CN109446967A - 一种基于压缩信息的人脸检测方法和系统 - Google Patents
一种基于压缩信息的人脸检测方法和系统 Download PDFInfo
- Publication number
- CN109446967A CN109446967A CN201811230594.XA CN201811230594A CN109446967A CN 109446967 A CN109446967 A CN 109446967A CN 201811230594 A CN201811230594 A CN 201811230594A CN 109446967 A CN109446967 A CN 109446967A
- Authority
- CN
- China
- Prior art keywords
- face
- block
- frame
- colour
- skin
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提出一种基于压缩信息的人脸检测方法和系统。本发明方法首先根据视频场景的特点,设置不同的处理模式,提升算法的效率,减少不必要的判断;接着利用视频流携带的压缩信息,设置肤色检测分析块尺寸,可以提升算法执行速度的同时,保证较高的判断准确性,利用码流携带的帧间信息,进行视频人脸检索,相比较不利用视频的时间相关性,仅做图像处理的纵向延伸,可进一步提升算法实施效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于压缩信息的人脸检测方法和系统。
背景技术
随着多媒体技术及计算机网络技术的迅速发展,视频逐渐成为信息传播的主流载体之一。无论是人脸视频检索、还是视频美颜,精确快速的肤色检测技术都会增强其事半功倍的效果。如果采用统一的基于像素的判断法,虽然判断会准确,但由于算法执行中判断语句的运行速度远远大于常规的加减乘除的速度,大规模的采用判断语句,将极大的降低算法的执行速度,从而影响算法的时效性,在高清,超高清大分辨率的视频图像应用中,这种负面效应尤为突出。如果采用统一的基于块的判断法,则可以提升算法的运行速度。但是在实际应用中,往往场景比较复杂,存在多人、单人,不同分辨率等情况。固化的块划分,无法满足实际应用的复杂情况。
发明内容
本发明实施例的目的在于提出一种基于压缩信息的人脸检测方法,旨在解决现有技术视频图像处理采用统一的基于像素的判断法或采用统一的基于块的判断法,导致效率低或精度不高的问题。
本发明实施例是这样实现的,一种基于压缩信息的人脸检测方法,所述方法包括:
Step1:根据当前帧的帧类别,设置当前帧人脸检测处理模式;
若当前帧为帧内预测帧,则设置当前帧人脸检测处理模式为帧内处理模式;若否,则设置当前帧人脸检测处理模式为帧间处理模式;
Step2:根据当前帧人脸检测处理模式,进行当前帧的人脸检测;
Step3:进入后续帧的人脸检测;
判断当前帧的下一帧是否存在,若是将当前帧的下一帧设置为当前帧,重回Step1;若否,则结束。
所述帧间处理模式具体为:
StepA1:判断当前帧是否为场景切换帧,若是,则重新设置当前帧人脸检测处理模式为帧内处理模式,然后进入Step2;若否,则进入StepA2;
StepA2:若当前帧的前一帧图像未检测到人脸,则进入StepA3;否则,进入StepA4;
StepA3:将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块,然后进入Step2;
StepA4:根据预测块的预测模式及参考信息,进行当前帧人脸检测,然后进入Step2;
所述基于预测块的肤色检测法具体为:
以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
所述帧内处理模式具体为:
StepB1:设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号;
StepB2:根据当前帧的码流信息找到当前帧肤色待定区域。
本发明实施例的另一目的在于提出一种基于压缩信息的人脸检测系统,所述系统包括
人脸检测处理模式设置模块,包括设置模块、帧内处理模块、帧间处理模块;设置模块,用于根据当前帧的帧类别,设置当前帧人脸检测处理模式;若当前帧为帧内预测帧,则设置进入帧内处理模块;若否,则设置进入帧间处理模块;
第一人脸检测模块,用于根据当前帧人脸检测处理模式,进行当前帧的人脸检测;
下一帧设置模块,用于进行后续帧的人脸检测,即判断当前帧的下一帧是否存在,若是,则将当前帧的下一帧设置为当前帧,重回人脸检测处理模式设置模块;若否,则结束。
所述帧间处理模块包括场景切换判断处理模块、第一判断处理模块、肤色块判定模块和第二人脸检测模块;
场景切换判断处理模块,用于判断当前帧是否为场景切换帧,若是,则重新设置进入帧内处理模块;若否,则进入第一判断处理模块。
第一判断处理模块,用于判断若当前帧的前一帧图像未检测到人脸,则进入肤色块判定模块;否则进入第二人脸检测模块。
肤色块判定模块,包括人脸标识划分模块、肤色划分模块;人脸标识划分模块,用于判定若当前帧的前一帧图像未检测到人脸,则将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域;肤色划分模块,用于对所述新人脸检测区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
所述基于预测块的肤色检测法具体为:具体为:以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
第二人脸检测模块,包括帧间人脸检测模块和帧内人脸检测模块,用于根据预测块的预测模式及参考信息,进行当前帧人脸检测。
所述帧内处理模块包括:搜索设置模块,肤色待定区域查找模块;
搜索设置模块,用于设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号;
肤色待定区域查找模块,用于根据当前帧的码流信息找到当前帧肤色待定区域;
本发明的有益效果
本发明提出一种基于压缩信息的人脸检测方法和系统。本发明方法首先根据视频场景的特点,设置不同的处理模式,提升算法的效率,减少不必要的判断;接着利用视频流携带的压缩信息,设置肤色检测分析块尺寸,可以提升算法执行速度的同时,保证较高的判断准确性,利用码流携带的帧间信息,进行视频人脸检索,相比较不利用视频的时间相关性,仅做图像处理的纵向延伸,可进一步提升算法实施效率。
附图说明
图1是本发明优选实施例一种基于压缩信息的人脸检测方法流程图;
图2是图1中帧间处理模式方法流程图;
图3是图2中对当前帧的帧内预测块进行人脸检测方法流程图;
图4是图1中帧内处理模式方法流程图;
图5是本发明优选实施例一种基于压缩信息的人脸检测系统结构图;
图6是图5中帧间处理模块详细结构图;
图7是图6中帧内人脸检测模块详细结构图;
图8是图5中帧内处理模块详细结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明,为了便于说明,仅示出了与本发明实施例相关的部分。应当理解,此处所描写的具体实施例,仅仅用于解释本发明,并不用以限制本发明。
本发明提出一种基于压缩信息的人脸检测方法和系统。本发明方法首先根据视频场景的特点,设置不同的处理模式,提升算法的效率,减少不必要的判断;接着利用视频流携带的压缩信息,设置肤色检测分析块尺寸,可以提升算法执行速度的同时,保证较高的判断准确性,利用码流携带的帧间信息,进行视频人脸检索,相比较不利用视频的时间相关性,仅做图像处理的纵向延伸,可进一步提升算法实施效率。
实施例一
图1是本发明优选实施例一种基于压缩信息的人脸检测方法流程图;所述方法包括:
Step1:根据当前帧的帧类别,设置当前帧人脸检测处理模式。
若当前帧为帧内预测帧,则设置当前帧人脸检测处理模式为帧内处理模式;若否,则设置当前帧人脸检测处理模式为帧间处理模式。
Step2:根据当前帧人脸检测处理模式,进行当前帧的人脸检测。
Step3:进入后续帧的人脸检测。
判断当前帧的下一帧是否存在,若是将当前帧的下一帧设置为当前帧,重回Step1;若否,则结束。
图2是图1中帧间处理模式方法流程图;
所述帧间处理模式具体为:
StepA1:判断当前帧是否为场景切换帧,若是,则重新设置当前帧人脸检测处理模式为帧内处理模式,然后进入Step2;若否,则进入StepA2。
StepA2:若当前帧的前一帧图像未检测到人脸,则进入StepA3;否则,进入StepA4;
StepA3:将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块,然后进入Step2;
所述基于预测块的肤色检测法具体为:
以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
StepA4:根据预测块的预测模式及参考信息,进行当前帧人脸检测,然后进入Step2;
所述根据预测块的预测模式及参考信息,进行当前帧人脸检测具体为:
对当前帧的帧间预测块其对应参考块:
已被标识为人脸,则标识该帧间预测块为人脸;未被标识为人脸,则标识该帧间预测块为非人脸;
图3是图2的StepA4中对当前帧的帧内预测块进行人脸检测方法流程图;
对当前帧的帧内预测块:
步骤a1:肤色检测。即将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
步骤a2:若不存在肤色块,则判定当前帧不存在新增人脸,若存在肤色块,则将连通的一个肤色块集合作为一个人脸待定区域。
步骤a3:对每一个人脸待定区域进行五官定位和人脸定位。
即在肤色块所占图像区域内侧的非肤色块进行五官定位;若五官定位不成功,则判定人脸待定区域不存在新增人脸;若五官定位成功,则进一步对人脸待定区域进行人脸定位,将落入ieyeu-id*Thres1<i<imd+id*Thres2、jeyel-jed*Thres3<j<jeyer+jed*Thres3的肤色块定位为人脸。
其中,ieyeu、jeyel、jeyer分别表示人眼上边界行号,人眼左边界列号、人眼右边界列号;imd表示唇部下边界行号;id、jed分别表示人眼与唇部行距、左右眼列距;Thres1、Thres2、Thres3分别表示第一阈值、第二阈值、第三阈值。
所述五官定位和人脸定位方法采用行业内公用的方法,在此不再赘述。
图4是图1中帧内处理模式方法流程图;
所述帧内处理模式具体为:
StepB1:设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号。
StepB2:根据当前帧的码流信息找到当前帧肤色待定区域。
可从如下2种模式任选一种。
第一模式:使用“帧间处理模式中对当前帧的帧内预测块”的处理方法(即步骤a1-a3),进行人脸检测。
第二模式:
步骤b1,获取人脸待定区域。即
从起始搜索块开始按照搜索方向,用“基于预测块的肤色检测法”找到肤色块,接着将其划入集合ω;再接着找到集合ω内块的邻接块集,将已判定非肤色块和用已判定非肤色块作预测的块从上述邻接块集删除;然后将上述更新后的邻接块集划入集合ω得到更新后的集合ω;按照上述方法循环直到ω不再更新,此时集合ω即为一个人脸待定区域。
在未判定的剩余块中,按照上述方法继续搜索,获取当前帧所有人脸待定区域。
其中,所述集合ω内块的邻接块为与ω内块邻接的所有块;邻接块集的肤色判定方法同上文中的所述“基于预测块的肤色检测法”,在此不再赘述。
步骤b2,若不存人脸待定区域,则直接判定当前帧不存在人脸,进入后续帧的人脸检测(即Step3);否则对每一个人脸待定区域进行五官定位和人脸定位。
所述五官定位和人脸定位方法采用行业内公用的方法,在此不再赘述。
实施例二
图5是本发明优选实施例一种基于压缩信息的人脸检测系统结构图。所述系统包括:
人脸检测处理模式设置模块,包括设置模块、帧内处理模块、帧间处理模块;设置模块,用于根据当前帧的帧类别,设置当前帧人脸检测处理模式;若当前帧为帧内预测帧,则设置进入帧内处理模块;若否,则设置进入帧间处理模块。
第一人脸检测模块,用于根据当前帧人脸检测处理模式,进行当前帧的人脸检测。
下一帧设置模块,用于进入后续帧的人脸检测。
即判断当前帧的下一帧是否存在,若是将当前帧的下一帧设置为当前帧,重回人脸检测处理模式设置模块;若否,则结束。
图6是图5中帧间处理模块详细结构图;所述帧间处理模块包括场景切换判断处理模块、第一判断处理模块、肤色块判定模块和第二人脸检测模块;
场景切换判断处理模块,用于判断当前帧是否为场景切换帧,若是,则重新设置进入帧内处理模块,然后回到第一人脸检测模块;若否,则进入第一判断处理模块。
第一判断处理模块,用于判断若当前帧的前一帧图像未检测到人脸,则进入肤色块判定模块;否则进入第二人脸检测模块。
肤色块判定模块,包括人脸标识划分模块、肤色划分模块;人脸标识划分模块,用于判定若当前帧的前一帧图像未检测到人脸,则将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域;肤色划分模块,用于对所述新人脸检测区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
所述基于预测块的肤色检测法具体为:具体为:以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
第二人脸检测模块,包括帧间人脸检测模块和帧内人脸检测模块,用于根据预测块的预测模式及参考信息,进行当前帧人脸检测。
帧间人脸检测模块,用于对当前帧的帧间预测块其对应参考块:已被标识为人脸,则标识该帧间预测块为人脸;未被标识为人脸,则标识该帧间预测块为非人脸;
图7是图6中帧内人脸检测模块详细结构图;
帧内人脸检测模块,包括肤色检测模块、人脸待定区域划分模块、第一五官及人脸定位模块;
肤色检测模块,用于肤色检测。即将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
人脸待定区域划分模块,用于判断若不存在肤色块,则判定当前帧不存在新增人脸,若存在肤色块,则将连通的一个肤色块集合作为一个人脸待定区域;
第一五官及人脸定位模块,用于对每一个人脸待定区域进行五官定位和人脸定位。
即在肤色块所占图像区域内侧的非肤色块进行五官定位;若五官定位不成功,则判定人脸待定区域不存在新增人脸;若五官定位成功,则进一步对人脸待定区域进行人脸定位,将落入ieyeu-id*Thres1<i<imd+id*Thres2、jeyel-jed*Thres3<j<jeyer+jed*Thres3的肤色块定位为人脸。
其中,ieyeu、jeyel、jeyer分别表示人眼上边界行号,人眼左边界列号、人眼右边界列号;imd表示唇部下边界行号;id、jed分别表示人眼与唇部行距、左右眼列距;Thres1、Thres2、Thres3分别表示第一阈值、第二阈值、第三阈值。
图8是图5中帧内处理模块详细结构图。所述帧内处理模块包括:
搜索设置模块,肤色待定区域查找模块;
搜索设置模块,用于设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号。
肤色待定区域查找模块,用于根据当前帧的码流信息找到当前帧肤色待定区域。
可从如下2种模式任选一种。
第一模式:使用所述帧内人脸检测模块中的处理方法,进行人脸检测。
第二模式:
步骤b1,获取人脸待定区域。即
从起始搜索块开始按照搜索方向,用“基于预测块的肤色检测法”找到肤色块,接着将其划入集合ω;再接着找到集合ω内块的邻接块集,将已判定非肤色块和用已判定非肤色块作预测的块从上述邻接块集删除;然后将上述更新后的邻接块集划入集合ω得到更新后的集合ω;按照上述方法循环直到ω不再更新,此时集合ω即为一个人脸待定区域。在未判定的剩余块中,按照上述方法继续搜索,获取当前帧所有人脸待定区域。
其中,所述集合ω内块的邻接块为与ω内块邻接的所有块;邻接块集的肤色判定方法同上文中的所述“基于预测块的肤色检测法”,在此不再赘述。
步骤b2,若不存人脸待定区域,则直接判定当前帧不存在人脸,进入下一帧设置模块;否则对每一个人脸待定区域进行五官定位和人脸定位。
所述五官定位和人脸定位方法采用行业内公用的方法,在此不再赘述。
本领域的普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序指令相关硬件来完成的,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质可以为ROM、RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于压缩信息的人脸检测方法,其特征在于,所述方法包括:
Step1:根据当前帧的帧类别,设置当前帧人脸检测处理模式;
若当前帧为帧内预测帧,则设置当前帧人脸检测处理模式为帧内处理模式;若否,则设置当前帧人脸检测处理模式为帧间处理模式;
Step2:根据当前帧人脸检测处理模式,进行当前帧的人脸检测;
Step3:进入后续帧的人脸检测;
判断当前帧的下一帧是否存在,若是将当前帧的下一帧设置为当前帧,重回Step1;若否,则结束。
2.如权利要求1所述的基于压缩信息的人脸检测方法,其特征在于,所述帧间处理模式具体为:
StepA1:判断当前帧是否为场景切换帧,若是,则重新设置当前帧人脸检测处理模式为帧内处理模式,然后进入Step2;若否,则进入StepA2;
StepA2:若当前帧的前一帧图像未检测到人脸,则进入StepA3;否则,进入StepA4;
StepA3:将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块,然后进入Step2;
StepA4:根据预测块的预测模式及参考信息,进行当前帧人脸检测,然后进入Step2;
所述基于预测块的肤色检测法具体为:
以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
3.如权利要求2所述的基于压缩信息的人脸检测方法,其特征在于,所述根据预测块的预测模式及参考信息,进行当前帧人脸检测具体为:
对当前帧的帧间预测块其对应参考块:
已被标识为人脸,则标识该帧间预测块为人脸;未被标识为人脸,则标识该帧间预测块为非人脸;
对当前帧的帧内预测块:
步骤a1:肤色检测;即将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
步骤a2:若不存在肤色块,则判定当前帧不存在新增人脸,若存在肤色块,则将连通的一个肤色块集合作为一个人脸待定区域;
步骤a3:对每一个人脸待定区域进行五官定位和人脸定位。
4.如权利要求3所述的基于压缩信息的人脸检测方法,其特征在于,
所述对每一个人脸待定区域进行五官定位和人脸定位具体为:
在肤色块所占图像区域内侧的非肤色块进行五官定位;若五官定位不成功,则判定人脸待定区域不存在新增人脸;若五官定位成功,则进一步对人脸待定区域进行人脸定位,将落入ieyeu-id*Thres1<i<imd+id*Thres2、jeyel-jed*Thres3<j<jeyer+jed*Thres3的肤色块定位为人脸;
其中,ieyeu、jeyel、jeyer分别表示人眼上边界行号,人眼左边界列号、人眼右边界列号;imd表示唇部下边界行号;id、jed分别表示人眼与唇部行距、左右眼列距;Thres1、Thres2、Thres3分别表示第一阈值、第二阈值、第三阈值。
5.如权利要求1所述的基于压缩信息的人脸检测方法,其特征在于,所述帧内处理模式具体为:
StepB1:设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号;
StepB2:根据当前帧的码流信息找到当前帧肤色待定区域。
6.如权利要求5所述的基于压缩信息的人脸检测方法,其特征在于,
所述根据当前帧的码流信息找到当前帧肤色待定区域,从如下2种模式任选一种;
第一模式:
步骤a1:肤色检测;即将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
步骤a2:若不存在肤色块,则判定当前帧不存在新增人脸,若存在肤色块,则将连通的一个肤色块集合作为一个人脸待定区域;
步骤a3:对每一个人脸待定区域进行五官定位和人脸定位;
第二模式:
步骤b1,获取人脸待定区域;即
从起始搜索块开始按照搜索方向,用“基于预测块的肤色检测法”找到肤色块,接着将其划入集合ω;再接着找到集合ω内块的邻接块集,将已判定非肤色块和用已判定非肤色块作预测的块从上述邻接块集删除;然后将上述更新后的邻接块集划入集合ω得到更新后的集合ω;按照上述方法循环直到ω不再更新,此时集合ω即为一个人脸待定区域;
在未判定的剩余块中,按照上述方法继续搜索,获取当前帧所有人脸待定区域;
步骤b2,若不存人脸待定区域,则直接判定当前帧不存在人脸,进入后续帧的人脸检测;否则对每一个人脸待定区域进行五官定位和人脸定位。
7.一种基于压缩信息的人脸检测系统,其特征在于,所述系统包括
人脸检测处理模式设置模块,包括设置模块、帧内处理模块、帧间处理模块;设置模块,用于根据当前帧的帧类别,设置当前帧人脸检测处理模式;若当前帧为帧内预测帧,则设置进入帧内处理模块;若否,则设置进入帧间处理模块;
第一人脸检测模块,用于根据当前帧人脸检测处理模式,进行当前帧的人脸检测;
下一帧设置模块,用于进行后续帧的人脸检测,即判断当前帧的下一帧是否存在,若是,则将当前帧的下一帧设置为当前帧,重回人脸检测处理模式设置模块;若否,则结束。
8.如权利要求7所述的基于压缩信息的人脸检测系统,其特征在于,
所述帧间处理模块包括场景切换判断处理模块、第一判断处理模块、肤色块判定模块和第二人脸检测模块;
场景切换判断处理模块,用于判断当前帧是否为场景切换帧,若是,则重新设置进入帧内处理模块;若否,则进入第一判断处理模块。
第一判断处理模块,用于判断若当前帧的前一帧图像未检测到人脸,则进入肤色块判定模块;否则进入第二人脸检测模块。
肤色块判定模块,包括人脸标识划分模块、肤色划分模块;人脸标识划分模块,用于判定若当前帧的前一帧图像未检测到人脸,则将当前帧所有帧间预测块,全都标识为非人脸,将所有帧内预测块划入当前帧新人脸检测区域;肤色划分模块,用于对所述新人脸检测区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
所述基于预测块的肤色检测法具体为:具体为:以一个预测块为一个肤色判定点,首先求取预测块内所有像素的均值,然后对该均值进行肤色判定,若满足肤色判定条件,则判定该预测块为肤色块,若否,则判定该预测块为非肤色块。
第二人脸检测模块,包括帧间人脸检测模块和帧内人脸检测模块,用于根据预测块的预测模式及参考信息,进行当前帧人脸检测。
9.如权利要求8所述的基于压缩信息的人脸检测系统,其特征在于,
帧间人脸检测模块,用于对当前帧的帧间预测块其对应参考块:已被标识为人脸,则标识该帧间预测块为人脸;未被标识为人脸,则标识该帧间预测块为非人脸;
帧内人脸检测模块,包括肤色检测模块、人脸待定区域划分模块、第一五官及人脸定位模块;
肤色检测模块,用于肤色检测;即将所有帧内预测块划入当前帧新人脸检测区域,然后对该区域内每个块使用“基于预测块的肤色检测法”判定是否为肤色块;
人脸待定区域划分模块,用于判断若不存在肤色块,则判定当前帧不存在新增人脸,若存在肤色块,则将连通的一个肤色块集合作为一个人脸待定区域;
第一五官及人脸定位模块,用于对每一个人脸待定区域进行五官定位和人脸定位;即在肤色块所占图像区域内侧的非肤色块进行五官定位;若五官定位不成功,则判定人脸待定区域不存在新增人脸;若五官定位成功,则进一步对人脸待定区域进行人脸定位,将落入ieyeu-id*Thres1<i<imd+id*Thres2、jeyel-jed*Thres3<j<jeyer+jed*Thres3的肤色块定位为人脸;
其中,ieyeu、jeyel、jeyer分别表示人眼上边界行号,人眼左边界列号、人眼右边界列号;imd表示唇部下边界行号;id、jed分别表示人眼与唇部行距、左右眼列距;Thres1、Thres2、Thres3分别表示第一阈值、第二阈值、第三阈值。
10.如权利要求7所述的基于压缩信息的人脸检测系统,其特征在于,所述帧内处理模块包括:搜索设置模块,肤色待定区域查找模块;
搜索设置模块,用于设置起始搜索块的列号为非起始列号,行号为非起始行号,设定搜索方向以起始搜索块为起点,从左至右从上至下搜索,同时设置搜索截止行号;
肤色待定区域查找模块,用于根据当前帧的码流信息找到当前帧肤色待定区域;从如下2种模式任选一种;
第一模式:
使用所述帧内人脸检测模块中的处理方法,进行人脸检测;
第二模式:
步骤b1,获取人脸待定区域;即
从起始搜索块开始按照搜索方向,用“基于预测块的肤色检测法”找到肤色块,接着将其划入集合ω;再接着找到集合ω内块的邻接块集,将已判定非肤色块和用已判定非肤色块作预测的块从上述邻接块集删除;然后将上述更新后的邻接块集划入集合ω得到更新后的集合ω;按照上述方法循环直到ω不再更新,此时集合ω即为一个人脸待定区域;在未判定的剩余块中,按照上述方法继续搜索,获取当前帧所有人脸待定区域;
步骤b2,若不存人脸待定区域,则直接判定当前帧不存在人脸,进入下一帧设置模块;否则对每一个人脸待定区域进行五官定位和人脸定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230594.XA CN109446967B (zh) | 2018-10-22 | 2018-10-22 | 一种基于压缩信息的人脸检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230594.XA CN109446967B (zh) | 2018-10-22 | 2018-10-22 | 一种基于压缩信息的人脸检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446967A true CN109446967A (zh) | 2019-03-08 |
CN109446967B CN109446967B (zh) | 2022-01-04 |
Family
ID=65547008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811230594.XA Active CN109446967B (zh) | 2018-10-22 | 2018-10-22 | 一种基于压缩信息的人脸检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446967B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033488A (zh) * | 2019-04-09 | 2019-07-19 | 深圳市梦网百科信息技术有限公司 | 一种基于压缩信息的自适应光源方向分析方法及系统 |
CN110210283A (zh) * | 2019-04-09 | 2019-09-06 | 深圳市梦网百科信息技术有限公司 | 一种基于换装应用的图像处理方法和系统 |
CN110781840A (zh) * | 2019-10-29 | 2020-02-11 | 深圳市梦网百科信息技术有限公司 | 一种基于肤色检测的鼻头定位方法和系统 |
CN111815653A (zh) * | 2020-07-08 | 2020-10-23 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统和设备 |
CN111815651A (zh) * | 2020-07-08 | 2020-10-23 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统及设备 |
CN112132068A (zh) * | 2020-09-27 | 2020-12-25 | 深圳市梦网视讯有限公司 | 一种基于视频动态信息的年龄分析方法、系统和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101272495A (zh) * | 2007-03-23 | 2008-09-24 | 三星电子株式会社 | 用于传输基于分组的图像帧的方法和装置 |
CN101309426A (zh) * | 2008-07-10 | 2008-11-19 | 北京邮电大学 | 基于人脸检测的可视电话视频传输抗误码方法 |
CN101419670A (zh) * | 2008-11-21 | 2009-04-29 | 复旦大学 | 基于先进音视频编码标准的视频监控方法及系统 |
US20100034268A1 (en) * | 2007-09-21 | 2010-02-11 | Toshihiko Kusakabe | Image coding device and image decoding device |
US20150341549A1 (en) * | 2014-05-21 | 2015-11-26 | Motorola Mobility Llc | Enhanced image capture |
-
2018
- 2018-10-22 CN CN201811230594.XA patent/CN109446967B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101272495A (zh) * | 2007-03-23 | 2008-09-24 | 三星电子株式会社 | 用于传输基于分组的图像帧的方法和装置 |
US20100034268A1 (en) * | 2007-09-21 | 2010-02-11 | Toshihiko Kusakabe | Image coding device and image decoding device |
CN101309426A (zh) * | 2008-07-10 | 2008-11-19 | 北京邮电大学 | 基于人脸检测的可视电话视频传输抗误码方法 |
CN101419670A (zh) * | 2008-11-21 | 2009-04-29 | 复旦大学 | 基于先进音视频编码标准的视频监控方法及系统 |
US20150341549A1 (en) * | 2014-05-21 | 2015-11-26 | Motorola Mobility Llc | Enhanced image capture |
Non-Patent Citations (2)
Title |
---|
李晓光 等: "压缩域人脸检测与跟踪技术", 《测控技术》 * |
樊昀 等: "从视频中检测人脸", 《计算机辅助设计与图形学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033488A (zh) * | 2019-04-09 | 2019-07-19 | 深圳市梦网百科信息技术有限公司 | 一种基于压缩信息的自适应光源方向分析方法及系统 |
CN110210283A (zh) * | 2019-04-09 | 2019-09-06 | 深圳市梦网百科信息技术有限公司 | 一种基于换装应用的图像处理方法和系统 |
CN110210283B (zh) * | 2019-04-09 | 2021-05-14 | 深圳市梦网视讯有限公司 | 一种基于换装应用的图像处理方法和系统 |
CN110033488B (zh) * | 2019-04-09 | 2023-09-15 | 深圳市梦网视讯有限公司 | 一种基于压缩信息的自适应光源方向分析方法及系统 |
CN110781840A (zh) * | 2019-10-29 | 2020-02-11 | 深圳市梦网百科信息技术有限公司 | 一种基于肤色检测的鼻头定位方法和系统 |
CN110781840B (zh) * | 2019-10-29 | 2022-08-26 | 深圳市梦网视讯有限公司 | 一种基于肤色检测的鼻头定位方法和系统 |
CN111815653A (zh) * | 2020-07-08 | 2020-10-23 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统和设备 |
CN111815651A (zh) * | 2020-07-08 | 2020-10-23 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统及设备 |
CN111815653B (zh) * | 2020-07-08 | 2024-01-30 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统和设备 |
CN111815651B (zh) * | 2020-07-08 | 2024-01-30 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统及设备 |
CN112132068A (zh) * | 2020-09-27 | 2020-12-25 | 深圳市梦网视讯有限公司 | 一种基于视频动态信息的年龄分析方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109446967B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446967A (zh) | 一种基于压缩信息的人脸检测方法和系统 | |
CN109636829B (zh) | 一种基于语义信息和场景信息的多目标跟踪方法 | |
WO2018103608A1 (zh) | 一种文字检测方法、装置及存储介质 | |
CN102903119B (zh) | 一种目标跟踪方法和装置 | |
US8311351B2 (en) | Apparatus and method for improving frame rate using motion trajectory | |
CN105931267B (zh) | 一种基于改进ViBe算法的运动物体检测跟踪方法 | |
EP2473974A2 (en) | Foreground object tracking | |
EP2474163A2 (en) | Foreground object detection in a video surveillance system | |
CN110807402B (zh) | 一种基于肤色检测的五官定位方法、系统和终端设备 | |
CN109934846A (zh) | 基于时间和空间网络的深度集成目标跟踪方法 | |
CN104683765A (zh) | 一种基于移动物体侦测的视频浓缩方法 | |
CN105554414B (zh) | 强光抑制方法及装置 | |
CN109492545A (zh) | 一种基于场景及压缩信息的五官定位方法和系统 | |
CN109697727A (zh) | 基于相关滤波和度量学习的目标跟踪方法、系统及存储介质 | |
Zhan et al. | Pedestrian detection and behavior recognition based on vision | |
CN107516067B (zh) | 一种基于肤色检测的人眼定位方法和系统 | |
CN111160099B (zh) | 一种视频图像目标的智能化分割方法 | |
CN112734800A (zh) | 一种基于联合检测与表征提取的多目标跟踪系统和方法 | |
CN112560651B (zh) | 基于深度网络和目标分割结合的目标跟踪方法及装置 | |
CN109271922A (zh) | 一种基于对比度的鼻部定位方法和系统 | |
CN113963204A (zh) | 一种孪生网络目标跟踪系统及方法 | |
CN103886607A (zh) | 一种针对扰动目标的检测及抑制方法 | |
Dang et al. | Replay detection based on semi-automatic logo template sequence extraction in sports video | |
CN109101920B (zh) | 视频时域单元分割方法 | |
Liu et al. | Integrated detection and tracking for ADAS using deep neural network |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 Guangdong city of Shenzhen province Nanshan District Guangdong streets high in the four Longtaili Technology Building Room 325 No. 30 Applicant after: Shenzhen mengwang video Co., Ltd Address before: 518000 Guangdong city of Shenzhen province Nanshan District Guangdong streets high in the four Longtaili Technology Building Room 325 No. 30 Applicant before: SHENZHEN MONTNETS ENCYCLOPEDIA INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |