几何特征或灰度特征进行人脸验证，以排除色彩类似肤色的物体。

6、如权利要求3所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述人脸识别，首先建立授权人员的人脸数据库，然后建立待检测人脸与数据库中人脸的对应关系，进行判别；人脸识别算法可以采用特征脸方法、线性判别方法或神经网络算法。

7、如权利要求3或6所述的一种基于人脸认证技术的汽车防盗方法，其特征在于：所述人脸识别中充分利用相邻帧图像之间的运动信息，在检测到一张人脸后，通过判断视频流中相邻帧图像运动的大小，或者是否发生了场景切换来决定是否进行下一轮的识别，只有在检测到大幅度运动的时候，才进行下一轮的人脸识别，以提高识别的准确度，减少由于人脸的角度及表情变化引起的误判，同时也减少计算量。

Images