CN105590097B - 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 - Google Patents

暗视觉条件下双摄像头协同实时人脸识别安防***及方法 Download PDF

Info

Publication number
CN105590097B
CN105590097B CN201510954073.9A CN201510954073A CN105590097B CN 105590097 B CN105590097 B CN 105590097B CN 201510954073 A CN201510954073 A CN 201510954073A CN 105590097 B CN105590097 B CN 105590097B
Authority
CN
China
Prior art keywords
face
image
detection
camera
frame
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
Application number
CN201510954073.9A
Other languages
English (en)
Other versions
CN105590097A (zh
Inventor
赵志强
吴健
凌鑫
芮晓勇
倪代辉
於少文
邵立智
崔盈
刘妍君
郑巧丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201510954073.9A priority Critical patent/CN105590097B/zh
Publication of CN105590097A publication Critical patent/CN105590097A/zh
Application granted granted Critical
Publication of CN105590097B publication Critical patent/CN105590097B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，尤其是涉及暗视觉条件下双摄像头协同实时人脸识别安防***及方法，所述***包括第一摄像头和第二摄像头，分别用于采集视频图像；检测标记记录及判断单元，用于记录检测标记，判断检测标记是否为“检测”，所述检测标记可以修改；人脸检测单元，用于检测采集的图像是否有人脸；人脸匹配单元：用于将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；将一个摄像头的图像与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；人脸识别单元，用于根据更新的人脸信息进行人脸识别，得到识别结果；本发明采用双摄像头协同处理，增加了可用的正脸序列，提高了实时人脸识别的准确率，满足了实时、准确的安防需求。

