CN113723242B - 基于视频终端的视觉测谎方法、电子设备及介质 - Google Patents
基于视频终端的视觉测谎方法、电子设备及介质 Download PDFInfo
- Publication number
- CN113723242B CN113723242B CN202110960299.5A CN202110960299A CN113723242B CN 113723242 B CN113723242 B CN 113723242B CN 202110960299 A CN202110960299 A CN 202110960299A CN 113723242 B CN113723242 B CN 113723242B
- Authority
- CN
- China
- Prior art keywords
- auxiliary
- main
- images
- image
- change rate
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 230000000007 visual effect Effects 0.000 title abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000004907 flux Effects 0.000 claims description 13
- 230000001815 facial effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000036772 blood pressure Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000036760 body temperature Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010005746 Blood pressure fluctuation Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000031636 Body Temperature Changes Diseases 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000016252 change in skin color Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本公开实施例中提供了一种基于视频终端的视觉测谎方法、电子设备及介质，属于图像处理技术领域，具体包括：采集目标人员的多帧目标图像；对全部主图像进行目标操作，得到第一时序信号集，以及，对全部辅助图像进行目标操作，得到第二时序信号集；在第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率；判断主变化率是否大于第一阈值，以及，辅助变化率是否小于第二阈值；若是，则判定目标人员为说谎状态；若否，则判定目标人员为正常状态。通过本公开的方案，提高了测谎效率、精准度和适应性。
Description
技术领域
本公开实施例涉及图像处理术领域，尤其涉及一种基于视频终端的视觉测谎方法、电子设备及介质。
背景技术
目前，视觉智能化技术更新迭代越来越快，对于图像数据的自动处理应用场景也越来越广泛，其中，在测谎的应用场景中，一方面也是能通过对测试人员的表情或者肢体动作进行分析，现有的测谎方法多是通过人工辨别，或者通过深度学习建立识别模型，人工辨别大多依赖以主观经验，得到的结果大多存在偏差，而通过深度学习建立识别模型则需要前期大量的训练数据，且针对的仅仅是脸部特征或者肢体特征的图像特征识别，测谎过程中也容易出现误判或漏判的问题。
可见，亟需一种测谎效率、精准度和适应性高的基于视频终端的视觉测谎方法。
发明内容
有鉴于此，本公开实施例提供一种基于视频终端的视觉测谎方法、电子设备及介质，至少部分解决现有技术中存在测谎效率、精准度和适应性较差的问题。
第一方面，本公开实施例提供了一种基于视频终端的视觉测谎方法，包括：
采集目标人员的多帧目标图像，其中，所述目标图像包括所述目标人员的脸部特征的主图像和所述目标人员肢体特征的辅助图像；
对全部所述主图像进行目标操作，得到第一时序信号集，以及，对全部所述辅助图像进行目标操作，得到第二时序信号集，其中，所述目标操作包括信噪比分析操作、白平衡分析操作和曝光分析操作；
在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率，其中，N为大于2的正整数；
判断所述主变化率是否大于第一阈值，以及，所述辅助变化率是否小于第二阈值；
若所述主变化率大于所述第一阈值，以及，所述辅助变化率小于所述第二阈值，则判定所述目标人员为说谎状态；
若所述主变化率小于或等于所述第一阈值，或者，所述辅助变化率大于或等于所述第二阈值，则判定所述目标人员为正常状态。
根据本公开实施例的一种具体实现方式，所述目标操作为信噪比分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
分别计算每一帧所述主图像/辅助图像对应的有效噪声总量和生成信号的电子数；
根据所述有效噪声总量和所述电子数，计算每一帧所述主图像/辅助图像对应的信噪比值，得到全部帧所述主图像/辅助图像的信噪比变化量。
