申请/专利权人：燕山大学

申请日：2018-07-20

公开（公告）日：2021-01-15

公开（公告）号：CN109002801B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101);G06T7/187(20170101);G06T7/254(20170101);G06T7/62(20170101);G07F19/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.01.15#授权;2019.01.08#实质审查的生效;2018.12.14#公开

摘要：本发明公开了一种基于视频监控的人脸遮挡检测方法及系统，该方法包括获取视频监控设备采集的动态视频图像；采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。应用本发明提供的方法或者系统，能够耗时少、实时性高、精度高、误差低的实现人脸遮挡检测。

主权项：1.一种基于视频监控的人脸遮挡检测方法，其特征在于，所述人脸遮挡检测方法包括：获取视频监控设备采集的动态视频图像；采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；对所述运动物体区域图像进行数学形态学处理，其中对所述运动物体区域图像进行数学形态学处理，处理方式为先小面积膨胀、填洞再大面积腐蚀进行填充；提取处理后的运动物体区域图像的各个连通区域并标记；计算各个标记的连通区域的面积；根据各个所述标记的连通区域的面积，确定最大连通区域；对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标；对所述最大连通区域进行垂直投影处理，得到垂直投影图像；确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值；所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标；对所述垂直投影图像进行水平投影处理，得到水平投影图像；确定所述水平投影图像的水平临界值；所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标；根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像；将左、右界限点的所述横坐标分别设置为a1和a2，所述纵坐标设置为b1，找出所述a1、所述a2和所述b1的思路为：所述a1、所述a2和所述b1为投影之后的图像所对应的函数开始急剧变化的临界点，计算投影之后的图像所对应的函数每个点的一阶导数，导数越大越陡峭，从而找出这三个临界点；采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测；所述采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像，具体包括：采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果；若所述第一判断结果表示所述动态视频图像中进入所述运动物体，则确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域；若所述第一判断结果表示所述动态视频图像中未进入所述运动物体，则更新所述混合高斯背景模型的背景参数。

全文数据：一种基于视频监控的人脸遮挡检测方法及系统技术领域[0001]本发明涉及智能监控技术领域，特别涉及一种基于视频监控的人脸遮挡检测方法及系统。背景技术[0002]随着信息化的发展，自动柜员机（以下简称ATM机的应用越来越广泛，由于无人看守以及电子金融的特性，ATM机在给人们带来方便的同时，也使犯罪分子有机可乘。通过实际案例发现，此类案件的犯罪人员往往戴有墨镜、口罩或者帽子等遮挡饰物来遮挡面部。因此，为了及时防范该类案件的发生，检测并判识出戴有饰物遮挡的人脸显得尤其重要。[0003]目前为止，关于检测具有饰物遮挡的人脸并判识其饰物类别的研究并不多见。Froba等人提出的校正统计转换MCT算法。Dong和Soh利用混合高斯模型先检测到运动目标，然后运动肤色检测分割出人脸区域，再提出面部的五官特征，通过阈值来判断人脸是否被遮挡。袁宝华在已经定位好的人头图像中，通过五官是否缺失来判断该人脸是否戴有遮挡饰物，她使用的大部分都是简单的图像处理的方法。李岩提出了在初次对检测出的可能的人脸的基础上，再进行一次人脸有无饰物遮挡的判断，他利用帧差法和Adaboost分类器来进行检测。郭思郁利用椭圆拟合和传统的肤色检测以及五官检测的方法来进行检测。但是从整体上来讲，无论是国内还是国外的现有的研究，对具有遮挡饰物的人脸的检测和判识的方法都不算成熟，仍存在许多不足。归纳起来，主要体现在以下几个方面：（1利用肤色检测的方法，对于黑种人和黄种人，该类方法无法设定统一的阈值来区分人脸和背景，且口罩、帽子等饰物会将人脸区域遮挡住很大部分，很难检测到皮肤；（2利用五官检测的方法，在人脸有饰物遮挡的情况下，五官特征会被遮挡，并考虑到在实际存取款过程中，顾客的姿态会有很多变化，比如低头、侧脸等，因此误检率相对较高；（3利用模板匹配的方法，由于人头轮廓的差异较大，使用简单的模板模型无法保证检测率，但使用复杂的模板模型计算量大，耗时多，实时性差，很难用于真实视频的检测。发明内容[0004]本发明的目的是提供一种基于视频监控的人脸遮挡检测方法及系统，能够耗时少、实时性尚、精度尚、误差低的实现人脸遮挡检测，特别对具有墨镜、围巾两种遮挡饰物的人脸进行实时检测以及对两种饰物的类别判断，当检测到佩戴有墨镜或围巾的人脸时发出警告，从而对违法犯罪行为进行主动预防，可应用于银行ATM机的监控视频。[0005]为实现上述目的，本发明提供了如下方案：[0006]—种基于视频监控的人脸遮挡检测方法，所述人脸遮挡检测方法包括：[0007]获取视频监控设备采集的动态视频图像；[0008]采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；[0009]提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；[0010]对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；[0011]采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。[0012]可选的，所述人脸遮挡检测方法还包括：[0013]当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。[0014]可选的，所述采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像，具体包括：[0015]采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果；[0016]若所述第一判断结果表示所述动态视频图像中进入所述运动物体，则确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域；[0017]若所述第一判断结果表示所述动态视频图像中未进入所述运动物体，则更新所述混合高斯背景模型的背景参数。[0018]可选的，所述提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域，具体包括：[0019]对所述运动物体区域图像进行数学形态学处理；[0020]提取处理后的运动物体区域图像的各个连通区域并标记；[0021]计算各个标记的连通区域的面积；[0022]根据各个所述标记的连通区域的面积，确定最大连通区域。[0023]可选的，所述对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像，具体包括：[0024]采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标；[0025]对所述最大连通区域进行垂直投影处理，得到垂直投影图像；[0026]确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标；[0027]对所述垂直投影图像进行水平投影处理，得到水平投影图像；[0028]确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标；[0029]根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。[0030]本发明还提供了一种基于视频监控的人脸遮挡检测系统，所述人脸遮挡检测系统包括：[0031]动态视频图像获取模块，用于获取视频监控设备采集的动态视频图像；[0032]运动物体区域图像确定模块，用于采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；[0033]最大连通区域确定模块，用于提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；[0034]人脸区域图像截取模块，用于对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；[0035]人脸遮挡检测模块，用于采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。[0036]可选的，所述人脸遮挡检测系统还包括：[0037]报警提醒模块，用于当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。[0038]可选的，所述运动物体区域图像确定模块，具体包括：[0039]第一判断结果得到单元，用于采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果；[0040]运动物体区域图像提取单元，用于若所述第一判断结果表示所述动态视频图像中进入所述运动物体时，确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域；[0041]背景参数更新单元，用于当所述第一判断结果表示所述动态视频图像中未进入所述运动物体时，更新所述混合高斯背景模型的背景参数。[0042]可选的，所述最大连通区域确定模块，具体包括：[0043]数学形态学处理单元，用于对所述运动物体区域图像进行数学形态学处理；[0044]连通区域提取标记单元，用于提取处理后的运动物体区域图像的各个连通区域并标记；[0045]连通区域面积计算单元，用于计算各个标记的连通区域的面积；[0046]最大连通区域确定单元，用于根据各个所述标记的连通区域的面积，确定最大连通区域。[0047]可选的，所述人脸区域图像截取模块，具体包括：[0048]最高纵坐标获取单元，用于采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标；[0049]垂直投影图像得到单元，用于对所述最大连通区域进行垂直投影处理，得到垂直投影图像；[0050]垂直临界值确定单元，用于确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标；[0051]水平投影图像得到单元，用于对所述垂直投影图像进行水平投影处理，得到水平投影图像；[0052]水平临界值确定单元，用于确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标；[0053]人脸区域图像截取单元，根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。[0054]根据本发明提供的具体实施例，本发明公开了以下技术效果：[0055]本发明提供了一种基于视频监控的人脸遮挡检测方法及系统，该方法包括获取视频监控设备采集的动态视频图像;采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像;提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域;对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像;采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。本发明通过采用上述算法以及人脸区域图像确定手段，能够耗时少、实时性高、精度高、误差低的实现人脸遮挡检测。[0056]另外，当检测到人脸被遮挡时视频监控设备发出报警提醒，对违法犯罪行为进行主动预防。附图说明[0057]为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。[0058]图1为本发明实施例基于视频监控的人脸遮挡检测方法的流程示意图；[0059]图2为本发明运动物体区域图像确定方法的流程示意图；[0060]图3为本发明运动物体检测效果图；[0061]图4为本发明经数学形态学处理后的运动物体区域图像的效果图；[0062]图5为本发明最大连通域的示意图；[0063]图6为本发明垂直投影图像的效果图；[0064]图7为本发明标记临界点的垂直投影图像的示意图；[0065]图8为本发明水平投影图像的效果图；[0066]图9为本发明标记临界点的水平投影图像的示意图；[0067]图10为本发明人脸遮挡检测方法的流程示意图；[0068]图11为本发明经典AR数据库的示意图；[0069]图12本发明实施例基于视频监控的人脸遮挡检测系统的结构示意图。具体实施方式[0070]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。[0071]本发明的目的是提供一种基于视频监控的人脸遮挡检测方法及系统，能够耗时少、实时性尚、精度尚、误差低的实现人脸遮挡检测，特别对具有墨镜、围巾两种遮挡饰物的人脸进行实时检测以及对两种饰物的类别判断，当检测到佩戴有墨镜或围巾的人脸时发出警告，从而对违法犯罪行为进行主动预防，可应用于银行ATM机的监控视频。[0072]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。[0073]图1为本发明实施例基于视频监控的人脸遮挡检测方法的流程示意图，如图1所示，本发明实施例提供的基于视频监控的人脸遮挡检测方法包括以下几个步骤。[0074]步骤101:获取视频监控设备采集的动态视频图像。[0075]步骤102:采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像。[0076]步骤103:提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域。[0077]步骤104:对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像。[0078]步骤105:采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。[0079]步骤106:当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。[0080]步骤102具体包括：[0081]由于ATM机外部环境存在变化，需要运用能够进行背景更新的方法来检测运动物体，同时要尽可能考虑到代码运行速率，所以这一部分本发明通过三帧差法与混合高斯背景模型相结合的方法来实现，这样既能够提高检测速率又能获得较好的检测效果，并且对背景参数的更新时间间隔进行限制，从而进一步提高运行速率。[0082]图2为本发明运动物体区域图像确定方法的流程示意图，如图2所示，包括：[0083]步骤201:采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果;若所述第一判断结果表示所述动态视频图像中进入所述运动物体，则执行步骤202;若所述第一判断结果表示所述动态视频图像中未进入所述运动物体，则执行步骤203。[0084]步骤202:确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域。[0085]步骤203:更新所述混合高斯背景模型的背景参数。[0086]此处更新背景参数的目的是因为混合高斯背景模型的原理，该算法对每个像素点进行建模，设定了权值、学习率、标准差等参数，每一帧将新的像素点与已建立的模型进行对比判断是否匹配，若匹配，则将其归入该模型中，并对该模型根据新的像素值进行更新，若不匹配，则以该像素建立一个高斯模型，初始化参数，代替原有模型中最不可能的模型，从而应对视频场景中一些变化如光线等对检测带来的干扰问题。[0087]此处的背景参数的更新时间间隔是因为，首先多次更新背景，可以有效防止视频抖动;其次考虑到银行ATM机多是固定的，可以不用时刻更新背景（背景更新仅发生在无运动物体进入的情况下），而是可以设定一个时间段长度依据实际场景设定），每隔这个时间段进行一次更新，提高运行速率。[0088]经过步骤102后，检测出的运动物体效果图如图3所示，可以看出，检测的运动物体效果图中出现了白点噪声，需要的运动物体区域出现了空洞，针对这一现象采取的措施是：①运用数学形态学，通过先小面积膨胀、填洞再大面积腐蚀的方法进行填充，获得的效果图如图4所示。②对各连通域进行标记，求各连通域的大小，获得最大连通域的索引，最大连通域的示意图如图5所示，此步骤的目的是由于取款人在其中占主体部分，其连通域面积一定是最大的，对各连通域进行标记后，获得最大连通域的索引，就能够消除其他连通域仅得到取款人的连通域，方便下一步的投影工作。[0089]因此，步骤103具体包括：[0090]对所述运动物体区域图像进行数学形态学处理。[0091]提取处理后的运动物体区域图像的各个连通区域并标记。[0092]计算各个标记的连通区域的面积。[0093]根据各个所述标记的连通区域的面积，确定最大连通区域。[0094]为获取准确的人脸区域，分别对最大连通域进行“垂直投影”和“水平投影”。[0095]首先进行垂直投影，其效果图如图6所示;从图6中可以看到两个特殊点，其示意图如图7所示，这两个标记出的点可以反映出人脸区域的左右界限点横坐标，分别设置为al和3-2〇[0096]再进行水平投影，其效果图如图8所示，同样，从图8中可以看到一个特殊点，其示意图如图9所示，该点反映了检测人脸区域下巴与脖子临界点的纵坐标，设置为bl。[0097]其中，找出al、a2、b1的思路为，由于al、a2、b1为投影之后的图像所对应的函数开始急剧变化的临界点，因此可以计算投影之后的图像所对应的函数每个点的一阶导数，导数越大越陡峭，从而找出这三临界点。[0098]之后利用bwboundaries函数找到运动物体轮廓最高点纵坐标min_y。利用imcrop函数:imcrop原图，[al⑴，min_y+30，a2⑴-alI，bl-min_y]，在原图（运动物体区域图像上截取所需的人脸区域图像。[0099]即步骤104具体包括：[0100]采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标。[0101]对所述最大连通区域进行垂直投影处理，得到垂直投影图像。[0102]确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标。[0103]对所述垂直投影图像进行水平投影处理，得到水平投影图像。[0104]确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标。[0105]根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。[0106]截取人脸区域图像以后，通过基于K最近邻分类算法KNN和局部二值模式算法LBP实现人脸遮挡检测，具体流程示意图如图10所示。[0107]在这里采用如图11所示的经典AR数据库进行样本训练。[0108]首先选用正常人脸、佩戴有墨镜的人脸、佩戴有围巾的人脸各两百张进行训练，然后进行检测，得到训练模型，其检测结果如表1所示。[0109]表1人脸遮挡训练检测结果表[0110][0111]然后采用训练模型对播放的动态视频图像经过处理后得到人脸区域图像进行检测，由于实际情况，将围巾的检测换成口罩的检测，其检测结果如表2所示。[0112]表2实际人脸遮挡检测结果表[0113][0114]为实现上述目的，本发明还提供了一种基于视频监控的人脸遮挡检测系统。[0115]图12本发明实施例基于视频监控的人脸遮挡检测系统的结构示意图，如图12所示，本发明实施例提供的人脸遮挡检测系统包括：[0116]动态视频图像获取模块100,用于获取视频监控设备采集的动态视频图像。[0117]运动物体区域图像确定模块200,用于采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像。[0118]最大连通区域确定模块300,用于提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域。[0119]人脸区域图像截取模块400,用于对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像。[0120]人脸遮挡检测模块500,用于采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。[0121]报警提醒模块600,用于当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。[0122]所述运动物体区域图像确定模块200具体包括：[0123]第一判断结果得到单元，用于采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果。[0124]运动物体区域图像提取单元，用于若所述第一判断结果表示所述动态视频图像中进入所述运动物体时，确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域。[0125]背景参数更新单元，用于当所述第一判断结果表示所述动态视频图像中未进入所述运动物体时，更新所述混合高斯背景模型的背景参数。[0126]所述最大连通区域确定模块300具体包括：[0127]数学形态学处理单元，用于对所述运动物体区域图像进行数学形态学处理。[0128]连通区域提取标记单元，用于提取处理后的运动物体区域图像的各个连通区域并记D[0129]连通区域面积计算单元，用于计算各个标记的连通区域的面积。[0130]最大连通区域确定单元，用于根据各个所述标记的连通区域的面积，确定最大连通区域。[0131]所述人脸区域图像截取模块400具体包括：[0132]最高纵坐标获取单元，用于采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标。[0133]垂直投影图像得到单元，用于对所述最大连通区域进行垂直投影处理，得到垂直投影图像。[0134]垂直临界值确定单元，用于确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标。[0135]水平投影图像得到单元，用于对所述垂直投影图像进行水平投影处理，得到水平投影图像。[0136]水平临界值确定单元，用于确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标。[0137]人脸区域图像截取单元，根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。[0138]与现有技术相比，本发明的优点为；[0139]利用三帧差法与混合高斯背景模型相结合的方法，既提高检测精度，又节省系统的计算时间。[0140]对混合高斯背景模型中背景参数的更新时间间隔进行限制，既能不降低对实际场景的适应性，又能节省系统的计算时间。[0141]采用“投影”的方法划分人脸，节省了时间，检测效果良好。[0142]基于K最近邻分类算法临近算法和局部二值模式的方法进行遮挡人脸的检测与判识别，有较好的检测效果。[0143]本发明提供的方法或者系统涉及了智能监控领域，特别涉及了图像处理和机器学习等技术，并针对自助取款机犯罪案件，通过算法设计了一种基于视频监控的人脸遮挡检测方法及系统，可对犯罪分子常常佩戴遮挡饰物来隐藏自己面部特征这一行为起到良好的检测作用，对违法犯罪行为进行主动预防。[0144]本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

权利要求：1.一种基于视频监控的人脸遮挡检测方法，其特征在于，所述人脸遮挡检测方法包括：获取视频监控设备采集的动态视频图像；采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。2.根据权利要求1所述的人脸遮挡检测方法，其特征在于，所述人脸遮挡检测方法还包括：当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。3.根据权利要求1所述的人脸遮挡检测方法，其特征在于，所述采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像，具体包括：采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果；若所述第一判断结果表示所述动态视频图像中进入所述运动物体，则确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域；若所述第一判断结果表示所述动态视频图像中未进入所述运动物体，则更新所述混合高斯背景模型的背景参数。4.根据权利要求1所述的人脸遮挡检测方法，其特征在于，所述提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域，具体包括：对所述运动物体区域图像进行数学形态学处理；提取处理后的运动物体区域图像的各个连通区域并标记；计算各个标记的连通区域的面积；根据各个所述标记的连通区域的面积，确定最大连通区域。5.根据权利要求1所述的人脸遮挡检测方法，其特征在于，所述对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像，具体包括：采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标；对所述最大连通区域进行垂直投影处理，得到垂直投影图像；确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标；对所述垂直投影图像进行水平投影处理，得到水平投影图像；确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标；根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。6.—种基于视频监控的人脸遮挡检测系统，其特征在于，所述人脸遮挡检测系统包括：动态视频图像获取模块，用于获取视频监控设备采集的动态视频图像；运动物体区域图像确定模块，用于采用三帧差法与混合高斯背景模型相结合的算法，检测所述动态视频图像的运动物体，并确定运动物体区域图像；最大连通区域确定模块，用于提取所述运动物体区域图像中的各个连通区域并标记，确定最大连通区域；人脸区域图像截取模块，用于对所述最大连通区域进行垂直和水平投影处理，截取人脸区域图像；人脸遮挡检测模块，用于采用K最近邻分类算法和局部二值模式算法对所述人脸区域图像进行人脸遮挡检测。7.根据权利要求6所述的人脸遮挡检测系统，其特征在于，所述人脸遮挡检测系统还包括：报警提醒模块，用于当检测到人脸被遮挡时，所述视频监控设备发出报警提醒。8.根据权利要求6所述的人脸遮挡检测系统，其特征在于，所述运动物体区域图像确定模块，具体包括：第一判断结果得到单元，用于采用三帧差法与混合高斯背景模型相结合的算法实时判断所述动态视频图像中是否进入运动物体，得到第一判断结果；运动物体区域图像提取单元，用于若所述第一判断结果表示所述动态视频图像中进入所述运动物体时，确定所述动态视频图像存在所述运动物体，提取所述运动物体对应的图像区域；背景参数更新单元，用于当所述第一判断结果表示所述动态视频图像中未进入所述运动物体时，更新所述混合高斯背景模型的背景参数。9.根据权利要求6所述的人脸遮挡检测系统，其特征在于，所述最大连通区域确定模块，具体包括：数学形态学处理单元，用于对所述运动物体区域图像进行数学形态学处理；连通区域提取标记单元，用于提取处理后的运动物体区域图像的各个连通区域并标记；连通区域面积计算单元，用于计算各个标记的连通区域的面积；最大连通区域确定单元，用于根据各个所述标记的连通区域的面积，确定最大连通区域。10.根据权利要求6所述的人脸遮挡检测系统，其特征在于，所述人脸区域图像截取模块，具体包括：最高纵坐标获取单元，用于采用bwboundaries函数获取所述最大连通区域中运动物体轮廓的最高点纵坐标；垂直投影图像得到单元，用于对所述最大连通区域进行垂直投影处理，得到垂直投影图像；垂直临界值确定单元，用于确定所述垂直投影图像的两个临界值，分别为垂直第一临界值和垂直第二临界值;所述垂直第一临界值、所述垂直第二临界值为人脸区域的左、右界限点的横坐标；水平投影图像得到单元，用于对所述垂直投影图像进行水平投影处理，得到水平投影图像；水平临界值确定单元，用于确定所述水平投影图像的水平临界值;所述水平临界值为人脸区域中下巴与脖子的临界点的纵坐标；人脸区域图像截取单元，根据所述垂直第一临界值、所述垂直第二临界值、所述水平临界值以及所述最高点纵坐标，从所述运动物体区域图像中截取人脸区域图像。

百度查询： 燕山大学 一种基于视频监控的人脸遮挡检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD