CN104077566B - 基于颜色差分的卡口图片人脸检测方法 - Google Patents
基于颜色差分的卡口图片人脸检测方法 Download PDFInfo
- Publication number
- CN104077566B CN104077566B CN201410274186.XA CN201410274186A CN104077566B CN 104077566 B CN104077566 B CN 104077566B CN 201410274186 A CN201410274186 A CN 201410274186A CN 104077566 B CN104077566 B CN 104077566B
- Authority
- CN
- China
- Prior art keywords
- picture
- vehicle window
- skin
- image data
- colour
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于颜色差分的卡口图片人脸检测方法,属于智能交通管理和卡口监控技术领域。本方法是:a、从卡口监控系统中获取图片数据;b、对图片进行车窗检测,获得车窗的矩形区域;c、对车窗内的图片数据进行颜色差分变换;d、利用八邻域搜索算法,对肤色的二值化图片数据进行搜索并清除较小和细微的区域;e、对车窗内的图片数据,进行人脸检测;f、输出人脸检测结果。本发明相对传统的检测方法,具有下列优点和积极效果:①缩短了人脸检测时间;②提升了人脸检测的准确率;③对光照不均或者复杂环境下的人脸检测具有实时性和稳定性。
Description
技术领域
本发明属于智能交通管理和卡口监控技术领域,具体涉及一种基于颜色差分的卡口图片人脸检测方法。
背景技术
随着我国国民经济的快速发展,城市道路建设和机动车所有量都在迅速增长,随之也给政府交管部门管理工作带来了巨大的压力。面对近年来层出不穷的道路刑事、治安案件的增长,以及肇事逃逸、盗抢车辆和机动车违章行驶等问题,交管部门迫切需要将最新的智能化管理系统应用到现代化的城市交通管理上来,而治安卡口监控系统有效缓解了城市交通堵塞和违章驾驶等问题,大大提高公安部门的实战和管理能力,已成为现代城市管理必不可少的一个重要手段。
目前在智能卡口监控系统中,车辆监控应用已经较为成熟,而人脸检测功能效果并不理想,因此急需提高智能卡口监控系统的可用度。
目前人脸检测的主流方法包括基于肤色模型的人脸检测方法和基于Haar-like特征的Adaboost人脸检测算法;
基于肤色模型的人脸检测方法,需将RGB色彩空间转换成YUV色彩空间中,且在该色度空间中能够准确用给定的模型描述肤色区域的分布,其受外界条件影响变化较大;
基于Haar-like特征的Adaboost人脸检测算法,与以往的人脸检测算法相比,AdaBoost算法具有较高检测精度及快速性,但从其算法原理而言,存在较多的冗余计算,具备进一步提升实时性能的潜质。
发明内容
本发明的目的就在于克服现有技术存在的缺点和不足,提供一种基于颜色差分的卡口图片人脸检测方法。
本发明的目的是这样实现的:
本发明针对智能卡口监控系统,设计了新的处理流程,有效提升人脸检测的效率。本发明首先对卡口图片进行车窗检测,从而大大缩小了人脸检测区域;利用颜色差分法去除背景的影响,获得肤色的二值化图片数据;利用AdaBoost算法,并结合肤色的二值化图片数据,快速排除非人脸区域,缩短人脸检测时间,具有实时性的特点。对于复杂交通环境下的人脸检测,本发明具有适应性和稳定性。
一、一种基于颜色差分的卡口图片人脸检测装置(工作平台)
1、智能网络摄像机(有DSP图像传感器);
2、网络摄像机(无DSP图像传感器)+工业控制机。
二、一种基于颜色差分的卡口图片人脸检测方法(简称方法)
a、从卡口监控系统中获取图片数据;
b、对图片进行车窗检测,获得车窗的矩形区域;
c、对车窗内的图片数据进行颜色差分变换,获得肤色的二值化图片数据;
d、利用八邻域搜索算法,对肤色的二值化图片数据进行搜索并清除较小和细微的区域;
e、对车窗内的图片数据,利用Adaboost算法,并加入肤色的二值化图片数据,进行人脸检测。
f、输出人脸检测结果。
本发明相对传统的检测方法,具有下列优点和积极效果:
①缩短了人脸检测时间;
②提升了人脸检测的准确率;
③对光照不均或者复杂环境下的人脸检测具有实时性和稳定性。
附图说明
图1是智能网络摄像机的结构方框图;
图2是网络摄像机+工业控制机的结构方框图;
图3是本方法的工作流程图;
图4是本方法步骤b的子工作流程图;
图5是本方法步骤e的子工作流程图。
具体实施方式
下面结合附图和实施例详细说明:
一、人脸检测装置
1、智能网络摄像机(有DSP图像传感器)
如图1,智能网络摄像机A包括依次连接的图像序列采集单元、图像视频编码存储单元和图像序列智能分析单元;
图像序列采集单元由LENS光学镜头1、图像传感器2、信号采集转换器3、FPGA可编程逻辑处理器5和HV信号驱动器4组成,LENS光学镜头1、图像传感器2、信号采集转换器3、FPGA可编程逻辑处理器5、HV信号驱动器4和图像传感器2依次连接,实现图像的采集功能;
图像视频编码存储单元由依次连接的FPGA可编程逻辑处理器5、H264视频编码器6和中心处理器8组成,实现视频监控功能;
图像序列智能分析单元由依次连接的FPGA可编程逻辑处理器5、SDRAM存储器7、DSP图像处理器9和中心处理器8组成,实现图像的分析和处理功能。
所述的DSP图像处理器9是主频800Mhz的高性能DSP图像处理器,选用TMS320DM64X、TMS320DM81X等系列的DSP处理器。DSP图像处理器9实现本发明提出的基于颜色差分的卡口图片人脸检测方法,并将人脸检测结果输出给中心处理器8。
在运动车辆行驶过程中,图像视频编码存储单元对视频进行监控,当进入智能卡口监控系统预先设置的抓拍位置,自动触发图像采集单元抓拍车辆通行图片,通过图像序列智能分析单元对抓拍到的图片进行人脸检测分析,然后将机动车前排驾乘人员的人脸信息记录传给中心处理器8进行相应处理;
2、网络摄像机(无DSP图像传感器)+工业控制机
如图2,网络摄像机+工业控制机包括依次连接的图像序列采集单元、图像视频编码存储单元和图像序列智能分析单元。
图像序列采集单元由LENS光学镜头1、图像传感器2、信号采集转换器3、FPGA可编程逻辑处理器5和HV信号驱动器4组成,LENS光学镜头1、图像传感器2、信号采集转换器3、FPGA可编程逻辑处理器5、HV信号驱动器4和图像传感器2依次连接,连接图像的采集功能;
图像视频编码存储单元由依次连接的FPGA可编程逻辑处理器5、H264视频编码器6和中心处理器8组成,实现视频监控功能;
图像序列智能分析单元由依次连接的FPGA可编程逻辑处理器5、SDRAM存储器7、中心处理器8和工业控制机C组成,实现图像的分析和处理功能。
所述的工业控制机C为高性能的工业级控制计算机,其主频高达3.0GHz,内存为2G。在工业控制机C中通过图片序列的分析处理技术,实现运动车辆检测、定位、跟踪和捕获功能。
网络摄像机+工业控制机的摄像装置,与智能网络摄像机的主要区别在于,本方案的图片序列处理方法在工业控制机上实现,而不是在DSP图像处理器上实现。其他功能与智能网络摄像机上的实现相同。
二、人脸检测方法(简称方法)
如图3,本方法实现过程如下:
a、从卡口监控系统中获取图片数据-301;
b、对图片进行车窗检测,获得车窗的矩形区域-302,分别进入步骤c和步骤e;
这一步骤的前提是在DSP图像处理器9首先对车牌进行检测,获得车牌的基本信息,包括车牌颜色、车牌大小和车牌矩形区域等信息;
如图4,具体子步骤如下:
b1、车牌定位,获得车牌矩形区域-401
对图片进行车牌检测,得到车牌的基本信息,包括车牌颜色、车牌大小和车牌矩形区域等信息;
b2、车身定位,获取机车位置-402
根据车牌与车身的几何比例关系,从而确定机车在图片中的矩形区域;
b3、车窗定位,获取车窗位置-403
根据获得的机车图片数据,对该图片进行Sobel边缘检测,通过阈值分割把灰度图片转换为二值图片,并计算二值图像在水平方向和垂直方向上的投影,根据峰值的位置,确定车窗边缘的宽度和高度,获得车窗在图片中的矩形区域。
c、对车窗内的图片数据进行颜色差分变换,获得肤色的二值化图片数据-303;
c1、读取车窗内的图像数据,获得RGB颜色信息;
c2、计算颜色差分(R-B),如果(R-B)>0,则该像素点为肤色像素点,设置为1,否则,该像素点为非肤色像素点,设置为0,获得肤色的二值化图片数据。
d、利用八邻域搜索算法,对肤色的二值化图片数据进行搜索并清除较小和细微的区域-304,以清除颜色差分时产生孤立点;
e、对车窗内的图片数据,利用Adaboost算法,并加入肤色的二值化图片数据,进行人脸检测-305;
在卡口监控系统中,由于拍摄角度或者汽车内挡光板的原因,采集的卡口图片中车窗内的人眼无法清晰的显示。眼睛作为人脸的特征,将导致人脸的漏检,因此在训练haar特征的级联分类器时,采集的人脸样本为眼睛以下的人脸部分,包括鼻子、嘴巴和下巴。在用该级联分类器进行人脸检测时,检测到的人脸只包含眼睛以下的人脸,对于该人脸区域,起始像素点一定是肤色像素点。因此,利用Adaboost级联分类器进行人脸检测之前,通过判断候选区域内起始像素点是否为肤色像素点,可以快速排除非人脸区域。
如图5,具体子步骤如下:
e1、对车窗内的图片数据进行灰度变换和直方图均衡化等预处理-501;
e2、对图片进行缩放处理,并设置检测窗口尺寸-502;
e3、判断灰度图片尺寸是否大于检测窗口尺寸-503,是则进入下一步骤,否则跳转到步骤e10-510;
e4、对灰度图片数据求灰度积分图-504;
e5、移动检测窗口,并判断检测窗口是否对图像扫描完毕-505,是则跳转到步骤e2,否则进入下一步骤;
e6、根据步骤d获得的肤色二值化图像数据,判断扫描过程中取得的像素点,在肤色二值化图像中的相应位置值是否为1-506,是则进入下一骤步,否则跳转到步骤e5;
e7、获得以该像素点为起始位置的待检测子图像-507;
e8、将待检测子窗口作为分类器的输入,判断是否通过了所有分类器-508,是则进入下一步骤,否则跳转到步骤e5;
e9、确定为人脸并保存在待选人脸列表-509;
e10、进行人脸区域筛选,即在按设定值大小将人脸区域分类-510;
e11、确定为人脸区域-511。
f、输出人脸检测结果-306。
Claims (1)
1.一种基于颜色差分的卡口图片人脸检测方法,其特征在于:
a、从卡口监控系统中获取图片数据(301);
b、对图片进行车窗检测,获得车窗的矩形区域(302),分别进入步骤c和步骤e;
c、对车窗内的图片数据进行颜色差分变换,获得肤色的二值化图片数据(303);
d、利用八邻域搜索算法,对肤色的二值化图片数据进行搜索并清除较小和细微的区域(304),以清除颜色差分时产生孤立点;
e、对车窗内的图片数据,利用Adaboost算法,并加入肤色的二值化图片数据,进行人脸检测(305);
f、输出人脸检测结果(306);
所述的步骤b的子步骤:
b1、车牌定位,获得车牌矩形区域(401)
对图片进行车牌检测,得到车牌的基本信息,包括车牌颜色、车牌大小和车牌矩形区域的信息;
b2、车身定位,获取机车位置(402)
根据车牌与车身的几何比例关系,从而确定机车在图片中的矩形区域;
b3、车窗定位,获取车窗位置(403)
根据获得的机车图片数据,对该图片进行Sobel边缘检测,通过阈值分割把灰度图片转换为二值图片,并计算二值图像在水平方向和垂直方向上的投影,根据峰值的位置,确定车窗边缘的宽度和高度,获得车窗在图片中的矩形区域;
所述的步骤c的子步骤:
c1、读取车窗内的图像数据,获得RGB颜色信息;
c2、对于车窗内图像的每个像素点,计算颜色差分(R-B),如果(R-B)>0,则该像素点为肤色像素点,设置为1,否则,该像素点为非肤色像素点,设置为0,获得肤色的二值化图片数据;
所述的步骤e的子步骤:
e1、对车窗内的图片数据进行灰度变换和直方图均衡化的预处理(501);
e2、对图片进行缩放处理,并设置检测窗口尺寸(502);
e3、判断灰度图片尺寸是否大于检测窗口尺寸(503),是则进入下一步骤,否则跳转到步骤e10(510);
e4、对灰度图片数据求灰度积分图(504);
e5、移动检测窗口,并判断检测窗口是否对图像扫描完毕(505),是则跳转到步骤e2(502),否则进入下一步骤;
e6、根据步骤d获得的肤色二值化图像数据,判断扫描过程中取得的像素点,在肤色二值化图像中的相应位置值是否为1(506),是则进入下一骤步,否则跳转到步骤e5(505);
e7、获得以该像素点为起始位置的待检测子图像(507);
e8、将待检测子窗口作为分类器的输入,判断是否通过了所有分类器(508),是则进入下一步骤,否则跳转到步骤e5(505);
e9、确定为人脸并保存在待选人脸列表(509);
e10、进行人脸区域筛选,即在按设定值大小将人脸区域分类(510);
e11、确定为人脸区域(511)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410274186.XA CN104077566B (zh) | 2014-06-19 | 2014-06-19 | 基于颜色差分的卡口图片人脸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410274186.XA CN104077566B (zh) | 2014-06-19 | 2014-06-19 | 基于颜色差分的卡口图片人脸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077566A CN104077566A (zh) | 2014-10-01 |
CN104077566B true CN104077566B (zh) | 2017-07-21 |
Family
ID=51598814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410274186.XA Active CN104077566B (zh) | 2014-06-19 | 2014-06-19 | 基于颜色差分的卡口图片人脸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077566B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399357B (zh) * | 2017-02-08 | 2020-12-29 | 浙江宇视科技有限公司 | 一种人脸定位方法及装置 |
CN107657211A (zh) * | 2017-08-11 | 2018-02-02 | 广州烽火众智数字技术有限公司 | 一种hov车道的车辆乘客人数检测方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184388A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 人脸和车辆自适应快速检测系统及检测方法 |
CN102915640A (zh) * | 2012-10-30 | 2013-02-06 | 武汉烽火众智数字技术有限责任公司 | 基于Hough变换的安全带检测方法 |
CN102999749A (zh) * | 2012-12-21 | 2013-03-27 | 广东万安科技股份有限公司 | 基于人脸检测的安全带违章事件智能检测方法 |
CN103106400A (zh) * | 2013-02-06 | 2013-05-15 | 浙江宇视科技有限公司 | 一种人脸检测方法与装置 |
CN103279750A (zh) * | 2013-06-14 | 2013-09-04 | 清华大学 | 基于肤色范围的驾驶员手持电话行为检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063568A1 (en) * | 2003-09-24 | 2005-03-24 | Shih-Ching Sun | Robust face detection algorithm for real-time video sequence |
-
2014
- 2014-06-19 CN CN201410274186.XA patent/CN104077566B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184388A (zh) * | 2011-05-16 | 2011-09-14 | 苏州两江科技有限公司 | 人脸和车辆自适应快速检测系统及检测方法 |
CN102915640A (zh) * | 2012-10-30 | 2013-02-06 | 武汉烽火众智数字技术有限责任公司 | 基于Hough变换的安全带检测方法 |
CN102999749A (zh) * | 2012-12-21 | 2013-03-27 | 广东万安科技股份有限公司 | 基于人脸检测的安全带违章事件智能检测方法 |
CN103106400A (zh) * | 2013-02-06 | 2013-05-15 | 浙江宇视科技有限公司 | 一种人脸检测方法与装置 |
CN103279750A (zh) * | 2013-06-14 | 2013-09-04 | 清华大学 | 基于肤色范围的驾驶员手持电话行为检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104077566A (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Multi-vehicle detection algorithm through combining Harr and HOG features | |
WO2019196130A1 (zh) | 面向车载热成像行人检测的分类器训练方法和装置 | |
CN106709436B (zh) | 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统 | |
WO2020000251A1 (zh) | 基于摄像机协同接力的路口违章视频识别方法 | |
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
US8750567B2 (en) | Road structure detection and tracking | |
US9626599B2 (en) | Reconfigurable clear path detection system | |
CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN103208185A (zh) | 一种基于车灯识别的夜间车辆检测方法及系统 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
EP2813973B1 (en) | Method and system for processing video image | |
WO2024037408A1 (zh) | 一种基于图像融合和特征增强的煤矿井下行人检测方法 | |
CN103324958B (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
Babbar et al. | A new approach for vehicle number plate detection | |
Ozcelik et al. | A vision based traffic light detection and recognition approach for intelligent vehicles | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN105426816A (zh) | 一种处理人脸图像的方法及装置 | |
Rabiu | Vehicle detection and classification for cluttered urban intersection | |
Mammeri et al. | North-American speed limit sign detection and recognition for smart cars | |
Li et al. | Automatic passenger counting system for bus based on RGB-D video | |
Sung et al. | Real-time traffic light recognition on mobile devices with geometry-based filtering | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 | |
Nguwi et al. | Number plate recognition in noisy image | |
CN106340031A (zh) | 一种检测运动物体的方法和装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181015 Address after: 510663 the 3 floor of block A, No. 101 Ting Yue Road, Guangzhou hi tech Industrial Development Zone, Guangdong. Patentee after: Guangzhou Fiberhome Zhongzhi Digital Technology Co. Ltd. Address before: 430074, No. 88, postal academy road, Hongshan District, Hubei, Wuhan Patentee before: Wuhan Fiberhome Digtal Technology Co., Ltd. |