根据本公开实施例的一种具体实现方式，所述目标操作为白平衡分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
将每一帧所述主图像/辅助图像分离为三基色分量，其中，所述三基色分量包括R通道，G通道和B通道；
计算每一帧所述主图像/辅助图像中R通道与其他通道的差值，得到全部帧所述主图像/辅助图像的色值变化量。
根据本公开实施例的一种具体实现方式，所述目标操作为曝光分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
计算每一帧所述主图像/辅助图像对应的光通量；
依次计算两张相邻的主图像/辅助图像之间的时间间隔，得到全部帧所述主图像/辅助图像中所述时间间隔的变化量，其中，所述两张相邻的主图像/辅助图像分别为所述光通量最大时对应的主图像/辅助图像和所述光通量最小时对应的主图像/辅助图像。
根据本公开实施例的一种具体实现方式，所述在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率的步骤，包括：
将所述预设周期开始后和结束前各N张主图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第一公式，得到所述主变化率，其中，所述第一公式为其中，Vawb为所述色值变化量，Vae为所述时间间隔的变化量，Vsnr为所述信噪比变化量，W1为Vawb对应的权重，W2为Vae对应的权重，W3为Vsnr对应的权重。
根据本公开实施例的一种具体实现方式，所述在所述第二时序信号集内选取预设周期开始后和结束前各N张辅助图像对应的的数据计算辅助变化率的步骤，包括：
将所述预设周期开始后和结束前N张辅助图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第二公式，得到所述辅助变化率，其中，所述第二公式为
根据本公开实施例的一种具体实现方式，所述判定所述目标人员为说谎状态的步骤之后，所述方法还包括：
将所述第一时序信号集中所述预设周期对应的时段内的数据作为警报信息发送至终端设备。
第二方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的基于视频终端的视觉测谎方法。
第三方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于视频终端的视觉测谎方法。
第四方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的基于视频终端的视觉测谎方法。
本公开实施例中的基于视频终端的视觉测谎方案，包括：采集目标人员的多帧目标图像，其中，所述目标图像包括所述目标人员的脸部特征的主图像和所述目标人员肢体特征的辅助图像；对全部所述主图像进行目标操作，得到第一时序信号集，以及，对全部所述辅助图像进行目标操作，得到第二时序信号集，其中，所述目标操作包括信噪比分析操作、白平衡分析操作和曝光分析操作；在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率，其中，N为大于2的正整数；判断所述主变化率是否大于第一阈值，以及，所述辅助变化率是否小于第二阈值；若所述主变化率大于所述第一阈值，以及，所述辅助变化率小于所述第二阈值，则判定所述目标人员为说谎状态；若所述主变化率小于或等于所述第一阈值，或者，所述辅助变化率大于或等于所述第二阈值，则判定所述目标人员为正常状态。
本公开实施例的有益效果为：通过本公开的方案，采集目标人员的脸部特征图像和肢体特征图像，并检测预设周期内图像中各类数据的变化，综合确定目标人员是否说谎，提高了测谎效率、精准度和适应性。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种基于视频终端的视觉测谎方法的流程示意图；
图2为本公开实施例提供的一种基于视频终端的视觉测谎方法涉及的图像三基色示意图；
图3为本公开实施例提供的一种基于视频终端的视觉测谎方法涉及的三通道对比示意图；
图4为本公开实施例提供的一种基于视频终端的视觉测谎方法涉及的曝光最大与最小值间隔示意图；
图5为本公开实施例提供的一种基于视频终端的视觉测谎方法涉及的主变化率和辅助变化率示意图；
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
目前，视觉智能化技术更新迭代越来越快，对于图像数据的自动处理应用场景也越来越广泛，其中，在测谎的应用场景中，一方面也是能通过对测试人员的表情或者肢体动作进行分析，现有的测谎方法多是通过人工辨别，或者通过深度学习建立识别模型，人工辨别大多依赖以主观经验，得到的结果大多存在偏差，而通过深度学习建立识别模型则需要前期大量的训练数据，且针对的仅仅是脸部特征或者肢体特征的图像特征识别，测谎过程中也容易出现误判或漏判的问题。
本公开实施例提供一种基于视频终端的视觉测谎方法，所述方法可以应用于人员视频或人员图像处理场景中的视觉测谎过程。
参见图1，为本公开实施例提供的一种基于视频终端的视觉测谎方法的流程示意图。如图1所示，所述方法主要包括以下步骤：
S101，采集目标人员的多帧目标图像，其中，所述目标图像包括所述目标人员的脸部特征的主图像和所述目标人员肢体特征的辅助图像；
