CN117152819B - 一种人脸识别方法和装置 - Google Patents
一种人脸识别方法和装置 Download PDFInfo
- Publication number
- CN117152819B CN117152819B CN202311132474.7A CN202311132474A CN117152819B CN 117152819 B CN117152819 B CN 117152819B CN 202311132474 A CN202311132474 A CN 202311132474A CN 117152819 B CN117152819 B CN 117152819B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- camera
- brightness
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000007689 inspection Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 63
- 210000000697 sensory organ Anatomy 0.000 claims abstract description 23
- 125000001475 halogen functional group Chemical group 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 9
- 101000872083 Danio rerio Delta-like protein C Proteins 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000009432 framing Methods 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 10
- 210000003128 head Anatomy 0.000 description 10
- 230000001815 facial effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/593—Recognising seat occupancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸识别方法,包括:在马路边缘设置巡查摄像头,在马路的正上方设置捕捉摄像头,当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;对人脸图像处理以获得人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系,再进行人脸识别。该方案能够在夜晚逆光的条件下,进行人脸识别,实现安全带违章检查的车、牌、人一体检测。
Description
技术领域
本申请涉及人脸识别技术领域,尤其涉及一种人脸识别方法和装置。
背景技术
随着城市车辆的持续大量增加,公共交通管理愈发复杂,交通环境更加复杂,交通违章本身的突发性,监控取证的实时性对公共交通管理提出了更多的要求,近年来,随着图像处理、人工智能技术的发展,交通违章的抓取更多的交由以视频摄像作为主要监控来源的系统处理,大大的提升了公共交通管理过程中,交通违章抓取的效率。
在实际的工作过程中,通常由多个摄像头从多个角度对车辆执行拍摄,以获取车辆违章相关的多组信息,有理有据的对违章责任进行限定。其中对于不系安全带情况的违章拍摄,是将摄像头设置在马路上方,对车辆的驾驶室进行拍摄,拍摄主驾副驾甚至是后排成员是否系安全带。
然而为了明确违章车辆和违章驾驶员,防止违章后“代替扣分”需要在车辆违章时,通过一张照片记录车牌和驾驶员的完整面部。现有的违章拍摄,为了拍摄清楚,通常是对接近摄像头正下方的车辆进行拍摄,拍摄角度较高,因为车顶的遮挡,通常无法完整拍摄到驾驶员的面部。
为满足上述需求,现有两种拍摄方式,一种是通过相邻车道的摄像头拍摄驾驶员的人脸,该方案无法在一张图像中清晰的同时展示车牌和驾驶员,并且只能拍摄到驾驶员的侧脸;另一种是降低摄像头的拍摄角度,使得驾驶员的正脸能够完整的容纳到一张图像当中。
然而此种拍摄方式因为降低了拍摄角度,首先,降低拍摄角度之后,照片的拍摄范围更大,会拍摄到更多的车辆;画面中会出现多辆整车,包括完整的车辆和车辆的部分,而我们只需要对其中的违章车辆进行提取;在此基础之上,在夜间拍摄和隧道拍摄时,降低拍摄角度使得嫌疑车辆以及同向车道更多车辆车灯产生的光线大量入射到摄像头当中,产生了严重的逆光效果,并且车灯产生的逆光属于点状光源,不同于阳光等散射的自然光,会产生大量光晕,扩散到车辆尤其是车辆中人脸的图像上,如此逆光拍摄影响了拍摄后的人脸识别。
发明内容
本申请的目的在于提出一种能够在夜间或隧道的逆光环境下执行人脸识别的方法。
为了解决上述技术问题,本申请提供一种人脸识别方法,采用了如下所述的技术方案:
一种人脸识别方法,包括以下步骤:
在马路边缘设置巡查摄像头,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的车头;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,在同一图像中巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为45~60°;
在马路的正上方设置捕捉摄像头,所述捕捉摄像头从正前方拍摄车辆的车头;所述捕捉摄像头拍摄车辆中驾驶位照片;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为70~75°;
其中拍摄角度为巡查摄像头或捕捉摄像头,在竖直的平面中,从竖直向下的方向竖直向上的方向转动的角度;
当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
首先获取巡查摄像头拍摄的对比图像;对比图像中包括主驾的皮肤;
其次获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;识别第一处理图像,获得人脸轮廓内区域,对于第一处理图像进行处理,补偿所述人脸轮廓内区域中像素的亮度,获取第二处理图像,识别第二处理图像,获得五官位置;
基于所述对比图像中主驾的皮肤的饱和度与第二处理图像中人脸轮廓内区域饱和度之间的差距,提升所述人脸轮廓内区域的饱和度,获得五官和皮肤之间的亮度颜色关系。
在数据库中基于人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系执行匹配以确定驾驶员身份。
进一步的,控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像的方法,具体包括:
建立巡查摄像头在地面投影为原点,水平面为XY平面的巡查坐标系,和捕捉摄像头在地面投影为原点,水平面为XY平面的巡查坐标系;
计算巡查坐标系水平坐标向巡查坐标系水平坐标转换的特征向量;
根据巡查摄像头拍摄时的拍摄的主动PT坐标计算车辆在巡查坐标系中的位置(x,y);
通过所述特征向量将车辆在巡查坐标系中的位置(x,y)转换为车辆在捕捉坐标系中的位置(x1,y1);
根据所述车辆在捕捉坐标系的位置(x1,y1)计算捕捉摄像头拍摄车辆的从动PT坐标;
控制捕捉摄像头基于所述从动PT坐标转动,并以两倍车道宽度为捕捉摄像头取景宽度对车辆拍摄。
进一步的,在所述人脸图像上标记光晕区域的方法,包括:
在灰度模式下,通过二值化法,在人脸图像上标记所述光晕区域的轮廓,之后,通过区域连通法,将所述轮廓中的像素连成一片,以形成光晕区域;
之后通过二值化法检查光晕区域产生的跳变,将所述光晕区域分割为至少两个圆环形状或扇环形状的光晕子区域。
进一步的,所述消除光晕在人脸图像上产生的亮度的梯度的方法,具体包括:
基于所述跳变,对相邻的光晕子区域进行线性权重分布,以获取各个光晕子区域的权重;
在HSV模式下,根据人脸图像中光晕区域边缘像素的亮度值V1与相邻像素的亮度值V之间的差值ΔV,为所述边缘像素对应的光晕子区域的亮度调整值;
通过亮度调整值调整边缘像素对应的光晕子区域,并对亮度调整值基于线性权重分布加权得到加权调整值,通过加权调整值调整与线性权重分布相应的光晕子区域,使得光晕子区域与人脸图像上其他区域之间的亮度梯度消失。
进一步的,获得人脸轮廓内区域的方法,包括:
在RGB模式下,当像素的红色通道亮度与绿色通道亮度的差值大于第一阈值,红色通道亮度与蓝色通道亮度的差值大于第二阈值,且绿色通道亮度大于蓝色亮度时,所述像素属于人脸轮廓内区域。
进一步的,获得人脸轮廓内区域的方法的方法,还包括:对所述人脸轮廓内区域构建一条封闭的轮廓线;
将所述轮廓线以内的像素均划定为人脸轮廓内区域,将轮廓线以外的像素均划定为非人脸轮廓内区域。
进一步的,轮廓线的构建方法,包括:
对第一处理图像生成灰度图像;
在所述灰度图像中标记属于人脸轮廓内区域的像素;
对灰度图像执行二值化,并且将属于人脸轮廓内区域的像素标记为1,其他像素标记为0,以获取边缘标定图像;
对边缘标定图像执行开运算,并具体通过先腐蚀处理,再膨胀处理将人脸轮廓内区域对应像素标记为1,以获取边缘调整图像;
在边缘调整图像中将与标记为0像素相邻的标记为1的像素提取出来,并且选择连续的数量最多的一组像素,在第一处理图像对应位置标记轮廓线。
进一步的,所述第二处理图像的获取方法包括:
根据人脸图像上各个像素亮度的平均值,与所述人脸轮廓内区域中各像素亮度的平均值的比值,确定亮度补偿系数;
根据亮度补偿系数提升人脸轮廓内区域中各个像素的红色通道亮度、绿色通道亮度和蓝色通道亮度,以获取第二处理图像。
进一步的,所述提升所述人脸轮廓内区域的饱和度的方法,包括:
在对比图像中主驾的皮肤上采集若干像素的对比平均饱和度,在第二处理图像中人脸轮廓内区域上采集若干像素的人脸平均饱和度;
基于CCM模型,通过3*3矩阵表示对比平均饱和度和人脸平均饱和度/>
计算C00a和C00b的差值ΔC00、C11a和C11b的差值ΔC11、C22a和C22b的差值ΔC22,以获取饱和度调整值对应的矩阵
在RGB模式下,根据饱和度调整值,提升第二处理图像中人脸轮廓内区域上像素的饱和度:
其中,为第二处理图像的人脸区域中像素的RGB值,/>为第三处理图像的人脸区域中,像素的RGB值。
为解决上述技术问题,本申请还公开了:
一种人脸识别装置,包括:
在马路边缘设置巡查摄像头,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的车头;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,在同一图像中巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为45~60°;
在马路的正上方设置捕捉摄像头,所述捕捉摄像头从正前方拍摄车辆的车头;所述捕捉摄像头拍摄车辆中驾驶位照片;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为70~75°;
其中拍摄角度为巡查摄像头或捕捉摄像头,在竖直的平面中,从竖直向下的方向竖直向上的方向转动的角度;
联动拍摄模块,用于当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
首先获取巡查摄像头拍摄的对比图像;对比图像中包括主驾的皮肤;
其次获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
位置处理模块,用于在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;识别第一处理图像,获得人脸轮廓内区域,对于第一处理图像进行处理,补偿所述人脸轮廓内区域中像素的亮度,获取第二处理图像,识别第二处理图像,获得五官位置;
内容处理模块,用于基于所述对比图像中主驾的皮肤的饱和度与第二处理图像中人脸轮廓内区域饱和度之间的差距,提升所述人脸轮廓内区域的饱和度,获得五官和皮肤之间的亮度颜色关系。
识别模块,用于在数据库中基于人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系执行匹配以确定驾驶员身份。
与现有技术相比,本申请实施例主要有以下有益效果:设置巡查摄像头检测不系安全带的现象,巡查摄像头在斜侧方以广阔的拍摄区域对同向车辆中的驾驶员进行系安全带检测。
首先拍摄范围大能够覆盖大量车辆,巡查摄像头的检测量大,防止检测的遗漏;其次拍摄范围大使得车辆在图像当中出现的时间较长,给巡查摄像头的检测和后续的联动控制捕捉摄像头拍摄争取时间;
再次斜侧拍摄车辆车牌物无遮挡,能够清晰准确的获取车辆的车牌信息。
当巡查摄像头检测到存在车辆,其驾驶员没有系安全带时,通过联动的方式控制捕捉摄像头在车辆的正前方,对驾驶员执行拍摄,以拍摄获取驾驶员的面部特征,用于人脸识别。
巡查摄像头和捕捉摄像头,均是对汽车的车头进行拍摄,汽车车头包括车辆前脸,车牌和驾驶室;
巡查摄像机,参考说明书附图的拍摄位置,能够从斜侧方拍摄到驾驶室中的主驾,能够拍摄到主驾有无不系安全带的情况,通过拍摄脖子脸的部分区域,拍摄到主驾的皮肤;
捕捉摄像机,参考说明书附图的拍摄位置,能够从正面拍摄到主驾的完整人脸。
通过巡查摄像头和捕捉摄像头两组摄像头进行拍摄,便于不系安全带违章检测过程中人、车、牌三者信息的统一获取。
捕捉摄像机为了从正面拍摄车辆和清晰完整人脸,而将摄像的角度放平,在夜间或隧道中同时受到被拍摄的车辆本身以及同侧车辆前大灯的照射,接收了大量光线时:存在大量前大灯产生的逆光;
并且前大灯作为点光源,会产生较为强烈的光晕被捕捉摄像机获取,在图像上呈现出光晕区域;
此外,因为捕捉摄像机拍摄的图像画面中包括强光,即便增加了补光手段,人脸通常是在暗处,强光的存在会导致暗处的人脸颜色暗淡,五官的特征无法被识别。
对圆环、扇环形状的各个光晕区域进行亮度控制,控制光晕对人脸图像造成的叠加影响,使得调整所得的第一处理图像呈现出亮度色调均匀的图像;
之后在在第一处理图像的基础之上,划定人脸轮廓内区域和非人脸轮廓内区域,通常人脸轮廓内区域因为处于逆光,造成亮度较低,提升人脸轮廓内区域的亮度获取第二处理图像,以处理逆光造成了人脸偏黑的问题;
在第二处理图像的基础之上,根据巡查摄像头拍摄的图像中皮肤的饱和度对第二图像进行调整,以辅助人脸上五官的准确表达,饱和度的调整并非一味的高为好,过高的饱和度,导致图像杂乱,同样无法准确表达五官的特征,需要基于拍摄环境调整饱和度,控制图像的饱和度在合理范围之内。
具体巡查摄像机和捕捉摄像机的拍摄环境是相同的,区别仅在于拍摄角度中是否存在大量逆光,而环境光所产生的光照大体相同,基于巡查摄像机拍摄图像中皮肤的饱和度能够反映当前拍摄环境下,皮肤应有的饱和度,据此为基准进行饱和度的调整,能够实现人脸五官特征的准确表达。
之后基于人脸五官的特征对第三处理图像执行匹配能够保证人脸识别的精度。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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他的附图。
图1是本申请一种人脸识别方法的装置中巡查摄像头和捕捉摄像头拍摄区域的示意图;
图2是本申请一种人脸识别方法的装置中巡查摄像头和捕捉摄像头设置方式的示意图;
图3是本申请一种人脸识别方法的装置提供的一种计算机设备的示意框图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
一种人脸识别方法,包括以下步骤:
在马路边缘设置巡查摄像头100,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的车头;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,在同一图像中巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为45~60°;
在马路的正上方设置捕捉摄像头200,所述捕捉摄像头从正前方拍摄车辆的车头;所述捕捉摄像头拍摄车辆中驾驶位照片;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为70~75°;
其中拍摄角度为巡查摄像头或捕捉摄像头,在竖直的平面中,从竖直向下的方向竖直向上的方向转动的角度;
当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
首先获取巡查摄像头拍摄的对比图像;对比图像中包括主驾的皮肤;
其次获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;识别第一处理图像,获得人脸轮廓内区域,对于第一处理图像进行处理,补偿所述人脸轮廓内区域中像素的亮度,获取第二处理图像,识别第二处理图像,获得五官位置;
基于所述对比图像中主驾的皮肤的饱和度与第二处理图像中人脸轮廓内区域饱和度之间的差距,提升所述人脸轮廓内区域的饱和度,获得五官和皮肤之间的亮度颜色关系。
在数据库中基于人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系执行匹配以确定驾驶员身份。
与现有技术相比,本申请实施例主要有以下有益效果:设置巡查摄像头检测不系安全带的现象,巡查摄像头在斜侧方以广阔的拍摄区域对同向车辆中的驾驶员进行系安全带检测。
首先拍摄范围大能够覆盖大量车辆,巡查摄像头的检测量大,防止检测的遗漏;其次拍摄范围大使得车辆在图像当中出现的时间较长,给巡查摄像头的检测和后续的联动控制捕捉摄像头拍摄争取时间;
再次斜侧拍摄车辆车牌物无遮挡,能够清晰准确的获取车辆的车牌信息。
当巡查摄像头检测到存在车辆,其驾驶员没有系安全带时,通过联动的方式控制捕捉摄像头在车辆的正前方,对驾驶员执行拍摄,以拍摄获取驾驶员的面部特征,用于人脸识别。
巡查摄像头和捕捉摄像头,均是对汽车的车头进行拍摄,汽车车头包括车辆前脸,车牌和驾驶室;
巡查摄像机,参考说明书附图的拍摄位置,能够从斜侧方拍摄到驾驶室中的主驾,能够拍摄到主驾有无不系安全带的情况,通过拍摄脖子脸的部分区域,拍摄到主驾的皮肤;
捕捉摄像机,参考说明书附图的拍摄位置,能够从正面拍摄到主驾的完整人脸。
通过巡查摄像头和捕捉摄像头两组摄像头进行拍摄,便于不系安全带违章检测过程中人、车、牌三者信息的统一获取。
捕捉摄像机为了从正面拍摄车辆和清晰完整人脸,而将摄像的角度放平,在夜间或隧道中同时受到被拍摄的车辆本身以及同侧车辆前大灯的照射,接收了大量光线时:存在大量前大灯产生的逆光;
并且前大灯作为点光源,会产生较为强烈的光晕被捕捉摄像机获取,在图像上呈现出光晕区域;
此外,因为捕捉摄像机拍摄的图像画面中包括强光,即便增加了补光手段,人脸通常是在暗处,强光的存在会导致暗处的人脸颜色暗淡,五官的特征无法被识别。
对圆环、扇环形状的各个光晕区域进行亮度控制,控制光晕对人脸图像造成的叠加影响,使得调整所得的第一处理图像呈现出亮度色调均匀的图像;
之后在在第一处理图像的基础之上,划定人脸轮廓内区域和非人脸轮廓内区域,通常人脸轮廓内区域因为处于逆光,造成亮度较低,提升人脸轮廓内区域的亮度获取第二处理图像,以处理逆光造成了人脸偏黑的问题;
在第二处理图像的基础之上,根据巡查摄像头拍摄的图像中皮肤的饱和度对第二图像进行调整,以辅助人脸上五官的准确表达,饱和度的调整并非一味的高为好,过高的饱和度,导致图像杂乱,同样无法准确表达五官的特征,需要基于拍摄环境调整饱和度,控制图像的饱和度在合理范围之内。
具体巡查摄像机和捕捉摄像机的拍摄环境是相同的,区别仅在于拍摄角度中是否存在大量逆光,而环境光所产生的光照大体相同,基于巡查摄像机拍摄图像中皮肤的饱和度能够反映当前拍摄环境下,皮肤应有的饱和度,据此为基准进行饱和度的调整,能够实现人脸五官特征的准确表达。
之后基于人脸五官的特征对第三处理图像执行匹配能够保证人脸识别的精度。
其中,巡查摄像头设置在马路边缘,对马路进行拍摄,拍摄时,摄像头与马路轴线之间的夹角为30度到60度,一方面防止底盘低的小车的车牌被前方大车遮挡,一方面保证车牌和主驾能够被拍摄到,不至于角度太小而无法被识别,通过一个巡查摄像头对多个车道上的不系安全带情况进行检查,当出现不系安全带情况时,与特定车道上的捕捉摄像头进行联动;或者是设置多个巡查摄像头,每个巡查摄像头都对对应的车道进行检查并分别与捕捉摄像头进行联动。
进一步的,控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像的方法,具体包括:
建立巡查摄像头在地面投影为原点,水平面为XY平面的巡查坐标系,和捕捉摄像头在地面投影为原点,水平面为XY平面的巡查坐标系;
计算巡查坐标系水平坐标向巡查坐标系水平坐标转换的特征向量;
根据巡查摄像头拍摄时的拍摄的主动PT坐标计算车辆在巡查坐标系中的位置(x,y);
通过所述特征向量将车辆在巡查坐标系中的位置(x,y)转换为车辆在捕捉坐标系中的位置(x1,y1);
根据所述车辆在捕捉坐标系的位置(x1,y1)计算捕捉摄像头拍摄车辆的从动PT坐标;
控制捕捉摄像头基于所述从动PT坐标转动,并以两倍车道宽度为捕捉摄像头取景宽度对车辆拍摄。
该方案能够基于巡查摄像头拍摄位置赢得的大量响应时间,控制捕捉摄像头联动,抓取特定车辆的图像,考虑到延迟合理扩大捕捉摄像头的取景范围,以保证对车辆的拍摄。该方案能够高成功率的,满足对违章过程中车、牌、人脸的同时获取。
进一步的,在所述人脸图像上标记光晕区域的方法,包括:
在灰度模式下,通过二值化法,在人脸图像上标记所述光晕区域的轮廓,之后,通过区域连通法,将所述轮廓中的像素连成一片,以形成光晕区域;
之后通过二值化法检查光晕区域产生的跳变,将所述光晕区域分割为至少两个圆环形状或扇环形状的光晕子区域。
因为捕捉摄像头为抓拍到车辆,适当扩大了捕捉摄像头的取景范围,造成夜间拍摄时拍摄范围内存在包括车辆本身以及相邻车辆大灯产生的光晕,这些光晕首先属于强光,造成即便是补光情况下人脸区域依旧偏暗的问题;其次这些光晕会造成图像中存在亮度上的梯度变化,需要将图像上的亮度梯度去除,再进行后续处理。
该方案通过二值化法和区域连通法,在图像上标记光晕区域,并且区分不同亮度的光晕子区域,有利于后续分别对光晕子区域执行亮度梯度调整,该方案,能够准确的分割光晕扩散产生的区域。
进一步的,所述消除光晕在人脸图像上产生的亮度的梯度的方法,具体包括:
基于所述跳变,对相邻的光晕子区域进行线性权重分布,以获取各个光晕子区域的权重;
在HSV模式下,根据人脸图像中光晕区域边缘像素的亮度值V1与相邻像素的亮度值V之间的差值ΔV,为所述边缘像素对应的光晕子区域的亮度调整值;
通过亮度调整值调整边缘像素对应的光晕子区域,并对亮度调整值基于线性权重分布加权得到加权调整值,通过加权调整值调整与线性权重分布相应的光晕子区域,使得光晕子区域与人脸图像上其他区域之间的亮度梯度消失。
基于ΔV对光晕区域中靠近边缘的光晕子区域进行亮度调整消除亮度梯度,在基于权重对其他光晕子区域调整亮度,以逐步想出各个光晕子区域与光晕区域以外区域之间的亮度梯度,亮度梯度的消除更为自然,有利于后续通过亮度调整的方式对图像进行处理时的精度。
进一步的,获得人脸轮廓内区域的方法,包括:
在RGB模式下,当像素的红色通道亮度与绿色通道亮度的差值大于第一阈值,红色通道亮度与蓝色通道亮度的差值大于第二阈值,且绿色通道亮度大于蓝色亮度时,所述像素属于人脸轮廓内区域。
夜间车辆驾驶室的环境中,通常都是一些色度和亮度都比较低的元素,从正面拍摄到的包括主驾和副驾的衣服、车座,后排因为光照原因,颜色非常暗淡,而衣服通常与皮肤的颜色相差较大,显露出的座椅因为景深和光照原因同样相对暗淡很多,并且即便是位数不多的浅色座椅,与人脸轮廓内区域之间也能在色相上拉开差距。
基于RGB模式下,色相和亮度分别通过红绿蓝三个通道综合显示,人脸轮廓内区域与车辆中其他元素之间的差距相对明显,尤其是人脸轮廓内区域在该环境下拍摄时,表现出的的蓝色色相远少于车辆中的其他元素,同时皮肤中红色色相通常较多;
因此在RGB模式下,人脸轮廓内区域的红色通道亮度、绿色通道亮度、蓝色通道亮度依次降低,并且数值差距较大,同时这一特性与车辆上其他元素之间产生明显差距,基于红色通道亮度、绿色通道亮度和蓝色通道亮度之间的差值能够准确区分人脸轮廓内区域和非人脸轮廓内区域。
进一步的,获得人脸轮廓内区域的方法的方法,还包括:对所述人脸轮廓内区域构建一条封闭的轮廓线;
将所述轮廓线以内的像素均划定为人脸轮廓内区域,将轮廓线以外的像素均划定为非人脸轮廓内区域。
在前述方案的基础之上,基于RBG各个通道亮度调整的确定人脸轮廓内区域的方案,因为图像噪点以及背景中近似颜色的存在,存在一定量的多检;因为人脸中包括眉、眼、唇等部位与皮肤颜色存在差距无法有效纳入人脸轮廓内区域中,存在漏检;因此通过大量像素的对比,在人脸轮廓内区域边缘生成一条轮廓线,形成一个封闭区域,并且将封闭区域中的所有像素都纳入人脸轮廓内区域当中
如此人脸轮廓内区域更为完整、准确,有利于后续图像处理过程中,对图像执行准确处理,并且提升人脸识别的精度。
进一步的,轮廓线的构建方法,包括:
对第一处理图像生成灰度图像;
在所述灰度图像中标记属于人脸轮廓内区域的像素;
对灰度图像执行二值化,并且将属于人脸轮廓内区域的像素标记为1,其他像素标记为0,以获取边缘标定图像;
对边缘标定图像执行开运算,并具体通过先腐蚀处理,再膨胀处理将人脸轮廓内区域对应像素标记为1,以获取边缘调整图像;
在边缘调整图像中将与标记为0像素相邻的标记为1的像素提取出来,并且选择连续的数量最多的一组像素,在第一处理图像对应位置标记轮廓线。
第一处理图像只做了亮度上的调整,第一处理图像中的色相依然是杂乱的,皮肤的色相和亮度与车辆中其他元素的色相和亮度之间存在一定量的差距,通过二值化处理得到的灰度图像,能够区分大量颜色或亮度与皮肤相近的图像,在灰度图像当中,形成比第一处理图像更为明晰的人脸轮廓内区域的。
在此基础之上,基于开运算对人脸轮廓内区域的边缘进行处理,使得人脸轮廓内区域的边缘更为平滑,在二值化的灰度图像通过1和0标记像素的场景当中,更容易形成一条完整的0和1之间的边界,其中通过相邻像素差异标记的形式,提取连续标记最多的一组像素,这一组像素形成的完整区域包括人脸的全部图像。
将上述这一组像素标记在第一处理图像的对应位置上,形成轮廓线,并将上述轮廓线以内的所有像素均标记到人脸轮廓内区域中,能够将人脸上的皮肤和五官完整纳入人脸轮廓内区域中。显然这一组像素以外的像素均被排除,从而排除掉其他颜色与皮肤比较接近的区域,以及噪点产生的干扰,整个面部区域完整的框定在人脸轮廓内区域当中。
如此人脸轮廓内区域更为完整、准确,有利于后续图像处理过程中,对图像执行准确处理,并且提升人脸识别的精度。
进一步的,所述第二处理图像的获取方法包括:
根据人脸图像上各个像素亮度的平均值,与所述人脸轮廓内区域中各像素亮度的平均值的比值,确定亮度补偿系数;
根据亮度补偿系数提升人脸轮廓内区域中各个像素的红色通道亮度、绿色通道亮度和蓝色通道亮度,以获取第二处理图像。
进一步的,所述提升所述人脸轮廓内区域的饱和度的方法,包括:
在对比图像中主驾的皮肤上采集若干像素的对比平均饱和度,在第二处理图像中人脸轮廓内区域上采集若干像素的人脸平均饱和度;
基于CCM模型,通过3*3矩阵表示对比平均饱和度和人脸平均饱和度/>
计算C00a和C00b的差值ΔC00、C11a和C11b的差值ΔC11、C22a和C22b的差值ΔC22,以获取饱和度调整值
在RGB模式下,根据饱和度调整值,提升第二处理图像中人脸轮廓内区域上像素的饱和度:
其中,为第二处理图像的人脸区域中像素的RGB值,/>为第三处理图像的人脸区域中,像素的RGB值。
本实施例中,CCM模型基于3*3矩阵对图像的饱和度进行表示,基于平均饱和度确定当前拍摄环境下,自然光在人脸上产生图像的饱和度情况,之后通过C00a、C11a和C22a对平均饱和度对应矩阵进行调整,并根据3*3矩阵对应元素的差值,调整人脸轮廓内区域的饱和度,以获取饱和度调整值,其中饱和度调整值对应3*3矩阵只有对角线的元素被调整,因此饱和度的调整是基于像素本身固有的亮度高低进行相应幅度的调整,人脸区域饱和度变化之后,图像的显示更为稳定连续,人脸五官的特征更为清晰。
本领域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流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步的,作为对上述所示方法的实现,本申请提供了一种人脸识别装置的一个实施例,该装置实施例与上述的方法实施例相对应,该装置具体可以应用于各种电子设备中。
一种人脸识别装置,包括:
在马路边缘设置巡查摄像头,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的正面;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为向下30度到向下45度;
在马路的正上方设置捕捉摄像头,所述捕捉摄像头从正前方拍摄车辆的正面;所述捕捉摄像头拍摄车辆中主驾的人脸;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为向下15度到20度;
联动拍摄模块,用于当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
第一处理模块,用于在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;
第二处理模块,用于在第一处理图像上划定人脸轮廓内区域和非人脸轮廓内区域,补偿所述人脸轮廓内区域像素的亮度,以获取第二处理图像;
识别模块,用于在数据库中对第二处理图像执行匹配以确定驾驶员身份。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图3,图3为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如一种人脸识别方法的程序代码等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据,例如运行所述一种人脸识别方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即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一种人脸识别程序,所述一种人脸识别程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的一种人脸识别方法的步骤。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (9)
1.一种人脸识别方法,其特征在于:包括以下步骤:
在马路边缘设置巡查摄像头,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的车头;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,在同一图像中巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为45~60°;
在马路的正上方设置捕捉摄像头,所述捕捉摄像头从正前方拍摄车辆的车头;所述捕捉摄像头拍摄车辆中驾驶位照片;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为70~75°;
其中拍摄角度为巡查摄像头或捕捉摄像头,在竖直的平面中,从竖直向下的方向竖直向上的方向转动的角度;
当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
首先获取巡查摄像头拍摄的对比图像;对比图像中包括主驾的皮肤;
其次获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
具体包括:
建立巡查摄像头在地面投影为原点,水平面为XY平面的巡查坐标系,和捕捉摄像头在地面投影为原点,水平面为XY平面的巡查坐标系;
计算巡查坐标系水平坐标向巡查坐标系水平坐标转换的特征向量;
根据巡查摄像头拍摄时的拍摄的主动PT坐标计算车辆在巡查坐标系中的位置(x,y);
通过所述特征向量将车辆在巡查坐标系中的位置(x,y)转换为车辆在捕捉坐标系中的位置(x1,y1);
根据所述车辆在捕捉坐标系的位置(x1,y1)计算捕捉摄像头拍摄车辆的从动PT坐标;
控制捕捉摄像头基于所述从动PT坐标转动,并以两倍车道宽度为捕捉摄像头取景宽度对车辆拍摄;
在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;识别第一处理图像,获得人脸轮廓内区域,对于第一处理图像进行处理,补偿所述人脸轮廓内区域中像素的亮度,获取第二处理图像,识别第二处理图像,获得五官位置;
基于所述对比图像中主驾的皮肤的饱和度与第二处理图像中人脸轮廓内区域饱和度之间的差距,提升所述人脸轮廓内区域的饱和度,获得五官和皮肤之间的亮度颜色关系;
在数据库中基于人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系执行匹配以确定驾驶员身份。
2.根据权利要求1所述的一种人脸识别方法,其特征在于:在所述人脸图像上标记光晕区域的方法,包括:
在灰度模式下,通过二值化法,在人脸图像上标记所述光晕区域的轮廓,之后,通过区域连通法,将所述轮廓中的像素连成一片,以形成光晕区域;
之后通过二值化法检查光晕区域产生的跳变,将所述光晕区域分割为至少两个圆环形状或扇环形状的光晕子区域。
3.根据权利要求2所述的一种人脸识别方法,其特征在于:所述消除光晕在人脸图像上产生的亮度的梯度的方法,具体包括:
基于所述跳变,对相邻的光晕子区域进行线性权重分布,以获取各个光晕子区域的权重;
在HSV模式下,根据人脸图像中光晕区域边缘像素的亮度值V1与相邻像素的亮度值V之间的差值ΔV,为所述边缘像素对应的光晕子区域的亮度调整值;
通过亮度调整值调整边缘像素对应的光晕子区域,并对亮度调整值基于线性权重分布加权得到加权调整值,通过加权调整值调整与线性权重分布相应的光晕子区域,使得光晕子区域与人脸图像上其他区域之间的亮度梯度消失。
4.根据权利要求3所述的一种人脸识别方法,其特征在于:获得人脸轮廓内区域的方法,包括:
在RGB模式下,当像素的红色通道亮度与绿色通道亮度的差值大于第一阈值,红色通道亮度与蓝色通道亮度的差值大于第二阈值,且绿色通道亮度大于蓝色亮度时,所述像素属于人脸轮廓内区域。
5.根据权利要求4所述的一种人脸识别方法,其特征在于:获得人脸轮廓内区域的方法的方法,还包括:对所述人脸轮廓内区域构建一条封闭的轮廓线;
将所述轮廓线以内的像素均划定为人脸轮廓内区域,将轮廓线以外的像素均划定为非人脸轮廓内区域。
6.根据权利要求5所述的一种人脸识别方法,其特征在于:轮廓线的构建方法,包括:
对第一处理图像生成灰度图像;
在所述灰度图像中标记属于人脸轮廓内区域的像素;
对灰度图像执行二值化,并且将属于人脸轮廓内区域的像素标记为1,其他像素标记为0,以获取边缘标定图像;
对边缘标定图像执行开运算,并具体通过先腐蚀处理,再膨胀处理将人脸轮廓内区域对应像素标记为1,以获取边缘调整图像;
在边缘调整图像中将与标记为0像素相邻的标记为1的像素提取出来,并且选择连续的数量最多的一组像素,在第一处理图像对应位置标记轮廓线。
7.根据权利要求6所述的一种人脸识别方法,其特征在于:所述第二处理图像的获取方法包括:
根据人脸图像上各个像素亮度的平均值,与所述人脸轮廓内区域中各像素亮度的平均值的比值,确定亮度补偿系数;
根据亮度补偿系数提升人脸轮廓内区域中各个像素的红色通道亮度、绿色通道亮度和蓝色通道亮度,以获取第二处理图像。
8.根据权利要求1所述的一种人脸识别方法,其特征在于:所述提升所述人脸轮廓内区域的饱和度的方法,包括:
在对比图像中主驾的皮肤上采集若干像素的对比平均饱和度,在第二处理图像中人脸轮廓内区域上采集若干像素的人脸平均饱和度;
基于CCM模型,通过3*3矩阵表示对比平均饱和度和人脸平均饱和度/>
计算C00a和C00b的差值ΔC00、C11a和C11b的差值ΔC11、C22a和C22b的差值ΔC22,以获取饱和度调整值对应的矩阵
在RGB模式下,根据饱和度调整值,提升第二处理图像中人脸轮廓内区域上像素的饱和度:
其中,为第二处理图像的人脸区域中像素的RGB值/>为第三处理图像的人脸区域中,像素的RGB值。
9.一种人脸识别装置,其特征在于,包括:
在马路边缘设置巡查摄像头,所述巡查摄像头从斜侧拍摄马路上行驶的车辆的车头;所述巡查摄像头拍摄车辆中主驾安全带固定区域是否系有安全带,在同一图像中巡查摄像头还拍摄所述车辆的车牌;所述巡查摄像头设置的高度为6米到7米;所述巡查摄像头的拍摄角度为45~60°;
在马路的正上方设置捕捉摄像头,所述捕捉摄像头从正前方拍摄车辆的车头;所述捕捉摄像头拍摄车辆中驾驶位照片;所述捕捉摄像头设置的高度为5米到5.5米;所述捕捉摄像头的拍摄角度为70~75°;
其中拍摄角度为巡查摄像头或捕捉摄像头,在竖直的平面中,从竖直向下的方向竖直向上的方向转动的角度;
联动拍摄模块,用于当所述巡查摄像头检测到车辆中主驾安全带固定区域没有系安全带时:
首先获取巡查摄像头拍摄的对比图像;对比图像中包括主驾的皮肤;
其次获取巡查摄像头拍摄的路面位置,并控制捕捉摄像头对所述路面位置执行拍摄,以获取人脸图像;
具体包括:
建立巡查摄像头在地面投影为原点,水平面为XY平面的巡查坐标系,和捕捉摄像头在地面投影为原点,水平面为XY平面的巡查坐标系;
计算巡查坐标系水平坐标向巡查坐标系水平坐标转换的特征向量;
根据巡查摄像头拍摄时的拍摄的主动PT坐标计算车辆在巡查坐标系中的位置(x,y);
通过所述特征向量将车辆在巡查坐标系中的位置(x,y)转换为车辆在捕捉坐标系中的位置(x1,y1);
根据所述车辆在捕捉坐标系的位置(x1,y1)计算捕捉摄像头拍摄车辆的从动PT坐标;
控制捕捉摄像头基于所述从动PT坐标转动,并以两倍车道宽度为捕捉摄像头取景宽度对车辆拍摄;
位置处理模块,用于在所述人脸图像上标记光晕区域,并且在HSV模式下调整所述光晕区域中像素的亮度,以消除光晕在人脸图像上产生的亮度的梯度,获得第一处理图像;识别第一处理图像,获得人脸轮廓内区域,对于第一处理图像进行处理,补偿所述人脸轮廓内区域中像素的亮度,获取第二处理图像,识别第二处理图像,获得五官位置;
内容处理模块,用于基于所述对比图像中主驾的皮肤的饱和度与第二处理图像中人脸轮廓内区域饱和度之间的差距,提升所述人脸轮廓内区域的饱和度,获得五官和皮肤之间的亮度颜色关系;
识别模块,用于在数据库中基于人脸轮廓内区域、五官位置和五官和皮肤之间的亮度颜色关系执行匹配以确定驾驶员身份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132474.7A CN117152819B (zh) | 2023-09-04 | 2023-09-04 | 一种人脸识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132474.7A CN117152819B (zh) | 2023-09-04 | 2023-09-04 | 一种人脸识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117152819A CN117152819A (zh) | 2023-12-01 |
CN117152819B true CN117152819B (zh) | 2024-04-19 |
Family
ID=88905770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311132474.7A Active CN117152819B (zh) | 2023-09-04 | 2023-09-04 | 一种人脸识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152819B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080028700A (ko) * | 2006-09-27 | 2008-04-01 | 김종헌 | 얼굴인식 보안 감시 방법과 이에 적용되는 얼굴인식장치 |
CN103824452A (zh) * | 2013-11-22 | 2014-05-28 | 银江股份有限公司 | 一种轻量级的基于全景视觉的违章停车检测装置 |
DE102013201821A1 (de) * | 2013-02-05 | 2014-08-07 | GESIG, Gesellschaft für Signalanlagen Gesellschaft m.b.H. | Verfahren und System zur Erfassung von Falschfahrern |
CN107277356A (zh) * | 2017-07-10 | 2017-10-20 | 广东欧珀移动通信有限公司 | 逆光场景的人脸区域处理方法和装置 |
WO2019011110A1 (zh) * | 2017-07-10 | 2019-01-17 | Oppo广东移动通信有限公司 | 逆光场景的人脸区域处理方法和装置 |
CN111263074A (zh) * | 2020-03-13 | 2020-06-09 | 深圳市雄帝科技股份有限公司 | 摄像头亮度自动调节的方法、系统、设备及其存储介质 |
-
2023
- 2023-09-04 CN CN202311132474.7A patent/CN117152819B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080028700A (ko) * | 2006-09-27 | 2008-04-01 | 김종헌 | 얼굴인식 보안 감시 방법과 이에 적용되는 얼굴인식장치 |
DE102013201821A1 (de) * | 2013-02-05 | 2014-08-07 | GESIG, Gesellschaft für Signalanlagen Gesellschaft m.b.H. | Verfahren und System zur Erfassung von Falschfahrern |
CN103824452A (zh) * | 2013-11-22 | 2014-05-28 | 银江股份有限公司 | 一种轻量级的基于全景视觉的违章停车检测装置 |
CN107277356A (zh) * | 2017-07-10 | 2017-10-20 | 广东欧珀移动通信有限公司 | 逆光场景的人脸区域处理方法和装置 |
WO2019011110A1 (zh) * | 2017-07-10 | 2019-01-17 | Oppo广东移动通信有限公司 | 逆光场景的人脸区域处理方法和装置 |
CN111263074A (zh) * | 2020-03-13 | 2020-06-09 | 深圳市雄帝科技股份有限公司 | 摄像头亮度自动调节的方法、系统、设备及其存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117152819A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021208275A1 (zh) | 一种交通视频背景建模方法及系统 | |
CN108009531B (zh) | 一种多策略防欺诈的人脸识别方法 | |
US20220103739A1 (en) | Systems and methods for determining exposure parameter of an image capture device | |
US9104914B1 (en) | Object detection with false positive filtering | |
CN105184787B (zh) | 一种自动对人像进行抠图的证照相机及方法 | |
CN108038416B (zh) | 车道线检测方法及系统 | |
TW202013252A (zh) | 車牌辨識系統與方法 | |
CN101599175B (zh) | 确定拍摄背景发生改变的检测方法及图像处理设备 | |
US20210166015A1 (en) | Certificate image extraction method and terminal device | |
CN103942539B (zh) | 一种人头部椭圆精确高效提取及遮蔽人脸检测方法 | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
CN106991821A (zh) | 违章车辆用手持移动终端数据采集系统 | |
CN111835961B (zh) | 一种相机自动曝光的信息处理方法、装置及存储介质 | |
CN112863194B (zh) | 一种图像处理方法、装置、终端及介质 | |
JP5338762B2 (ja) | ホワイトバランス係数算出装置及びプログラム | |
CN117152819B (zh) | 一种人脸识别方法和装置 | |
CN110188693B (zh) | 改进的复杂环境车辆特征提取和停车判别方法 | |
CN110135274B (zh) | 一种基于人脸识别的人流量统计方法 | |
CN116052090A (zh) | 图像质量评估方法、模型训练方法、装置、设备及介质 | |
CN115965934A (zh) | 一种停车位检测方法及装置 | |
CN109584604A (zh) | 一种服务区检测车位疏密度的智慧灯杆及方法 | |
CN110321973B (zh) | 一种基于视觉的组合车辆检测方法 | |
CN114943994A (zh) | 掌静脉识别系统的控制方法、装置、控制器及存储介质 | |
CN106920398A (zh) | 一种智能车牌识别系统 | |
CN113449574A (zh) | 目标上内容的识别方法及装置、存储介质、计算机设备 |
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 |