CN111800428A - 一种数字会议参与实时统计方法及系统 - Google Patents

Abstract

本发明公开了一种数字会议参与实时统计方法及系统，包括检测模块检测参与者是否处于采集识别条件，若是则通过人脸识别模块进行面部特征采集识别；匹配人员库中的人员信息，确定所述参与者的身份；统计模块统计确定了身份的所述参与者；监控模块实时定位所述参与者是否超出监控范围，若是则立即启用跟踪模块跟踪所述参与者，并实时确定所述参与者信息，通过人脸识别模块进行了智能的人脸识别匹配，从而进行统计，同时连同监控模块及跟踪模块进行实时监控和跟踪，一方面实现了识别统计的智能化，另一方面对参与者会议期间人数及位置进行实时高效监控统计，进一步实现数字会议的智能化统计操作。

Description

一种数字会议参与实时统计方法及系统

技术领域

本发明涉及的技术领域，尤其涉及一种数字会议参与实时统计方法及系统。

背景技术

在科技与社会飞速发展的今天，人们在日常生活和工作中占有和接触的信息量越来越大，因此人们之间的信息交流和沟通也就变得越来越频繁，越来越重要。商务谈判、产品演示、来宾会见、政令下达等等都是人与人之间的交流，要更好的达到目的就需要用我们一贯使用的手段------会议。数字会议正是一种集计算机、通讯、自动控制、多媒体、图像、音响等技术于一体的会务自动化管理系统。系统将会议报到、发言、表决、摄像、音响、显示、网络接入等各自独立的子系统有机地连接成一体，由中央控制计算机根据会议议程协调各子系统工作。为各种大型的国际会议、学术报告会及远程会议等提供最准确、及时的信息和服务。

现有的数字会议系统一般是通过参与者人为在操作系统中进行类似签到一类的操作进行统计，一方面没有实现识别统计的智能化，另一方面也无法对参与者会议期间人数及位置进行实时高效监控统计，未进一步实现数字会议的智能化统计操作。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有数字会议参与人数统计方式存在的问题，提出了本发明。

因此，本发明解决的技术问题是：解决现有的数字会议系统一方面没有实现识别统计的智能化，另一方面也无法对参与者会议期间人数及位置进行实时高效监控统计，未进一步实现数字会议的智能化统计操作的问题。

为解决上述技术问题，本发明提供如下技术方案：一种数字会议参与实时统计方法，包括检测模块检测参与者是否处于采集识别条件，若是则通过人脸识别模块进行面部特征采集识别；匹配人员库中的人员信息，确定所述参与者的身份；统计模块统计确定了身份的所述参与者；监控模块实时定位所述参与者是否超出监控范围，若是则立即启用跟踪模块跟踪所述参与者，并实时确定所述参与者信息。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：当所述参与者进入采集识别范围内且其面部以小于一定角度指向所述人脸识别模块时，定义所述参与者处于采集识别条件，则所述检测模块发送指令至所述人脸识别模块进行面部采集识别。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：所述一定角度为45°。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：所述人脸识别模块进行面部采集识别，并匹配人员信息，从而确定所述参与者的身份包括采集所述参与者的面部特征图像；对所述面部特征图像进行清晰度处理和压缩处理；将处理好的所述面部特征图像发送至云端服务器；通过所述云端服务器进行人脸识别和信息处理，并匹配人员信息，确定所述参与者的身份。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：所述统计模块统计确定了身份的所述参与者包括所述统计模块通过质点代表每一个确定了身份的所述参与者；给予每一个确定了身份的所述参与者一个特定的允许活动范围；统计每个质点及其对应的所述允许活动范围为单位一，代表每个确定了身份的所述参与者。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：所述监控模块实时定位所述参与者是否超出监控范围具体为，实时监测任意所述单位一是否存在位置变动。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：所述跟踪模块实时确定所述参与者信息包括所述参与者是否离开采集识别范围以及所述参与者的实时具体位置。

作为本发明所述的数字会议参与实时统计方法的一种优选方案，其中：当所述人脸识别模块进行人脸识别和信息处理后，未匹配成功人员信息时进行外入者提示，并通过所述统计模块的界面进行显示。

为解决上述技术问题，本发明还提供如下技术方案：一种数字会议参与实时统计系统，包括检测模块，用于检测参与者是否处于采集识别条件；人脸识别模块，与所述检测模块连接，用于进行面部特征采集识别，并匹配人员库中的人员信息，确定所述参与者的身份；统计模块，与所述人脸识别模块连接，用于统计确定了身份的所述参与者，同时当有外入者时进行显示；监控模块，用于实时定位所述参与者是否超出监控范围；跟踪模块，与所述监控模块连接，用于跟踪所述参与者，并实时确定所述参与者信息。

作为本发明所述的数字会议参与实时统计系统的一种优选方案，其中：所述人脸识别模块包括采集单元，用于采集所述参与者的面部特征图像；处理单元，与所述采集单元连接，用于对所述面部特征图像进行清晰度处理和压缩处理；发送单元，与所述处理单元连接，用于将处理好的所述面部特征图像发送至云端服务器。

本发明的有益效果：本发明通过人脸识别模块进行了智能的人脸识别匹配，从而进行统计，同时连同监控模块及跟踪模块进行实时监控和跟踪，一方面实现了识别统计的智能化，另一方面对参与者会议期间人数及位置进行实时高效监控统计，进一步实现数字会议的智能化统计操作。

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，下面描述中的附图仅仅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它的附图。其中：

图1为本发明提供的数字会议参与实时统计方法的方法流程图；

图2为本发明提供的数字会议参与实时统计系统的模块图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

现有的数字会议系统一般是通过参与者人为在操作系统中进行类似签到一类的操作进行统计，一方面没有实现识别统计的智能化，另一方面也无法对参与者会议期间人数及位置进行实时高效监控统计，未进一步实现数字会议的智能化统计操作。

故此，请参阅图1，本发明提供一种数字会议参与实时统计方法，包括：

检测模块100检测参与者是否处于采集识别条件，若是则通过人脸识别模块200进行面部特征采集识别；

匹配人员库中的人员信息，确定参与者的身份；

统计模块300统计确定了身份的参与者；

监控模块400实时定位参与者是否超出监控范围，若是则立即启用跟踪模块500跟踪参与者，并实时确定参与者信息。

不难理解的是，人脸识别模块200的识别是有一定范围的，比如：会议室内进行识别，则识别范围不会超过会议室，只有当参与者进入会议室后才可能会被识别出面部特征。当识别出面部特征后则匹配人员库中的人员信息，从而确定参与者的身份。

需要说明的是，人员库中的人员信息都是事先录入的。考虑到在实际情况中一般参与会议的都是一个企业或者一个部门一类的，参与者都提前在会议系统中录入了自己的面部特征，故此本发明可以直接将识别出的面部特征进行匹配。

进一步的，当参与者进入采集识别范围内且其面部以小于一定角度指向人脸识别模块200时，定义参与者处于采集识别条件，则检测模块100发送指令至人脸识别模块200进行面部采集识别。

优选的，一定角度为45°。

结合实际情况，本发明提出了两个完成识别的条件，首先参与者需要进入至识别范围内，其次，考虑到参与者的面部指向不一定正对人脸识别模块200，故此，将可识别的指向范围设置成小于45°，因为当人脸的朝向小于45°时，一般识别摄像模块可以将人脸的基本特征进行识别，此种设置方法增大了识别的可能性，基本不会出现无法识别的情况。如下表1所示，为采用不同角度对识别概率的对比表。

角度	90°	65°	45°	30°
					完成识别概率	0	13.44%	99.025%	100%

表1：不同角度对识别概率的对比表

由上表1所示，当面部朝向识别角度设置不同时，完成识别的概率也存在很大的差异，基本在45°的界限有明显的差别，故此将极限角度朝向设置成45°。

具体的，人脸识别模块200进行面部采集识别，并匹配人员信息，从而确定参与者的身份包括：

采集参与者的面部特征图像；

对面部特征图像进行清晰度处理和压缩处理；

将处理好的面部特征图像发送至云端服务器；

通过云端服务器进行人脸识别和信息处理，并匹配人员信息，确定参与者的身份。

需要说明的是：

①对面部特征图像进行清晰度处理的方法可以通过安设图像处理软件，通过：复制一层，将图层属性改为柔光，调整透明度；或复制一层，属性叠加，也调整透明度；或复制一层干净通道，通过光照感应装置探测色阶是否合格，调整色阶后照亮边缘，把不需要清晰的地方标记为黑色，点选该通道，回到图层，通过艺术效果滤镜进行清晰度的处理等方式实现。对面部特征图像进行压缩处理考虑到成本问题，可以选用有损数据压缩，包括色度抽样和变换编码等方式实现。

②考虑到人脸识别对处理器性能要求非常高，随着无线网络技术的发展（4G、5G网络），超高清视频的传输越来越容易，云端服务器的计算能力远超独立配置的系统处理器，适合运行识别算法进行复杂的图像识别。具体为：云端服务器从图像中标定出人脸的位置和大小，提取详细的人脸特征数据，生成一个临时人脸ID，并与数据库中已有的每一个人脸ID的特征数据进行对比，如对比上已有人脸ID，则进行记录统计。首先进行图像的预处理，即将采集到的不同大小的图像裁剪成320*360大小；运用MATLAB图像处理工具中的rgb2gray函数将RGB图像转换成灰度图像，实现程序为：

%人脸特征向量提取

%读取图像 I=imread(‘2_2.bmp’); %将RGB图像转换为灰度图像 j=rgb2gray(I);figure,imshow(I),figure,imshow(j)

%特征向量提取

pixel_value=feature_extraction(M，N);

其中，feature_extraction为人脸特征向量提取子函数。提取出的像素点个数用一个100×8的矩阵表示出来，作为LVQ神经网络的输入层。

其次，进行人脸识别仿真测试 ，具体程序为：

% 人脸识别测试 T_sim=sim(net,P_test); Tc_sim=vec2ind(T_sim); result=[Tc_test;Tc_sim]

最后使用AdaBoost弱分类级联算法进行人脸检测包括：

根据人脸样本选择不同的Haar矩形特征，并针对每一个Haar特征模板训练一个弱分类器；

根据人脸特征特征，构造M个弱分类器；

重复上一步，选出最优的N个弱分类器；

重复上两步，设定误差率与阈值，生成M个级联的强分类器；

输入人脸图片，使用已经生成的M个强分类器，获得检测结果，并将相邻的子区域合并得到人脸区域。

进一步的，统计模块300统计确定了身份的参与者包括：

统计模块300通过质点代表每一个确定了身份的参与者；

给予每一个确定了身份的参与者一个特定的允许活动范围；

统计每个质点及其对应的允许活动范围为单位一，代表每个确定了身份的参与者。

需要说明的是，当人脸识别模块200识别出参与者的身份时，统计模块300将其通过唯一质点表示，并给予每个质点一个特定的允许活动范围，使得人脸识别模块200只需监控一个特定区域即可，无需实时监控识别每位参与者，极大地简化了计算，对人脸识别模块200配置的处理器也降低了要求，简化了成本。人脸识别模块200实时监测每个特定的区域的变动，而后统计模块300进行统计显示。

其中，统计模块300将参与者通过唯一质点表示，可以通过改变显示出的质点的大小进行区别，不同显示大小的质点代表不同的参与者，能够对应上各自确定的身份。

更进一步的，监控模块400实时定位参与者是否超出监控范围具体为，实时监测任意单位一是否存在位置变动。

其中，跟踪模块500实时确定参与者信息包括参与者是否离开采集识别范围以及参与者的实时具体位置。

额外的，当人脸识别模块200进行人脸识别和信息处理后，未匹配成功人员信息时进行外入者提示，并通过统计模块300的界面进行显示。

本发明通过人脸识别模块进行了智能的人脸识别匹配，从而进行统计，同时连同监控模块及跟踪模块进行实时监控和跟踪，一方面实现了识别统计的智能化，另一方面对参与者会议期间人数及位置进行实时高效监控统计，进一步实现数字会议的智能化统计操作。

实施例2

请参阅图2，为本发明提供的一种数字会议参与实时统计系统的第一个实施例：一种数字会议参与实时统计系统，包括：

检测模块100，用于检测参与者是否处于采集识别条件；

人脸识别模块200，与检测模块100连接，用于进行面部特征采集识别，并匹配人员库中的人员信息，确定参与者的身份；

统计模块300，与人脸识别模块200连接，用于统计确定了身份的参与者，同时当有外入者时进行显示；

监控模块400，用于实时定位参与者是否超出监控范围；

跟踪模块500，与监控模块400连接，用于跟踪参与者，并实时确定参与者信息。

进一步的，人脸识别模块200包括：

采集单元，用于采集参与者的面部特征图像；

处理单元，与采集单元连接，用于对面部特征图像进行清晰度处理和压缩处理；

发送单元，与处理单元连接，用于将处理好的面部特征图像发送至云端服务器。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组（例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互）的信号，以本地和/或远程过程的方式进行通信。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，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精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种数字会议参与实时统计方法，其特征在于：包括，

检测模块（100）检测参与者是否处于采集识别条件，若是则通过人脸识别模块（200）进行面部特征采集识别；

匹配人员库中的人员信息，确定所述参与者的身份；

统计模块（300）统计确定了身份的所述参与者；

监控模块（400）实时定位所述参与者是否超出监控范围，若是则立即启用跟踪模块（500）跟踪所述参与者，并实时确定所述参与者信息。

2.根据权利要求1所述的数字会议参与实时统计方法，其特征在于：当所述参与者进入采集识别范围内且其面部以小于一定角度指向所述人脸识别模块（200）时，定义所述参与者处于采集识别条件，则所述检测模块（100）发送指令至所述人脸识别模块（200）进行面部采集识别。

3.根据权利要求2所述的数字会议参与实时统计方法，其特征在于：所述一定角度为45°。

4.根据权利要求2或3所述的数字会议参与实时统计方法，其特征在于：所述人脸识别模块（200）进行面部采集识别，并匹配人员信息，从而确定所述参与者的身份包括，

采集所述参与者的面部特征图像；

对所述面部特征图像进行清晰度处理和压缩处理；

将处理好的所述面部特征图像发送至云端服务器；

通过所述云端服务器进行人脸识别和信息处理，并匹配人员信息，确定所述参与者的身份。

5.根据权利要求4所述的数字会议参与实时统计方法，其特征在于：所述统计模块（300）统计确定了身份的所述参与者包括，

所述统计模块（300）通过质点代表每一个确定了身份的所述参与者；

给予每一个确定了身份的所述参与者一个特定的允许活动范围；

统计每个质点及其对应的所述允许活动范围为单位一，代表每个确定了身份的所述参与者。

6.根据权利要求5所述的数字会议参与实时统计方法，其特征在于：所述监控模块（400）实时定位所述参与者是否超出监控范围具体为，实时监测任意所述单位一是否存在位置变动。

7.根据权利要求5或6所述的数字会议参与实时统计方法，其特征在于：所述跟踪模块（500）实时确定所述参与者信息包括所述参与者是否离开采集识别范围以及所述参与者的实时具体位置。

8.根据权利要求7所述的数字会议参与实时统计方法，其特征在于：当所述人脸识别模块（200）进行人脸识别和信息处理后，未匹配成功人员信息时进行外入者提示，并通过所述统计模块（300）的界面进行显示。

9.一种数字会议参与实时统计系统，其特征在于：包括，

检测模块（100），用于检测参与者是否处于采集识别条件；

人脸识别模块（200），与所述检测模块（100）连接，用于进行面部特征采集识别，并匹配人员库中的人员信息，确定所述参与者的身份；

统计模块（300），与所述人脸识别模块（200）连接，用于统计确定了身份的所述参与者，同时当有外入者时进行显示；

监控模块（400），用于实时定位所述参与者是否超出监控范围；

跟踪模块（500），与所述监控模块（400）连接，用于跟踪所述参与者，并实时确定所述参与者信息。

10.根据权利要求9所述的数字会议参与实时统计系统，其特征在于：所述人脸识别模块（200）包括，

采集单元，用于采集所述参与者的面部特征图像；

处理单元，与所述采集单元连接，用于对所述面部特征图像进行清晰度处理和压缩处理；

发送单元，与所述处理单元连接，用于将处理好的所述面部特征图像发送至云端服务器。

Images