具体实施时，电子设备可以内置有图像采集模块或者外接有图像采集装置，所述图像采集模块或者图像采集装置对所述目标人员的脸部特征的图像进行采集形成所述主图像，以及，对肢体特征的图像进行采集形成所述辅助图像。在采集到多帧所述主图像和所述辅助图像后，可以将全部所述主图像和所述辅助图像发送至处理器进行分析处理，也可以将全部所述主图像和所述辅助图像存储至预设的储存空间，在数据积累或者需要分析时从预设的储存空间内提取。
S102，对全部所述主图像进行目标操作，得到第一时序信号集，以及，对全部所述辅助图像进行目标操作，得到第二时序信号集，其中，所述目标操作包括信噪比分析操作、白平衡分析操作和曝光分析操作；
考虑到在实际应用中，人在说谎时会存在不可避免的生理反应，结合图像采集装置例如摄像头本身的特性，可以对采集的图像进行所述信噪比分析操作、所述白平衡分析操作和所述曝光分析操作，从而得到所述目标人员在测谎过程中的体温、血压和心率变化。
例如，在得到全部所述主图像和所述辅助图像后，可以对全部所述主图像和所述辅助图像均进行目标操作，分别得到根据所述目标人员的脸部图像对应的体温、血压和心率变化的时序信号数据，形成所述第一时序信号集，以及，得到根据所述目标人员的肢体部位图像对应的体温、血压和心率变化的时序信号数据，形成所述第二时序信号集。
S103，在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率，其中，N为大于2的正整数；
具体实施时，可以设定一个固定时长的预设周期，然后可以在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率。例如，所述预设周期为3秒，若图像采集设备的帧率为30帧/秒，可以在所述第一时序信号集内选取预设周期开始后和结束前各20张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各20张主图像对应的的数据计算辅助变化率。当然，可以根据测量精度的需要或者实际使用的需求调节所述预设周期的时长。
S104，判断所述主变化率是否大于第一阈值，以及，所述辅助变化率是否小于第二阈值；
考虑到在测谎过程中，所述目标人员可能会伴随走动，或者在测谎前所述目标人员存在运动，导致体温、血压和心率都会变化，导致脸部和肢体的图像都会产生变化，而在说谎时，体温、血压和心率的变化仅对脸部的影响较大。在具体实施时，可以分别设定脸部图像对应的第一阈值和肢体图像对应的第二阈值，然后将得到的主变化率与所述第一阈值进行比对，以及，将得到的辅助变化率与所述第二阈值进行比对，综合确定下一步的操作流程。
若所述主变化率大于所述第一阈值，以及，所述辅助变化率小于所述第二阈值，则执行步骤S105，判定所述目标人员为说谎状态；
具体实施时，当检测到所述主变化率大于所述第一阈值，以及，所述辅助变化率小于所述第二阈值时，则可以认为所述目标人员在测谎过程中出现了说谎导致体温、血压和心率的变化超过了正常变化标准，则可以胖所述目标人员为说谎状态。
若所述主变化率小于或等于所述第一阈值，或者，所述辅助变化率大于或等于所述第二阈值，则执行步骤S106，判定所述目标人员为正常状态。
具体实施时，当检测到所述主变化率小于或等于所述第一阈值，或者，所述辅助变化率大于或等于所述第二阈值时，例如，检测到所述主变化率小于或等于所述第一阈值且所述辅助变化率小于所述第二阈值，则可以认为所述目标人员为正常状态，或者，检测到所述主变化率大于所述第一阈值且所述辅助变化率大于或等于所述第二阈值，则可以认为所述目标人员存在测谎前运动或者测谎过程中有运动，为了避免误判，可以判定所述目标人员为正常状态并发送相应的检测数据，以便后续可以以此为依据进行再次检测。
本实施例提供的基于视频终端的视觉测谎方法，通过采集目标人员的脸部特征图像和肢体特征图像，并检测预设周期内图像中各类数据的变化，综合确定目标人员是否说谎，提高了测谎效率、精准度和适应性。
在上述实施例的基础上，所述目标操作为信噪比分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
分别计算每一帧所述主图像/辅助图像对应的有效噪声总量和生成信号的电子数；
根据所述有效噪声总量和所述电子数，计算每一帧所述主图像/辅助图像对应的信噪比值，得到全部帧所述主图像/辅助图像的信噪比变化量。
具体实施时，考虑到图像采集设备的特性，温度变化与信噪比(SIGNAL-NOISERATIO，简称SNR)的关系非常密切，当温度升高，SNR显著降低。具体的对应关系：
有效的噪声总量δeff跟暗射噪声δD(与传感器温度相关)，读取噪声δR(此噪声受电子元件设计影响，不受信号电平或传感器温度的影响)，光子拍摄噪声δS(此噪声取决于信号电平，不依赖于传感器温度)的计算关系为：
暗电流由热引起的现象，t为曝光时间，ID为暗电流，电子计数遵循泊松统计，与传感器温度相关,比如-20℃时ID为0.1e-/(s·pixel)，0℃时，ID为1e-/(s·pixel)，25℃时，ID为5e-/(s·pixel)。
若入射到量子效率为QE传感器的各像素的光量子束密度(光子/秒)为N，则当曝光时间为t秒时生成的"信号"的电子数为S时
S＝(QE)Nt
然后可以计算每一帧所述主图像/辅助图像对应的信噪比值为
当找到标称值ID，测量出SNR的情况下，可以看出温度是否发生了变化，然后得到全部帧所述主图像/辅助图像的信噪比变化量。
可选的，所述目标操作为白平衡分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
将每一帧所述主图像/辅助图像分离为三基色分量，其中，所述三基色分量包括R通道，G通道和B通道；