Description

暗视觉条件下双摄像头协同实时人脸识别安防***及方法
技术领域
本发明涉及图像处理技术领域，尤其是涉及暗视觉条件下双摄像头协同实时人脸识别安防***及方法。
背景技术
人脸信息有着唯一性，不可复制性，以及容易获取的特点，使得其在公共安全领域有着不可替代的作用。传统的监控视频人脸检索需要专业人员仔细查找每一帧可能的监控图像，准确性无法保障，而且需要花费大量的时间。人脸识别技术作为计算机视觉和模式识别技术的一个重要领域，是替代人工检索的最佳方式。
现有的人脸识别方向主要分为两种：其一，将保存下来的视频图像进行人脸识别，这种方法易于实现，但是时间的滞后性往往会造成重大的损失；其二，对实时采集的监控图像进行实时人脸识别，这种方法保证了信息的及时性，相比前一种有着巨大的优势，但是现有的实时人脸识别方法识别率极低。因此，研究一种可行的实时人脸识别***及方法具有重要的科研以及实用价值。
目前的人脸识别方法主要分为二维和三维的人脸识别方法。二维的人脸识别方法计算量较小，能够满足实时性的要求，且对正脸的人脸识别已经能够达到90％以上的识别率，但容易受角度和视觉条件(如暗视觉)影响，当实时视频中待识别人脸为侧脸时，识别率就会大大下降。三维的人脸识别计算量巨大，无法满足实时性的要求。因此，如何提取监控视频中待识别人脸的正脸序列，提高目前二维人脸识别的鲁棒性，并设计一种基于此方案的智能安防***迫在眉睫。
发明内容
本发明的目的在于提供一种双摄像头协同实时人脸识别安防***及方法，解决现有暗视觉条件下人脸识别安防设备识别率不高以及实时性差的问题。
本发明双摄像头协同实时人脸识别安防***，包括：
第一摄像头和第二摄像头，分别用于采集视频图像；
检测标记记录及判断单元，用于记录检测标记，判断检测标记是否为“检测”，所述检测标记可以修改；
人脸检测单元，用于检测采集的图像是否有人脸；
帧数记录及判断单元，用于记录帧数，判断上一帧是否为检测帧，判断检测帧数是否已达到N帧或者连续M帧没有更新；
人脸匹配单元：用于将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；将一个摄像头的图像与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配
人脸信息记录单元，用于保存人脸信息，更新人脸信息；
人脸跟踪单元，用于根据上一帧人脸信息进行人脸跟踪；
人脸识别单元，用于根据更新的人脸信息进行人脸识别，得到识别结果。
进一步地，包括图像预处理单元，用于对采集的图像进行预处理，用于对图像进行光照补偿以及均衡化。
进一步地，所述人脸检测单元包括包括非人脸排除模块，采用离线训练正脸和侧脸的哈尔小波Haar训练器进行正侧脸检测，并利用肤色验证算法去除误检的非人脸，保留正侧脸图像。
进一步地，所述人脸匹配单元中的人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像。
进一步地，所述将侧脸图像映射到相匹配的正脸图像包括：如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方 法将该检测到的侧脸图像的坐标映射到另一个摄像头的实时图像，将侧脸图像的坐标与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像。
进一步地，所述人脸匹配单元中的人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个从的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列。
进一步地，人脸识别单元所述根据更新的人脸信息进行人脸识别，得到识别结果包括如果同一个人的正脸帧数到达预设阈值或者当同一个人的正脸帧数比例超过预设比例时，判定为此可进入人员，否则判定为非可进入人员。
本发明双摄像头协同实时人脸识别安防方法，包括：
501：采集图像；
502：判断检测标记是否为“检测”，如果是，进入步骤503，否则进入步骤511；
503:检测采集的图像是否有人脸，如果有，进入步骤504，否则，返回步骤501；
504:判断上一帧是否为检测帧，如果是，进入步骤505，否则进入步骤506；
505：将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；
506：保存人脸信息；
507：修改检测标记，将检测标记由“检测”修改为“跟踪”；
508：与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；
509：更新人脸信息；
510：判断检测帧数是否已达到N帧或者连续M帧没有更新，如果是，修改检测标记，将检测标记由“跟踪”修改为“检测”，进入步骤512，如果否，返回步骤501；
511：根据上一帧人脸信息进行人脸跟踪，进入步骤509；
512：根据更新的人脸信息进行人脸识别，得到识别结果。
进一步地，步骤508所述所述人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像，包括如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方法将该检测到的侧脸图像的坐标映射到另一个摄像头的实时图像，将侧脸图像的坐标与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像。
进一步地，步骤508所述人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个从的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列。
本发明采用双摄像头协同处理，增加了可用的正脸序列，提高了实时人脸识别的准确率，满足了实时、准确的安防需求。
附图说明
图1为双摄像头协同实时人脸识别安防***优选实施例结构示意图；
图2为双摄像头协同实时人脸识别安防***另一优选实施例结构示意图；
图3为双摄像头协同实时人脸识别安防方法优选实施例流程示意图。
具体实施方式
通过下面对实施例的描述，将更加有助于公众理解本发明，但不能也不应当将申请人所给出的具体的实施例视为对本发明技术方案的限制，任何对部件或技术特征的定义进行改变和/或对整体结构作形式的而非实质的变换都应视为本发明的技术方案所限定的保护范围。
图1所示为双摄像头协同实时人脸识别安防***的结构框图，该***包括中央处理单元，以及与中央处理单元相连接的以下模块：
第一摄像头和第二摄像头，分别用于采集视频图像；
第一摄像头和第二摄像头分别采集图像，后续分别进行处理。
可选地，可以将采集的图像直接进行后续处理，但由于图像受环境等影响，未经处理的图像进行后续处理使得识别的准确性会受到影响。
优选地，如图2所示，所述***还包括图像预处理单元，用于对采集的图像进行预处理，用于对图像进行光照补偿以及均衡化；本单元为可选部件，通过对图像进行光照补偿以及均衡化，可以增加图像识别的准确率。
检测标记记录及判断单元，用于记录检测标记，判断检测标记是否为“检测”，所述检测标记可以修改。
检测标记的内容包括“检测”、“跟踪”，也可能是其他内容。本领域技术人员显然清楚，可以用不同数字或符号等来表示“检测”、“跟踪”，例如，用1表示“检测”，用0表示“跟踪”，还可以用A表示“检测”，用B表示“跟踪”，举不胜举。
人脸检测单元，用于检测采集的图像是否有人脸；
采用自适应增强学习Adaboost与肤色验证相结合进行人脸正侧脸检测，获得人脸图像；获得的人脸图像包括人脸正脸图像和侧脸图像。
优选地，包括非人脸排除模块，采用离线训练正脸和侧脸的哈尔小波Haar训练器进行正侧脸检测，并利用肤色验证算法去除误检的非人脸，保留正侧脸图像，提高准确率。
帧数记录及判断单元，用于记录帧数，判断上一帧是否为检测帧，判断检测帧数是否已达到N帧或者连续M帧没有更新；
人脸匹配单元：用于将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；
人脸信息记录单元，用于保存人脸信息，更新人脸信息；
所述人脸匹配单元还用于将一个摄像头的图像与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；
所述人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像。
优选地，如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方法将该检测到的侧脸图像的坐标(也称检测坐标)映射到另一个摄像头的实时图像(也称映射图像)，将侧脸图像的坐标(检测坐标)与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像。
该实施例充分利用两个摄像头同时检测到的同一人的人脸图像信息，将检测到为侧脸的图像映射为正脸图像，极大增强了识别的准确率。
所述人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个从的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列；
其中正脸图像聚合为正脸序列可以为满足实时2维人脸图像识别的任何算法，例如：图像的主成分分析PCA、隐狄利克雷分配LDA、局部二值模式LBP等。可以首先采集一定数量的可进入人员的正脸进行训练，形成可进入人员数据库，然后利用此数据库进行人脸匹配以及阈值判断。
人脸跟踪单元，用于根据上一帧人脸信息进行人脸跟踪；
人脸识别单元，用于根据更新的人脸信息进行人脸识别，得到识别结果。
典型地，如果同一个人的人脸信息中有与训练数据库中人脸匹配度达到预定值的一个或一个以上人脸图像的，判定为此可进入人员，否则判定为非可进入人员。当然，还可以采用本领域常见方式来进行识别。
优选地，如果同一个人的正脸帧数到达预设阈值或者当同一个人的正脸帧数比例超过预设比例(如60％－80％)时，判定为此可进入人员，否则判定为非 可进入人员。
优选的，所述***还包括无线通信单元，用于以无线方式向客户端或服务器传送信息，可以采用高速WIFI网卡、移动通信网卡、蓝牙网上等硬件设备。
优选的，所述***还包括服务器，接收人脸图像帧以及识别结果并分类存储，存储可用目前主流的数据库，例如：mysql，oracle。识别结果为陌生人时，实时推送消息给客户端，以通知客户端进行处理。
优选的，所述***还包括客户端，用于接收推送消息并报警等处理，用户也可随时通过客户端对服务器端数据进行管理，客户端可分为PC客户端，以及手持终端客户端等，例如：手机，IPAD。
如图1所示为本发明中双摄像头协同实时人脸识别安防***一个实施例总体框图。第一摄像头和第二摄像头分别放置在出入口的不同角度，并对焦此出入口，使两个摄像头的视野能够覆盖尽可能大的角度，例如将两个摄像头以相同的高度，水平相距两米距离放置在住宅的玄关处，并对焦房门。
第一摄像头和第二摄像头采集到的图像并行进入图像处理单元进行处理，图像处理单元可设计为ARM，DSP,PC等常用硬件平台。将处理后的图像传输给无线通信单元，通过无线通信单元将数据传给服务器和客户端完成验证。
图3所示为本发明双摄像头协同实时人脸识别安防***方法实施例流程图，具体包括：
501：采集图像
第一摄像头和第二摄像头分别采集图像，后续分别进行处理。
可选地，可以将采集的图像直接进行后续处理，但由于图像受环境等影响，未经处理的图像进行后续处理使得识别的准确性会受到影响。
优选地，在步骤502之前，包括对采集的图像进行预处理，用于对图像进行光照补偿以及均衡化；本步骤为可选步骤，通过对图像进行光照补偿以及均衡化，可以增加图像识别的准确率。
502：判断检测标记是否为“检测”，如果是，进入步骤503，否则进入步骤 511；
检测标记的内容包括“检测”、“跟踪”，也可能是其他内容。本领域技术人员显然清楚，可以用不同数字或符号等来表示“检测”、“跟踪”，例如，用1表示“检测”，用0表示“跟踪”，还可以用A表示“检测”，用B表示“跟踪”，举不胜举。
503:检测采集的图像是否有人脸，如果有，进入步骤504，否则，返回步骤501；
采用自适应增强学习Adaboost与肤色验证相结合进行人脸正侧脸检测，获得人脸图像；获得的人脸图像包括人脸正脸图像和侧脸图像。
优选地，包括采用离线训练正脸和侧脸的哈尔小波Haar训练器进行正侧脸检测，并利用肤色验证算法去除误检的非人脸，保留正侧脸图像，提高准确率。
504:判断上一帧是否为检测帧，如果是，进入步骤505，否则进入步骤506；
505：将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；
506：保存人脸信息；
507：修改检测标记，将检测标记由“检测”修改为“跟踪”；
508：与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；
所述人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像。
优选地，如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方法将该检测到的侧脸图像的坐标(也称检测坐标)映射到另一个摄像头的实时图像(也称映射图像)，将侧脸图像的坐标(检测坐标)与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像。
该实施例充分利用两个摄像头同时检测到的同一人的人脸图像信息，将检 测到为侧脸的图像映射为正脸图像，极大增强了识别的准确率。
所述人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个从的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列；
其中正脸图像聚合为正脸序列可以为满足实时2维人脸图像识别的任何算法，例如：图像的主成分分析PCA、隐狄利克雷分配LDA、局部二值模式LBP等。可以首先采集一定数量的可进入人员的正脸进行训练，形成可进入人员数据库，然后利用此数据库进行人脸匹配以及阈值判断。
509：更新人脸信息；
510：判断检测帧数是否已达到N帧或者连续M帧没有更新，如果是，修改检测标记，将检测标记由“跟踪”修改为“检测”，进入步骤512，如果否，返回步骤501；
511：根据上一帧人脸信息进行人脸跟踪，进入步骤509；
512：根据更新的人脸信息进行人脸识别，得到识别结果。
典型地，如果同一个人的人脸信息中有与训练数据库中人脸匹配度达到预定值的一个或一个以上人脸图像的，判定为此可进入人员，否则判定为非可进入人员。当然，还可以采用本领域常见方式来进行识别。
优选地，如果同一个人的正脸帧数到达预设阈值或者当同一个人的正脸帧数比例超过预设比例(如60％－80％)时，判定为此可进入人员，否则判定为非可进入人员。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***与方法之间的具体工作过程，可以相互参考。
本发明采用双摄像头协同处理，增加了可用的正脸序列，提高了实时人脸识别的准确率，满足了实时、准确的安防需求。
在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划 分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。例如，中央处理单元可以是专用芯片、单片机等硬件实体，也可以是具有处理功能的软件或指令。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.双摄像头协同实时人脸识别安防***，其特征在于，包括：
第一摄像头和第二摄像头，分别用于采集视频图像；
检测标记记录及判断单元，用于记录检测标记，判断检测标记是否为“检测”，所述检测标记可以修改；
人脸检测单元，用于检测采集的图像是否有人脸；
帧数记录及判断单元，用于记录帧数，判断上一帧是否为检测帧，判断检测帧数是否已达到N帧或者连续M帧没有更新；
人脸匹配单元：用于将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；将一个摄像头的图像与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；所述人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像；
所述将侧脸图像映射到相匹配的正脸图像包括：如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方法将该检测到的侧脸图像的坐标映射到另一个摄像头的实时图像，将侧脸图像的坐标与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像；
人脸信息记录单元，用于保存人脸信息，更新人脸信息；
人脸跟踪单元，用于根据上一帧人脸信息进行人脸跟踪；
人脸识别单元，用于根据更新的人脸信息进行人脸识别，得到识别结果。
2.根据权利要求1所述双摄像头协同实时人脸识别安防***，其特征在于，包括图像预处理单元，用于对采集的图像进行预处理，用于对图像进行光照补偿以及均衡化。
3.根据权利要求1所述双摄像头协同实时人脸识别安防***，其特征在于，所述人脸检测单元包括非人脸排除模块，采用离线训练正脸和侧脸的哈尔小波Haar训练器进行正侧脸检测，并利用肤色验证算法去除误检的非人脸，保留正侧脸图像。
4.根据权利要求1－3任一所述双摄像头协同实时人脸识别安防***，其特征在于，所述人脸匹配单元中的人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个人的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列。
5.根据权利要求1－3任一所述双摄像头协同实时人脸识别安防***，其特征在于，人脸识别单元所述根据更新的人脸信息进行人脸识别，得到识别结果包括如果同一个人的正脸帧数到达预设阈值或者当同一个人的正脸帧数比例超过预设比例时，判定为可进入人员，否则判定为非可进入人员。
6.双摄像头协同实时人脸识别安防方法，其特征在于，包括：
501：采集图像；
502：判断检测标记是否为“检测”，如果是，进入步骤503，否则进入步骤511；
503:检测采集的图像是否有人脸，如果有，进入步骤504，否则，返回步骤501；
504:判断上一帧是否为检测帧，如果是，进入步骤505，否则进入步骤506；
505：将检测到的人脸图像与上一帧保存的人脸信息进行人脸匹配；
506：保存人脸信息；
507：修改检测标记，将检测标记由“检测”修改为“跟踪”；
508：与另一摄像头当前帧的人脸信息进行人脸映射与人脸匹配；所述人脸映射包括对侧脸进行正脸映射，将侧脸图像映射到相匹配的正脸图像，包括如果一个摄像头检测到是侧脸图像，则利用基于平面单应性、极线约束的目标一致性标定方法将该检测到的侧脸图像的坐标映射到另一个摄像头的实时图像，将侧脸图像的坐标与实时图像的坐标进行位置与相似度匹配，实时图像的中心坐标与检测到的侧脸图像的中心坐标的距离在预设阈值之内并且实时图像的人脸面积与检测到的侧脸图像面积均在预设阈值之内，并且满足相似度匹配阈值，则认为是同一个人，则将该实时图像作为与侧脸图像相匹配的正脸图像；
509：更新人脸信息；
510：判断检测帧数是否已达到N帧或者连续M帧没有更新，如果是，修改检测标记，将检测标记由“跟踪”修改为“检测”，进入步骤512，如果否，返回步骤501；
511：根据上一帧人脸信息进行人脸跟踪，进入步骤509；
512：根据更新的人脸信息进行人脸识别，得到识别结果。
7.根据权利要求6所述双摄像头协同实时人脸识别安防方法，其特征在于，步骤508所述人脸映射包括将两个摄像头图像中检测以及跟踪到的同一个人的正脸图像进行正脸聚合，将两个摄像头中同一个人的正脸图像聚合为正脸序列。
CN201510954073.9A 2015-12-17 2015-12-17 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 Active CN105590097B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510954073.9A CN105590097B (zh) 2015-12-17 2015-12-17 暗视觉条件下双摄像头协同实时人脸识别安防***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510954073.9A CN105590097B (zh) 2015-12-17 2015-12-17 暗视觉条件下双摄像头协同实时人脸识别安防***及方法

Publications (2)

Publication Number Publication Date
CN105590097A CN105590097A (zh) 2016-05-18
CN105590097B true CN105590097B (zh) 2019-01-25

Family

ID=55929667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510954073.9A Active CN105590097B (zh) 2015-12-17 2015-12-17 暗视觉条件下双摄像头协同实时人脸识别安防***及方法

Country Status (1)

Country Link
CN (1) CN105590097B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106506969B (zh) 2016-11-29 2019-07-19 Oppo广东移动通信有限公司 摄像模组、通过其进行人像追踪的方法以及电子设备
CN109598183B (zh) * 2017-09-30 2020-11-06 杭州海康威视数字技术股份有限公司 一种人脸认证的方法、装置及***
US10776609B2 (en) 2018-02-26 2020-09-15 Samsung Electronics Co., Ltd. Method and system for facial recognition
CN109063534B (zh) * 2018-05-25 2022-07-22 隆正信息科技有限公司 一种基于图像的购物识别和表意方法
CN109214354B (zh) * 2018-09-26 2022-01-25 珠海横琴井通容智科技信息有限公司 基于3d摄像头的动态人脸检索识别方法
CN111126113B (zh) * 2018-11-01 2023-10-10 普天信息技术有限公司 一种人脸图像处理的方法及装置
CN111160067A (zh) * 2018-11-07 2020-05-15 北京奇虎科技有限公司 危险识别方法、装置、电子设备及计算机可读存储介质
CN109635693B (zh) * 2018-12-03 2023-03-31 武汉烽火众智数字技术有限责任公司 一种正脸图像检测方法及装置
CN109670451A (zh) * 2018-12-20 2019-04-23 天津天地伟业信息***集成有限公司 自动人脸识别跟踪方法
CN111368608B (zh) * 2018-12-26 2023-10-13 杭州海康威视数字技术股份有限公司 一种人脸识别方法、装置及***
CN109615750B (zh) * 2018-12-29 2021-12-28 深圳市多度科技有限公司 门禁机的人脸识别控制方法及装置、门禁设备、存储介质
CN110348325A (zh) * 2019-06-20 2019-10-18 镇江畅行交通科技有限公司 一种基于人脸识别技术的公交充值与乘车方法
CN111027374B (zh) * 2019-10-28 2023-06-30 华为终端有限公司 一种图像识别方法及电子设备
CN112434596A (zh) * 2020-11-20 2021-03-02 中国建设银行股份有限公司 一种人员追踪方法、***、电子设备及可读存储介质
CN113903115B (zh) * 2021-10-04 2024-05-03 深圳盛达德安全科技服务有限公司 一种智慧城市安防***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101236599A (zh) * 2007-12-29 2008-08-06 浙江工业大学 基于多摄像机信息融合的人脸识别检测装置
CN101639891A (zh) * 2008-07-28 2010-02-03 汉王科技股份有限公司 一种双摄像头人脸识别装置和方法
CN102034097A (zh) * 2010-12-21 2011-04-27 中国科学院半导体研究所 综合利用正面与侧面图像的人脸识别的方法
CN102609695A (zh) * 2012-02-14 2012-07-25 上海博物馆 一种多角度人脸识别方法及***
CN103902960A (zh) * 2012-12-28 2014-07-02 北京计算机技术及应用研究所 一种实时人脸识别***及其方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130216107A1 (en) * 2012-02-20 2013-08-22 Chih-Hsung Huang Method of surveillance by face recognition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101236599A (zh) * 2007-12-29 2008-08-06 浙江工业大学 基于多摄像机信息融合的人脸识别检测装置
CN101639891A (zh) * 2008-07-28 2010-02-03 汉王科技股份有限公司 一种双摄像头人脸识别装置和方法
CN102034097A (zh) * 2010-12-21 2011-04-27 中国科学院半导体研究所 综合利用正面与侧面图像的人脸识别的方法
CN102609695A (zh) * 2012-02-14 2012-07-25 上海博物馆 一种多角度人脸识别方法及***
CN103902960A (zh) * 2012-12-28 2014-07-02 北京计算机技术及应用研究所 一种实时人脸识别***及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Camshift的人脸跟踪算法;佘九华等;《计算机技术与发展》;20080910;第18卷(第9期);12-15页

Also Published As

Publication number Publication date
CN105590097A (zh) 2016-05-18

Similar Documents

Publication Publication Date Title
CN105590097B (zh) 暗视觉条件下双摄像头协同实时人脸识别安防***及方法
CN109344787B (zh) 一种基于人脸识别与行人重识别的特定目标跟踪方法
US20190278976A1 (en) Security system with face recognition
US20230316762A1 (en) Object detection in edge devices for barrier operation and parcel delivery
US11295139B2 (en) Human presence detection in edge devices
CN106203242B (zh) 一种相似图像识别方法及设备
US11908238B2 (en) Methods and systems for facial point-of-recognition (POR) provisioning
US20170032182A1 (en) System for adaptive real-time facial recognition using fixed video and still cameras
WO2019071664A1 (zh) 结合深度信息的人脸识别方法、装置及存储介质
CN108875833A (zh) 神经网络的训练方法、人脸识别方法及装置
CN109766755B (zh) 人脸识别方法及相关产品
US11734570B1 (en) Training a network to inhibit performance of a secondary task
CN111241932A (zh) 汽车展厅客流检测与分析***、方法及存储介质
CN102629320A (zh) 基于特征层定序测量统计描述的人脸识别方法
CN111178252A (zh) 多特征融合的身份识别方法
US10939120B1 (en) Video upload in limited bandwidth
CN109766736A (zh) 人脸识别方法、装置和***
CN110322472A (zh) 一种多目标跟踪方法以及终端设备
CN114241557A (zh) 图像识别方法、装置及设备、智能门锁及介质
CN112633222B (zh) 基于对抗网络的步态识别方法、装置、设备及介质
CN114140880A (zh) 步态识别方法和装置
Narang et al. Robust face recognition method based on SIFT features using Levenberg-Marquardt Backpropagation neural networks
CN116311650A (zh) 基于智能门禁的视线跟踪与手势识别的人机交互方法
CN113920306B (zh) 目标再识别方法、装置及电子设备
KR20160042646A (ko) 얼굴 인식 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant