CN102647581A - 一种视频监控方法及系统 - Google Patents

Abstract

本发明公开一种视频监控方法和系统，该方法包括：实时采集被检测对象在自然光源条件下的脸部图像，将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则会触发报警，该方法应用于视频监控系统中，避免了红外灯光对眼睛的伤害，扩大了视频监控的应用范围。

Description

一种视频监控方法及系统

技术领域

本发明涉及监控领域，特别是一种视频监控方法及系统。

背景技术

岗位值班，遍布国防及民用各个行业和领域，是几乎所有不论大小的安全保卫系统的核心环节，值班员的值班行为是否正常，很多时候整个安全保卫系统能否可靠运行，值班员的有效工作极为重要。但是，值班人员每天承受这艰巨而又单调重复的工作，非常容易产生应激疲劳，注意力下降，从而无法及时发现和处理突发事故。

目前对于值班员的监控方法是利用红外光源，使得人眼在红外光作用下产生红眼效应，在使用红外光源并在同样照度的情况下，利用一个光束分离器把完全相同的图像分给两个摄像机，并分别通过850nm和950nm波长滤波器得到不同波长的红外图像，将两幅图像相减，就得到仅包含视网膜的图像，从而通过判断视网膜图像得到值班员是否长时间处于闭眼状态，这种方法中的红外灯光对眼睛伤害较大，因此其应用范围较小。

发明内容

本发明提供一种视频监控方法及系统，以解决现有技术中使用红外光源对眼睛伤害大，因此应用范围小的问题。

具体方案如下：

一种视频监控方法，步骤包括：

实时采集被检测对象在自然光源条件下的脸部图像；

将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象；

如果所述被检测对象为目标被检测对象，当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警。

优选地，所述被检测对象的脸部图像的信息包括：眼睑张开度和/或脸部偏转角度。

优选地，当所述被检测对象的脸部图像的信息为眼睑张开度时，判断所述目标被检测对象在自然光源下的脸部图像的眼睑张开度是否符合预设报警条件，包括：

判断所述目标被检测对象的脸部图像信息中眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件，如果否，则符合预设报警条件。

优选地，当所述被检测对象的脸部图像的信息为脸部偏转角度时，判断所述目标被检测对象在自然光源下的脸部图像的脸部偏转角度是否符合预设报警条件，包括：

将所述目标被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对，确定所述被检测对象的脸部图像偏转信息，判断所述目标被检测对象的脸部图像信息中脸部偏转角度是否在预设范围内，如果是，则不符合预设报警条件，如果否，则符合预设报警条件。

优选地，当所述被检测对象的脸部图像的信息为眼睑张开度和脸部偏转角度时，判断所述目标被检测对象在自然光源下的脸部图像的眼睑张开度和脸部偏转角度是否符合预设报警条件，包括：

判断所述目标被检测对象的脸部图像信息中眼睑张开度是否在预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件，如果否，则将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对；

如果所述目标被检测对象的脸部图像中偏转角度在预设范围内，则不符合预设报警条件，如果否，则符合预设报警条件。

优选地，判断所述目标被检测对象的脸部图像中偏转角度是否在预设范围内的过程，包括：

判断所述被检测对象的脸部图像中偏转角度是否在小于最大预设偏转角度范围内，如果是，则所述被检测对象的偏转角度在预设范围内，如果否，则所述被检测对象的偏转角度不在预设范围内。

优选地，所述被检测对象的脸部图像信息还包括：脸部偏转方向。

一种视频监控系统，包括：视频采集器和智能分析终端；

所述视频采集器，用于实时采集被检测对象在自然光源条件下的脸部图像，将所述自然光源条件下的脸部图像传递给所述智能分析终端；

所述智能分析终端与所述视频采集器相连，用于接收所述视频采集器传送的所述被检测对象在自然光源条件下的脸部图像，将所述被检测对象在自然光源条件下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标的被检测对象，当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警。

优选地，所述智能分析终端还包括：眼睑判断模块和脸部偏转判断模块；

所述眼睑判断模块用于判断所述目标被检测对象的脸部图像信息中眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件；

如果否，则由所述脸部偏转判断模块将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对，如果所述目标被检测对象的脸部图像中偏转角度在预设范围内，则不符合预设报警条件，如果否，则符合预设报警条件。

优选地，所述报警模块为蜂鸣器或者指示灯。

从以上技术方案可以看出，本发明中，提供的一种视频监控方法及系统，通过实时采集被检测对象在自然光源条件下的脸部图像，将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果所述被检测对象为目标被检测对象，当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警，该方法应用于视频监控系统中，能够实时的对值班员的工作状态进行监控，并对非正常工作的情况进行报警，从而实现了在自然光源下利用人的脸部图像的图像信息进行监控的目的，扩大了监控方法的使用范围。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对发明或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种视频监控方法实施例一的流程示意图；

图2为本发明的一种视频监控方法实施例二的流程示意图；

图3为本发明的一种视频监控方法实施例三的流程示意图；

图4为本发明的一种视频监控方法实施例四的流程示意图；

图5为本发明的一种视频监控系统结构示意图；

图6为本发明的一种视频监控系统另一种结构示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明中，图1为一种视频监控方法的流程示意图，参照图1所示，该方法包括：

步骤S101：实时采集被检测对象在自然光源条件下的脸部图像；

步骤S102：将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，则执行步骤S104；

其中，预先将若干值班员的脸部图像存储于视频监控系统中。

步骤S103：如果所述被检测对象不是目标被检测对象时，则触发报警；

步骤S104：判断所述目标被检测对象在自然光源下的脸部图像的信息是否符合预设报警条件，如果是，则符合预设报警条件，执行步骤S105，如果否，则不符合预设报警条件，执行步骤S106；

步骤S105：触发报警；

步骤S106：不触发报警。

本实施例中，通过实时采集被检测对象在自然光源下的脸部图像，将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，判断所述目标被检测对象在自然光源下的脸部图像的信息是否符合预设报警条件，如果是，则触发报警，此方法中，对所述被检测对象是否为目标被检测对象进行了判断，使用了自然光源下的脸部图像，避免使用红外光源对人眼的伤害，扩大了监控的应用范围。

参见图2，为本发明的一种视频监控方法实施例二的流程示意图，该方法步骤包括：

步骤S201：实时采集被检测对象在自然光源条件下的脸部图像；

步骤S202：将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，则执行步骤S204；

步骤S203：如果所述被检测对象不是目标被检测对象时，则触发报警；

步骤S204：将所述脸部图像进行分析，获取所述目标被检测对象的眼部图像眼睑信息；

其中，对于获取所述目标被检测对象在自然光源下的脸部图像的眼睑张开度的方法为，将所述被检侧对象的脸部图像进行分析，即对所述脸部图像进行定位，使用Haar(哈尔)特征及迭代算法Adaboost的检测程序，Adaboost算法能根据弱学习的反馈适应性地调整假设错误率，在准确度及效率上较为突出，因此直接选用。而人眼定位容易受到眉毛等附属物的影响，故提出使用纹理特征以及Haar特征联合进行Adaboost检测，实验结果证明其误判率在0.001％时拒真率为1％，能够满足进一步识别的要求。

为了获取所述被检测对象的眼部图像眼睑信息，利用自然光条件下眼球表面会反射光源，并在瞳孔或虹膜表面留下光斑的特点，来进行识别。

本发明中，提出RLBP(递归二值模式)算子，该算子自顶向下逐级获取更精确的二值特征，克服了局部LBP(二值模式)算子只能提取单一尺度的纹理特征，使得在人眼区域较小，低分辨率条件下，能够完整获得人眼特征，同时提取肤色在YCrCb(即YUV，Y表示明亮度，U和V则是色度)空间特征，对眼球纹理与眼睑纹理进行贝叶斯分类，得到相应的被检测对象的眼睑张开度信息。

其中，存在预设的信息库，所述信息库中会预存根据递归二值模式算子、Gabor(傅里叶变换)算法和肤色在YCrCb空间特征计算得到的若干用于比对的眼睑张开度信息，所述信息库以R树形式存在，通过与预存在信息库中的眼睑张开度信息比对，得到被检测对象的眼睑张开度。

其中，所述被检测对象的眼部图像眼睑张开度为眼睛上下眼睑睁开的角度。

步骤S205：判断所述目标被检测对象在自然光源下的脸部图像的信息眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内；

步骤S206：如果是，则不会触发报警；

步骤S207：如果否，则会触发报警。

本实施例中，通过确定所述目标被检测对象的脸部图像眼睑张开度，从而判断目标被检测对象的脸部图像眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，当所述被检测对象的眼睑张开度没有在预设时间内维持在预设的眼睑张开度范围内，则符合预设报警条件，触发报警，此方法通过判断被检测对象的眼睛是否在预设时间内闭起，以此来得到所述被检测对象是否打瞌睡，如果是，则触发报警，提高了视频监控的准确率。

参见图3，为本发明的一种视频监控方法实施例三的流程示意图，该方法步骤包括：

步骤S301：实时采集被检测对象在自然光源条件下的脸部图像；

步骤S302：将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，则执行步骤S304；

步骤S303：如果所述被检测对象不是目标被检测对象时，则触发报警；

步骤S304：将所述目标被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对，确定所述被检测对象的脸部图像偏转信息脸部偏转角度；

首先针对检测到的人脸，根据中分类模型分为正常人脸和非正常人脸，然后进一步把非正常人脸分为可疑人脸和偏转人脸。此两级人脸姿态分类策略中关键技术在于两级分类模型的构建。

利用统计技术分别建立两级分类模型，中分类模型的构建如下：构建正面训练库和偏转人脸库，对所有图像提取Gabor小波纹理特征，纹理特征维数通常很高，影响分类速度和精度。进一步利用Adboost机器学习策略选择正面人脸区别偏转人脸的有效特征，同时大幅降低特征维数。最后利用选择到的特征通过支持向量基(SVM)建立人脸姿态中分类模型。

步骤S305：判断所述目标被检测对象在自然光源下的脸部图像的信息脸部偏转角度是否在预设范围内；

步骤S306：如果是，则不会触发报警；

步骤S307：如果否，则会触发报警。

上述实施例中，通过将所述目标被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对，确定所述目标被检测对象的脸部图像偏转信息，从而判断目标被检测对象的脸部图像片偏转信息脸部偏转角度是否在预设范围内，如果否，则符合预设报警条件，触发报警，此方法通过监控被检测对象的脸部偏转角度是否在预设范围内来触发报警，如果被检测对象发生脸部偏转不正面面对视频采集器，且发生偏转的角度超出预设报警范围，则报警器会发出报警提示，这样可以提高视频监控的准确率。

参见图4，为本发明的一种视频监控方法实施例四的流程示意图，该方法步骤包括：

步骤S401：实时采集被检测对象在自然光源条件下的脸部图像；

步骤S402：将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，则执行步骤S404；

步骤S403：如果所述被检测对象不是目标被检测对象时，则触发报警；

步骤S404：将所述脸部图像进行分析，获取所述目标被检测对象的眼部图像眼睑信息；

步骤S405：判断所述目标被检测对象在自然光源下的脸部图像的信息眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内；

步骤S406：如果是，则不会触发报警；

步骤S407：如果否，则将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对；

步骤S408：判断所述目标被检测对象的脸部图像中偏转角度是否小于最大预设偏转角度范围内；

步骤S409：如果是，则所述被检测对象的偏转角度在预设范围内，不会触发报警；

步骤S410：如果否，则所述被检测对象的偏转角度不在预设范围内，会触发报警。

上述实施例中，优化了上一实施例，通过判断所述目标被检测对象在自然光源下的脸部图像的信息眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果否，则将所述目标被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对，确定所述目标被检测对象的脸部图像偏转信息，从而判断目标被检测对象的脸部图像片偏转信息脸部偏转角度是否在预设范围内，如果否，则符合预设报警条件，触发报警，此方法通过监控被检测对象的眼睑张开度和脸部偏转角度是否在预设范围内来触发报警，此方法相对于前两种实施例公开的方法，避免出现了误报的情况，提高了视频监控的准确率。

其中，判断所述目标被检测对象的脸部图像中偏转角度是否小于最大预设偏转角度范围内，可以包括：判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否在第一预设范围内，若是，则所述被检测对象的偏转角度为正常偏转，若否，则判断所述被检测对象的脸部图像偏转信息中的偏转角度是否在大于所述第一预设而小于第二预设范围内，若是，则所述被检测对象的偏转角度为可疑偏转，虽然为可疑偏转，但是不会触发报警。

除了确定目标被检测对象脸部图像信息中的眼睑张开度、偏转角度外，还可以通过偏转方向来判断所述目标被检测对象是否符合触发报警条件。

本发明中，图5为一种视频监控系统的结构示意图，参照图5所示，该系统包括：

视频采集器101和智能分析终端102；

所述视频采集器101，用于实时采集被检测对象在自然光源下的脸部图像，将所述自然光源条件下的脸部图像传递给所述智能分析终端102；

所述智能分析终端102与所述视频采集器101相连，用于接收所述视频采集器101传送的所述被检测对象在自然光源条件下的脸部图像，并将所述被检测对象的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象，如果是，则当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警。

上述实施例对应的视频监控系统，视频采集器用于实时采集被检测对象在自然光源条件下的脸部图像，将所述脸部图像传递给所述智能分析终端，所述智能分析终端接收所述被检测对象的脸部图像，并将所述被检测对象的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象的脸部图像是否符合预设报警条件，如果是，则触发报警，此系统通过对所述被检测对象是否为目标被检测对象进行了判断，使用了自然光源下的脸部图像，避免使用红外光源对人眼的伤害，扩大了监控的应用范围。

本发明中，图6为一种视频监控系统的结构示意图，参照图6所示，该系统还包括：

所述智能分析终端包括：眼睑判断模块103和脸部偏转判断模块104；

所述眼睑判断模块103用于判断所述目标被检测对象的脸部图像信息中眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件；

如果否，则由所述脸部偏转判断模块104将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对，如果所述目标被检测对象的脸部图像中偏转角度在预设范围内，则不符合预设报警条件，如果否，则符合预设报警条件。

上述实施例中，所述系统加入了眼睑判断模块用来判断所述目标被检测对象的脸部图像信息中的眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果否，进一步，由脸部偏转判断模块用来将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对，如果所述偏转角度不在预设范围内，则符合预设报警条件，当这两个判断条件全部满足时，会触发报警装置报警，此系统避免出现单一的判断模块进行判断的时候出现的误报的情况，提高了监控的准确率。

在上述的系统中，所述报警模块为蜂鸣器或指示灯。

上述实施例对应的视频监控系统，所述报警模块为蜂鸣器或指示灯，方便提醒值班员，提高了监控的准确率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本实用新型。对这些实施例的多种修改对本领域的专业技术人员来说是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽范围。

Claims (10)

1.一种视频监控方法，其特征在于，步骤包括：

实时采集被检测对象在自然光源条件下的脸部图像；

将所述被检测对象在自然光源下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标被检测对象；

如果所述被检测对象为目标被检测对象，当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警。

2.根据权利要求1所述的方法，其特征在于，所述被检测对象的脸部图像的信息包括：眼睑张开度和/或脸部偏转角度。

3.根据权利要求2所述的方法，其特征在于，当所述被检测对象的脸部图像的信息为眼睑张开度时，判断所述目标被检测对象在自然光源下的脸部图像的眼睑张开度是否符合预设报警条件，包括：

判断所述目标被检测对象的脸部图像信息中眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件，如果否，则符合预设报警条件。

4.根据权利要求2所述的方法，其特征在于，当所述被检测对象的脸部图像的信息为脸部偏转角度时，判断所述目标被检测对象在自然光源下的脸部图像的脸部偏转角度是否符合预设报警条件，包括：

将所述目标被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对，确定所述被检测对象的脸部图像偏转信息，判断所述目标被检测对象的脸部图像信息中脸部偏转角度是否在预设范围内，如果是，则不符合预设报警条件，如果否，则符合预设报警条件。

5.根据权利要求2所述的方法，其特征在于，当所述被检测对象的脸部图像的信息为眼睑张开度和脸部偏转角度时，判断所述目标被检测对象在自然光源下的脸部图像的眼睑张开度和脸部偏转角度是否符合预设报警条件，包括：

判断所述目标被检测对象的脸部图像信息中眼睑张开度是否在预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件，如果否，则将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对；

如果所述目标被检测对象的脸部图像中偏转角度在预设范围内，则不符合预设报警条件，如果否，则符合预设报警条件。

6.根据权利要求5所述的方法，其特征在于，判断所述目标被检测对象的脸部图像中偏转角度是否在预设范围内的过程，包括：

判断所述被检测对象的脸部图像中偏转角度是否在小于最大预设偏转角度范围内，如果是，则所述被检测对象的偏转角度在预设范围内，如果否，则所述被检测对象的偏转角度不在预设范围内。

7.根据权利要求2、4、5中任意一项所述的方法，其特征在于，所述被检测对象的脸部图像信息还包括：脸部偏转方向。

8.一种视频监控系统，其特征在于，包括：视频采集器和智能分析终端；

所述视频采集器，用于实时采集被检测对象在自然光源条件下的脸部图像，将所述自然光源条件下的脸部图像传递给所述智能分析终端；

所述智能分析终端与所述视频采集器相连，用于接收所述视频采集器传送的所述被检测对象在自然光源条件下的脸部图像，将所述被检测对象在自然光源条件下的脸部图像与预设的多个脸部图像进行比对，确定所述被检测对象是否为目标的被检测对象，如果是，则当所述目标被检测对象在自然光源下的脸部图像的信息符合预设报警条件时，则触发报警。

9.根据权利要求8所述的系统，其特征在于，所述智能分析终端还包括：眼睑判断模块和脸部偏转判断模块；

所述眼睑判断模块用于判断所述目标被检测对象的脸部图像信息中眼睑张开度是否预设时间内维持在预设的眼睑张开度范围内，如果是，则不符合预设报警条件；

如果否，则由所述脸部偏转判断模块将所述目标被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对，如果所述目标被检测对象的脸部图像中偏转角度在预设范围内，则不符合预设报警条件，如果否，则符合预设报警条件。

10.根据权利要求8所述的系统，其特征在于，所述报警模块为蜂鸣器或者指示灯。

Images