CN103996203A - 一种检测图像面部遮挡的方法和装置 - Google Patents
一种检测图像面部遮挡的方法和装置 Download PDFInfo
- Publication number
- CN103996203A CN103996203A CN201410264601.3A CN201410264601A CN103996203A CN 103996203 A CN103996203 A CN 103996203A CN 201410264601 A CN201410264601 A CN 201410264601A CN 103996203 A CN103996203 A CN 103996203A
- Authority
- CN
- China
- Prior art keywords
- image
- foreground target
- target thing
- effective
- pixel
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种检测图像面部遮挡的方法和装置,该包括:提取检测图像的前景目标物;查找所述前景目标物中的有效前景目标物;定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;记录并保存面部被遮挡的图像信息。本发明提供的一种检测图像面部遮挡的方法和装置,对监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡,实现了将大量视频图像的查找转换为对已存储的面部有遮挡的视频的查找,节省了图像查找时间,提高了工作人员的办事效率和降低了排查难度。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种检测图像面部遮挡的方法和装置。
背景技术
随着ATM机的使用,人们办理银行相关业务也越来越方便,在一定范围内减轻了银行业务人员的工作压力。但是ATM机有利也有弊,ATM机的操作无需验证操作人员的身份,这种自动化的服务给不法分子带来了可趁之机。
目前ATM机都有摄像监控,通过监控录像可以查找和取证不法分子的犯罪轨迹。传统的方法是人工查看监控录像,但大量的监控录像给办案人员带来了不变,使得办案人员查找起来费时费力,延误办案进度。
根据不法分子的犯罪心理,即在操作ATM机时往往都会带口罩等物品对面部进行遮挡,以防被识别出来。现有技术未提出对ATM机的监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡的方法,若能够对面部有遮挡的图像的信息进行记录和保存图片进行取证,那么在办案人员查找时银行方面将检测出的面部遮挡图片和所在视频位置时刻提供给办案人员进行重点排查,则可大大节约了办案人员的时间和精力。
发明内容
本发明提供一种检测图像面部遮挡的方法和装置,以实现对视频图像中面部下半部分有遮挡的图像进行自动检测。
本发明提供了一种检测图像面部遮挡的方法,包括:
提取检测图像的前景目标物;
查找所述前景目标物中的有效前景目标物;
定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;
对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;
记录并保存面部被遮挡的图像信息。
本发明提供了一种检测图像面部遮挡的装置,包括:
提取模块,用于提取检测图像的前景目标物;
查找模块,用于查找所述前景目标物中的有效前景目标物;
定位模块,用于定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;
肤色判断模块,用于对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;
记录保存模块,用于记录并保存面部被遮挡的图像信息。
本发明提供的一种检测图像面部遮挡的方法和装置,可对监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡,通过提取视频图像的前景目标物,查找前景目标物中的有效前景目标物,并且通过对有效前景目标物的头部区域进行定位,利用肤色模型判断头部区域的面部下半部分有无遮挡,并记录和存储面部有遮挡的图像信息,实现了将大量视频图像的查找转换为对已存储的面部有遮挡的视频的查找,节省了图像查找时间,提高了工作人员的办事效率和降低了排查难度。
附图说明
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,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图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。
图1是本发明实施例一提供的一种检测图像面部遮挡的方法的流程示意图;
图2是本发明实施例二提供的一种检测图像面部遮挡的装置的结构示意图;
图3(a)是本发明实施例三提供的一种从监控视频图像中生成每一帧背景图像的示意图;
图3(b)是本发明实施例三提供的一种从监控视频图像中生成每一帧图像的前景目标物的示意图;
图3(c)是本发明实施例三提供的一种水平像素空间统计图定位监控视频图像的头部长度的示意图;
图3(d)是本发明实施例三提供的一种垂直像素空间统计图定位监控视频图像的头部宽度的示意图;
图3(e)是本发明实施例三提供的一种检测监控视频图像的面部下半部分有无遮挡的方法的综合流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例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。
实施例一
参考图1所述,为本发明实施例一提供的一种检测图像面部遮挡的方法的流程示意图,本实施例的技术方案适用于基于图像处理方法对视频图像进行面部遮挡检测的情况。视频图像可以为任意监控视频,典型的如银行ATM机的监控视频。若办案人员需要查找监控视频中的面部下半部分有遮挡的人员,则计算机图像处理软件通过对监控视频的处理,将所有面部遮挡的视频图像检测出来并对该图像信息进行记录和存储,便于工作人员进行视频排查。该方法可以由基于图像处理检测的图像处理装置来执行,该装置可以采用软件和/或硬件的方式实现,配置在计算机中执行。
