CN103164315A

CN103164315A - 基于智能视频分析的电脑使用时间提示方法及系统

Info

Publication number: CN103164315A
Application number: CN2011104243530A
Authority: CN
Inventors: 谢东海; 黄英
Original assignee: Wuxi Vimicro Corp
Current assignee: Wuxi Zhonggan Microelectronics Co Ltd
Priority date: 2011-12-15
Filing date: 2011-12-15
Publication date: 2013-06-19
Anticipated expiration: 2031-12-15
Also published as: CN103164315B

Abstract

一种基于智能视频分析的电脑使用时间提示方法包括：采集电脑显示器前方的视频图像；对视频图像进行人脸检测和跟踪；当检测到人脸时，统计该人脸出现的时间；根据统计得到的该人脸出现的时间判断人脸是否过度使用电脑；在该人脸过度使用电脑时，发出报警提示信号。

Description

基于智能视频分析的电脑使用时间提示方法及系统

技术领域

本发明涉及一种基于智能视频分析的电脑使用时间提示方法及系统。

背景技术

随着电脑设备的不断普及，在工作和娱乐中使用电脑的频率越来越高，使用的时间也越来越长。经常会出现连续数个小时使用电脑的情况，由于电脑显示屏的辐射影响，长时间使用电脑会对人的视力造成不良影响。更为严重的是，长时间使用电脑会导致身体一些器官的病变。比如在玩电脑游戏时，连续几个小时使用鼠标和键盘会导致手指，手腕出现劳损，也可能造成脖子，腰椎等的酸痛。常年累月就会对人体造成不可弥补的损害。近来，与电脑相关的疾病越来越普遍。另外一个被广泛关注的就是青少年长时间玩游戏的问题，青少年自制能力较差，很容易玩电脑游戏上瘾，给青少年的身体和学业带来严重的负面影响。虽然现在已经对游戏运行进行了控制，比如在游戏模块里面加入一些限制，不允许同一个用户名玩家连续长时间玩游戏。但是这种方法很容易被避开，比若一个玩家有若干个用户名，当一个用户名被限制时，可以使用其它的用户名来继续游戏。

发明内容

本发明的目的是提供一种基于智能视频分析的电脑使用时间提示方法及系统。

一种基于智能视频分析的电脑使用时间提示方法，该方法包括：

采集电脑显示器前方的视频图像；

对视频图像进行人脸检测和跟踪；

当检测到人脸时，统计该人脸出现的时间；

根据统计得到的该人脸出现的时间判断人脸是否过度使用电脑；

在该人脸过度使用电脑时，发出报警提示信号。

一种基于智能视频分析的电脑使用时间提示系统，该系统包括：

视频采集模块，设置于电脑显示器的上方，采集电脑显示器前方的视频图像；

人脸检测和跟踪模块，对所述视频图像中的人脸进行检测和跟踪；

统计模块，对每一个检测到的人脸出现在电脑显示器前的时间进行统计；

报警模块，根据统计模块统计得到的当前检测到的人脸出现在电脑前的时间，判断该人脸是否有超时使用电脑的情形。

本发明的基于智能视频分析的电脑使用时间提示系统可以对过度使用电脑的情形进行智能识别和报警，可以帮助用户更好地控制电脑使用时间。

附图说明

图1是一个实施例中的基于智能视频分析的电脑使用时间提示方法流程图。

图2是基于直方图的弱分类器示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对具体实施例进行详细描述。

本发明提出了一种基于智能视频分析的电脑使用时间提示系统，该系统将监控摄像头安置在电脑显示器的上方，对使用电脑的人员进行检测和跟踪，并每隔一段时间就对使用者进行人脸识别，然后将识别出来的人脸统计起来。如果一个使用者在一段时间内使用电脑的时间超过了设定的阈值，就认为是过度使用电脑，可以根据不同的应用环境来做出不同的处理。

本发明实施例提供的基于智能视频分析的电脑使用时间提示方法，该方法包括：

采集电脑显示器前方的视频图像；

对视频图像进行人脸检测和跟踪；

当检测到人脸时，统计该人脸出现的时间；

在该人脸过度使用电脑时，发出报警提示信号。

图1示出了基于智能视频分析的电脑使用时间提示方法的一个具体实施流程图。

为了防止电脑前方存在遮挡物遮挡当前人脸的情形，在对采集到的电脑显示器前方的视频图像进行人脸检测时，还可以对采集到的视频图像进行运动检测及背景分析，当监控摄像头采集的视频在一段设定的时间内没有任何人脸出现，或者监控场景的成像背景大多为黑色，或者没有任何运动的发生，那么就认为摄像头被认为的遮挡，此时可以通知报警模块进行提示。

当检测到人脸时，需要对该人脸进行识别，判断该人脸是否已经存在于人脸数据库中。当该人脸与人脸数据库的人脸匹配，即已经存在于人脸数据库中，将该人脸出现的次数累加；当该人脸未存在于人脸数据库中，将该人脸存储与人脸数据库中，并记录该人脸出现的次数。

统计所有人脸出现的时间，判断是否有出现过度使用电脑的情形。具体地，在当系统发现统计的人脸记录中有某个人脸统计得到的时间与该人脸最晚和最早出现的时间差的比值超过了设定阈值，即认为该人脸有过度使用电脑的情形。

当判断存在过度使用电脑的情形，报警模块给予报警提示。

本发明实施例提供的基于智能视频分析的电脑使用时间提示系统包括视频采集模块、人脸检测和跟踪模块、人脸识别模块、统计模块及报警模块。

视频采集模块设置于电脑显示器的上方，采集电脑显示器前方的视频图像。

人脸检测和跟踪模块对所述视频图像中的人脸进行检测和跟踪。人脸检测是一个研究比较成熟的问题。目前能够实时运行的人脸检测算法的基础是Viola提出的基于积分图像来快速计算Harr特征，并用分层的思想来训练若干个Adaboost分类器得到的层次分类模型。Adaboost是一种自适应的训练方法，它可以将若干个弱分类器组合起来得到一个强分类器。当训练用的特征向量维数很长时，可以用Adaboost的方法来从特征向量中挑选出分类能力最强的若干个特征，这些特征依次被挑选出来并赋以不同的权重就可以组合为一个强分类器。最简单的弱分类器是基于直方图的分类器。

如图2所示，为基于直方图的弱分类器示意图，中间的线条就是弱分类器的分类阈值，深色部分为分类后的误差，分类器设计的规则是使误差达到最小。设实线代表的分布的误差部分为：P_a，虚线部分的误差为N_b。

那么分类误差就为：P_a+N_b

正确的部分为：(S_P-P_A)+(S_N-N_b)＝S_P+S_N-P_a-N_b，

S_P，S_N为实线和虚线的整体积分值。可见当误差最小时，正确率最高。

因此优化目标可以写为：

|S_P+S_N-P_a-P_b-P_a-P_b|＝|S_P+S_N-2P_a-2P_b|→max

即正确与错误的差值达到最大。在编程实现时，可以分步进行搜索，对每一步都计算|S_P+S_N-2P_a-2P_b|，找到最大值对应的阈值即可。

每个训练样本可以用一个矢量v_i来表示，训练样本(包括所有的正负样本)的集合可以表示为V＝{v₀，v₁...v_N}，N为样本的数量，每个训练样本对应一个Y_i＝{0，1}，0表示该样本是一个负样本，1表示该样本是一个正样本，每个样本都对应了一个权重w_i，正负样本的权重分开来计算，所有样本的权重之和为1。将v_i中的每个分量在样本集合V中的所以值取出来就可以得到和上图类似的直方图，根据上述的算法可以计算出每个分量作为弱分类器时的误差，挑选误差最小的分类器作为Adaboost中的一个弱分类器。每挑选出一个弱分类器，就需要对所有的权重进行更新并计算当前挑选的Adaboost中的弱分类器对应的权重。最后将所有的弱分类器按权重组合起来就得到一个强分类器。

一个Adaboost并不能取得很好的分类结果，Viola提出了将若干个Adaboost分类器按顺序组合在一起的类似瀑布的分层模型。进行分类时，目标样本依次通过每个Adaboost分类器，全部通过后才能判断出目标属于哪个类别。这种分层模型可以达到很高的识别率，而且思想非常简单，易于实现。经过图像积分可以很快的计算出Harr特征，这些特征组合成样本后再用基于Adaboost训练的分层分类器来进行识别，就能快速准确的从图像中提取出人脸的区域。

当人脸区域检测到后，可以用跟踪的方法来对检测到的区域进行跟踪，而不必每次都进行人脸检测，这样可以大大的提高运行速度。跟踪的方法研究的也很成熟，有基于光流的KLT方法，也有应用非常广泛的meanshift方法。检测并跟踪到的人脸可以为后续的人脸识别提供人脸样本。

在检测和跟踪模块检测到人脸时，人脸识别模块对检测到人脸进行识别，判断该人脸是否与人脸数据库中的人脸匹配，当不能匹配时，将该人脸加入人脸数据库中。人脸识别是一个经典的模式识别问题，已经有了许多的研究，并有了丰富的研究成果。几乎每种模式识别方法和理论都被应用到人脸识别当中，著名的分类识别算法包括基于PCA的识别方法，基于Gabor特征的识别方法，基于SVM的方法，基于Adaboost的方法等等。

统计模块对每一个检测和识别到的人脸出现在电脑显示器前的时间进行统计。进行统计时的一个实施情形是一个人始终出现在电脑前，因此可以始终被人脸检测和跟踪模块监测到，并进行时间的累加。但实际使用中，常常出现一个人使用一段时间后就短暂离开的情况。此时这个人的人脸就不会被检测到，之前统计的信息就可能丢失。本发明实施例的解决方法是当检测到一个人脸时，就将其人脸图像保存到人脸数据库中，并给该脸保留一个记录，在后续的检测中，每检测到一个人脸，就将当前检测到的人脸与人脸数据库中的每个记录对应的人脸进行比对识别，如果可以和其中的一张人脸匹配上，那么就将该人脸出现的时间进行累加，否则就将当前检测到的人脸加入到人脸数据库中。这样就可以保证当一个人短暂消失又出现后，其出现的总时间信息不会丢失。

报警模块根据统计模块统计得到的当前检测到的人脸出现在电脑前的时间，判断该人脸是否有超时使用电脑的情形。具体地，在当系统发现统计的人脸记录中有某个人脸统计得到的时间与该人脸最晚和最早出现的时间差的比值超过了设定阈值，报警模块就认为该人脸长时间使用电脑。报警模块进行提示或报警，并根据实际情况来进行后处理，比如如果是儿童使用电脑，那么就会给予声音或者文字警告，提醒家长的注意；如果是专门的游戏用机，就会强制退出游戏等。系统提供了若干种报警以及后处理的模式，可以根据实际需要来直接进行选择，或者进行补充。

此外，在系统运行中，还可能发生人为的将监控摄像头遮挡以避开统计的情况。本发明实施例提供的解决方法是加入图像处理和运动检测模块，图像处理和运动检测模块对图像采集模块采集的视频图像信息进行背景分析或运动分析。如果监控摄像头采集的视频在一段设定的时间内没有任何人脸出现，或者监控场景的成像背景大多为黑色，或者没有任何运动的发生，那么就认为摄像头被认为的遮挡，此时可以通知报警模块进行提示。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种基于智能视频分析的电脑使用时间提示方法，其特征在于，该方法包括：

采集电脑显示器前方的视频图像；

对视频图像进行人脸检测和跟踪；

当检测到人脸时，统计该人脸出现的时间；

在该人脸过度使用电脑时，发出报警提示信号。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：在对视频图像进行人脸检测时，对视频图像进行运动检测及背景分析；当视频图像在一段设定的时间内没有任何人脸出现，或者监控场景的成像背景大多为黑色，或者没有任何运动的发生，报警模块进行提示。

3.根据权利要求1所述的方法，其特征在于，该方法还包括：当检测到人脸时，对该人脸进行识别，判断该人脸是否已经存在于人脸数据库中；当该人脸与人脸数据库的人脸匹配，即已经存在于人脸数据库中，将该人脸出现的次数累加；当该人脸未存在于人脸数据库中，将该人脸存储与人脸数据库中，并记录该人脸出现的次数。

4.根据权利要求1所述的方法，其特征在于，该方法还包括：判断人脸是否过度使用电脑的方式包括：在当系统发现统计的人脸记录中有某个人脸统计得到的时间与该人脸最晚和最早出现的时间差的比值超过了设定阈值，即认为该人脸有过度使用电脑的情形。

5.一种基于智能视频分析的电脑使用时间提示系统，其特征在于，该系统包括：

6.根据权利要求5所述的系统，其特征在于，该系统还包括：图像处理和运动检测模块，图像处理和运动检测模块对图像采集模块采集的视频图像信息进行背景分析或运动分析，当监控摄像头采集的视频在一段设定的时间内没有任何人脸出现，或者监控场景的成像背景大多为黑色，或者没有任何运动的发生，图像处理和运动检测模块通知报警模块进行提示。