计算每一帧所述主图像/辅助图像中R通道与其他通道的差值，得到全部帧所述主图像/辅助图像的色值变化量。
考虑到人在说谎时会伴随血压的变化，而血压的变化，会导致血流脉动的差异，一般可以通过血红蛋白的数量差引起皮肤颜色的微小变化来检测。具体实施时，如图2和图3所示，可以通过Bayer pattern将每一帧所述主图像和所述辅助图像分离为出RGB三基色分量，然后所以只需要比较R通道的变化，和其他G,B通道的变化是否存在更大的差异，从而得到全部帧所述主图像和所述辅助图像的色值变化量，就能判断血压是否存在变化。
进一步的，所述目标操作为曝光分析操作，所述对全部所述主图像/辅助图像进行目标操作的步骤，包括：
计算每一帧所述主图像/辅助图像对应的光通量；
依次计算两张相邻的主图像/辅助图像之间的时间间隔，得到全部帧所述主图像/辅助图像中所述时间间隔的变化量，其中，所述两张相邻的主图像/辅助图像分别为所述光通量最大时对应的主图像/辅助图像和所述光通量最小时对应的主图像/辅助图像。
如图4所示，考虑到心率的变化，反应到摄像头的特性就是曝光AE的变化。心率跳动一般都是比较有规则的，心脏收缩，外周血吸收光最大，从而反射给摄像头sensor的光通量最小，进而sensor的曝光最小，反之最大，可以利用AE的最大最小值的间隔可以测量出心率，当心率变化时，AE最大最小值的时间间隔也将发生变化。具体实施时，可以计算每一帧所述主图像和所述辅助图像对应的光通量，然后依次计算所述光通量最大时对应的主图像与所述光通量最小时对应的主图像之间的间隔时间，综合得到所述主图像对应的心率和所述辅助图像对应的心率。
在上述实施例的基础上，所述在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率的步骤，包括：
将所述预设周期开始后和结束前各N张主图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第一公式，得到所述主变化率，其中，所述第一公式为其中，Vawb为所述色值变化量，Vae为所述时间间隔的变化量，Vsnr为所述信噪比变化量，W1为Vawb对应的权重，W2为Vae对应的权重，W3为Vsnr对应的权重。
具体实施时，如图5所示，所述第一时序信号集内分别包括所述目标人员的脸部图像对应的体温变化、血压变化和心率变化，可以对不同类型的数据添加不同的权重，将所述预设周期开始后和结束前各N张主图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第一公式，然后根据预设的第一公式计算统一的数值作为后续的对比依据。
可选的，所述在所述第二时序信号集内选取预设周期开始后和结束前各N张辅助图像对应的的数据计算辅助变化率的步骤，包括：
将所述预设周期开始后和结束前N张辅助图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第二公式，得到所述辅助变化率，其中，所述第二公式为
具体实施时，可以将所述预设周期开始后和结束前N张辅助图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第二公式，然后根据预设的第二公式计算统一的数值即所述辅助变化率作为后续的对比依据。
可选的，所述判定所述目标人员为说谎状态的步骤之后，所述方法还包括：
将所述第一时序信号集中所述预设周期对应的时段内的数据作为警报信息发送至终端设备。
具体实施时，在检测到所述目标人员为说谎状态后，还可以将所述第一时序信号集中所述预设周期对应的时段内的数据作为警报信息发送至终端设备，以便于后续的核实与数据存储。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：至少一个处理器以及与该至少一个处理器通信连接的存储器。其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的基于视频终端的视觉测谎方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的基于视频终端的视觉测谎方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的基于视频终端的视觉测谎方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于视频终端的视觉测谎方法，其特征在于，包括：
采集目标人员的多帧目标图像，其中，所述目标图像包括所述目标人员的脸部特征的主图像和所述目标人员肢体特征的辅助图像；
对全部所述主图像进行目标操作，得到第一时序信号集，以及，对全部所述辅助图像进行目标操作，得到第二时序信号集，其中，所述目标操作包括信噪比分析操作、白平衡分析操作和曝光分析操作；
在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率，以及，在所述第二时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算辅助变化率，其中，N为大于2的正整数；
所述在所述第一时序信号集内选取预设周期开始后和结束前各N张主图像对应的的数据计算主变化率的步骤，包括：
将所述预设周期开始后和结束前各N张主图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第一公式，得到所述主变化率，其中，所述第一公式为其中，Vawb为所述色值变化量，Vae为所述时间间隔的变化量，Vsnr为所述信噪比变化量，W1为Vawb对应的权重，W2为Vae对应的权重，W3为Vsnr对应的权重；
所述在所述第二时序信号集内选取预设周期开始后和结束前各N张辅助图像对应的的数据计算辅助变化率的步骤，包括：
将所述预设周期开始后和结束前N张辅助图像对应的信噪比变化量、色值变化量和时间间隔的变化量代入第二公式，得到所述辅助变化率，其中，所述第二公式为
判断所述主变化率是否大于第一阈值，以及，所述辅助变化率是否小于第二阈值；
若所述主变化率大于所述第一阈值，以及，所述辅助变化率小于所述第二阈值，则判定所述目标人员为说谎状态；
若所述主变化率小于或等于所述第一阈值，或者，所述辅助变化率大于或等于所述第二阈值，则判定所述目标人员为正常状态。
2.根据权利要求1所述的方法，其特征在于,所述目标操作为信噪比分析操作，所述对全部所述主图像或辅助图像进行目标操作的步骤，包括：
分别计算每一帧所述主图像或辅助图像对应的有效噪声总量和生成信号的电子数；
根据所述有效噪声总量和所述电子数，计算每一帧所述主图像或辅助图像对应的信噪比值，得到全部帧所述主图像或辅助图像的信噪比变化量。
3.根据权利要求2所述的方法，其特征在于,所述目标操作为白平衡分析操作，所述对全部所述主图像或辅助图像进行目标操作的步骤，包括：
将每一帧所述主图像或辅助图像分离为三基色分量，其中，所述三基色分量包括R通道，G通道和B通道；
计算每一帧所述主图像或辅助图像中R通道与其他通道的差值，得到全部帧所述主图像或辅助图像的色值变化量。
4.根据权利要求3所述的方法，其特征在于,所述目标操作为曝光分析操作，所述对全部所述主图像或辅助图像进行目标操作的步骤，包括：
计算每一帧所述主图像或辅助图像对应的光通量；
依次计算两张相邻的主图像或辅助图像之间的时间间隔，得到全部帧所述主图像或辅助图像中所述时间间隔的变化量，其中，所述两张相邻的主图像或辅助图像分别为所述光通量最大时对应的主图像或辅助图像和所述光通量最小时对应的主图像或辅助图像。
5.根据权利要求1所述的方法，其特征在于,所述判定所述目标人员为说谎状态的步骤之后，所述方法还包括：
将所述第一时序信号集中所述预设周期对应的时段内的数据作为警报信息发送至终端设备。
6.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-5中任一项所述的基于视频终端的视觉测谎方法。
7.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-5中任一项所述的基于视频终端的视觉测谎方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960299.5A CN113723242B (zh) | 2021-08-20 | 2021-08-20 | 基于视频终端的视觉测谎方法、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960299.5A CN113723242B (zh) | 2021-08-20 | 2021-08-20 | 基于视频终端的视觉测谎方法、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113723242A CN113723242A (zh) | 2021-11-30 |
| CN113723242B true CN113723242B (zh) | 2024-04-26 |
Family
ID=78677105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110960299.5A Active CN113723242B (zh) | 2021-08-20 | 2021-08-20 | 基于视频终端的视觉测谎方法、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113723242B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109793526A (zh) * | 2018-12-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 测谎方法、装置、计算机设备和存储介质 |
| CN110427803A (zh) * | 2019-06-18 | 2019-11-08 | 平安科技（深圳）有限公司 | 基于视频分析的测谎方法、装置、电子设备及存储介质 |
| CN111222374A (zh) * | 2018-11-26 | 2020-06-02 | 广州慧睿思通信息科技有限公司 | 测谎数据处理方法、装置、计算机设备和存储介质 |
| WO2021004247A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京字节跳动网络技术有限公司 | 视频封面生成方法、装置及电子设备 |
| CN112560700A (zh) * | 2020-12-17 | 2021-03-26 | 北京赢识科技有限公司 | 一种基于动作分析的信息关联方法、装置及电子设备 |
| CN113080969A (zh) * | 2021-03-29 | 2021-07-09 | 济南大学 | 基于多模态特征的测谎数据处理方法及系统 |
