CN107944434A - 一种基于旋转摄像头的报警方法及终端 - Google Patents
一种基于旋转摄像头的报警方法及终端 Download PDFInfo
- Publication number
- CN107944434A CN107944434A CN201711405316.9A CN201711405316A CN107944434A CN 107944434 A CN107944434 A CN 107944434A CN 201711405316 A CN201711405316 A CN 201711405316A CN 107944434 A CN107944434 A CN 107944434A
- Authority
- CN
- China
- Prior art keywords
- face
- expressive features
- alarm
- terminal
- rotating camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000014509 gene expression Effects 0.000 claims abstract description 69
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 description 53
- 238000000605 extraction Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 11
- 210000000887 face Anatomy 0.000 description 11
- 230000008921 facial expression Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 6
- 210000003128 head Anatomy 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005183 dynamical system Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 210000001097 facial muscle Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Abstract
本发明提供了一种基于旋转摄像头的报警方法,包括:当检测到跟踪指令时,开启旋转摄像头;根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;根据所述第一人脸的图像得到第一表情特征;判断所述第一表情特征是否符合报警提示的条件;若判断为是,则发出报警提示。本发明实施例还公开了一种终端。采用本发明,可通过旋转摄像头跟踪人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种基于旋转摄像头的报警方法及终端。
背景技术
随着智能终端的功能越来越多元化,在用户的生活中占据不可磨灭的位置,如今智能终端不仅能实现通话功能以及发送短信功能,还可识别人脸,甚至可识别人脸的表情。然而,目前的智能终端还没有利用识别人脸表情的功能执行监控功能。例如,如何保护儿童的安全是目前家长最关心的问题,由于家长无法时刻监控儿童,若家长与儿童不在同一个空间(例如家长在厨房,儿童在房间),当儿童的表情出现变化(例如儿童在房间内活动时,若身体受到伤害会做出痛苦的表情)时由于没有相应的监控装置监控儿童,更没有装置能够发出报警提示,因此家长可能无法及时查看儿童当前是否发生危险,则容易导致儿童错过应急治疗的最佳时机。因此,对于监控儿童的安全状况的相关技术还需要给予更多的关注。
发明内容
本发明提供一种基于旋转摄像头的报警方法及终端,可通过旋转摄像头跟踪人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示。
本发明第一方面提供一种基于旋转摄像头的报警方法,包括:
当检测到跟踪指令时,开启旋转摄像头;
根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;
根据所述第一人脸的图像得到第一表情特征;
判断所述第一表情特征是否符合报警提示的条件;
若判断为是,则发出报警提示。
结合本发明第一方面的实现方式,在本发明第一方面的第一种可能的实现方式中,所述根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸之前,所述方法还包括:
通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸;
若判断为是,则确定跟踪所述第一人脸。
结合本发明第一方面的第一种可能的实现方式,在本发明第一方面的第二种可能的实现方式中,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。
结合本发明第一方面的第二种可能的实现方式,在本发明第一方面的第三种可能的实现方式中,所述发出报警提示之前,所述方法还包括:
根据所述第一表情特征获取对应的报警提示;
则所述发出报警提示,包括:
发出与所述第一表情特征对应的报警提示。
结合本发明第一方面至第一方面的第三种中任一种可能的实现方式,在本发明第一方面的第四种可能的实现方式中,所述报警提示为语音提示和/或音乐提示。
结合本发明第一方面至第一方面的第四种中任一种可能的实现方式,在本发明第一方面的第五种可能的实现方式中,所述第二表情特征包括恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任意一种。
结合本发明第一方面至第一方面的第五种中任一种可能的实现方式,在本发明第一方面的第六种可能的实现方式中,所述根据所述第一人脸的图像得到第一表情特征之后,还包括:通过包括人工神经网络、支持向量机以及AdaBoost算法在内的表情分类方法对所述第一表情特征进行分类以确定所述第一表情特征的类型,所述第一表情特征的类型包括惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。
本发明第二方面提供一种终端,包括:
开启模块,用于当检测到跟踪指令时,开启旋转摄像头;
第一获取模块,用于根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;
得到模块,用于根据所述第一获取模块获取的第一人脸的图像得到第一表情特征;
第一判断模块,用于判断所述得到模块得到的第一表情特征是否符合报警提示的条件;
发出模块,用于当所述第一判断模块的判断结果为是时,则发出报警提示。
结合本发明第二方面的实现方式,在本发明第二方面的第一种可能的实现方式中,所述终端还包括:
第二判断模块,用于通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸;
确定模块,用于当所述第二判断模块的判断结果为是时,则确定跟踪所述第一人脸。
结合本发明第二方面的第一种可能的实现方式,在本发明第二方面的第二种可能的实现方式中,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。
结合本发明第二方面的第二种可能的实现方式,在本发明第二方面的第三种可能的实现方式中,所述终端还包括:
第二获取模块,用于根据所述第一表情特征获取对应的报警提示;
则所述发出模块,具体用于:
发出与所述第一表情特征对应的报警提示。
结合本发明第二方面至第二方面的第三种中任一种可能的实现方式,在本发明第二方面的第四种可能的实现方式中,所述报警提示为语音提示和/或音乐提示。
结合本发明第二方面至第二方面的第四种中任一种可能的实现方式,在本发明第二方面的第五种可能的实现方式中,所述第二表情特征包括恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任意一种。
结合本发明第二方面至第二方面的第五种中任一种可能的实现方式,在本发明第二方面的第六种可能的实现方式中,所述得到模块还用于通过包括人工神经网络、支持向量机以及AdaBoost算法在内的表情分类方法对所述第一表情特征进行分类以确定所述第一表情特征的类型,所述第一表情特征的类型包括惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。
本发明第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序指令,所述程序指令供计算机调用后执行一种报警方法,所述报警方法包括:当检测到跟踪指令时,开启旋转摄像头;根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;根据所述第一人脸的图像得到第一表情特征;判断所述第一表情特征是否符合报警提示的条件;若判断为是,则发出报警提示。
采用本发明,当检测到跟踪指令时,开启旋转摄像头,根据跟踪指令控制旋转摄像头跟踪第一人脸,通过旋转摄像头获取第一人脸的图像,根据第一人脸的图像得到第一表情特征,判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,可通过旋转摄像头跟踪人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示,能够及时提示监护人前往查看,能够实现监控功能,提升用户体验感。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于旋转摄像头的报警方法的一实施例的流程示意图;
图2是本发明实施例的一种基于旋转摄像头的报警方法的另一实施例的流程示意图;
图3是本发明实施例的一种基于旋转摄像头的报警方法的另一实施例的流程示意图;
图4是本发明实施例的一种终端的结构示意图;
图5是本发明实施例的另一种终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
采用本发明实施例,可根据旋转摄像头识别的人脸表情发出报警提示。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本发明实施例的一种基于旋转摄像头的报警方法的一实施例的流程图。本发明实施例可由终端实现以下实施步骤,其中,终端例如可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(MID,mobile internet device)或其他能够识别人脸表情的终端设备。此外,终端包括旋转摄像头,由于旋转摄像头具备在预设方向上旋转预设角度的功能,因此能够跟踪活动中的人脸。例如,若儿童在旋转摄像头的拍摄范围内活动,则终端可通过控制旋转摄像头旋转跟踪移动中的人脸。
如图1所示,本发明实施例的一种基于旋转摄像头的报警方法的一实施例可以包括以下步骤。
S100,当检测到跟踪指令时,开启旋转摄像头。
具体实现中,用户可能与儿童处于不同的空间,例如,用户在厨房或者在离房屋不远处的户外活动,儿童在房间内活动,用户可将终端安置在儿童活动的房间内。当终端检测到用户输入的跟踪指令时,终端则开启旋转摄像头开始跟踪第一人脸,其中,第一人脸为儿童的人脸。
S101,根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像。
具体实现中,由于儿童会在房间内移动,因此终端可根据用户输入的跟踪指令控制摄像头旋转,从而跟踪第一人脸,并且在跟踪第一人脸时获取第一人脸的图像。具体的,在跟踪第一人脸之前需要对人脸进行识别,识别人脸包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中,人脸图像采集对于不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当儿童在旋转摄像头的拍摄范围内时,旋转摄像头会自动搜索并拍摄儿童的第一人脸的图像。人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征以及结构特征等。人脸检测就是提取上述特征的信息,利用这些特征的信息实现人脸检测。人脸图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理,其预处理过程主要包括人脸图像的补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取是针对人脸的某些特征进行的。它是对人脸进行特征建模的过程。人脸特征提取的方法分为基于指示的表征方法和基于代数特征或统计学习的表征方法。人脸图像匹配用于将提取人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,将待识别的人脸图像与已得到的特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程分为两类,一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。对于识别人脸的过程为现有技术,本实施例则不再赘述。
作为一种可实施的方式,终端检测到的跟踪指令可为跟踪任意用户的人脸。
作为一种可实施的方式,终端检测到的跟踪指令可为跟踪预先设定的用户的人脸。例如,终端可预先存储儿童的人脸,当接收到的跟踪指令为跟踪儿童的人脸时,终端可将识别到的第一人脸与终端预先存储的儿童的人脸进行比较,判断跟踪的第一人脸是否为儿童的人脸。若识别到的第一人脸与预先存储的儿童的人脸相同,则确定继续跟踪第一人脸。
S102,根据所述第一人脸的图像得到第一表情特征。
具体实现中,当终端获取到第一人脸的图像之后,通过第一人脸的图像识别第一表情特征,其中需要先从第一人脸的图像中提取第一表情特征,最后对第一表情特征进行分类。具体的,表情特征提取可分为两大类,基于静态图像的表情特征提取和基于动态图像序列的表情特征提取。其中表情特征提取方法有:主成分分析法、活动外观模型法以及光流法等等。其中,主成分分析法可根据像素件的二阶相关性,将包含表情人脸的图像区域看作一个随机向量,采用主成分分析法得到正交变换基,其中较大的特征值对应的基底(特征脸)就组成了表情特征空间的一组基,然后利用这组基底的线性组合就可以描述、表达人脸表情。活动外观模型法是目前广泛应用的基于混合特征的特征提取方法。它结合形状和纹理信息建立对人脸的参数化描述。光流法是运动特征提取法中的一种,所谓光流法是指亮度模式引起的表观运动,理想的情况是这种表观运动反映了实际的运动。光流法利用光流进行运动估计,并使用面部肌肉运动模型描述了面部的运动,对眉毛、眼睛、嘴唇的等区域的运动单元进行分辨,提出了面部的局部参数运动模型,同时构建了面部运动的中级描述,并使用启发式规则对各种表情进行分类。
表情特征的分类是指定义一组类别,并涉及相应的分类机制对表情进行识别,归入相应类别。用于表情分类的方法主要有人工神经网络、支持向量机以及AdaBoost(Adaptive Boosting,自适应增强)算法等表情分类方法。其中人工神经网络是一种模拟人脑神经元细胞的网络结构,它是由大量简单的基本原件(神经元)相互连接成的自适应非线性动态系统。支持向量机是在统计学习理论的基础上发展起来的一种分类方法,在解决小样板、非线性和高维问题上有很多优势。AdaBoost算法将多个弱分类器结合起来训练形成强分类器,不同分类器针对不同的特征,通过训练可以达到特征选择的目的,在模式识别领域如图像检索和人脸检测中都有成功的应用。对于第一表情特征的提取和分类是现有技术,本实施例则不再赘述。
作为一种可实施的方式,终端可每隔预设时间段获取第一人脸的图像,再根据当前获取的第一人脸的图像得到第一表情特征。
S103,判断所述第一表情特征是否符合报警提示的条件。
具体实现中,由于表情产生的原因、表情表现的程度、用户对表情的控制能力和表情的倾向等诸多方面的原因,使表情的变化细微而复杂,对表情特点的概括也显得复杂,依据最基本的分类方法,本发明实施例列举了以下6中基本表情特征,分别是惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。在本发明实施例中,终端可设定恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征为发出报警提示的条件。当终端根据第一人脸的图像得到第一表情特征之后,通过确定第一表情特征是否为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种来判断第一表情特征是否符合报警提示的条件。
S104,若判断为是,则发出报警提示。
具体实现中,若第一表情特征为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,则终端发出报警提示,表明儿童当前的安全状况出现异常,以及时提示用户前往儿童所处的空间查看。
作为一种可实施的方式,报警提示可为语音提示或者音乐提示。终端可以通过预设的音量播放出语音提示,语音内容可为“您的孩子出现危险”等报警内容,语音内容还可为用户录制的语音内容。终端可以通过预设的音量播放出音乐提示,音乐可为鸣笛声、警报声或者为用户设置的音乐中的任一种。
作为一种可实施的方式,当终端发出报警提示之后,可根据检测到的关闭指令关闭发出的报警提示。
采用本发明,当检测到跟踪指令时,开启旋转摄像头,根据跟踪指令控制旋转摄像头跟踪第一人脸,通过旋转摄像头获取第一人脸的图像,根据第一人脸的图像得到第一表情特征,判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,可通过旋转摄像头跟踪人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示,能够及时提示监护人前往查看,能够实现监控功能,提升用户体验感。
请参阅图2,图2是本发明实施例的一种基于旋转摄像头的报警方法的另一实施例的流程示意图。本发明实施例可由终端实现以下实施步骤,其中,终端例如可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备或其他能够识别人脸表情的终端设备。此外,终端包括旋转摄像头,由于旋转摄像头具备在预设方向上旋转预设角度的功能,因此能够跟踪活动中的人脸。例如,若儿童在旋转摄像头的拍摄范围内活动,则终端可通过控制旋转摄像头旋转跟踪移动中的人脸。
如图2所示,本发明实施例的一种基于旋转摄像头的报警方法的另一实施例可以包括以下步骤。
S200,当检测到跟踪指令时,开启旋转摄像头。
具体实现中,用户可能与儿童处于不同的空间,例如,用户在厨房或者在离房屋不远处的户外活动,儿童在房间内活动,用户可将终端安置在儿童活动的房间内。当终端检测到用户输入的跟踪指令时,终端则开启旋转摄像头开始跟踪第一人脸,其中,第一人脸为儿童的人脸。
S201,通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸。
具体实现中,终端检测到的跟踪指令可为跟踪预先设定的用户的人脸。在跟踪第一人脸之前需要对人脸进行识别,识别人脸包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中,人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别的具体实施方式可参照实施例图1,本实施例则不再赘述。当终端识别到第一人脸之后,判断第一人脸是否为终端预先存储的需要跟踪的人脸。例如,终端可预先存储儿童的人脸,当接收到的跟踪指令为跟踪儿童的人脸时,终端可将识别到的第一人脸与终端预先存储的儿童的人脸进行比较,判断跟踪的第一人脸是否为儿童的人脸。
S202,若判断为是,则确定跟踪所述第一人脸。
具体实现中,若识别到的第一人脸与预先存储的儿童的人脸相同,则确定继续跟踪第一人脸。
作为一种可实施的方式,若识别到的第一人脸与预先存储的儿童的人脸并不相同,则继续执行步骤S201,终端控制旋转摄像头继续搜寻并识别其他人脸,再执行判断识别到的其他人脸是否为需要跟踪的人脸的步骤。
S203,根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像。
具体实现中,在终端确定跟踪第一人脸(即儿童的人脸)之后,由于儿童会在房间内移动,因此终端可根据用户输入的跟踪指令控制摄像头旋转,从而跟踪第一人脸,并且在跟踪第一人脸时获取第一人脸的图像。
S204,根据所述第一人脸的图像得到第一表情特征。
具体实现中,当终端获取到第一人脸的图像之后,通过第一人脸的图像识别第一表情特征,其中需要先从第一人脸的图像中提取第一表情特征,最后对第一表情特征进行分类。具体的,表情特征提取可分为两大类,基于静态图像的表情特征提取和基于动态图像序列的表情特征提取。其中表情特征提取方法有:主成分分析法、活动外观模型法以及光流法等等。表情特征的分类是指定义一组类别,并涉及相应的分类机制对表情进行识别,归入相应类别。用于表情分类的方法主要有人工神经网络、支持向量机以及AdaBoost算法等表情分类方法。其中,表情特征提取以及表情特征的分类的具体实施方式可参照实施例图1,本实施例则不再赘述。
S205,判断所述第一表情特征是否符合报警提示的条件。
具体实现中,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。由于表情产生的原因、表情表现的程度、用户对表情的控制能力和表情的倾向等诸多方面的原因,使表情的变化细微而复杂,对表情特点的概括也显得复杂,依据最基本的分类方法,本发明实施例列举了以下6中基本表情特征,分别是惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。在本发明实施例中,终端可设定第二表情特征为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,并且第二表情特征用于发出报警提示。当终端根据第一人脸的图像得到第一表情特征之后,通过确定第一表情特征是否为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种来判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,若判断为否,则执行步骤S203,继续跟踪第一人脸。
S206,若判断为是,则发出报警提示。
具体实现中,若第一表情特征为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,则终端发出报警提示,表明儿童当前的安全状况出现异常,以及时提示用户前往儿童所处的空间查看。
作为一种可实施的方式,所述报警提示为语音提示和/或音乐提示。终端可以通过预设的音量播放出语音提示,语音内容可为“您的孩子出现危险”等报警内容,语音内容还可为用户录制的语音内容。终端可以通过预设的音量播放出音乐提示,音乐可为鸣笛声、警报声或者为用户设置的音乐中的任一种。终端可以通过预设的音量播放出语音提示以及音乐提示,例如在播放出警报声的同时播放语音内容为“您的孩子出现危险”的语音提示。
作为一种可实施的方式,当终端发出报警提示之后,可根据检测到的关闭指令关闭发出的报警提示。
采用本发明实施例,当检测到跟踪指令时,开启旋转摄像头,根据跟踪指令控制旋转摄像头跟踪第一人脸,通过旋转摄像头获取第一人脸的图像,根据第一人脸的图像得到第一表情特征,判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,可通过旋转摄像头确定需要跟踪的人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示,能够及时提示监护人前往查看,能够实现监控功能,提升用户体验感。
请参阅图3,图3是本发明实施例的一种基于旋转摄像头的报警方法的另一实施例的流程示意图。本发明实施例可由终端实现以下实施步骤,其中,终端例如可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备或其他能够识别人脸表情的终端设备。此外,终端包括旋转摄像头,由于旋转摄像头具备在预设方向上旋转预设角度的功能,因此能够跟踪活动中的人脸。例如,若儿童在旋转摄像头的拍摄范围内活动,则终端可通过控制旋转摄像头旋转跟踪移动中的人脸。
如图3所示,本发明实施例的一种基于旋转摄像头的报警方法的另一实施例可以包括以下步骤。
S300,当检测到跟踪指令时,开启旋转摄像头。
具体实现中,用户可能与儿童处于不同的空间,例如,用户在厨房或者在离房屋不远处的户外活动,儿童在房间内活动,用户可将终端安置在儿童活动的房间内。当终端检测到用户输入的跟踪指令时,终端则开启旋转摄像头开始跟踪第一人脸,其中,第一人脸为儿童的人脸。
S301,通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸。
具体实现中,终端检测到的跟踪指令可为跟踪预先设定的用户的人脸。在跟踪第一人脸之前需要对人脸进行识别,识别人脸包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中,人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别的具体实施方式可参照实施例图1,本实施例则不再赘述。当终端识别到第一人脸之后,判断第一人脸是否为终端预先存储的需要跟踪的人脸。例如,终端可预先存储儿童的人脸,当接收到的跟踪指令为跟踪儿童的人脸时,终端可将识别到的第一人脸与终端预先存储的儿童的人脸进行比较,判断跟踪的第一人脸是否为儿童的人脸。
S302,若判断为是,则确定跟踪所述第一人脸。
具体实现中,若识别到的第一人脸与预先存储的儿童的人脸相同,则确定继续跟踪第一人脸。
作为一种可实施的方式,若识别到的第一人脸与预先存储的儿童的人脸并不相同,则继续执行步骤S301,终端控制旋转摄像头继续搜寻并识别其他人脸,再执行判断识别到的其他人脸是否为需要跟踪的人脸的步骤。
S303,根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像。
具体实现中,在终端确定跟踪第一人脸(即儿童的人脸)之后,由于儿童会在房间内移动,因此终端可根据用户输入的跟踪指令控制摄像头旋转,从而跟踪第一人脸,并且在跟踪第一人脸时获取第一人脸的图像。
S304,根据所述第一人脸的图像得到第一表情特征。
具体实现中,当终端获取到第一人脸的图像之后,通过第一人脸的图像识别第一表情特征,其中需要先从第一人脸的图像中提取第一表情特征,最后对第一表情特征进行分类。具体的,表情特征提取可分为两大类,基于静态图像的表情特征提取和基于动态图像序列的表情特征提取。其中表情特征提取方法有:主成分分析法、活动外观模型法以及光流法等等。表情特征的分类是指定义一组类别,并涉及相应的分类机制对表情进行识别,归入相应类别。用于表情分类的方法主要有人工神经网络、支持向量机以及AdaBoost算法等表情分类方法。其中,表情特征提取以及表情特征的分类的具体实施方式可参照实施例图1,本实施例则不再赘述。
S305,判断所述第一表情特征是否符合报警提示的条件。
具体实现中,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。由于表情产生的原因、表情表现的程度、用户对表情的控制能力和表情的倾向等诸多方面的原因,使表情的变化细微而复杂,对表情特点的概括也显得复杂,依据最基本的分类方法,本发明实施例列举了以下6中基本表情特征,分别是惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。在本发明实施例中,终端可设定第二表情特征为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,并且第二表情特征用于发出报警提示。当终端根据第一人脸的图像得到第一表情特征之后,通过确定第一表情特征是否为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种来判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,若判断为否,则执行步骤S303,继续跟踪第一人脸。
S306,若判断为是,则根据所述第一表情特征获取对应的报警提示。
具体实现中,所述报警提示为语音提示和/或音乐提示。终端可以通过预设的音量播放出语音提示,语音内容可为“您的孩子出现危险”等报警内容,语音内容还可为用户录制的语音内容。终端可以通过预设的音量播放出音乐提示,音乐可为鸣笛声、警报声或者为用户设置的音乐中的任一种。终端可以通过预设的音量播放出语音提示以及音乐提示,例如在播放出警报声的同时播放语音内容为“您的孩子出现危险”的语音提示。
具体实现中,由于第二表情特征可为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,因此可根据不同的第二表情特征设定不同的报警提示。例如,终端可设定恐惧的表情特征对应发出语音提示,语音内容可为“您的孩子出现危险”等报警内容,同时发出警报声的音乐提示;悲伤的表情特征可对应发出音乐提示,比如警报声提示;愤怒的表情特征可对应发出音乐提示,比如音乐提示可为用户设置的音乐。当终端确定第一表情特征为恐惧的表情特征时,则获取对应的语音提示;当终端确定第一表情特征为悲伤的表情特征时,则获取的对应的音乐提示为警报声提示;当终端确定第一表情特征为愤怒的表情特征时,则获取的对应的音乐提示为用户设置的音乐。
S307,发出与所述第一表情特征对应的报警提示。
具体实现中,若终端获取的是恐惧的表情特征对应的语音提示,则发出该语音提示,语音内容可为“您的孩子出现危险”等报警内容,同时发出警报声的音乐提示;若终端获取的悲伤的表情特征对应的音乐提示为警报声提示,则发出警报声提示;若终端获取的愤怒的表情特征对应的音乐提示为用户设置的音乐,则播放用户设置的音乐。
作为一种可实施的方式,当终端发出报警提示之后,可根据检测到的关闭指令关闭发出的报警提示。
采用本发明实施例,当检测到跟踪指令时,开启旋转摄像头,根据跟踪指令控制旋转摄像头跟踪第一人脸,通过旋转摄像头获取第一人脸的图像,根据第一人脸的图像得到第一表情特征,判断第一表情特征是否符合报警提示的条件,若判断为是,则发出与第一表情特征对应的报警提示,可通过旋转摄像头确定需要跟踪的人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出相应的报警提示,能够及时提示监护人前往查看,能够实现监控功能,提升用户体验感。
请参阅图4,图4是本发明实施例的一种终端的结构示意图。如图4所示的终端包括开启模块400、第一获取模块401、得到模块402、第一判断模块403以及发出模块404。
开启模块400,用于当检测到跟踪指令时,开启旋转摄像头;
第一获取模块401,用于根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;
得到模块402,用于根据所述第一获取模块401获取的第一人脸的图像得到第一表情特征;
第一判断模块403,用于判断所述得到模块402得到的第一表情特征是否符合报警提示的条件;
发出模块404,用于当所述第一判断模块403的判断结果为是时,则发出报警提示。
具体实现中,用户可能与儿童处于不同的空间,例如,用户在厨房或者在离房屋不远处的户外活动,儿童在房间内活动,用户可将终端安置在儿童活动的房间内。当终端检测到用户输入的跟踪指令时,终端则开启旋转摄像头开始跟踪第一人脸,其中,第一人脸为儿童的人脸。
具体实现中,由于儿童会在房间内移动,因此终端可根据用户输入的跟踪指令控制摄像头旋转,从而跟踪第一人脸,并且在跟踪第一人脸时获取第一人脸的图像。具体的,在跟踪第一人脸之前需要对人脸进行识别,识别人脸包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中,人脸图像采集对于不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当儿童在旋转摄像头的拍摄范围内时,旋转摄像头会自动搜索并拍摄儿童的第一人脸的图像。人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征以及结构特征等。人脸检测就是提取上述特征的信息,利用这些特征的信息实现人脸检测。人脸图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理,其预处理过程主要包括人脸图像的补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取是针对人脸的某些特征进行的。它是对人脸进行特征建模的过程。人脸特征提取的方法分为基于指示的表征方法和基于代数特征或统计学习的表征方法。人脸图像匹配用于将提取人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,将待识别的人脸图像与已得到的特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程分为两类,一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。对于识别人脸的过程为现有技术,本实施例则不再赘述。
作为一种可实施的方式,终端检测到的跟踪指令可为跟踪任意用户的人脸。
作为一种可实施的方式,终端检测到的跟踪指令可为跟踪预先设定的用户的人脸。例如,终端可预先存储儿童的人脸,当接收到的跟踪指令为跟踪儿童的人脸时,终端可将识别到的第一人脸与终端预先存储的儿童的人脸进行比较,判断跟踪的第一人脸是否为儿童的人脸。若识别到的第一人脸与预先存储的儿童的人脸相同,则确定继续跟踪第一人脸。
具体实现中,当终端获取到第一人脸的图像之后,通过第一人脸的图像识别第一表情特征,其中需要先从第一人脸的图像中提取第一表情特征,最后对第一表情特征进行分类。具体的,表情特征提取可分为两大类,基于静态图像的表情特征提取和基于动态图像序列的表情特征提取。其中表情特征提取方法有:主成分分析法、活动外观模型法以及光流法等等。其中,主成分分析法可根据像素件的二阶相关性,将包含表情人脸的图像区域看作一个随机向量,采用主成分分析法得到正交变换基,其中较大的特征值对应的基底(特征脸)就组成了表情特征空间的一组基,然后利用这组基底的线性组合就可以描述、表达人脸表情。活动外观模型法是目前广泛应用的基于混合特征的特征提取方法。它结合形状和纹理信息建立对人脸的参数化描述。光流法是运动特征提取法中的一种,所谓光流法是指亮度模式引起的表观运动,理想的情况是这种表观运动反映了实际的运动。光流法利用光流进行运动估计,并使用面部肌肉运动模型描述了面部的运动,对眉毛、眼睛、嘴唇的等区域的运动单元进行分辨,提出了面部的局部参数运动模型,同时构建了面部运动的中级描述,并使用启发式规则对各种表情进行分类。
表情特征的分类是指定义一组类别,并涉及相应的分类机制对表情进行识别,归入相应类别。用于表情分类的方法主要有人工神经网络、支持向量机以及AdaBoost(Adaptive Boosting,自适应增强)算法等表情分类方法。其中人工神经网络是一种模拟人脑神经元细胞的网络结构,它是由大量简单的基本原件(神经元)相互连接成的自适应非线性动态系统。支持向量机是在统计学习理论的基础上发展起来的一种分类方法,在解决小样板、非线性和高维问题上有很多优势。AdaBoost算法将多个弱分类器结合起来训练形成强分类器,不同分类器针对不同的特征,通过训练可以达到特征选择的目的,在模式识别领域如图像检索和人脸检测中都有成功的应用。对于第一表情特征的提取和分类是现有技术,本实施例则不再赘述。
作为一种可实施的方式,终端可每隔预设时间段获取第一人脸的图像,再根据当前获取的第一人脸的图像得到第一表情特征。
具体实现中,由于表情产生的原因、表情表现的程度、用户对表情的控制能力和表情的倾向等诸多方面的原因,使表情的变化细微而复杂,对表情特点的概括也显得复杂,依据最基本的分类方法,本发明实施例列举了以下6中基本表情特征,分别是惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。在本发明实施例中,终端可设定恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征为发出报警提示的条件。当终端根据第一人脸的图像得到第一表情特征之后,通过确定第一表情特征是否为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种来判断第一表情特征是否符合报警提示的条件。
具体实现中,若第一表情特征为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,则终端发出报警提示,表明儿童当前的安全状况出现异常,以及时提示用户前往儿童所处的空间查看。
作为一种可实施的方式,报警提示可为语音提示或者音乐提示。终端可以通过预设的音量播放出语音提示,语音内容可为“您的孩子出现危险”等报警内容,语音内容还可为用户录制的语音内容。终端可以通过预设的音量播放出音乐提示,音乐可为鸣笛声、警报声或者为用户设置的音乐中的任一种。
作为一种可实施的方式,当终端发出报警提示之后,可根据检测到的关闭指令关闭发出的报警提示。
作为一种可实施的方式,如图5所示,所述终端还包括第二判断模块405以及确定模块406。
第二判断模块405,用于通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸;
确定模块406,用于当所述第二判断模块405的判断结果为是时,则确定跟踪所述第一人脸。
具体实现中,终端检测到的跟踪指令可为跟踪预先设定的用户的人脸。在跟踪第一人脸之前需要对人脸进行识别,识别人脸包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中,人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别的具体实施方式可参照实施例图1,本实施例则不再赘述。当终端识别到第一人脸之后,判断第一人脸是否为终端预先存储的需要跟踪的人脸。例如,终端可预先存储儿童的人脸,当接收到的跟踪指令为跟踪儿童的人脸时,终端可将识别到的第一人脸与终端预先存储的儿童的人脸进行比较,判断跟踪的第一人脸是否为儿童的人脸。
具体实现中,若识别到的第一人脸与预先存储的儿童的人脸相同,则确定继续跟踪第一人脸。
作为一种可实施的方式,若识别到的第一人脸与预先存储的儿童的人脸并不相同,则终端控制旋转摄像头继续搜寻并识别其他人脸,再执行判断识别到的其他人脸是否为需要跟踪的人脸的步骤。
作为一种可实施的方式,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。
作为一种可实施的方式,如图5所示,所述终端还包括第二获取模块407。
第二获取模块407,用于根据所述第一表情特征获取对应的报警提示;
则所述发出模块404,具体用于:
发出与所述第一表情特征对应的报警提示。
作为一种可实施的方式,,所述报警提示为语音提示和/或音乐提示。终端可以通过预设的音量播放出语音提示,语音内容可为“您的孩子出现危险”等报警内容,语音内容还可为用户录制的语音内容。终端可以通过预设的音量播放出音乐提示,音乐可为鸣笛声、警报声或者为用户设置的音乐中的任一种。终端可以通过预设的音量播放出语音提示以及音乐提示,例如在播放出警报声的同时播放语音内容为“您的孩子出现危险”的语音提示。
具体实现中,由于第二表情特征可为恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任一种,因此可根据不同的第二表情特征设定不同的报警提示。例如,终端可设定恐惧的表情特征对应发出语音提示,语音内容可为“您的孩子出现危险”等报警内容,同时发出警报声的音乐提示;悲伤的表情特征可对应发出音乐提示,比如警报声提示;愤怒的表情特征可对应发出音乐提示,比如音乐提示可为用户设置的音乐。当终端确定第一表情特征为恐惧的表情特征时,则获取对应的语音提示;当终端确定第一表情特征为悲伤的表情特征时,则获取的对应的音乐提示为警报声提示;当终端确定第一表情特征为愤怒的表情特征时,则获取的对应的音乐提示为用户设置的音乐。
具体实现中,若终端获取的是恐惧的表情特征对应的语音提示,则发出该语音提示,语音内容可为“您的孩子出现危险”等报警内容,同时发出警报声的音乐提示;若终端获取的悲伤的表情特征对应的音乐提示为警报声提示,则发出警报声提示;若终端获取的愤怒的表情特征对应的音乐提示为用户设置的音乐,则播放用户设置的音乐。
作为一种可实施的方式,当终端发出报警提示之后,可根据检测到的关闭指令关闭发出的报警提示。
采用本发明,当检测到跟踪指令时,开启旋转摄像头,根据跟踪指令控制旋转摄像头跟踪第一人脸,通过旋转摄像头获取第一人脸的图像,根据第一人脸的图像得到第一表情特征,判断第一表情特征是否符合报警提示的条件,若判断为是,则发出报警提示,可通过旋转摄像头跟踪人脸,当识别出人脸的表情为伤心、哭泣或痛苦等表情时及时发出报警提示,能够及时提示监护人前往查看,能够实现监控功能,提升用户体验感。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的模块或单元可以根据实际需要进行合并、划分和删减。
本发明实施例的模块或模块,可以以通用集成电路(如中央处理器CPU),或以专用集成电路(ASIC)来实现。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在该技术方案的保护范围之内。
Claims (15)
1.一种基于旋转摄像头的报警方法,其特征在于,包括:
当检测到跟踪指令时,开启旋转摄像头;
根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;
根据所述第一人脸的图像得到第一表情特征;
判断所述第一表情特征是否符合报警提示的条件;
若判断为是,则发出报警提示。
2.根据权利要求1所述的报警方法,其特征在于,所述根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸之前,所述方法还包括:
通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸;
若判断为是,则确定跟踪所述第一人脸。
3.根据权利要求2所述的报警方法,其特征在于,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。
4.根据权利要求3所述的报警方法,其特征在于,所述第二表情特征包括恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任意一种。
5.根据权利要求3所述的报警方法,其特征在于,所述发出报警提示之前,所述方法还包括:
根据所述第一表情特征获取对应的报警提示;
则所述发出报警提示,包括:
发出与所述第一表情特征对应的报警提示。
6.根据权利要求1所述的报警方法,其特征在于,所述根据所述第一人脸的图像得到第一表情特征之后,还包括:
通过包括人工神经网络、支持向量机以及AdaBoost算法在内的表情分类方法对所述第一表情特征进行分类以确定所述第一表情特征的类型,所述第一表情特征的类型包括惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。
7.根据权利要求1至6任一项所述的报警方法,其特征在于,所述报警提示为语音提示和/或音乐提示。
8.一种终端,其特征在于,包括:
开启模块,用于当检测到跟踪指令时,开启旋转摄像头;
第一获取模块,用于根据所述跟踪指令控制所述旋转摄像头跟踪第一人脸,通过所述旋转摄像头获取所述第一人脸的图像;
得到模块,用于根据所述第一获取模块获取的第一人脸的图像得到第一表情特征;
第一判断模块,用于判断所述得到模块得到的第一表情特征是否符合报警提示的条件;
发出模块,用于当所述第一判断模块的判断结果为是时,则发出报警提示。
9.根据权利要求8所述的终端,其特征在于,所述终端还包括:
第二判断模块,用于通过所述旋转摄像头识别所述第一人脸,判断所述第一人脸是否为预先存储的需要跟踪的人脸;
确定模块,用于当所述第二判断模块的判断结果为是时,则确定跟踪所述第一人脸。
10.根据权利要求9所述的终端,其特征在于,所述报警提示的条件为所述第一表情特征与预设的第二表情特征相同,所述第二表情特征为用于发出报警提示的表情特征。
11.根据权利要求10所述的终端,其特征在于,所述第二表情特征包括恐惧的表情特征、悲伤的表情特征以及愤怒的表情特征中的任意一种。
12.根据权利要求10所述的终端,其特征在于,所述终端还包括:
第二获取模块,用于根据所述第一表情特征获取对应的报警提示;
则所述发出模块,具体用于:
发出与所述第一表情特征对应的报警提示。
13.根据权利要求8所述的终端,其特征在于,所述得到模块还用于通过包括人工神经网络、支持向量机以及AdaBoost算法在内的表情分类方法对所述第一表情特征进行分类以确定所述第一表情特征的类型,所述第一表情特征的类型包括惊奇、恐惧、悲伤、愤怒、高兴以及厌恶。
14.根据权利要求8至13任一项所述的终端,其特征在于,所述报警提示为语音提示和/或音乐提示。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序指令,所述程序指令供计算机调用后执行如权利要求1-7任一项所述的报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405316.9A CN107944434A (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405316.9A CN107944434A (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
CN201510320908.5A CN104933827B (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510320908.5A Division CN104933827B (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107944434A true CN107944434A (zh) | 2018-04-20 |
Family
ID=54120977
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711405316.9A Pending CN107944434A (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
CN201510320908.5A Expired - Fee Related CN104933827B (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510320908.5A Expired - Fee Related CN104933827B (zh) | 2015-06-11 | 2015-06-11 | 一种基于旋转摄像头的报警方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107944434A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924482A (zh) * | 2018-06-22 | 2018-11-30 | 张小勇 | 一种视频记录方法和系统 |
CN109784179A (zh) * | 2018-12-15 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于微表情识别的智能监护方法、装置、设备及介质 |
CN110121715A (zh) * | 2019-02-19 | 2019-08-13 | 深圳市汇顶科技股份有限公司 | 基于表情识别的呼救方法、装置、电子设备及存储介质 |
CN111127830A (zh) * | 2018-11-01 | 2020-05-08 | 奇酷互联网络科技(深圳)有限公司 | 基于监控设备的报警方法、报警系统和可读存储介质 |
CN111210589A (zh) * | 2018-11-22 | 2020-05-29 | 北京搜狗科技发展有限公司 | 一种实现报警的方法及装置 |
CN113177489A (zh) * | 2021-05-07 | 2021-07-27 | 艾拉物联网络(深圳)有限公司 | 一种安防监控用高精度人像识别方法及系统 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279898A (zh) | 2015-10-28 | 2016-01-27 | 小米科技有限责任公司 | 报警方法及装置 |
CN109481170A (zh) * | 2017-09-11 | 2019-03-19 | 四川金瑞麒智能科学技术有限公司 | 一种轮椅控制系统、方法及计算机可读存储介质 |
CN107798823A (zh) * | 2017-10-27 | 2018-03-13 | 周燕红 | 一种信号提示方法及影像终端 |
CN108665147A (zh) * | 2018-04-18 | 2018-10-16 | 深圳市云领天下科技有限公司 | 一种幼教信用预警的方法及装置 |
CN108830761A (zh) * | 2018-06-27 | 2018-11-16 | 山东众云教育科技有限公司 | 一种基于人脸识别的校园安全管理方法 |
CN109118626B (zh) * | 2018-08-08 | 2022-09-13 | 腾讯科技(深圳)有限公司 | 锁具的控制方法、装置、存储介质及电子装置 |
CN109889727A (zh) * | 2019-03-14 | 2019-06-14 | 睿魔智能科技(深圳)有限公司 | 无人拍摄目标切换方法及系统、无人摄像机及存储介质 |
CN112291315B (zh) * | 2020-10-18 | 2021-05-28 | 盛夏 | 基于大数据服务的无线通信平台 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1045548A2 (en) * | 1999-03-26 | 2000-10-18 | Mitsubishi Denki Kabushiki Kaisha | Status display unit using icons and method therefore |
CN201054660Y (zh) * | 2007-02-15 | 2008-04-30 | 联想(北京)有限公司 | 一种摄像头装置 |
CN201213278Y (zh) * | 2008-07-02 | 2009-03-25 | 希姆通信息技术(上海)有限公司 | 手机摄像人脸智能追踪装置 |
CN101437095A (zh) * | 2008-12-11 | 2009-05-20 | 张迪然 | 一种基于手机的远程监控方法 |
CN102647581A (zh) * | 2012-04-27 | 2012-08-22 | 浙江晨鹰科技有限公司 | 一种视频监控方法及系统 |
CN102970438A (zh) * | 2012-11-29 | 2013-03-13 | 广东欧珀移动通信有限公司 | 一种手机自动报警方法及自动报警装置 |
CN104013414A (zh) * | 2014-04-30 | 2014-09-03 | 南京车锐信息科技有限公司 | 一种基于移动智能手机的驾驶员疲劳检测系统 |
CN104680141A (zh) * | 2015-02-13 | 2015-06-03 | 华中师范大学 | 基于运动单元分层的人脸表情识别方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6611206B2 (en) * | 2001-03-15 | 2003-08-26 | Koninklijke Philips Electronics N.V. | Automatic system for monitoring independent person requiring occasional assistance |
US7715598B2 (en) * | 2006-07-25 | 2010-05-11 | Arsoft, Inc. | Method for detecting facial expressions of a portrait photo by an image capturing electronic device |
CN103246869B (zh) * | 2013-04-19 | 2016-07-06 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
CN104331685A (zh) * | 2014-10-20 | 2015-02-04 | 上海电机学院 | 非接触式主动呼叫方法 |
-
2015
- 2015-06-11 CN CN201711405316.9A patent/CN107944434A/zh active Pending
- 2015-06-11 CN CN201510320908.5A patent/CN104933827B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1045548A2 (en) * | 1999-03-26 | 2000-10-18 | Mitsubishi Denki Kabushiki Kaisha | Status display unit using icons and method therefore |
CN201054660Y (zh) * | 2007-02-15 | 2008-04-30 | 联想(北京)有限公司 | 一种摄像头装置 |
CN201213278Y (zh) * | 2008-07-02 | 2009-03-25 | 希姆通信息技术(上海)有限公司 | 手机摄像人脸智能追踪装置 |
CN101437095A (zh) * | 2008-12-11 | 2009-05-20 | 张迪然 | 一种基于手机的远程监控方法 |
CN102647581A (zh) * | 2012-04-27 | 2012-08-22 | 浙江晨鹰科技有限公司 | 一种视频监控方法及系统 |
CN102970438A (zh) * | 2012-11-29 | 2013-03-13 | 广东欧珀移动通信有限公司 | 一种手机自动报警方法及自动报警装置 |
CN104013414A (zh) * | 2014-04-30 | 2014-09-03 | 南京车锐信息科技有限公司 | 一种基于移动智能手机的驾驶员疲劳检测系统 |
CN104680141A (zh) * | 2015-02-13 | 2015-06-03 | 华中师范大学 | 基于运动单元分层的人脸表情识别方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924482A (zh) * | 2018-06-22 | 2018-11-30 | 张小勇 | 一种视频记录方法和系统 |
CN111127830A (zh) * | 2018-11-01 | 2020-05-08 | 奇酷互联网络科技(深圳)有限公司 | 基于监控设备的报警方法、报警系统和可读存储介质 |
CN111210589A (zh) * | 2018-11-22 | 2020-05-29 | 北京搜狗科技发展有限公司 | 一种实现报警的方法及装置 |
CN109784179A (zh) * | 2018-12-15 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于微表情识别的智能监护方法、装置、设备及介质 |
CN110121715A (zh) * | 2019-02-19 | 2019-08-13 | 深圳市汇顶科技股份有限公司 | 基于表情识别的呼救方法、装置、电子设备及存储介质 |
CN113177489A (zh) * | 2021-05-07 | 2021-07-27 | 艾拉物联网络(深圳)有限公司 | 一种安防监控用高精度人像识别方法及系统 |
CN113177489B (zh) * | 2021-05-07 | 2021-12-07 | 艾拉物联网络(深圳)有限公司 | 一种安防监控用高精度人像识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104933827A (zh) | 2015-09-23 |
CN104933827B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933827B (zh) | 一种基于旋转摄像头的报警方法及终端 | |
CN108388876B (zh) | 一种图像识别方法、装置以及相关设备 | |
CN107045623B (zh) | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 | |
CN106941602B (zh) | 机车司机行为识别方法及装置 | |
EP1494210B1 (en) | Speech communication system and method, and robot apparatus | |
CN109754012A (zh) | 实体语义关系分类方法、模型训练方法、装置及电子设备 | |
CN105739688A (zh) | 一种基于情感体系的人机交互方法、装置和交互系统 | |
Szwoch et al. | Emotion recognition for affect aware video games | |
US20130278501A1 (en) | Systems and methods of identifying a gesture using gesture data compressed by principal joint variable analysis | |
CN105354986A (zh) | 汽车司机驾驶状态监测系统及方法 | |
CN108154075A (zh) | 经由单次学习的群体分析法 | |
CN107053191A (zh) | 一种机器人,服务器及人机互动方法 | |
CN109154976A (zh) | 通过机器学习训练对象分类器的系统和方法 | |
CN104573458A (zh) | 一种基于心电信号的身份识别方法、装置及系统 | |
CN103984315A (zh) | 一种家用多功能智能机器人 | |
WO2015103693A1 (en) | Systems and methods of monitoring activities at a gaming venue | |
CN106055088A (zh) | 交互式穿戴式设备的空气书写和手势系统 | |
CN107624061A (zh) | 具有维度数据缩减的机器视觉 | |
CN108406848A (zh) | 一种基于场景分析的智能机器人及其运动控制方法 | |
CN205230272U (zh) | 汽车司机驾驶状态监测系统 | |
Nigam et al. | A review of computational approaches for human behavior detection | |
CN108596089A (zh) | 人脸姿态检测方法、装置、计算机设备及存储介质 | |
Tsai et al. | Spatial temporal variation graph convolutional networks (STV-GCN) for skeleton-based emotional action recognition | |
CN104965589A (zh) | 一种基于人脑智慧和人机交互的人体活体检测方法与装置 | |
CN111126280A (zh) | 基于融合手势识别的失语症患者辅助康复训练系统及方法 |
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 |