CN102542246A

CN102542246A - Atm机异常人脸检测方法

Info

Publication number: CN102542246A
Application number: CN2011100764327A
Authority: CN
Inventors: 曹江中; 龙中胜; 敖勤; 邱辉
Original assignee: GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd
Current assignee: GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd
Priority date: 2011-03-29
Filing date: 2011-03-29
Publication date: 2012-07-04

Abstract

本发明提供一种ATM机异常人脸检测方法，其包括训练阶段和检测阶段，训练阶段包括：1)人眼和人嘴的正负样本采集；2)归一化处理；3)样本结构特征提取；4)训练获得人眼和人嘴的检测器；检测阶段包括：a)采用帧差法检测是否有人；b)定位人脸区域；c)将人脸区域转换到亮度跟色度分离的颜色空间；d)使用人眼和人嘴的检测器在人脸区域进行人眼和人嘴的检测和定位；e)根据肤色对人脸进行异常状况识别；通过上述步骤之后，如果发现有异常人脸特征，即做出报警信号，提醒相关人员对当前情况提起高度注意，可防止不法分子在银行ATM机前采用恶意遮挡脸部进行犯罪作案，维护公共安全。

Description

ATM机异常人脸检测方法

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种ATM机异常人脸检测方法。

背景技术

人脸检测（Face Detection）是指在输入图像中确定所有人脸（如果存在）的位置与大小。人脸检测系统输入的是可能包含人脸的图像，输出的是关于图像中是否存在人脸以及人脸的数目、位置、尺度等信息的参数化描述。

然而人脸作为人类自身再熟悉不过的一个组成部分，其检测问题却是一个极赋挑战性的课题。首先人脸是一个包含五官、毛发等极不规则形状的复杂待测目标，不同的人脸在形状、大小、颜色、质地等方面都有很大的变化性；其次为了实现检测方法的鲁棒性，要考虑人脸在各种复杂的背景中，不同的方向、角度、尺度等情况下所展现出来的不同表象；再次，我们所基于的检测对象或称环境大多是由图像捕捉设备所采集的数字图像或视频流中的数字图像序列，所以采集条件特别是光照条件包括光源的方向、明暗、色彩等都会对图像的效果产生很大的影响，进而影响对人脸的检测；另外，人脸上还可能长有胡须、戴有眼睛或其他装饰品等，这些也同样是我们设计一种有效的人脸检测算法时不可忽视的因素。可见人脸检测有一定的难度和复杂度，但对这一问题的深入研究必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。人脸检测问题在近十年中得到了广泛的关注。

目前，人脸识别检测技术已经非常的成熟，但是在一些特定的行业中出现了特定的应用方式，比如银行的ATM无人机中，在无人看管的ATM机房中，对于人脸检测就提出了新的问题，不仅要能够检测出正常的人脸，还要能够检测出异常的人脸，比如蒙面或者故意遮挡面部特征的情况，在这些情况下，很可能会发生恶意取款等危险行为，如果能够检测到这种情况，可以大大减少危险事件的发生，减少对社会的危害，有极大的社会意义。

发明内容

本发明的目的在于克服上述不足，提供一种使ATM机能够快速准确地检测出异常人脸的检测方法。

为了达到上述技术目的，本发明采用以下技术方案：

一种ATM机异常人脸检测方法，其中，包括训练阶段和检测阶段，训练阶段包括：1)人眼和人嘴的正负样本采集；2)归一化处理；3)样本结构特征提取；4)训练获得人眼和人嘴的检测器

检测阶段包括：a)采用帧差法检测是否有人；b)定位人脸区域；c)将人脸区域转换到亮度跟色度分离的颜色空间；d)使用人眼和人嘴的检测器在人脸区域进行人眼和人嘴的检测和定位；e)根据肤色对人脸进行异常状况识别。

上述ATM机异常人脸检测方法，其中，所述步骤1)中的采集的正负样本数量比例为1~5:50。

上述ATM机异常人脸检测方法，其中，所述步骤2)中的归一化处理包括样本光照和尺寸的线性归一化。

上述ATM机异常人脸检测方法，其中，所述步骤4)获得的人眼及人嘴检测器是用特征库结合AdaBoost算法训练获得的级联分类器。

上述ATM机异常人脸检测方法，其中，所述步骤a) 中将当前帧图像像素的灰度矩阵与背景帧图像像素的灰度矩阵做差值运算，结果超过某一阈值范围的部分即为前景。

上述ATM机异常人脸检测方法，其中，所述步骤b)中，首先对步骤a得到的区域进行边缘检测，以取得边缘图像；依据人脸外轮廓类椭圆的特点，设置多个尺寸的正面人脸模型，利用数个弧线区段分别标记出脸部边界；对比该边缘图像中是否存在与某个人脸模型相吻合的区域；再进行归并处理，定位人脸区域。