-
2021
- 2021-08-20 CN CN202110960299.5A patent/CN113723242B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222374A (zh) * | 2018-11-26 | 2020-06-02 | 广州慧睿思通信息科技有限公司 | 测谎数据处理方法、装置、计算机设备和存储介质 |
| CN109793526A (zh) * | 2018-12-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 测谎方法、装置、计算机设备和存储介质 |
| CN110427803A (zh) * | 2019-06-18 | 2019-11-08 | 平安科技（深圳）有限公司 | 基于视频分析的测谎方法、装置、电子设备及存储介质 |
| WO2021004247A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京字节跳动网络技术有限公司 | 视频封面生成方法、装置及电子设备 |
| CN112560700A (zh) * | 2020-12-17 | 2021-03-26 | 北京赢识科技有限公司 | 一种基于动作分析的信息关联方法、装置及电子设备 |
| CN113080969A (zh) * | 2021-03-29 | 2021-07-09 | 济南大学 | 基于多模态特征的测谎数据处理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一种智能测谎系统的算法实现;程宇奇;仇铭婕;吕泳庆;朱明璞;;科学技术与工程;20170908(第25期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113723242A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111193923B (zh) | 视频质量评估方法、装置、电子设备及计算机存储介质 | |
| US20210110522A1 (en) | Image processing method and apparatus, and storage medium | |
| KR102406354B1 (ko) | 비디오 수복 방법 및 장치, 전자 기기 및 기억 매체 | |
| CN109922372B (zh) | 视频数据处理方法及装置、电子设备和存储介质 | |
| CN112101305B (zh) | 多路图像处理方法、装置及电子设备 | |
| CN110796664B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110070063B (zh) | 目标对象的动作识别方法、装置和电子设备 | |
| US20220383637A1 (en) | Live streaming sampling method and apparatus, and electronic device | |
| CN108632666B (zh) | 一种视频检测方法及视频检测设备 | |
| CN113962859B (zh) | 一种全景图生成方法、装置、设备及介质 | |
| CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
| CN110719407A (zh) | 图片美化方法、装置、设备及存储介质 | |
| CN113992860A (zh) | 基于云边协同的行为识别方法、装置、电子设备和介质 | |
| EP2827580B1 (en) | Flicker detection method and flicker detection apparatus | |
| CN113723242B (zh) | 基于视频终端的视觉测谎方法、电子设备及介质 | |
| CN110971833A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN110809166A (zh) | 视频数据处理方法、装置和电子设备 | |
| CN112990017B (zh) | 一种智慧城市大数据分析方法及监控系统 | |
| US11810336B2 (en) | Object display method and apparatus, electronic device, and computer readable storage medium | |
| CN116033199A (zh) | 多设备音视频同步方法、装置、电子设备及存储介质 | |
| CN115278189A (zh) | 图像色调映射方法及装置、计算机可读介质和电子设备 | |
| CN115514899A (zh) | 拍摄方法及装置、计算机可读介质和电子设备 | |
| CN112801997B (zh) | 图像增强质量评估方法、装置、电子设备及存储介质 | |
| CN111783632B (zh) | 针对视频流的人脸检测方法、装置、电子设备及存储介质 | |
| CN113111215A (zh) | 一种用户行为分析方法、装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |