CN103971092A - 人脸轨迹跟踪的方法 - Google Patents
人脸轨迹跟踪的方法 Download PDFInfo
- Publication number
- CN103971092A CN103971092A CN201410140620.5A CN201410140620A CN103971092A CN 103971092 A CN103971092 A CN 103971092A CN 201410140620 A CN201410140620 A CN 201410140620A CN 103971092 A CN103971092 A CN 103971092A
- Authority
- CN
- China
- Prior art keywords
- face
- track
- area
- entrance
- surveyed area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种人脸轨迹跟踪的方法,包括步骤:将与采集区域对应的系统检测区域划分出入口检测区域和整体检测区域,再将入口检测区域分割成N份最低分辨率区域,以便降低无效背景干扰;同时,在由多个最低分辨率区域组成的给定区域内采用高频背景比对检测,当启动人脸新生轨迹条件后对轨迹的速度信息验证,对非法轨迹进行剔除,实现人脸轨迹的跟踪。本发明能够减少劣质数据对系统资源的消耗,提高系统运算处理能力,从而增强系统整体安防能力,克服由于系统处理能力有限而造成部分优质原始数据被丢弃的问题。
Description
技术领域
本发明涉及一种安防系统种人脸识别的领域,尤其涉及人脸轨迹跟踪的方法。
背景技术
目前,安防系统多安装在运动过程中采集对象,对人脸识别具有一定距离内的有效性,如何在该有效的距离内选择更优质的人脸照片进行比对提高系统运算能力是当前的一大主要方向。另外,如何将采集数据分化为适合后期分析的数据亦具意义。
发明内容
针对现有技术中的缺陷,本发明所要解决的技术问题在于提供一种有效可行的连续帧人脸轨迹跟踪方法。本发明通过对检测背景高速比对,对跟踪目标轨迹的独立性进行验证,实现了在控制区域内对连续采集的人脸模板归类、优化,优化采集数据,减少劣质数据对系统资源的消耗,提高系统运算处理能力,从而增强系统整体安防能力。
为实现以上目的,本发明采用以下技术方案:
首先确定系统能级,本系统中决定检测能级的要素为:检测分辨率、检测频率,整体检测区域面积。检测分辨率越大则系统识别精度越高,检测频率越高则对系统性能配置要求越高,在同样配置情况下整体检测区域越大对系统运算能力要求越高,按照关系公式计算得到系统检测区域及频率。
利用入口检测最低分辨率背景高频比对,实现入口检测区域内背景扫描:对该以检测分辨率为单位,在整体检测区域内检测,当任意最小分辨率内的像素比对出现90%像素更换,则扫描成功并触发人脸检测功能。
启动跟踪条件后,在入口检测区域及检测区域内对已确认对象进行跟踪,标记其周期相位及坐标,对其行进速度进行合格性筛选。在保持人脸识别情况下,若移动速度小于65%比率/秒(人脸像素占百分比)则保持跟踪;若该对象已存在,则记录对象位置及速度信息。
重复检测及跟踪过程,扫描对象得到信息后进行判定,在超速的条件下才对轨迹分离并结束跟踪,但使用中也存在前一检测人脸在检测区域内超时被后一检测人脸取代跟踪的情况。在跟踪轨迹的过程中若检测到速度不满足速度条件时,该目标跟踪结束,输出轨迹信息;另外,当有新的检测人脸进入入口检测区域内并且有新人脸检测成功,则将轨迹信息输出,放弃旧轨迹追踪新轨迹。
与现有技术相比,本发明具有如下的有益效果:
1、本发明针对安防系统的特定采集距离提出一种对所采集对象轨迹跟踪的方法。通过对采集数据分析整合优化采集数据的排序,减少劣质数据对系统资源的消耗,提高系统运算处理能力,从而增强系统整体安防能力。
2、本发明能克服由于系统处理能力有限而造成部分优质原始数据被丢弃的问题。本发明不仅实现前置数据的预分类提供原始数据的正确排序,而且为系统后期改进提供训练数据,成本适中。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是检测区域配置原理图。
图2是新生轨迹触发原理图。
图3是检测区域内轨迹跟踪原理图,示出了轨迹跟踪条件。
图4是检测区域内轨迹跟踪结束原理图,示出了轨迹跟踪结束条件。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
根据本发明提供的人脸轨迹跟踪的方法,将与采集区域对应的系统检测区域划分为入口检测区域和整体检测区域,再将入口检测区域分割成N份(N≥7)最低分辨率区域,以便降低无效背景干扰,可以根据不同的采集区域特征调整系统检测区域;同时,在由多个最低分辨率区域组成的给定区域内采用高频背景比对检测,当启动人脸新生轨迹条件后对轨迹的速度信息验证,对非法轨迹进行剔除,实现人脸轨迹的跟踪。
其中,采集区域为安防系统布放采集设备进行检索的物理区域;系统检测区域为采集设备所针对的采集画面中所划分的固定检测对象区域;给定区域为多个最低分辨率区域组成的一个整体。
具体地,所述人脸轨迹跟踪的方法,包括以下步骤:
步骤一:系统检测能级选择及系统检测区域标定
首先确定系统检测能级,本系统中决定系统检测能级的要素为:检测分辨率、检测频率、整体检测区域面积。检测分辨率越高则系统识别精度越高,检测频率越高则对系统性能配置要求越高,在同样配置情况下整体检测区域越大对系统运算能力要求越高,按照关系公式计算得到系统检测区域及检测频率;
其中:En为系统检测能级,Sn为整体检测区域面积,Vn为检测分辨率,fn为检测频率。
步骤二:入口检测区域内背景扫描
利用入口检测最低分辨率进行背景高频比对,实现入口检测区域内的背景扫描功能:以检测分辨率为单位,在整体检测区域内检测,当任意最低分辨率内的像素比对出现90%像素更换情况时,则入口检测区域内的背景扫描成功并触发人脸检测功能;
步骤三:检测新生轨迹的触发及跟踪
启动跟踪条件后,在入口检测区域及整体检测区域内对已确认对象进行跟踪,标记其周期相位及坐标,对其行进速度进行合格性筛选。在保持人脸识别情况下,若移动速度小于65%比率/秒(人脸像素占百分比)则保持跟踪;若该对象已存在,则记录对象位置及速度信息;
步骤四:轨迹跟踪的结束
重复步骤二、步骤三的检测过程保持对目标的跟踪,若出现以下情况之一时则终止对目标的跟踪,输出轨迹信息:
(1)若目标移动速度超过步骤三中的移动速度时对轨迹分离并结束跟踪;
(2)若前一检测人脸未步出整体检测区域,后一检测人脸进入入口检测区域并且有新人脸检测成功时,则终止对前一检测人脸轨迹跟踪并输出信息,同时开始追踪后一检测人脸的新轨迹。
更为具体地,下面结合附图对本发明的一个优选的具体实施方式进行描述。
根据图1检测区域配置原理图选择系统检测能级为1级,检测区域为700*800像素,最低分辨率为100*200像素,则检测频率为4次/秒。
当被检测对象进入入口检测区域,如图2。当7个最小检测分辨率中任意一块最低分辨率中出现像素矩阵替换比率满足以下条件:
其中,Ti为第i块最低分辨率区域当前像素矩阵,Si为第i块最低分辨率区域上一时刻像素矩阵,i为最低分辨率区域序号。
系统启动人脸检测功能,对成功检测的对象赋予新轨迹并实施跟踪。假设t时刻,检测人脸面积为st,人脸坐标为xt,yt;t+1时刻,检测人脸面积为st+1,人脸坐标为xt+1,yt+1。
如图3所示,在整体检测区域内,将人脸坐标点之间的速度信息提取出,若当t+1时刻时满足下列条件:
则认定t+1时刻检测对象轨迹受到干扰,中止跟踪进程将前一序列原始数据进行排序并输出。另外,若在连续两个周期内无法成功检测到人脸信息,则判定对象丢失,将原始数据排序并输出。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (6)
1.一种人脸轨迹跟踪的方法,其特征在于,包括步骤:
将与采集区域对应的系统检测区域划分出入口检测区域和整体检测区域,再将入口检测区域分割成N份最低分辨率区域,以便降低无效背景干扰;同时,在由多个最低分辨率区域组成的给定区域内采用高频背景比对检测,当启动人脸新生轨迹条件后对轨迹的速度信息验证,对非法轨迹进行剔除,实现人脸轨迹的跟踪。
2.根据权利要求1所述的人脸轨迹跟踪的方法,其特征在于,包括以下步骤:
步骤一:系统检测区域的标定以及系统检测能级的选择
在标定系统检测区域后,按照关系公式(1)计算得到系统检测能级:
其中:En为系统检测能级,Sn为整体检测区域面积,Vn为检测分辨率,fn为检测频率;
步骤二:入口检测区域内背景扫描
利用入口检测最低分辨率进行背景高频比对,实现入口检测区域内的背景扫描功能:以检测分辨率为单位,在整体检测区域内检测,当任意最低分辨率区域内的像素比对出现90%像素更换情况时,则入口检测区域内的背景扫描成功并触发人脸检测功能;
步骤三:检测新生轨迹的触发及跟踪
启动跟踪条件后,在入口检测区域及整体检测区域内对已确认对象进行跟踪,标记已确认对象周期相位及坐标,对已确认对象行进速度进行合格性筛选;在保持人脸识别情况下,若移动速度小于人脸像素占百分比r比率/秒,则保持跟踪;若该对象已存在,则记录对象位置及速度信息;
步骤四:轨迹跟踪的结束
重复步骤二、步骤三的检测过程保持对目标的跟踪,当出现以下情况之一时,则终止对目标的跟踪,输出轨迹信息:
(1)若目标移动速度超过步骤三中已确认对象的移动速度时对轨迹分离并结束跟踪;
(2)若前一检测人脸未步出整体检测区域,后一检测人脸进入了入口检测区域并且有新人脸检测成功时,则终止对前一检测人脸轨迹跟踪并输出信息,同时开始追踪后一检测人脸的新轨迹。
3.根据权利要求2所述的人脸轨迹跟踪的方法,其特征在于,当被检测对象进入了入口检测区域,若N个最低分辨率区域中任意一块最低分辨率区域中出现像素矩阵替换比率满足以下条件:
其中,Ti为第i块最低分辨率区域当前像素矩阵,Si为第i块最低分辨率区域上一时刻像素矩阵,i为最低分辨率区域序号;
则,系统启动人脸检测功能,对成功检测的对象赋予新轨迹并实施跟踪;假设t时刻,检测人脸面积为st,人脸坐标为xt,yt;t+1时刻,检测人脸面积为st+1,人脸坐标为xt+1,yt+1;
则在整体检测区域内,将人脸坐标点之间的速度信息提取出,若当t+1时刻时满足下列条件:
则认定t+1时刻检测对象轨迹受到干扰,中止跟踪进程将前一序列原始数据进行排序并输出;若在连续两个周期内无法成功检测到人脸信息,则判定对象丢失,将原始数据排序并输出。
4.根据权利要求1所述的人脸轨迹跟踪的方法,其特征在于,N≥7。
5.根据权利要求1所述的人脸轨迹跟踪的方法,其特征在于,根据不同的采集区域特征调整系统检测区域。
6.根据权利要求2所述的人脸轨迹跟踪的方法,其特征在于,r为65%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410140620.5A CN103971092B (zh) | 2014-04-09 | 2014-04-09 | 人脸轨迹跟踪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410140620.5A CN103971092B (zh) | 2014-04-09 | 2014-04-09 | 人脸轨迹跟踪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103971092A true CN103971092A (zh) | 2014-08-06 |
CN103971092B CN103971092B (zh) | 2018-06-05 |
Family
ID=51240563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410140620.5A Active CN103971092B (zh) | 2014-04-09 | 2014-04-09 | 人脸轨迹跟踪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971092B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484038A (zh) * | 2014-12-16 | 2015-04-01 | 广东欧珀移动通信有限公司 | 智能设备的控制方法及装置 |
CN106231174A (zh) * | 2016-07-11 | 2016-12-14 | 深圳天珑无线科技有限公司 | 一种拍照的方法及设备 |
CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
CN108090428A (zh) * | 2017-12-08 | 2018-05-29 | 广西师范大学 | 一种人脸识别方法及其系统 |
CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
CN109670482A (zh) * | 2019-01-13 | 2019-04-23 | 北京镭特医疗科技有限公司 | 一种运动中的人脸识别方法和装置 |
CN110688940A (zh) * | 2019-09-25 | 2020-01-14 | 北京紫睛科技有限公司 | 一种快速的基于人脸检测的人脸追踪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116756A (zh) * | 2013-01-23 | 2013-05-22 | 北京工商大学 | 一种人脸检测与跟踪方法及装置 |
CN103632126A (zh) * | 2012-08-20 | 2014-03-12 | 华为技术有限公司 | 人脸跟踪方法及装置 |
-
2014
- 2014-04-09 CN CN201410140620.5A patent/CN103971092B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632126A (zh) * | 2012-08-20 | 2014-03-12 | 华为技术有限公司 | 人脸跟踪方法及装置 |
CN103116756A (zh) * | 2013-01-23 | 2013-05-22 | 北京工商大学 | 一种人脸检测与跟踪方法及装置 |
Non-Patent Citations (1)
Title |
---|
梁路宏 等: "基于人脸检测的人脸跟踪算法", 《计算机工程与应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484038A (zh) * | 2014-12-16 | 2015-04-01 | 广东欧珀移动通信有限公司 | 智能设备的控制方法及装置 |
CN104484038B (zh) * | 2014-12-16 | 2017-09-22 | 广东欧珀移动通信有限公司 | 智能设备的控制方法及装置 |
CN106231174A (zh) * | 2016-07-11 | 2016-12-14 | 深圳天珑无线科技有限公司 | 一种拍照的方法及设备 |
CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
CN106295522B (zh) * | 2016-07-29 | 2019-09-10 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
CN108090428A (zh) * | 2017-12-08 | 2018-05-29 | 广西师范大学 | 一种人脸识别方法及其系统 |
CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
CN109670482A (zh) * | 2019-01-13 | 2019-04-23 | 北京镭特医疗科技有限公司 | 一种运动中的人脸识别方法和装置 |
CN110688940A (zh) * | 2019-09-25 | 2020-01-14 | 北京紫睛科技有限公司 | 一种快速的基于人脸检测的人脸追踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103971092B (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971092A (zh) | 人脸轨迹跟踪的方法 | |
US10445567B2 (en) | Pedestrian head identification method and system | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
CN102854191B (zh) | 高速铁轨表面缺陷的实时视觉检测与识别方法 | |
CN105160654A (zh) | 基于特征点提取的毛巾标签缺陷检测方法 | |
CN104506819B (zh) | 一种多摄像头实时联动的互反馈跟踪系统及方法 | |
CN104408932A (zh) | 一种基于视频监控的酒驾车辆检测系统 | |
CN108549852A (zh) | 基于深度网络增强的特定场景下行人检测器自动学习方法 | |
CN104021382A (zh) | 一种眼部图像采集方法及其系统 | |
CN104751097A (zh) | 一种车辆识别码的检测处理方法及装置 | |
CN104933424A (zh) | 车辆及行人监测方法及装置 | |
CN105260749A (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
CN105185118A (zh) | 一种基于视频检测的违章车辆检测装置及其方法 | |
CN110111582B (zh) | 基于tof相机的多车道自由流车辆检测方法及系统 | |
CN105550710A (zh) | 基于非线性拟合的接触网运行异常状态智能检测方法 | |
CN105551261A (zh) | 换牌车辆检测方法及其系统 | |
CN109657674A (zh) | 一种车辆标识确定方法及装置 | |
CN110084987A (zh) | 一种面向轨道交通的异物检查系统及方法 | |
CN105426816A (zh) | 一种处理人脸图像的方法及装置 | |
CN103324361B (zh) | 触摸点定位的方法和系统 | |
CN105389990B (zh) | 一种基于监控球机的违章停车检测识别方法 | |
CN106571040A (zh) | 一种可疑车辆确认方法及设备 | |
CN103136517B (zh) | 一种基于关键列选择的滚动指纹图像序列实时拼接方法 | |
CN103914853A (zh) | 多车辆跟踪时目标粘连和分裂情况的处理方法 | |
CN104168462A (zh) | 基于图像角点集特征的摄像头场景变换检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |