CN110781704A - 一种用于视频监控的验证方法 - Google Patents

Abstract

本发明公开了一种用于视频监控的验证方法，包括对摄像输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框等步骤；本发明将人脸识别与人工复合有效融合，能够在识别到视频区域中的人脸后，自动为其开启门禁，并根据实时传送的监控画面，决断是否为其开启门禁，人脸识别时更准确，还能实现用户获取设备端情况并对自己的信息进行更新，抗干扰，模式识别的效果更好，提高了人脸匹配的速度，降低了网络带宽资源的消耗，即使增加或减少监控装置数量，也能提高网络服务质量，满足实时监控的需求。

Description

一种用于视频监控的验证方法

技术领域

本发明属于摄影安防技术领域。具体涉及一种用于视频监控的验证方法。

背景技术

门禁系统是在智能建筑领域，出入口门禁安全管理系统是新型现代化安全管理系统，它集微机自动识别技术和现代安全管理措施为一体，它涉及电子，机械，光学，计算机技术，通讯技术，生物技术等诸多新技术。它是解决重要部门出入口实现安全防范管理的有效措施。适用各种机要部门，如银行、宾馆、车场管理、机房、军械库、机要室、办公间，智能化小区，工厂等。但是，现有的门禁系统存在功能单一、被动监控等缺点，对于发生突发情况传统的门禁系统无法及时发出警报信息，市面上的人脸识别门禁系统仅仅达到了识别特定人后，打开门禁的功能，无法实时查看和人工验证。

发明内容

本发明的目的是为了克服上述不足提供一种用于视频监控的验证方法。

一种用于视频监控的验证方法，包括以下步骤：

001.对摄像输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框；

002.调取预存的人脸候选框，提取候选框所对应区域的浅层特征和深层特征，将浅层特征和深层特征结合起来作为整体外观特征模型；

003.通过滤波模块计算目标人脸各个部位的可信度得分，得分最高的区域为目标人脸的匹配位置区域；

004.更新目标人脸在当前帧的位置，与所述整体外观特征模型进行比较，得出目标人脸的整体外观可信度分数；

005.判断当前匹配的目标人脸是否被遮挡，不断更新与数据库中预存的各个人脸候选框的匹配状态，从而实现目标人脸的自动匹配，并将新匹配的人脸图像进行存储。

本发明优点效果如下：

将人脸识别与人工复合有效融合，能够在识别到视频区域中的人脸后，自动为其开启门禁，并根据实时传送的监控画面，决断是否为其开启门禁，人脸识别时更准确，还能实现用户获取设备端情况并对自己的信息进行更新，抗干扰，模式识别的效果更好，提高了人脸匹配的速度，降低了网络带宽资源的消耗，即使增加或减少监控装置数量，也能提高网络服务质量，满足实时监控的需求。

附图说明

图1为门禁系统通信结构示意图

具体实施方式

以下结合具体实施例对本发明作进一步的说明：

一种用于视频监控的验证方法，包括以下步骤：

001.对摄像输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框；

002.调取预存的人脸候选框，提取候选框所对应区域的浅层特征和深层特征，将浅层特征和深层特征结合起来作为整体外观特征模型；

003.通过滤波模块计算目标人脸各个部位的可信度得分，得分最高的区域为目标人脸的匹配位置区域；

004.更新目标人脸在当前帧的位置，与所述整体外观特征模型进行比较，得出目标人脸的整体外观可信度分数；

005.判断当前匹配的目标人脸是否被遮挡，不断更新与数据库中预存的各个人脸候选框的匹配状态，从而实现目标人脸的自动匹配，并将新匹配的人脸图像进行存储。

所述步骤005之后，还包括以下步骤：

006.继续进行下一个目标人脸匹配，并判断是否有之前匹配成功过的目标人脸再次匹配时失败，如果有则转下一步，如果没有则继续进行下一个目标人脸匹配；

007.调取最后一帧匹配失败的图像作为输入，得到浅层特征图，提取图像的显著度剔除背景中的冗余信息，输出深层特征图，融合浅层特征图和深层特征图，对融合后特征图进行全局池化得到全局特征向量，进行水平池化得到局部特征向量；

008.计算出匹配失败的人脸图像与该人脸已存图像之间的全局特征向量距离以及匹配失败的人脸图像与该人脸已存图像之间的局部特征向量的距离；

009.计算出匹配失败的人脸图像与该人脸已存图像之间的最终距离，最终距离等于全局特征向量距离加上局部特征向量距离，根据最终距离的大小得到该人脸已存图像与匹配失败的人脸图像的初始相似度排序；

010.选择相似性最高的已存图像作为第一候选预存图像并进行更新。

通过滤波模块计算目标人脸各个部位的可信度得分时先提取人脸图像的特征，具体包括以下步骤：

以人脸图像上一个像素点为中心，在周围取它的邻域作为一个大小为3*3的块；

求取块中所有灰度值的均值，块中的各灰度值与均值进行比较，如果小于均值则取0，否则取1，然后构成一个块的局部二值模式；

采用一个大小为3*3的高斯函数作为权值，对该块的局部二值模式进行加权；

以此类推，将人脸图像上每个像素点作为中心像素，重复上述步骤直到提取整个人脸图像特征即可。

一种基于视频摄影的门禁控制方法，包括以下步骤：

001.将具备进入门禁权限的人脸预存到控制中心的数据库中；

002.通过摄像模块采集视频画面；

003.当摄像模块捕捉到人脸后，将捕捉到的人脸图像和数据库中预存的人脸进行比对；

004.如果捕捉到的人脸图像和数据库中预存的人脸匹配成功，则控制中心向门禁锁开关模块发送解锁控制信号，打开门禁；

005.如果捕捉到的人脸图像和数据库中预存的人脸匹配不成功，则控制中心向门禁提示模块发送错误提示信号；

006.控制中心的操作人员通过语音模块和摄像模块判断是否为具备进入门禁权限的人；若为具备进入门禁权限的人，则控制中心向门禁锁开关模块发送解锁控制信号，打开门禁；若为不具备进入门禁权限的人，则控制中心向警示模块发送警示信号。

所述步骤006之后，还包括以下步骤：

061.用户向查询模块输入用户编号和查询密码；

062.查询模块根据用户编号向该用户开放查询权限；

063.用户查询权限内的录像回放和录音回放，如果需要重置信息则转下一步；如果不需要重置信息，则结束查询；

064.用户通过查询模块向重置模块输入重置密码和权限的指令，重置模块初始化，并对该用户的密码和权限进行重置，然后发送至控制中心进行更新。

所述步骤003具体为：

031.对摄像模块输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框；

032.调取数据库中预存的人脸候选框，提取候选框所对应区域的浅层特征和深层特征，将浅层特征和深层特征结合起来作为整体外观特征模型；

033.通过滤波模块计算目标人脸各个部位的可信度得分，得分最高的区域为目标人脸的匹配位置区域；

034.更新目标人脸在当前帧的位置，与所述整体外观特征模型进行比较，得出目标人脸的整体外观可信度分数；

035.判断当前匹配的目标人脸是否被遮挡，不断更新与数据库中预存的各个人脸候选框的匹配状态，从而实现目标人脸的自动匹配，并将新匹配的人脸图像存入数据库中。

步骤006之后，还包括以下步骤：

036.继续进行下一个目标人脸匹配，并判断是否有之前匹配成功过的目标人脸再次匹配时失败，如果有则转下一步，如果没有则继续进行下一个目标人脸匹配；

037.调取最后一帧匹配失败的图像作为输入，得到浅层特征图，提取图像的显著度剔除背景中的冗余信息，输出深层特征图，融合浅层特征图和深层特征图，对融合后特征图进行全局池化得到全局特征向量，进行水平池化得到局部特征向量；

038.计算出匹配失败的人脸图像与该人脸已存图像之间的全局特征向量距离以及匹配失败的人脸图像与该人脸已存图像之间的局部特征向量的距离；

039.计算出匹配失败的人脸图像与该人脸已存图像之间的最终距离，最终距离等于全局特征向量距离加上局部特征向量距离，根据最终距离的大小得到该人脸已存图像与匹配失败的人脸图像的初始相似度排序；

040.选择相似性最高的已存图像作为第一候选预存图像并进行更新。

所述步骤033中通过滤波模块计算目标人脸各个部位的可信度得分时先提取人脸图像的特征，具体包括以下步骤：

以人脸图像上一个像素点为中心，在周围取它的邻域作为一个大小为 3*3的块；

求取块中所有灰度值的均值，块中的各灰度值与均值进行比较，如果小于均值则取0，否则取1，然后构成一个块的局部二值模式；

采用一个大小为3*3的高斯函数作为权值，对该块的局部二值模式进行加权；

以此类推，将人脸图像上每个像素点作为中心像素，重复上述步骤直到提取整个人脸图像特征即可。

所述步骤004中控制中心向门禁锁开关模块发送解锁控制信号之间，包括以下：

061.判断控制中心与门禁锁开关模块之间的无线链路是否稳定，如果稳定，则转下一步；

062.检测控制中心的路由表中有无到达禁锁开关模块路由，若有，路由则建立成功，若没有，则转下一步；

063.控制中心发送一个路由请求报文；

064.接收到路由请求报文的模块，根据路由请求报文信息判断本身是否禁锁开关模块，如果是则转下一步；

065.判断路由表中是否存在到达禁锁开关模块的路由，步骤067；

066.如果既不是禁锁开关模块也没有到达禁锁开关模块的路由，则继续转发路由请求报文，重复步骤064，若跳数信息超出规定跳数则建立失败；

067.根据路由表中到达禁锁开关模块的路由路径，将路由请求发送给禁锁开关模块；

068.禁锁开关模块接收路由请求根据路由请求记录路由信息，建立路由成功。

一种基于视频摄影的门禁系统，包括摄像模块，用于通过采集视频画面；

控制中心，用于预存具备进入门禁权限的人脸，将捕捉到的人脸图像和数据库中预存的人脸进行比对，向门禁锁开关模块发送解锁控制信号、向门禁提示模块发送错误提示信号或向警示模块发送警示信号；

门禁锁开关模块，用于接收信号并控制门禁打开或锁紧；

语音模块，用于控制中心的操作人员通过与进门人员对话判断是否为具备进入门禁权限的人；

门禁提示模块，用于人脸匹配不成功时，提示错误信号，提示操作人员进行语音和视频的人工识别；

警示模块，用于发现不具备进入门禁权限的人，则控制中心向警示模块发送警示信号。

所述摄像模块、语音模块和门禁锁开关模块安装在门禁操作端，所述控制中心、门禁提示模块和警示模块位于监控操作端，所述摄像模块、语音模块、门禁锁开关模块、门禁提示模块和警示模块均分别与控制中心提高无线网络连接，监控操作端通过无线网络连接有网关，网关通过无线网络连接路由节点，路由节点连接门禁操作端。

还包括查询模块，用于用户输入用户编号和查询密码；根据用户编号向该用户开放查询权限；用户查询权限内的录像回放和录音回放，如果需要重置信息，向重置模块输入重置密码和权限的指令，重置模块初始化，并对该用户的密码和权限进行重置，然后发送至控制中心进行更新。

所述控制中心还包括确认模块，用于对摄像模块输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框；

融合模块，用于调取数据库中预存的人脸候选框，提取候选框所对应区域的浅层特征和深层特征，将浅层特征和深层特征结合起来作为整体外观特征模型；

区域选定模块，用于通过滤波模块计算目标人脸各个部位的可信度得分，得分最高的区域为目标人脸的匹配位置区域；

整体外观比较模块，用于更新目标人脸在当前帧的位置，与所述整体外观特征模型进行比较，得出目标人脸的整体外观可信度分数；

自动匹配模块，用于判断当前匹配的目标人脸是否被遮挡，不断更新与数据库中预存的各个人脸候选框的匹配状态，从而实现目标人脸的自动匹配，并将新匹配的人脸图像存入数据库中。

所述控制中心还包括持续匹配模块，用于继续进行下一个目标人脸匹配，并判断是否有之前匹配成功过的目标人脸再次匹配时失败；

池化模块，用于当匹配成功过的目标人脸再次匹配时失败时，调取最后一帧匹配失败的图像作为输入，得到浅层特征图，提取图像的显著度剔除背景中的冗余信息，输出深层特征图，融合浅层特征图和深层特征图，对融合后特征图进行全局池化得到全局特征向量，进行水平池化得到局部特征向量；

距离模块，用于计算出匹配失败的人脸图像与该人脸已存图像之间的全局特征向量距离以及匹配失败的人脸图像与该人脸已存图像之间的局部特征向量的距离；

排序模块，用于计算出匹配失败的人脸图像与该人脸已存图像之间的最终距离，最终距离等于全局特征向量距离加上局部特征向量距离，根据最终距离的大小得到该人脸已存图像与匹配失败的人脸图像的初始相似度排序；

预存更新模块，用于选择相似性最高的已存图像作为第一候选预存图像并进行更新。

Claims (3)

1.一种用于视频监控的验证方法，其特征在于包括以下步骤：

001.对摄像输入的目标人脸监控视频的每一帧分离出来，得到目标人脸的可靠度和边框信息，当目标人脸的可靠度大于设定阈值时，确认是数据库中的目标人脸，去除冗余框，保留目标框；

002.调取预存的人脸候选框，提取候选框所对应区域的浅层特征和深层特征，将浅层特征和深层特征结合起来作为整体外观特征模型；

003.通过滤波模块计算目标人脸各个部位的可信度得分，得分最高的区域为目标人脸的匹配位置区域；

004.更新目标人脸在当前帧的位置，与所述整体外观特征模型进行比较，得出目标人脸的整体外观可信度分数；

005.判断当前匹配的目标人脸是否被遮挡，不断更新与数据库中预存的各个人脸候选框的匹配状态，从而实现目标人脸的自动匹配，并将新匹配的人脸图像进行存储。

2.根据权利要求1所述的用于视频监控的验证方法，其特征在于所述步骤005之后，还包括以下步骤：

006.继续进行下一个目标人脸匹配，并判断是否有之前匹配成功过的目标人脸再次匹配时失败，如果有则转下一步，如果没有则继续进行下一个目标人脸匹配；

007.调取最后一帧匹配失败的图像作为输入，得到浅层特征图，提取图像的显著度剔除背景中的冗余信息，输出深层特征图，融合浅层特征图和深层特征图，对融合后特征图进行全局池化得到全局特征向量，进行水平池化得到局部特征向量；

008.计算出匹配失败的人脸图像与该人脸已存图像之间的全局特征向量距离以及匹配失败的人脸图像与该人脸已存图像之间的局部特征向量的距离；

009.计算出匹配失败的人脸图像与该人脸已存图像之间的最终距离，最终距离等于全局特征向量距离加上局部特征向量距离，根据最终距离的大小得到该人脸已存图像与匹配失败的人脸图像的初始相似度排序；

010.选择相似性最高的已存图像作为第一候选预存图像并进行更新。

3.根据权利要求1或2所述用于视频监控的验证方法，其特征在于通过滤波模块计算目标人脸各个部位的可信度得分时先提取人脸图像的特征，具体包括以下步骤：

以人脸图像上一个像素点为中心，在周围取它的邻域作为一个大小为3*3的块；

求取块中所有灰度值的均值，块中的各灰度值与均值进行比较，如果小于均值则取0，否则取1，然后构成一个块的局部二值模式；

采用一个大小为3*3的高斯函数作为权值，对该块的局部二值模式进行加权；

以此类推，将人脸图像上每个像素点作为中心像素，重复上述步骤直到提取整个人脸图像特征即可。

Images