该方法具体包括以下步骤:
步骤110、提取检测图像的前景目标物;
上述步骤中,检测图像为监控摄像头拍摄的图像,检测图像包含背景图像和前景目标物,背景图像基本处于不变状态且为监控图像的全背景图像,而前景目标物则是监控重点,对于ATM机来说,操作人员是重要的前景目标物。对检测图像的前景目标物进行提取是指将检测图像的背景图像与前景目标物剥离,以获取前景对象。此类提取前景目标物的具体手段有多种,下文将进行详细介绍。
步骤120、查找所述前景目标物中的有效前景目标物;
由步骤110可知,根据采集的检测图像和背景图像可以生成前景目标物,从检测图像提取出的前景目标物中可能包括未包含人物的前景目标物,然而在进行图像面部遮挡检测时,只有包含人物的前景目标物的检测图像才能进行图像面部遮挡检测,即未包含人物的前景目标物的检测图像在图像面部遮挡检测中无效,因此可知,该步骤的有效前景目标物是指包含人物的前景目标物。
步骤130、定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;
上述步骤中,所述有效前景目标物是指包含人物的前景目标物,对所述有效前景目标物的头部区域进行定位,目的在于获取有效前景目标物所对应的原始检测图像的人物头部区域以实现对该原始检测图像的面部是否遮挡进行检测。
步骤140、对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;
上述步骤中,采用肤色模型对图像中人物的面部是否遮挡进行检测,原因在于人脸的肤色不依赖于面部的其他特征,具有良好的稳定性并且明显区别于大多数背景物体的颜色,并且不同肤色的人脸对应的色调是比较一致的,其区别仅在于亮度,因此在此优选肤色模型来描述图像中不同人脸的肤色特征。
步骤150、记录并保存面部被遮挡的图像信息;
根据步骤140已判断出包含人物的原始检测图像的面部有无遮挡,该步骤则将面部被遮挡的原始检测图像的发生时刻和图像进行记录和存储,作为视频图像排查时的参考信息,便于工作人员查找面部被遮挡的视频图像,提高了查找速度,降低了排查难度。
本发明实施例一提供的一种检测图像面部遮挡的方法,可对监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡,通过提取视频图像的前景目标物,查找该前景目标物中的有效前景目标物,并且通过对有效前景目标物的头部区域进行定位,利用肤色模型判断人物头部区域的面部下半部分有无遮挡,并记录和存储面部有遮挡的图像信息,实现了将大量视频图像的查找转换为对已存储的面部有遮挡的视频图像的查找,节省了查找时间,提高了工作人员的办事效率和降低了排查难度。
在上述实施例的基础上,各个步骤的操作可以选择多种图像处理方式来实现,以下分别提供优选实施方式进行详细说明。
对于步骤110,提取检测图像的前景目标物的操作,以下提供一种优选的实现方式:基于像素的方法提取检测图像的前景目标物。
检测图像是按时间顺序采集的,因此有连续的多帧图像,记为第1、2……n帧图像。前景目标物依赖于采集的每一帧图像和背景图像。其中,可以由工作人员控制从无人状态开始进行图像采集,因此采集的第1帧图像为无人图像,将其视作为纯背景图像,默认将该第1帧图像作为第1帧背景图像,根据第1帧背景图像和采集的第2帧图像可提取第2帧图像的前景目标物。在此以提取第2帧图像的前景目标物为例,具体执行过程如下:
S111、转换所述检测图像和所述检测图像的背景图像为灰度图像;
在本步骤S111中,当前需提取前景目标物的检测图像为采集到的第2帧图像,第2帧图像的背景图像为第1帧背景图像。灰度图像是指使用黑色调表示图像,即图像以黑色为基准色,图像的像素以不同饱和度的黑色来显示,使整幅图像显示为黑白图像。
已知灰度值量化后为256个灰度级,灰度值的范围为0~255,标识亮度从深到浅,对应在图像中的颜色为从黑到白,因此将第2帧图像和第1帧背景图像转换为灰度图像即是将每个像素点的像素值根据亮度自动转换为一个确定的像素灰度值,便于对两帧图像进行计算。
S112、将所述检测图像和所述背景图像在对应位置的像素灰度值进行相减,以获取所述对应位置的像素灰度值的差值绝对值,根据所述差值绝对值生成差分图像;
由S111可知,通过图像灰度转换方法,第2帧图像和第1帧背景图像的每个像素的像素值均已转换为一个确定的像素灰度值,处于0~255之间,因此可以对两帧图像的对应位置的像素进行减法,以获得该对应位置上两帧图像的像素灰度值的差值绝对值,对第2帧图像和第1帧背景图像的所有对应位置的像素灰度值进行减法,可获得所有对应位置的像素灰度值的差值绝对值,由所有对应位置的像素灰度值的差值绝对值生成的图像为差分图像,其中,差分图像的每一个像素点的像素值对应于第2帧图像和第1帧背景图像在相同位置的像素点的像素灰度差值绝对值。
S113、根据像素灰度阈值,判断所述差分图像的像素值大小,根据判断结果提取前景目标物;
本步骤S113中,已预先设定了像素灰度阈值,根据该像素灰度阈值,可对第2帧图像和第1帧背景图像生成的差分图像的每一个像素点的像素值进行判断,以获取前景目标物。具体的判断方法是:
对于每一个像素点,当像素值大于像素灰度阈值时,则将差分图像上该像素值所对应的像素点标记为前景目标物的像素点。将上述符合条件的像素点的集合作为提取到的前景目标物。
对于每一个像素点,当像素值小于像素灰度阈值时,则将差分图像上该像素值所对应的像素点标记为背景目标物的像素点。将上述符合条件的像素点的集合作为提取到的背景目标物。
前景目标物和背景目标物的像素点的集合组成了差分图像,即差分图像上的每一个像素点均被确定的标记为前景目标物或背景目标物。
在提取前景目标物的同时,优选是获取第2帧背景图像,具体执行下述操作:
对于差分图像的每一个像素点,当像素值大于像素灰度阈值时,将第1帧背景图像上对应位置的像素点的像素灰度值作为第2帧背景图像在该位置的像素点的像素灰度值;
