CN106778819A - 一种防误判的影像装置 - Google Patents

一种防误判的影像装置 Download PDF

Info

Publication number
CN106778819A
CN106778819A CN201611051255.6A CN201611051255A CN106778819A CN 106778819 A CN106778819 A CN 106778819A CN 201611051255 A CN201611051255 A CN 201611051255A CN 106778819 A CN106778819 A CN 106778819A
Authority
CN
China
Prior art keywords
image
module
erroneous judgement
personnel
air
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.)
Pending
Application number
CN201611051255.6A
Other languages
English (en)
Inventor
杨金源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhida Machinery Technology Co Ltd
Original Assignee
Shenzhen Zhida Machinery Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhida Machinery Technology Co Ltd filed Critical Shenzhen Zhida Machinery Technology Co Ltd
Priority to CN201611051255.6A priority Critical patent/CN106778819A/zh
Publication of CN106778819A publication Critical patent/CN106778819A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/61—Noise processing, e.g. detecting, correcting, reducing or removing noise the noise originating only from the lens unit, e.g. flare, shading, vignetting or "cos4"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种防误判的影像装置，包括影像装置和与影像装置相连的防误判系统，所述影像装置包括视频摄像头和外壳，用于采集行人图像，所述外壳包括外壳本体，其容置视频摄像头；以及圆顶部件，其包括罩在上述外壳本体上部，比上述外壳本体延长更多而形成的延长护罩部；所述防误判系统包括预处理模块、特征提取模块、训练模块、再识别模块和评价模块。本发明使影像装置始终体现清晰的画质，实现了对人员的有效判别。

Description

一种防误判的影像装置
技术领域
本发明涉及影像领域，具体涉及一种防误判的影像装置。
背景技术
一方面，影像装置暴露在空气中，灰尘、花粉、黄沙、雨雪等会损坏影像装置的镜头或附着于影像装置的镜头，从而存在使影像变得模糊或变黑的问题。另一方面，目前的影像装置无法对人员进行有效判别。
发明内容
针对上述问题，本发明旨在提供一种防误判的影像装置。
本发明的目的采用以下技术方案来实现：
提供了一种防误判的影像装置，包括影像装置和与影像装置相连的防误判系统，所述影像装置包括视频摄像头和外壳，用于采集行人图像，所述外壳包括外壳本体，其容置视频摄像头；以及圆顶部件，其包括罩在上述外壳本体上部，比上述外壳本体延长更多而形成的延长护罩部；所述防误判系统包括预处理模块、特征提取模块、训练模块、再识别模块和评价模块；所述预处理模块用于确定行人图像中的人员位置，获取包含人员的矩形区域；所述特征提取模块，用于在包含人员的矩形区域中进行外观特征提取；所述训练模块用于训练多个跨模态投影模型，每一个跨模态投影模型中包含两个投影函数，它们分别将不同摄像机中的图像持征映射到共同的特征空间中并完成相似度计算；所述再识别模块，用于识别数据库中是否含有与查询人员一致的行人图像并确认查询人员身份；所述评价模块用于对系统性能进行评估。
本发明的有益效果为：使影像装置始终体现清晰的画质，实现了对人员的有效判别。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构连接示意图。
附图标记：
影像装置1、防误判系统2。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种防误判的影像装置，包括影像装置1和与影像装置相连的防误判系统2，所述影像装置1包括视频摄像头和外壳，用于采集行人图像，所述外壳包括外壳本体，其容置视频摄像头；以及圆顶部件，其包括罩在上述外壳本体上部，比上述外壳本体延长更多而形成的延长护罩部；所述防误判系统2包括预处理模块、特征提取模块、训练模块、再识别模块和评价模块；所述预处理模块用于确定行人图像中的人员位置，获取包含人员的矩形区域；所述特征提取模块用于在包含人员的矩形区域中进行外观特征提取；所述训练模块用于训练多个跨模态投影模型，每一个跨模态投影模型中包含两个投影函数，它们分别将不同摄像机中的图像持征映射到共同的特征空间中并完成相似度计算；所述再识别模块用于识别数据库中是否含有与查询人员一致的行人图像并确认查询人员身份；所述评价模块用于对系统性能进行评估。
优选地，所述外壳还包括空气吸入口、空气喷射口和空气供应通道，所述空气喷射口形成于上述延长护罩部上，并沿视频摄像头向下方喷射空气，所述空气吸入口位于圆顶部件上，开口于空气流入方向，所述空气供应通道，其位于上述空气吸入口与上述空气喷射口之间。
本有选实施例使影像装置1始终体现清晰的画质，实现了对人员的有效判别。
优选地，空气吸入口上设置有加速风扇和网式过滤器。
本有选实施例使得画质得到进一步加强。
优选地，预处理模块包括图像融合单元，所述图像融合单元用于对不同影像装置的行人图像进行融合处理，以便更好地获取人员的全面特征，包括：对需要融合的两幅源图像分别用双正交小波变换进行小波分解，确定分解后图像的小波系数；对低频系数按设定的比例选取分解后图像的小波系数，构成融合图像的小波低频系数矩阵；对高频系数采用纹理一致性测度分析特定区域不同高低频系数的边缘特性，计算图像区域的纹理一致性测度，并按照预定的规则确定融合图像的高频小波系数矩阵，所述图像区域的纹理一致性测度的计算公式定义为：
式中，XG(x)表示图像区域x的纹理一致性测度，XGl表示图像区域x的各高频分量图像在水平方向上的纹理一致性测度，XGc表示图像区域x的各高频分量图像在垂直方向上的纹理一致性测度，XGd表示图像区域x的各高频分量图像在对角线方向上的纹理一致性测度；将所述融合图像的小波低频系数矩阵、所述融合图像的高频小波系数矩阵进行离散双正交小波逆变换，最终获得融合图像。
本优选实施例设置图像融合单元，按照纹理一致性测度可较好地分辨出图像的伪边缘，在保证整体视觉效果的同时使细节信息更加丰富和真实；定义了图像区域的纹理一致性测度的计算公式，加快了图像融合的速度。
优选地，所述预定的规则包括：若图像区域中有83％以上像素值具有较大的纹理一致性测度，定义该图像区域为边缘区，选取相应的边缘纹理一致性测度最大的高频图像小波系数构成所述融合图像的高频小波系数矩阵；若图像区域中有83％以上像素值具有较小的纹理一致性测度，定义该图像区域为平滑区，分别计算两幅源图像在该图像区域的能量及匹配度，根据能量及匹配度确定两幅源图像的小波系数在融合图像小波系数中所占的比重，根据下式确定所述融合图像的高频小波系数矩阵：
rG＝θArA+(1-θA)rB
式中，rG表示融合图像的高频小波系数矩阵，rA、θA分别表示一副源图像的小波系数、该小波系数在融合图像小波系数中所占的比重，rB、1-θA分别表示另一副源图像的小波系数、该小波系数在融合图像小波系数中所占的比重。
本优选实施例按照预定的规则确定融合图像的高频小波系数矩阵，提高了融合的效果以及融合的速度。
优选地，所述在包含人员的矩形区域中进行外观特征提取，包括：
A、进行图像的光照归一化处理，具体包括：
a、设图像为I，利用LOG对数将图像I转换到对数域，利用差分高斯滤波器对图像I进行平滑处理；
b、对图像I进行全局对比度均衡化处理；
B、进行图像尺寸归一化处理；
C、进行图像分块，针对每个图像块，进行特征向量提取；
D、将所有图像块的特征向量进行串联，然后对串联后的图像进行PCA特征降维。
本优选实施例设置特征提取模块，在提取特征前先对图像进行光照归一化处理，减少了因光照变化而产生的图像扭曲，使特征的提取更为精确。
优选地，所述训练模块包括样本分类单元和跨模态投影模型学习单元；所述样本分类单元具体执行：
设两个摄像机C1和C2对应的特征空间分别为和d1和d2分别表示两个摄像机特征空间的维度，假定训练数据集合为K对跨摄像机图像特征sk＝s(xk,yk)∈{-1,+1}表示样本对的类别标签，-1表示异类，+1表示同类，根据类别标签将训练集合分为负样本集合和正样本集合|O1|+|O2|＝K；
所述跨模态投影模型学习单元具体执行：
设跨模态投影模型集合H＝[h1h2,…,hL]，L个子模型用于处理L种数据差异，每一个子模型由一对投影函数构成，hl＝[pXl(x),pYl(y)]，略去脚标l，投影函数pX(x)和pY(y)将x∈X和y∈Y投影到共同的特征空间：
式中，表示投影向量，a、b∈R为线性偏差，pX(x)和pY(y)将原始特征投影到{-1,+1}空间中；
同时存在投影函数qX(x)和qY(y)将x∈X和y∈Y投影到另一共同的特征空间：
建立数据类别和共同特征空间之间的关系，定义目标函数：
式中，E表示期望，表示同类样本对和异类样本对的重要性权衡指数；
式中，wk表示样本对{xk,yk}在本次子模型学习中的样本权重，sk＝s(xk,yk)∈{-1,+1}表示样本对的类别标签，
通过最小化目标函数来学习参数{u,v,a,b}，得到相应的投影函数。
本优选实施例采用多个跨模态投影模型，可充分应对各种不同的数据分布差异。
优选地，所述识别数据库中是否含有与查询人员一致的行人图像并确认查询人员身份，包括：
假设被查询人员集合为{fi,DIGINITY(fi)}，i＝1,2,…,N，fi表示第i个被查询人员，DIGINITY(fi)表示第i个被查询人员的身份，对于查询人员集合{gj,DIGINITY(gj)}，j＝1,2,…,M：
DIGINITY(gj)＝DIGINITY(f)
gj和fi的相似度D(gj,fi)表示为：
D(gj,fi)＝sign(uTgj+a)·sign(vTfi+b)+||(uTgj+a)-(vTfi+b)||
设定阔值T，T∈[1，2]，若D(gj,fi)<T，则被查询人员中不存在与查询人员一致的图像；
若D(gj,fi)≥T，将被查询人员按照相似度从大到小排序，排在最前面的与查询人员具有相同的身份。
本优选实施例提高了人员的识别精度和效率。
优选地，所述对防误判系统性能进行评估，包括：
定义评价函数：
式中，N表示查询次数，Wn表示前n位中可以找到正确结果的次数，评价函数值越大，则系统的防误判性能越好。
本优选实施例设置评价模块，有利于对影像控制装置进行改进。
本发明的一组识别结果如下表所示：
N 人员识别平均用时 防误判率
15 0.22s 96.2％
20 0.2s 96％
25 0.24s 96.4％
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种防误判的影像装置，其特征是，包括影像装置和与影像装置相连的防误判系统，所述影像装置包括视频摄像头和外壳，用于采集行人图像，所述外壳包括外壳本体，其容置视频摄像头；以及圆顶部件，其包括罩在上述外壳本体上部，比上述外壳本体延长更多而形成的延长护罩部；所述防误判系统包括预处理模块、特征提取模块、训练模块、再识别模块和评价模块；所述预处理模块用于确定行人图像中的人员位置，获取包含人员的矩形区域；所述特征提取模块，用于在包含人员的矩形区域中进行外观特征提取；所述训练模块用于训练多个跨模态投影模型，每一个跨模态投影模型中包含两个投影函数，它们分别将不同摄像机中的图像持征映射到共同的特征空间中并完成相似度计算；所述再识别模块，用于识别数据库中是否含有与查询人员一致的行人图像并确认查询人员身份；所述评价模块用于对系统性能进行评估。
2.根据权利要求1所述的一种防误判的影像装置，其特征是，所述外壳还包括空气吸入口、空气喷射口和空气供应通道，所述空气喷射口形成于上述延长护罩部上，并沿视频摄像头向下方喷射空气，所述空气吸入口位于圆顶部件上，开口于空气流入方向，所述空气供应通道，其位于上述空气吸入口与上述空气喷射口之间。
3.根据权利要求2所述的一种防误判的影像装置，其特征是，空气吸入口上设置有加速风扇和网式过滤器。
CN201611051255.6A 2016-11-24 2016-11-24 一种防误判的影像装置 Pending CN106778819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611051255.6A CN106778819A (zh) 2016-11-24 2016-11-24 一种防误判的影像装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611051255.6A CN106778819A (zh) 2016-11-24 2016-11-24 一种防误判的影像装置

Publications (1)

Publication Number Publication Date
CN106778819A true CN106778819A (zh) 2017-05-31

Family

ID=58912842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611051255.6A Pending CN106778819A (zh) 2016-11-24 2016-11-24 一种防误判的影像装置

Country Status (1)

Country Link
CN (1) CN106778819A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751136A (zh) * 2015-03-11 2015-07-01 西安理工大学 一种基于人脸识别的多相机视频事件回溯追踪方法
CN105205467A (zh) * 2015-09-22 2015-12-30 哈尔滨多智科技发展有限公司 基于人脸识别、车辆识别系统的监控追踪方法
CN105631427A (zh) * 2015-12-29 2016-06-01 北京旷视科技有限公司 可疑人员检测方法与系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751136A (zh) * 2015-03-11 2015-07-01 西安理工大学 一种基于人脸识别的多相机视频事件回溯追踪方法
CN105205467A (zh) * 2015-09-22 2015-12-30 哈尔滨多智科技发展有限公司 基于人脸识别、车辆识别系统的监控追踪方法
CN105631427A (zh) * 2015-12-29 2016-06-01 北京旷视科技有限公司 可疑人员检测方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘凯: "无交叠多摄像机网络中的人员再辨识", 《中国博士学位论文全文数据库(信息科技辑)》 *

Similar Documents

Publication Publication Date Title
CN105447441B (zh) 人脸认证方法和装置
CN103577815B (zh) 一种人脸对齐方法和系统
CN104599275B (zh) 基于概率图模型的非参数化的rgb-d场景理解方法
Papazov et al. Real-time 3D head pose and facial landmark estimation from depth images using triangular surface patch features
CN110532970B (zh) 人脸2d图像的年龄性别属性分析方法、系统、设备和介质
CN106897675A (zh) 双目视觉深度特征与表观特征相结合的人脸活体检测方法
WO2022121039A1 (zh) 银行卡倾斜矫正检测方法、装置、可读存储介质和终端
CN104915656B (zh) 一种基于双目视觉测量技术的快速人脸识别方法
CN102332095A (zh) 一种人脸运动跟踪方法和系统以及一种增强现实方法
Nedović et al. Stages as models of scene geometry
CN107330397A (zh) 一种基于大间隔相对距离度量学习的行人重识别方法
CN102819733B (zh) 一种快速的街景图像中人脸的检测模糊方法
CN103116749A (zh) 一种基于自建图像库的近红外人脸识别方法
CN106709452B (zh) 一种基于智能巡检机器人的仪表位置检测方法
CN108171133A (zh) 一种基于特征协方差矩阵的动态手势识别方法
CN111340873A (zh) 一种多视角图像的物体最小外包络尺寸测算方法
CN104850857B (zh) 基于视觉空间显著性约束的跨摄像机行人目标匹配方法
CN106297755A (zh) 一种用于乐谱图像识别的电子设备及识别方法
CN112101208A (zh) 高龄老人特征串联融合手势识别方法及装置
CN107358189A (zh) 一种基于多视目标提取的室内环境下物体检测方法
Gilani et al. Towards large-scale 3D face recognition
CN108830222A (zh) 一种基于信息性和代表性主动学习的微表情识别方法
CN111666976A (zh) 基于属性信息的特征融合方法、装置和存储介质
CN110348344A (zh) 一种基于二维和三维融合的特殊人脸表情识别的方法
CN112686872B (zh) 基于深度学习的木材计数方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531

RJ01 Rejection of invention patent application after publication