上述ATM机异常人脸检测方法，其中，所述步骤c)中，对人脸区域进行额颜色空间转换为RGB颜色空间到YCbCr颜色空间之间的转换，转换过程如下：Y = 0.257*R+0.504*G+0.098*B+16；Cb =-0.148*R-0.291*G+0.439*B+128；Cr =0.439*R-0.368*G-0.071*B+128。

上述ATM机异常人脸检测方法，其中，所述步骤e)中，假定待测对象人种，根据提取的相应人种肤色信息分布范围确定阈值，对人脸区域进行二值化处理，对二值化结果进行垂直投影

由于具有上述步骤，本发明相比现有技术具有以下优点：

本发明ATM机异常人脸检测方法能够较为快速准确的检测出异常人脸特征，做出报警信号，提醒相关人员对当前情况提起高度注意，防止罪案发生。

附图说明

图1：本发明实施例的流程图。

具体实施方式

下面结合附图及实施例对本发明进行进一步的说明：

本发明ATM机异常人脸检测方法包括训练阶段和检测阶段，其中训练阶段依次含有以下步骤：

步骤1)：样本的采集

利用针孔摄像头采集图像，并将其中的人眼人工标定切割出来，建立人眼训练样本数据库；从不包含人眼的图片中随机切割出非人眼训练图像；共得到6000个人眼样本和100000个非人眼样本作为训练样本集；

步骤2)：归一化处理，对样本光照和尺寸的进行线性归一化处理。

步骤3)：样本特征库的获取

即生成正负样本的描述文件。负样本由背景描述文件来描述，背景描述文件是一个文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的相对路径）。正样本描述文件，用于描述正样本文件名（包括绝对路径或相对路径），正样本数目以及各正样本在图片中的位置和大小。

步骤4)：训练分类器/分类器设计

用以上训练样本集训练以及AdaBoost算法训练每一层人眼/非人眼强分类器，并将多层强分类器级联起来组成一个完整的人眼检测器。

相似的，对嘴巴的训练也采用步骤1~步骤4的方法，从而构造出一个完整的嘴巴检测器。

在检测阶段，该发明采用以下步骤来判断一张输入图像的人物是否出现人脸异常：

步骤a)：检测前景中是否有人：

即采用帧差法得到前景。采用帧差法，将当前帧图像像素的灰度矩阵与背景帧图像像素的灰度矩阵做差值运算，结果超过某一阈值范围的部分即为前景，该阈值可以根据ATM机摄像头拍摄得到的场景光照强度做相应的调整。阈值的确定方法如下：首先，采集不同光照条件下的近1000个ATM环境样本，按光照强度由弱到强依次分室内环境、室外阴影环境和室外阳光照射环境，在离线状态下计算这三种环境下图像的亮度平均值，分别对应预先设定的不同阈值25、30和35。实际操作中，计算当前帧图像的亮度平均值与前面三个亮度平均值的距离，选取距离最小的光照环境对应的阈值作为当前帧的阈值。

步骤b)：定位前景中人脸的位置：

首先对步骤1得到的区域进行边缘检测，以取得边缘图像；依据人脸外轮廓类椭圆的特点，设置多个尺寸的正面人脸模型；对比该边缘图像中是否存在与某个人脸模型相吻合的区域，利用数个弧线区段分别标记出脸部边界；再进行归并处理，得到人脸的位置。

步骤 c)：颜色空间转换：

对步骤2采集到的人脸区域进行颜色空间转换。颜色空间的转换过程为RGB颜色空间到YCbCr颜色空间之间的转换，具体转换过程如下：

Y = 0.257*R+0.504*G+0.098*B+16;

Cb =-0.148*R-0.291*G+0.439*B+128;

Cr =0.439*R-0.368*G-0.071*B+128;

步骤d)：第一次检测：

将人眼标识及嘴巴标识均初始化为0，使用训练得到的人眼检测器和嘴巴检测器在人脸区域进行人眼及嘴巴的检测以及定位。若检测出人眼或嘴巴的存在，则将当前帧的人眼标识或嘴巴标识置为1，并在当前帧图像中将人眼及嘴巴区域标识出来，否则进行下一步骤。

步骤e)：附加检测：

若检测不到人眼及嘴巴，则对人脸进行一个基于肤色的异常状况识别。例如，假定待检测人种为黄色人种，则提取的肤色信息分布范围为：Y中的肤色信息范围为（80,200），Cb中的肤色信息范围为（130,195），Cr中的肤色信息范围为（130,170）。以这些分布范围为上下阈值，对人脸区域进行二值化处理。由于眼睛和嘴巴分别位于人脸的上、下半部分，若人物戴有墨镜或者口罩，必然造成眼睛部位及嘴巴部位附近肤色的大部分缺失，因此，对二值化结果进行垂直方向的投影，检测人脸区域的上下部分是否有明显的峰谷存在，若存在，则不改变人眼标识及嘴巴标识，否则，将当前帧的对应标识（上半部分的投影检测对应人眼标识，下半部分的投影检测对应嘴巴标识）置为1。若出现连续30帧图像的人脸标识或者嘴巴标识均为0，表明持续监测不到正常人脸，则认为是异常的人脸，给出报警。这样，基本就可以确定人脸检测是否存在异常。

本发明ATM机异常人脸检测方法，其检测流程如图1所示：

1、输入图像，对当前帧图像进行人头检测，如果检测不到人头，跳到下一帧；

2、如果成功检测到人头，即将人眼标识及嘴巴标识均初始化为0，进行下一步；

3、使用训练得到的人眼检测器和嘴巴检测器在人脸区域进行人眼及嘴巴的检测以及定位。若检测出人眼或嘴巴的存在，则将当前帧的人眼标识或嘴巴标识置为1，并在当前帧图像中将人眼及嘴巴区域标识出来，如果人眼标识与人嘴标识的检测结果之和为2，则跳到下一帧，否则进行下一步。

4、若检测不到人眼或者嘴巴，则对人脸进行一个基于肤色的异常状况识别。首先，假定待检测人种为黄色人种，则提取的肤色信息分布范围为：Y中的肤色信息范围为（80,200），Cb中的肤色信息范围为（130,195），Cr中的肤色信息范围为（130,170）。以这些分布范围为上下阈值，对人脸区域进行二值化处理。

5、在肤色分析的基础上进行人脸异常分析。由于眼睛和嘴巴分别位于人脸的上、下半部分，若人物戴有墨镜或者口罩，必然造成眼睛部位及嘴巴部位附近肤色的大部分缺失，因此，对二值化结果进行垂直方向的投影，检测人脸区域的上下部分是否有明显的峰谷存在，若存在，则不改变人眼标识及嘴巴标识，否则，将当前帧的对应标识（上半部分的投影检测对应人眼标识，下半部分的投影检测对应嘴巴标识）置为1。

6、若人脸标识或者人嘴标识不为0，则将人眼标识及人嘴标识清零，进入下一帧。

7、若出现连续30帧图像的人脸标识和嘴巴标识均为0，表明持续检测不到正常人脸，则认为是异常的人脸，给出报警，之后进入下一帧。这样，基本就可以确定人脸检测是否存在异常。

Claims

1.一种ATM机异常人脸检测方法，其特征在于：包括训练阶段和检测阶段，训练阶段包括：1)人眼和人嘴的正负样本采集；2)归一化处理；3)样本结构特征提取；4)训练获得人眼和人嘴的检测器

2.根据权利要求1所述ATM机异常人脸检测方法，其特征在于：所述步骤1)中的采集的正负样本数量比例为1~5:50。

3.根据权利要求1或2所述ATM机异常人脸检测方法，其特征在于：所述步骤2)中的归一化处理包括样本光照和尺寸的线性归一化。

4.根据权利要求1或2所述ATM机异常人脸检测方法，其特征在于：所述步骤4)获得的人眼及人嘴检测器是用特征库结合AdaBoost算法训练获得的级联分类器。

5.根据权利要求1或2所述ATM机异常人脸检测方法，其特征在于：所述步骤a) 中将当前帧图像像素的灰度矩阵与背景帧图像像素的灰度矩阵做差值运算，结果超过阈值范围的部分即为前景。

6.根据权利要求1或2所述ATM机异常人脸检测方法，其特征在于：所述步骤b)中，首先对步骤a得到的区域进行边缘检测，以取得边缘图像；设置多个尺寸的正面人脸模型，利用数个弧线区段分别标记出脸部边界；对比该边缘图像中是否存在与某个人脸模型相吻合的区域；再进行归并处理，定位人脸区域。

7.根据权利要求1或2所述ATM机异常人脸检测方法，其特征在于：所述步骤c)中，对人脸区域进行额颜色空间转换为RGB颜色空间到YCbCr颜色空间之间的转换，转换过程如下：Y = 0.257*R+0.504*G+0.098*B+16；Cb =-0.148*R-0.291*G+0.439*B+128；Cr =0.439*R-0.368*G-0.071*B+128。

8.根据权利要求7所述ATM机异常人脸检测方法，其特征在于：所述步骤e)中，假定待测对象人种，根据提取的相应人种肤色信息分布范围确定阈值，对人脸区域进行二值化处理。

9.根据权利要求8所述ATM机异常人脸检测方法，其特征在于：对二值化结果进行垂直投影，根据人脸区域的上下部分是否有峰谷存在确定是否存在异常人脸。