对于差分图像的每一个像素点,当像素值小于像素灰度阈值时,将第2帧图像上对应位置的像素点的像素灰度值作为第2帧背景图像在该位置的像素点的像素灰度值;基于上述的操作,即可生成第2帧背景图像。
采集第3帧图像,通过将第3帧图像和第2帧背景图像转换成灰度图像后进行像素灰度值差分,生成第3帧图像的差分图像和前景目标物以及第3帧背景图像,以此类推,根据第i(i>1)帧图像和第i-1帧背景图像而生成第i帧图像的差分图像和前景目标物以及第i帧背景图像,因此可提取出检测图像的所有前景目标物。
该步骤基于像素方法,通过对检测图像和背景图像的像素进行灰度转换和像素灰度值差分,获取到每一帧图像的差分图像以及前景目标物的像素灰度值,以此提取出检测图像中的所有前景目标物。
同时,由于每一帧背景图像是根据当前采集的图像实时更新的,更符合当前光线、角度和亮度,因此提取的图像的前景目标物更加准确。
对于步骤120,查找所述前景目标物中的有效前景目标物的操作,具体包括如下步骤:
S121、对所述差分图像进行二值、腐蚀和膨胀处理,以得到处理后的二值图像;
对图像进行二值处理是指将图像上的像素点的灰度值设置为0或255,其中,“0”代表黑色的像素、“255”代表白色的像素,也就是让整个图像呈现出明显的只有黑和白的视觉效果;腐蚀的作用是消除物体边界点,使目标缩小;膨胀的作用是将与物体接触的所有背景点合并到物体中,使目标增大。因此对图像进行二值、腐蚀和膨胀处理之后,可消除图像中的噪声点以及断开目标物之间的粘连,并且基本保持目标原有大小不变。
本步骤中,对于每一帧差分图像,具体的处理过程是:将差分图像上被标记为前景目标物的像素点的像素值设置为255,呈白色,将被标记为背景目标物的像素点的像素值设置为0,呈黑色,使差分图像为黑和白的二值图像;其次对二值图像进行腐蚀和膨胀处理,消除了背景目标物和前景目标物中的噪点,形成处理后的二值图像。若差分图像中包含人物,则处理后的二值图像中人物大小不变,但人物的边缘和内部噪声点减少,因此对差分图像进行处理便于判断前景目标物是否具有人物。
此外,在对差分图像进行二值处理时,也可将前景目标物像素点的像素值设置为0,呈黑色,背景目标物像素点的像素值设置为255,呈白色。在本实施例中,对差分图像的二值处理均按照前景像素255和背景像素0进行讨论。
S122、计算所述处理后的二值图像中前景目标物的最大连通域,以得到所述处理后的二值图像中前景目标物的最大连通域面积;
上述步骤S122,最大连通域是指处理后的二值图像中前景目标物上的轮廓,其中最大轮廓即是最大连通域。由步骤S121可知,一帧差分图像经过处理形成处理后的二值图像,该处理后的二值图像的前景目标物像素点为白色、背景目标物像素点为黑色。由监控视频的图像尺寸和人物轮廓特征可知,前景目标物应为一个或多个连通区域,因此该步骤中计算处理后的二值图像中前景目标物的最大连通域即是寻找最大轮廓的前景目标物,以得到所述处理后的二值图像中前景目标物的最大轮廓的面积,便于判断所述处理后的二值图像对应的前景目标物是否为具有人物的有效前景目标物。
S123、判断所述处理后的二值图像中前景目标物的最大连通域面积是否大于面积阈值,若是,则该处理后的二值图像对应的前景目标物为有效前景目标物、对应的差分图像为有效差分图像;
本步骤S123中,已预先设定了面积阈值,根据该面积设定阈值,可对由步骤S122获取的处理后的二值图像中前景目标物的最大连通域面积进行判断,以判定该处理后的二值图像对应的前景目标物是否为有效前景目标物图像。具体的判断方法是:
当所述处理后的二值图像中前景目标物的最大连通域面积大于面积阈值,表明该最大连通域为人物轮廓,即该前景目标物是包含人物的前景目标物,则所述处理后的二值图像对应的前景目标物是有效前景目标物,所述处理后的二值图像对应的差分图像为有效差分图像;
当所述处理后的二值图像中前景目标物的最大连通域面积小于面积阈值,表明该最大连通域不可能为人物轮廓,即该前景目标物是未包含人物的前景目标物,则所述处理后的二值图像对应的前景目标物是无效前景目标物,所述处理后的二值图像对应的差分图像为无效差分图像。
根据步骤S121~S123对检测图像中提取的每一帧图像的差分图像和前景目标物进行有效差分图像和有效前景目标物的判断,以获取所述检测图像中所有的有效差分图像和有效前景目标物。
该步骤120基于包含人物的前景目标物为有效前景目标物,通过对差分图像进行二值、腐蚀和膨胀处理,计算处理后的二值图像中前景目标物的最大连通域面积,根据面积阈值对该最大连通域面积进行判断,以获取具有人物的前景目标物和有效差分图像,减少了进行面部遮挡检测的图像数量,提高了检测效率。
对于步骤130,定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域的操作,在此优选是通过像素点空间分布统计图进行头部区域定位,即统计图的横坐标(x轴)是图像长度坐标或宽度坐标,纵坐标(y轴)是长度或宽度坐标位置上的前景像素点个数,对图像在水平方向上的前景像素点统计图称为像素点空间分布水平统计图,在垂直方向上的前景像素点统计图称为像素点空间分布垂直统计图,则具体执行过程如下:
S131、对所述有效差分图像进行二值、腐蚀和膨胀处理,以得到处理后的有效二值图像;
该步骤中对所述有效差分图像的处理方法可根据步骤S121所示方法进行处理,从而使包含人物的有效差分图像的前景目标物的像素点为白色(灰度值为255),背景像素点为黑色(灰度值为0),图像呈现黑色和白色。
S132、计算所述处理后的有效二值图像中前景目标物的空间像素点,以得到像素点空间分布统计图,以定位出所述有效前景目标物的头部区域,得到相对应的原始检测图像的头部区域;
该步骤中,像素点空间分布统计图包括水平统计图和垂直统计图。
首先计算所述处理后的有效二值图像的水平统计图,由图像顶部开始按照从上向下的顺序依次统计每1行像素的前景像素点个数,将依次得到每1行像素的前景像素点个数并按统计顺序作为纵坐标y值。将图像宽度作为横坐标x值,由此可得出像素点空间分布水平统计图。
依次计算统计图的相邻横坐标位置的前景像素点个数的变化量Δy,并将其和设定阈值进行比较,得出在水平统计图上前景像素点个数的变化量首次大于设定阈值的突变处,并在处理后的有效二值图像中进行位置修正,得到头部长度起始位置。
由于人的头部宽度变化不大,因此头部区域每一行像素的前景像素点个数相差不大,而到了肩部位置时,前景像素点个数又会出现一个相对比较大的增幅,通过计算统计图中该处相邻横坐标位置的前景像素点个数的变化量,并将其和阈值进行比较,得出在水平统计图上二次发生前景像素点个数的变化量大于设定阈值的突变处,并在处理后的有效二值图像中进行修正,得到头部长度结束位置。
其次,计算所述处理后的有效二值图像在头部长度区域内的垂直统计图,即只统计从头部长度开始位置到头部长度结束位置范围内的前景目标物的像素点个数,以此计算头部宽度位置,具体是:以图像长度作为横坐标x值,在所述处理后的有效二值图像上从左到右进行每一列像素从头部长度开始位置到头部长度结束位置范围内的前景像素点个数统计,并将统计的前景像素点个数依次作为纵坐标y值,由此得出像素点空间分布垂直统计图;依次计算相邻横坐标位置的前景像素点个数的变化量,并将其和事先设定好的阈值进行比较,得出在垂直统计图上前景像素点个数的变化量大于设定阈值的两个突变处,并在处理后的有效二值图像中进行位置修正,得出头部宽度的起始位置和结束位置。由此定位出处理后的有效二值图像的头部区域,并以此定位出处理后的有效二值图像对应的原始检测图像的头部区域。
依据上述过程,对每一帧处理后的有效二值图像进行头部区域定位,因此可以得到所有与处理后的有效二值图像对应的原始检测图像的头部区域,由此可知,此处的原始检测图像为检测图像中包含人物的每一帧图像。
该步骤基于像素点统计方法,通过计算处理后的有效二值图像的前景像素点水平统计图和垂直统计图,根据设定的阈值,以定位出处理后的有效二值图像所对应的原始检测图像的头部区域,从而实现对包含人物的每一帧图像的头部区域的定位。
对于步骤140,对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡的操作,优选的一种实现方式的具体执行过程如下:
S141、统计所述原始检测图像的头部区域的下部分符合肤色模型的像素点个数;
根据步骤130可知,所述原始检测图像为检测图像中包含人物的每一帧图像,且已定位出该原始检测图像的人物头部区域,而通常面部遮挡的部位在头部区域的下半部分,因此在此统计符合肤色模型的像素点的对象是包含人物的每一帧图像的人物头部区域的下3/8部分。
S142、判断所述像素点个数是否小于像素点个数阈值,若是,则判定所述原始检测图像的面部被遮挡;
对于包含人物的每一帧图像,当图像的人物头部区域的下3/8部分符合肤色模型的像素点个数小于像素点个数阈值,则表明该帧图像的人物面部下半部分符合肤色模型的像素点个数较少,可判定为该帧图像的人物面部下半部分被遮挡;
对于包含人物的每一帧图像,当图像的人物头部区域的下3/8部分符合肤色模型的像素点个数大于像素点个数阈值,则表明该帧图像的人物面部下半部分符合肤色模型的像素点个数较多,可判定为该帧图像的人物面部下半部分未被遮挡。
该步骤基于人脸的肤色模型,通过统计包含人物的一帧图像的头部区域的下半部分符合肤色模型的像素点个数,并与像素点个数阈值进行比较,判定出该帧图像的面部下半部分是否被遮挡,从而实现对检测图像中包含人物的每一帧图像面部是否被遮挡的检测。
实施例二
图2为本发明实施例二提供的一种检测图像面部遮挡的装置的结构示意图,该装置包括:提取模块210、查找模块220、定位模块230、肤色判断模块240和记录保存模块250。
其中,提取模块210用于提取检测图像的前景目标物;查找模块220用于查找所述前景目标物中的有效前景目标物;定位模块230用于定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;肤色判断模块240用于对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;记录保存模块250用于记录并保存面部被遮挡的图像信息。
本发明实施例二提供的一种检测图像面部遮挡的装置,可对监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡,通过提取视频图像的前景目标物,查找前景目标物中的有效前景目标物,并且通过对有效前景目标物的头部区域进行定位,利用肤色模型判断头部区域的面部下半部分有无遮挡,并记录和存储面部有遮挡的图像信息,实现了将大量视频图像的查找转换为对已存储的面部有遮挡的视频的查找,节省了图像查找时间,提高了工作人员的办事效率和降低了排查难度。
上述装置,优选是所述提取模块210包括:转换单元211、计算单元212和判断单元213。
其中,转换单元211用于转换所述检测图像和所述检测图像的背景图像为灰度图像;计算单元212用于将所述检测图像和所述背景图像在对应位置的像素灰度值进行相减,以获取所述对应位置的像素灰度值的差值绝对值,根据所述差值绝对值生成差分图像;判断单元213用于根据像素灰度阈值,判断所述差分图像的像素值大小,根据判断结果提取前景目标物。
上述装置,优选是所述查找模块220包括:处理单元221、计算单元222和判断单元223。
其中,处理单元221用于对所述差分图像进行二值、腐蚀和膨胀处理,以得到处理后的二值图像;计算单元222用于计算所述处理后的二值图像中前景目标物的最大连通域,以得到所述处理后的二值图像中前景目标物的最大连通域面积;判断单元223用于判断所述处理后的二值图像中前景目标物的最大连通域面积是否大于面积阈值,若是,则该处理后的二值图像对应的前景目标物为有效前景目标物、对应的差分图像为有效差分图像。
上述装置,优选是所述定位模块230包括:处理单元231和计算单元232。
其中,处理单元231用于对所述有效差分图像进行二值、腐蚀和膨胀处理,以得到处理后的有效二值图像;计算单元232用于计算所述处理后的有效二值图像中前景目标物的空间像素点,以得到像素点空间分布统计图,以定位出所述有效前景目标物的头部区域,得到相对应的原始检测图像的头部区域。
上述装置,优选是所述肤色判断模块240包括:统计单元241和判定单元242。
其中,统计单元241用于统计所述原始检测图像的头部区域的下部分符合肤色模型的像素点个数;判断单元242用于判断所述像素点个数是否小于像素点个数阈值,若是,则判定所述原始检测图像的面部被遮挡。
实施例三
参考图3(a)-(e)所示,为本发明实施例三提供的示意图。本实施例以ATM机监控视频作为检测对象。
图3(a)是本发明实施例三提供的一种从监控视频图像中生成每一帧背景图像的示意图,本实施例基于像素方法,通过将第i(i>1)帧检测图像和第i-1帧背景图像进行灰度转换和差分以获取第i帧背景图像,该方法具体包括以下步骤:
步骤3101、检测图像是按照时间顺序采集的,记为第1、2、…、n帧图像,在无人状态下开始采集检测图像,采集的第1帧图像为无人图像,默认将该第1帧图像作为第1帧背景图像;
步骤3102、将第2帧图像和第1帧背景图像转换为灰度图像后进行差分,即对第2帧图像和第1帧背景图像的所有对应位置的像素灰度值进行相减,以获取到两帧图像在所有对应位置的像素灰度值的差值绝对值,根据该像素灰度值的差值绝对值生成差分图像;
步骤3103、判断差分图像上每一个像素点的像素值是否大于像素灰度阈值,若是,则将第1帧背景图像上对应位置的像素值作为第2帧背景图像在该位置处的像素值,若否,则将第2帧图像上对应位置的像素值作为第2帧背景图像在该位置处的像素值,根据判断结果获取的像素点的集合生成了第2帧背景图像;
步骤3104、根据采集的第3帧图像和生成的第2帧背景图像,根据步骤3102~3103的转换灰度和差分的方法,生成第3帧背景图像;
依次类推,根据采集的第i帧图像和生成的第i-1帧背景图像,生成第i帧背景图像,从而,获取到检测图像的每一帧背景图像。
该方法生成的背景图像的有益效果在于每一帧背景图像都是根据当前采集的图像进行实时更新,因而更符合当前时刻的光线、角度和亮度,使更加准确的提取当前图像的前景目标物。
图3(b)是本发明实施例三提供的一种从监控视频图像中生成每一帧图像的前景目标物的示意图,本实施例基于前景目标物的提取依赖背景图像和检测图像,通过背景差分方法提取前景目标物,该方法具体包括以下步骤:
步骤3201、将第2帧图像和第1帧背景图像转换成对应的灰度图像后进行差分,生成差分图像;
步骤3202、对于差分图像的每一个像素点,判断像素点的像素值是否大于像素灰度阈值,若是,则将该差分图像上的像素点标记为前景目标物,将上述符合条件的像素点的集合,作为提取的第2帧图像的前景目标物,记为第1帧前景图像;
步骤3203、根据第3帧图像和第2帧背景图像,采用转换灰度和差分的方法,提取第3帧图像的前景目标物,记为第2帧前景图像;
依次类推,根据第i帧图像和第i-1帧背景图像,提取第i帧图像的前景目标物,记为第i-1帧前景图像,从而,可获取到检测图像的所有前景目标物。
根据该方法提取的前景目标物是依赖于实时更新的背景图像和采集的检测图像,因此在对监控视频中的人物的面部有无遮挡进行检测时,具有高准确性。
图3(c)是本发明实施例三提供的一种像素点空间分布水平统计图定位监控视频图像的头部长度的示意图,图3(d)是本发明实施例三提供的一种像素点空间分布垂直统计图定位监控视频图像的头部宽度的示意图,本实施例基于像素点空间分布统计图方法,根据像素点空间分布关系定位检测图像的头部区域,该方法具体包括以下步骤:
步骤3301、计算处理后的有效二值图像的像素点空间分布水平统计图,以得出头部长度区域,如图3(c)所示为头部长度|a2-a1|;
步骤3302、在头部长度区域内,计算处理后的有效二值图像的像素点空间分布垂直统计图,以得出头部宽度区域,如图3(d)所示为头部宽度|b2-b1|;
步骤3303、根据定位出的处理后的有效二值图像的头部区域,得出该处理后的有效二值图像对应的原始检测图像的头部区域;
步骤3304、根据步骤3301~3303定位出检测图像中包含人物的每一帧图像的头部区域。
该方法的有益效果在于,对于包含人物的每一帧图像,定位准确、计算简单、工作量小。
图3(e)是本发明实施例三提供的一种检测监控视频图像的面部下半部分有无遮挡的方法的综合流程示意图,该方法具体包括:
步骤3401、检测图像是按照时间顺序采集的,记为第1、2、…、n帧图像,在无人状态下开始采集检测图像,采集的第1帧图像为无人图像,默认将该第1帧图像作为第1帧背景图像;
步骤3402、将第i帧图像和第i-1帧背景图像转换为灰度图像后进行差分,即对第i帧图像和第i-1帧背景图像的所有对应位置的像素灰度值进行相减,根据该像素灰度值的差值绝对值生成差分图像,其中,i=2;
步骤3403、根据像素灰度阈值,判断差分图像上每一个像素点的像素值是否大于像素灰度阈值,若是,则将差分图像上该像素点标记为前景目标物,将上述符合条件的像素点的集合,作为第i帧差分图像的前景目标物,记为第i-1帧前景图像,以及将第i-1帧背景图像上对应位置的像素值作为第i帧背景图像在该位置处的像素值,若否,则将第i帧图像上对应位置的像素值作为第i帧背景图像在该位置处的像素值,根据判断结果获取的像素点的集合生成了第i帧背景图像;
步骤3404、对第i帧图像的差分图像进行二值处理,以得到二值图像;
步骤3405、对二值图像进行腐蚀处理,以得到腐蚀后的二值图像;
步骤3406、对腐蚀后的二值图像进行膨胀处理,以得到腐蚀膨胀后的二值图像,则经过处理的二值图像为处理后的第i帧二值图像;
步骤3407、计算所述处理后的第i帧二值图像中前景目标物的最大连通域的面积;
步骤3408、判断所述最大连通域的面积是否大于面积阈值,若是,则执行步骤3409,若否,则执行步骤3402且i=i+1;
步骤3409、计算所述处理后的第i帧二值图像的像素点空间分布的水平统计图和垂直统计图;
步骤3410、根据水平统计图和垂直统计图的计算结果,定位所述处理后的第i帧二值图像的头部区域,并获取到与处理后的第i帧二值图像对应的原图像的头部区域;
步骤3411、采用肤色模型方法,在原图像上头部区域的范围内计算符合肤色模型的像素点;
步骤3412、统计原图像的头部区域的下3/8范围内符合肤色模型的像素点个数;
步骤3413、判断该像素点的个数是否小于肤色像素点个数阈值,若是,则执行步骤3414,若否,则执行步骤3402且i=i+1;
步骤3414、将像素点的个数小于肤色像素点阈值的原图像的信息进行保存,该信息包括原图像的时间信息和在监控视频中的图像画面,对第i帧图像的前景目标物的面部检测完成,返回步骤3402且i=i+1。
本发明实施例三提供的一种检测图像面部遮挡的方法,可对监控视频的图像进行自动检测图像中人脸面部下半部分有无遮挡,通过提取视频图像的前景目标物,查找前景目标物中的有效前景目标物,并且通过对有效前景目标物的头部区域进行定位,利用肤色模型判断头部区域的面部下半部分有无遮挡,并记录和存储面部有遮挡的图像信息,实现了将大量视频图像的查找转换为对已存储的面部有遮挡的视频的查找,节省了图像查找时间,提高了工作人员的办事效率和降低了排查难度。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于实施例三而言,由于其基本相似于实施例一,所以描述得比较简单,相关之处参见实施例一的部分说明即可。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种检测图像面部遮挡的方法,其特征在于,包括:
提取检测图像的前景目标物;
查找所述前景目标物中的有效前景目标物;
定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;
对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;
记录并保存面部被遮挡的图像信息。
2.根据权利要求1所述的方法,其特征在于,提取检测图像的前景目标物:
转换所述检测图像和所述检测图像的背景图像为灰度图像;
将所述检测图像和所述背景图像在对应位置的像素灰度值进行相减,以获取所述对应位置的像素灰度值的差值绝对值,根据所述差值绝对值生成差分图像;
根据像素灰度阈值,判断所述差分图像的像素值大小,根据判断结果提取前景目标物。
3.根据权利要求2所述的方法,其特征在于,查找所述前景目标物中的有效前景目标物包括:
对所述差分图像进行二值、腐蚀和膨胀处理,以得到处理后的二值图像;
计算所述处理后的二值图像中前景目标物的最大连通域,以得到所述处理后的二值图像中前景目标物的最大连通域面积;
判断所述处理后的二值图像中前景目标物的最大连通域面积是否大于面积阈值,若是,则该处理后的二值图像对应的前景目标物为有效前景目标物、对应的差分图像为有效差分图像。
4.根据权利要求3所述的方法,其特征在于,定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域,包括:
对所述有效差分图像进行二值、腐蚀和膨胀处理,以得到处理后的有效二值图像;
计算所述处理后的有效二值图像中前景目标物的空间像素点,以得到像素点空间分布统计图,以定位出所述有效前景目标物的头部区域,得到相对应的原始检测图像的头部区域。
5.根据权利要求4所述的方法,其特征在于,对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡,包括:
统计所述原始检测图像的头部区域的下部分符合肤色模型的像素点个数;
判断所述像素点个数是否小于像素点个数阈值,若是,则判定所述原始检测图像的面部被遮挡。
6.一种检测图像面部遮挡的装置,其特征在于,包括:
提取模块,用于提取检测图像的前景目标物;
查找模块,用于查找所述前景目标物中的有效前景目标物;
定位模块,用于定位所述有效前景目标物的头部区域,以得到所述有效前景目标物所对应的原始检测图像的头部区域;
肤色判断模块,用于对所述原始检测图像的头部区域进行肤色模型判断,以判定所述原始检测图像的面部是否被遮挡;
记录保存模块,用于记录并保存面部被遮挡的图像信息。
7.根据权利要求6所述的装置,其特征在于,所述提取模块包括:
转换单元,用于转换所述检测图像和所述检测图像的背景图像为灰度图像;
计算单元,用于将所述检测图像和所述背景图像在对应位置的像素灰度值进行相减,以获取所述对应位置的像素灰度值的差值绝对值,根据所述差值绝对值生成差分图像;
判断单元,用于根据像素灰度阈值,判断所述差分图像的像素值大小,根据判断结果提取前景目标物。
8.根据权利要求7所述的装置,其特征在于,所述查找模块包括:
处理单元,用于对所述差分图像进行二值、腐蚀和膨胀处理,以得到处理后的二值图像;
计算单元,用于计算所述处理后的二值图像中前景目标物的最大连通域,以得到所述处理后的二值图像中前景目标物的最大连通域面积;
判断单元,用于判断所述处理后的二值图像中前景目标物的最大连通域面积是否大于面积阈值,若是,则该处理后的二值图像对应的前景目标物为有效前景目标物、对应的差分图像为有效差分图像。
9.根据权利要求8所述的装置,其特征在于,所述定位模块包括:
处理单元,用于对所述有效差分图像进行二值、腐蚀和膨胀处理,以得到处理后的有效二值图像;
计算单元,用于计算所述处理后的有效二值图像中前景目标物的空间像素点,以得到像素点空间分布统计图,以定位出所述有效前景目标物的头部区域,得到相对应的原始检测图像的头部区域。
10.根据权利要求9所述的装置,其特征在于,所述肤色判断模块包括:
统计单元,用于统计所述原始检测图像的头部区域的下部分符合肤色模型的像素点个数;
判断单元,用于判断所述像素点个数是否小于像素点个数阈值,若是,则判定所述原始检测图像的面部被遮挡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410264601.3A CN103996203A (zh) | 2014-06-13 | 2014-06-13 | 一种检测图像面部遮挡的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410264601.3A CN103996203A (zh) | 2014-06-13 | 2014-06-13 | 一种检测图像面部遮挡的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103996203A true CN103996203A (zh) | 2014-08-20 |
Family
ID=51310358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410264601.3A Pending CN103996203A (zh) | 2014-06-13 | 2014-06-13 | 一种检测图像面部遮挡的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103996203A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160297A (zh) * | 2015-07-27 | 2015-12-16 | 华南理工大学 | 基于肤色特征的蒙面人事件自动检测方法 |
CN106991360A (zh) * | 2016-01-20 | 2017-07-28 | 腾讯科技(深圳)有限公司 | 人脸识别方法及人脸识别*** |
CN107566723A (zh) * | 2017-09-13 | 2018-01-09 | 维沃移动通信有限公司 | 一种拍摄方法、移动终端及计算机可读存储介质 |
CN107986127A (zh) * | 2017-11-20 | 2018-05-04 | 江苏省特种设备安全监督检验研究院 | 一种电梯内乘客受困的检测方法 |
CN108460319A (zh) * | 2017-02-22 | 2018-08-28 | 浙江宇视科技有限公司 | 异常人脸检测方法及装置 |
CN110996078A (zh) * | 2019-11-25 | 2020-04-10 | 深圳市创凯智能股份有限公司 | 图像获取方法、终端及可读存储介质 |
CN111784726A (zh) * | 2019-09-25 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 人像抠图方法和装置 |
CN111896145A (zh) * | 2020-07-07 | 2020-11-06 | 胡飞青 | 应用发体识别的测温控制*** |
CN112465853A (zh) * | 2020-11-25 | 2021-03-09 | 咪咕视讯科技有限公司 | 视频图片的背景变换方法、装置、电子设备及存储介质 |
CN112581489A (zh) * | 2019-09-29 | 2021-03-30 | RealMe重庆移动通信有限公司 | 一种视频压缩方法、装置及存储介质 |
CN112801963A (zh) * | 2021-01-19 | 2021-05-14 | 湖南优美科技发展有限公司 | 一种视频图像遮挡检测方法及*** |
CN112822397A (zh) * | 2020-12-31 | 2021-05-18 | 上海米哈游天命科技有限公司 | 游戏画面的拍摄方法、装置、设备及存储介质 |
CN112906651A (zh) * | 2021-03-25 | 2021-06-04 | 中国联合网络通信集团有限公司 | 目标检测方法及装置 |
CN113743195A (zh) * | 2021-07-23 | 2021-12-03 | 北京眼神智能科技有限公司 | 人脸遮挡定量分析方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247609A1 (en) * | 2007-04-06 | 2008-10-09 | Rogerio Feris | Rule-based combination of a hierarchy of classifiers for occlusion detection |
CN103400110A (zh) * | 2013-07-10 | 2013-11-20 | 上海交通大学 | Atm取款机前的异常人脸检测方法 |
CN103632146A (zh) * | 2013-12-05 | 2014-03-12 | 南京理工大学 | 一种基于头肩距的人体检测方法 |
-
2014
- 2014-06-13 CN CN201410264601.3A patent/CN103996203A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247609A1 (en) * | 2007-04-06 | 2008-10-09 | Rogerio Feris | Rule-based combination of a hierarchy of classifiers for occlusion detection |
CN103400110A (zh) * | 2013-07-10 | 2013-11-20 | 上海交通大学 | Atm取款机前的异常人脸检测方法 |
CN103632146A (zh) * | 2013-12-05 | 2014-03-12 | 南京理工大学 | 一种基于头肩距的人体检测方法 |
Non-Patent Citations (4)
Title |
---|
王文龙: "应用于ATM监控的异常人脸检测方法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
赵荣椿等: "《数字图像处理与分析》", 30 April 2013 * |
郭凡等: "基于云台摄像的实时车速检测算法", 《计算机辅助设计与图形学学报》 * |
郭思郁: "用于ATM机的遮挡人脸检测算法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160297B (zh) * | 2015-07-27 | 2018-09-14 | 华南理工大学 | 基于肤色特征的蒙面人事件自动检测方法 |
CN105160297A (zh) * | 2015-07-27 | 2015-12-16 | 华南理工大学 | 基于肤色特征的蒙面人事件自动检测方法 |
CN106991360A (zh) * | 2016-01-20 | 2017-07-28 | 腾讯科技(深圳)有限公司 | 人脸识别方法及人脸识别*** |
CN106991360B (zh) * | 2016-01-20 | 2019-05-07 | 腾讯科技(深圳)有限公司 | 人脸识别方法及人脸识别*** |
CN108460319A (zh) * | 2017-02-22 | 2018-08-28 | 浙江宇视科技有限公司 | 异常人脸检测方法及装置 |
CN107566723A (zh) * | 2017-09-13 | 2018-01-09 | 维沃移动通信有限公司 | 一种拍摄方法、移动终端及计算机可读存储介质 |
CN107566723B (zh) * | 2017-09-13 | 2019-11-19 | 维沃移动通信有限公司 | 一种拍摄方法、移动终端及计算机可读存储介质 |
CN107986127A (zh) * | 2017-11-20 | 2018-05-04 | 江苏省特种设备安全监督检验研究院 | 一种电梯内乘客受困的检测方法 |
CN111784726A (zh) * | 2019-09-25 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 人像抠图方法和装置 |
CN112581489A (zh) * | 2019-09-29 | 2021-03-30 | RealMe重庆移动通信有限公司 | 一种视频压缩方法、装置及存储介质 |
CN110996078A (zh) * | 2019-11-25 | 2020-04-10 | 深圳市创凯智能股份有限公司 | 图像获取方法、终端及可读存储介质 |
CN111896145A (zh) * | 2020-07-07 | 2020-11-06 | 胡飞青 | 应用发体识别的测温控制*** |
CN112465853A (zh) * | 2020-11-25 | 2021-03-09 | 咪咕视讯科技有限公司 | 视频图片的背景变换方法、装置、电子设备及存储介质 |
CN112465853B (zh) * | 2020-11-25 | 2024-02-02 | 咪咕视讯科技有限公司 | 视频图片的背景变换方法、装置、电子设备及存储介质 |
CN112822397A (zh) * | 2020-12-31 | 2021-05-18 | 上海米哈游天命科技有限公司 | 游戏画面的拍摄方法、装置、设备及存储介质 |
CN112801963A (zh) * | 2021-01-19 | 2021-05-14 | 湖南优美科技发展有限公司 | 一种视频图像遮挡检测方法及*** |
CN112906651A (zh) * | 2021-03-25 | 2021-06-04 | 中国联合网络通信集团有限公司 | 目标检测方法及装置 |
CN112906651B (zh) * | 2021-03-25 | 2023-07-11 | 中国联合网络通信集团有限公司 | 目标检测方法及装置 |
CN113743195A (zh) * | 2021-07-23 | 2021-12-03 | 北京眼神智能科技有限公司 | 人脸遮挡定量分析方法、装置、电子设备及存储介质 |
CN113743195B (zh) * | 2021-07-23 | 2024-05-17 | 北京眼神智能科技有限公司 | 人脸遮挡定量分析方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103996203A (zh) | 一种检测图像面部遮挡的方法和装置 | |
CN106650620B (zh) | 一种应用无人机监测的目标人员识别追踪方法 | |
CN110070033B (zh) | 一种电力领域危险工作区域内安全帽佩戴状态检测方法 | |
CN107085714B (zh) | 一种基于视频的森林火灾检测方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
KR102462818B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
CN110648352B (zh) | 一种异常事件的检测方法、装置及电子设备 | |
WO2020252974A1 (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
WO2016149938A1 (zh) | 视频监控方法、视频监控***以及计算机程序产品 | |
CN102542289A (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN107256386A (zh) | 基于深度学习的人类行为分析方法 | |
Liu et al. | Real-time human detection and tracking in complex environments using single RGBD camera | |
CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测*** | |
CN110569785B (zh) | 一种融合跟踪技术的人脸识别方法 | |
CN111325048B (zh) | 一种人员聚集检测方法和装置 | |
Salehi et al. | An automatic video-based drowning detection system for swimming pools using active contours | |
CN107977639A (zh) | 一种人脸清晰度判断方法 | |
CN105160297A (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
CN106251363A (zh) | 一种智慧金睛识别人流人数统计方法和装置 | |
CN103971135A (zh) | 基于头肩深度信息特征的人体目标检测方法 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
JP2010057105A (ja) | オブジェクトの3次元追跡方法およびシステム | |
WO2023236886A1 (zh) | 一种基于密集光流法的云遮挡预测方法 | |
Labati et al. | Weight estimation from frame sequences using computational intelligence techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140820 |