CN105740813A - 基于车内图像扫描人脸识别的空调自启动报警方法 - Google Patents

Abstract

本发明基于车内图像扫描人脸识别的空调自启动报警方法，车内采用多个摄像头进行图像采集并进行人脸识别，包括以下步骤：当引擎和车锁关闭时，启动多个摄像头，并监控车内温度；对每个摄像头采集的每张图像采用背景差分法得到各图像的候选目标区域；将所有候选目标区域内的图像进行人脸检测，判断是否为人；如果是，并且当车内温度在设定范围外，将该图像与预存的图像进行匹配；若匹配成功，则开启车内空调系统，并将采集的图像发送至车主的智能终端；若匹配不成功，将采集的图像发送至车主的智能终端并询问是否开启车内空调系统，等待车主指令。本发明有效填补该方向空白；采用PCA与AdaBoost联合的方法,有效提高检测速度。

Description

基于车内图像扫描人脸识别的空调自启动报警方法

技术领域

本发明涉及一种基于图像扫描人脸识别的空调自启动方法。

背景技术

随着生活水平的提高，车辆成为人们生活密不可分的一部分，但并非所有人都对车辆信息十分了解。夏日高温,有些车主或其家属粗心将孩子留在车上,空调的关闭以及车内持续的高温会导致孩子脱水死亡。而现有的空调自启动系统均为定时启动，并不会因车内存在生命而开启，因此仍然会有悲剧发生。

目前,尚且没有对该情况的发生有相应的防范及处理措施,也并没有使用图像处理手段完成空调自启动的相关技术。

发明内容

针对现有技术中存在的上述不足之处，本发明提出了一种利用图像扫描以及人脸识别技术,最终实现空调自启动的方法。该方法可以对车内扫描,根据判断是否车内有人做空调自启动与否的操作。

本发明采用的技术方案如下：基于车内图像扫描人脸识别的空调自启动报警方法，车内采用多个摄像头进行图像采集并进行人脸识别，包括以下步骤：

S1.当引擎和车锁关闭时，启动多个摄像头，并监控车内温度；

S2.对车内进行图像采集；

S3.对每个摄像头采集的每张图像采用背景差分法得到各图像的候选目标区域；

S4.将所有候选目标区域内的图像进行人脸检测，判断车内是否有人；如果没有，则在设定时间后返回对车内进行图像采集步骤；如果有，并且当车内温度在设定范围外，将该图像与预存的图像进行匹配；

S5.若匹配成功，则开启车内空调系统，并将采集的图像发送至车主的智能终端；若匹配不成功，将采集的图像发送至车主的智能终端并询问是否开启车内空调系统，等待车主指令。

所述对车内进行图像采集具体为：每个摄像头按多个设定角度旋转对车内进行图像采集。

所述将所有候选目标区域内的图像进行人脸检测，判断车内是否有人包括以下步骤：

1)AdaBoost网络训练:预先采集人脸与非人脸图片分别作为正、负样本,将所有图片统一成设定尺寸,并提取每幅图片的PCA特征向量；将正、负样本的特征向量进行k均值聚类得到聚类中心；将聚类中心作为输入、表示正负样本的标签作为输出，对AdaBoost网络参数进行训练，得到AdaBoost网络参数；

2)AdaBoost网络测试:对每个候选目标区域内的图像提取PCA特征向量，通过AdaBoost网络进行判断；输出结果为1，表示该目标区域中包含人脸，即车内有人；否则表示车内无人。

所述将该图像与预存的图像进行匹配包括以下步骤：

提取该图像目标区域的PCA特征向量；将PCA特征向量与预存图像的PCA特征向量进行匹配，即通过欧氏距离得到两个向量的相似度；

对眼睛、嘴、胎记的PCA特征向量采用Hausdorff距离得到匹配度；

当相似度和匹配度均超过阈值时，则表示该图像目标区域中的人是家人；否则不是家人。

本发明具有以下优点及有益效果：

1.本发明利用图像处理人脸识别的方法触发空调自启动方法,有效填补该方向空白。

2.采用PCA与AdaBoost联合的方法进行人脸检测判断车内是否有人,有效提高检测速度。

3.判断是否为家人时，采用模板匹配及关键部位特征相关的方法，达到更好的识别准确度。

附图说明

图1为本发明方法流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明的目的在于汽车车门上锁后,对车内进行图像扫描,人脸检测及识别,当发现孩子被留在车内后，并且车内温度在正常范围外,则触发自动开启空调系统进行升降温操作.

如图1所示，为了实现上述目的，本发明的具体技术方案是：

S1.系统初始化，采集车内无人状态时背景图像B(人为控制拍摄)。摄像头按固定角度θ旋转拍摄。人为输入车主个人信息，家人面部图像Q及与车主关系信息。

S2.当系统检测到车辆车锁关闭并且引擎关闭时,会输出一个信号开启车内摄像头拍照功能。系统输出数字信号0、1,只有1时,摄像头方能启动。此时车内实时进行温度的监控。

S3.摄像头按固定角度旋转拍照F,实行车内扫描,将每张图片与先验情况下的背景图片相减F-B,得到图像C。

由于不同光照下图像灰度值会有很大变化，因此在与背景相减时需要对图像做预处理，为了增加图像对比度，本系统采用中值滤波去噪声的方法消除光照带来的影响。

S4.将图像C用大津法二值化并做标记连通后，确定的连通区域,对应的图像F坐标区域即为目标区域，用来判断是否车内有人。

S5.得到目标区域后，检测该区域物体是否有人。该部分对于是否是人的判断基于人脸检测，PCA+AdaBoost的训练学习。

训练学习方法及步骤如下：

i>采集大量人脸的正样本与非人脸(如车内座椅等)的负样本,将所有训练样本采用最近邻插值或双线性插值法,统一成一固定尺寸,提取每幅图片特征即PCA特征向量。

ii>将正负样本的特征向量进行k均值聚类,将聚类得到的带标签的正负样本对AdaBoost网络参数(如弱分类器的方向及阈值、强分类器的阈值)训练，将聚类中心作为输入、表示正负样本的标签作为输出，得到AdaBoost网络参数。

测试目标区域是否有人的方法是:提取目标区域的PCA(PrincipalComponentAnalysis)特征向量,提供给已训练好的AdaBoost网络,可以得到0或1的判别结果,0对应结果为否,1对应结果为有人。

S6.当车内判定有人停留的情况下,车内温度传感器实时的将温度信息提供给系统,并且进行是否为家中亲人的判断。

人脸识别方法采用模板匹配的办法,提取采集图片人脸部分D，与系统初始化存储的家人人脸图像Q进行匹配运算,采用欧氏距离计算二者PCA特征向量的相似度,并对对眼睛、嘴、胎记部位的PCA特征向量采用Hausdorff距离来度量匹配程度。在家人人脸图像Q中截取眼睛、嘴、胎记部位的图像作为眼睛、嘴、胎记的模板。

若匹配运算结果相似度和Hausdorff距离值均超过阈值，则认为是家人被遗留在车上。

欧氏距离公式如下：

$d=sqrt\left(\underset{i}{\mathrm{\Σ}}{\left(x_i-y_i\right)}^2\right)$

其中，d为欧式距离；x_i为图片人脸D对应的PCA向量中的每个元素，y_i为模板图像Q对应的PCA向量中的每个元素，i为PCA向量维数。

Hausdorff距离公式如下：

图片人脸D对应的PCA向量A＝{a1,…,ap},模板图像Q对应的PCA向量B＝{b1,…,bq},Hausdorff距离定义为H(A,B)＝max(h(A,B),h(B,A))

其中,h(A,B)＝‖a-b‖；a＝max(A),b＝min(B)；

h(B,A)＝‖b-a‖；a＝min(A)；b＝max(B)；

‖·‖是点集A和B点集间的距离范式(如:L2或Euclidean距离)。

S7.车内有人情况下，温度需要控制在范围设定温度T1<检测温度T<设定温度T2内。当车内实时检测温度在该范围内则空调不工作,并继续对车内温度持续监控。若温度大于T2或者小于T1时,并且确定车内遗留为家人时，系统给空调开启信号，进行相应的升降温操作，并将图像通过无线向车主发送。若不是家人,则向车主发送图像信息的同时,发送是否开启空调的请求,达到手机与车辆系统的交互。如图1所示。

Claims (4)

1.基于车内图像扫描人脸识别的空调自启动报警方法，其特征在于车内采用多个摄像头进行图像采集并进行人脸识别，包括以下步骤：

S1.当引擎和车锁关闭时，启动多个摄像头，并监控车内温度；

S2.对车内进行图像采集；

S3.对每个摄像头采集的每张图像采用背景差分法得到各图像的候选目标区域；

S4.将所有候选目标区域内的图像进行人脸检测，判断车内是否有人；如果没有，则在设定时间后返回对车内进行图像采集步骤；如果有，并且当车内温度在设定范围外，将该图像与预存的图像进行匹配；

S5.若匹配成功，则开启车内空调系统，并将采集的图像发送至车主的智能终端；若匹配不成功，将采集的图像发送至车主的智能终端并询问是否开启车内空调系统，等待车主指令。

2.根据权利要求1所述的基于车内图像扫描人脸识别的空调自启动报警方法，其特征在于，所述对车内进行图像采集具体为：每个摄像头按多个设定角度旋转对车内进行图像采集。

3.根据权利要求1所述的基于车内图像扫描人脸识别的空调自启动报警方法，其特征在于，所述将所有候选目标区域内的图像进行人脸检测，判断车内是否有人包括以下步骤：

1)AdaBoost网络训练:预先采集人脸与非人脸图片分别作为正、负样本,将所有图片统一成设定尺寸,并提取每幅图片的PCA特征向量；将正、负样本的特征向量进行k均值聚类得到聚类中心；将聚类中心作为输入、表示正负样本的标签作为输出，对AdaBoost网络参数进行训练，得到AdaBoost网络参数；

2)AdaBoost网络测试:对每个候选目标区域内的图像提取PCA特征向量，通过AdaBoost网络进行判断；输出结果为1，表示该目标区域中包含人脸，即车内有人；否则表示车内无人。

4.根据权利要求1所述的基于车内图像扫描人脸识别的空调自启动报警方法，其特征在于，所述将该图像与预存的图像进行匹配包括以下步骤：

提取该图像目标区域的PCA特征向量；将PCA特征向量与预存图像的PCA特征向量进行匹配，即通过欧氏距离得到两个向量的相似度；

对眼睛、嘴、胎记的PCA特征向量采用Hausdorff距离得到匹配度；

当相似度和匹配度均超过阈值时，则表示该图像目标区域中的人是家人；否则不是家人。