CN106920256B - 一种有效的失踪儿童寻找*** - Google Patents

Abstract

一种有效的失踪儿童寻找***，包括移动客户端，远程管理中心和公安服务***，所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心，所述移动客户端用于向用户实时显示当前失踪儿童的参考照片，此外，用户可以通过移动客户端拍摄疑为失踪儿童的线索照片，并将所述线索照片上传到远程管理中心，与远程管理中心中存储的失踪儿童的参考照片进行匹配，当匹配成功后即将匹配结果上传到公安服务***。本发明的有益效果为：通过各个模块的构建，能够对失踪儿童的人脸信息进行有效采集和识别，并通过与数据库中失踪儿童参考照片的匹配，实现了失踪儿童寻找的目的。

Description

一种有效的失踪儿童寻找***

技术领域

本发明创造涉及人脸检测技术领域，具体涉及一种有效的失踪儿童寻找***。

背景技术

长久以来，失踪儿童一直是中国家长们的心病，虽然国家打击拐卖儿童和寻找儿童的力度不断加大，但失踪儿童的问题仍未得到有效的解决。因为中国幅员辽阔、人口众多，传统失踪儿童的寻找方法因其效率低下、工作量大等缺点已远远不能满足当前的需要，随着互联网的发展和信息技术的不断进步，图像处理技术和计算机技术等现代科技被越来越多的应用到失踪儿童的寻找中，本***利用人脸检测技术与计算机技术建立了一种有效的失踪儿童寻找***，该***具有智能性、效率快和准确性高等特点，实现了失踪儿童的有效寻找。

发明内容

针对上述问题，本发明旨在提供一种有效的失踪儿童寻找***。

本发明创造的目的通过以下技术方案实现：

一种有效的失踪儿童寻找***，包括移动客户端，远程管理中心和公安服务***，所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心，所述移动客户端用于向用户实时显示当前失踪儿童的参考照片，此外，用户可以通过移动客户端拍摄疑为失踪儿童的线索照片，并将所述线索照片上传到远程管理中心，与远程管理中心中存储的失踪儿童的参考照片进行匹配，当匹配成功后即将匹配结果上传到公安服务***。

优选地，所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息。

优选地，所述移动客户端为安装有相关应用的智能手机或平板电脑。

优选地，所述远程管理中心包括图像处理单元、人脸识别单元和数据库单元，所述图像处理单元用于对采集得到的线索照片进行滤波处理，所述人脸识别单元用于将处理后的线索照片与数据库单元中的失踪儿童的参考照片进行匹配。

优选地，所述图像处理单元用于对采集得到的线索照片进行加权平均处理，具体包括：

式中，f_i-2、f_i-1、f_i、f_i+1、f_i+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点，a₂、a₁、a₀、a₁、a₂分别为对应的权重。

优选地，所述人脸识别单元用于从处理后的线索照片中提取图像信息，从而与数据单元中的参考照片进行匹配，具体包括：

(1)人脸区域定位部分，用于根据人脸半径和人脸区域平均深度之间的关系，计算图像中的人脸半径h，则h的计算公式为：

h＝ax²+bx+c

式中，h是图像中的人脸半径，x为人脸区域的平均深度，a，b，c为根据最小二乘法设定的常量；

其中，所述人脸区域的平均深度x通过下式得到：

式中，m表示深度感应传感器获取的人脸深度数据个数，y_i表示深度感应传感器获取的第i个人脸深度数据，T为深度感应传感器使用的标准温度，T₀为深度感应传感器测量时的实际环境温度；

(2)肤色检测部分：用于将采集到的肤色样本转换到不同的空间进行比较，从而确定属于“人脸肤色”的像素点，具体为：

a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间，变换公式为：

式中，y为转换后YCgCr色彩空间的亮度分量，Cg为转换后YCgCr色彩空间的绿色色度

分量，Cr为转换后YCgCr色彩空间的红色色度分量，r、g、b分别为处理后的线索图片的

红色、绿色和蓝色的色彩分量值；

b.构建肤色相似度函数，用于确定属于肤色区域的像素点，定义k为肤色相似度：

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，L为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义肤色阈值T，根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点，具体为：

若k≥T，则判定像素点属于肤色区域，若k≤T，则判定像素点属于非肤色区域；

(3)人脸匹配部分，用于从人脸区域中提取图形信息，从而和数据库中存储的参考照片进行匹配，具体包括：

a.将定位得到的人脸区域图像分割成d个子区域，计算人脸区域的LBP特征系数l，则l的计算公式为：

式中，a_i(x,y)代表人脸区域i区域的LBP特征，b_i(x,y)代表数据库中参考照片的LBP特征，d代表人脸区域分割的子区域个数；

b.将人脸区域的灰度级定义为s，则子区域i的灰度级为j的像素点个数为v_j，则子区域i的信息熵值为：

定义人脸区域的信息熵系数为p，则p的表达式为：

式中，ρ_i代表子区域的权重，w_i代表子区域i的信息熵值，μ_i代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数；

c.定义综合评估系数θ，结合人脸区域的LBP特征系数和信息熵系数进行综合评估，具体为：

θ＝γ₁l+γ₂p

式中，l为人脸区域的LBP特征系数，p为人脸区域的信息熵系数，γ₁、γ₂分别为人脸区域的LBP特征系数和信息熵系数的权重，γ₁，γ₂>0且γ₁+γ₂＝1；

d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸，具体为：

有益效果：通过各个模块的构建，能够对失踪儿童的人脸信息进行有效采集和识别，并通过与数据库中失踪儿童参考照片的匹配，实现了失踪儿童寻找的目的。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图。

附图标记：

移动客户端1、远程管理中心2、公安服务***3、图像处理单元21、人脸识别单元22、数据库单元23。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种有效的失踪儿童寻找***，包括移动客户端1，远程管理中心2和公安服务***3，所述公安服务***3用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心2，所述移动客户端1用于向用户实时显示当前失踪儿童的参考照片，此外，用户可以通过移动客户端1拍摄疑为失踪儿童的线索照片，并将所述线索照片上传到远程管理中心2，与远程管理中心2中存储的失踪儿童的参考照片进行匹配，当匹配成功后即将匹配结果上传到公安服务***3。

优选地，所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息。

优选地，所述移动终端1为安装在智能手机或iPad上的客户端。

优选地，所述远程管理中心2包括图像处理单元21、人脸识别单元22和数据库单元23，所述图像处理单元21用于对采集得到的线索照片进行滤波处理，所述人脸识别单元22用于将处理后的线索照片与数据库单元23中的失踪儿童的参考照片进行匹配。

本优选实施例通过各个模块的构建，能够对失踪儿童的人脸信息进行有效采集和识别，并通过与数据库中失踪儿童参考照片的匹配，实现了失踪儿童寻找的目的。

优选地，所述图像处理单元21用于对采集得到的线索照片进行加权平均处理，具体包括：

式中，f_i-2、f_i-1、f_i、f_i+1、f_i+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点，a₂、a₁、a₀、a₁、a₂分别为对应的权重。

本优选实施例通过对上传的线索图片进行滤波处理，有效的去除了图片中噪声干扰和突变值等带来的误差，增加了后续人脸识别的可靠性。

优选地，所述人脸识别单元22用于从处理后的线索照片中提取图像信息，从而与数据单元中的参考照片进行匹配，具体包括：

(1)人脸区域定位部分，用于根据人脸半径和人脸区域平均深度之间的关系，计算图像中的人脸半径h，则h的计算公式为：

h＝ax²+bx+c

式中，h是图像中的人脸半径，x为人脸区域的平均深度，a，b，c为根据最小二乘法设定的常量；

其中，所述人脸区域的平均深度x通过下式得到：

式中，m表示深度感应传感器获取的人脸深度数据个数，y_i表示深度感应传感器获取的第i个人脸深度数据，T为深度感应传感器使用的标准温度，T₀为深度感应传感器测量时的实际环境温度；

(2)肤色检测部分：用于将采集到的肤色样本转换到不同的空间进行比较，从而确定属于“人脸肤色”的像素点，具体为：

a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间，变换公式为：

式中，y为转换后YCgCr色彩空间的亮度分量，Cg为转换后YCgCr色彩空间的绿色色度分量，Cr为转换后YCgCr色彩空间的红色色度分量，r、g、b分别为处理后的线索图片的红色、绿色和蓝色的色彩分量值；

b.构建肤色相似度函数，用于确定属于肤色区域的像素点，定义k为肤色相似度：

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，L为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义肤色阈值T，根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点，具体为：

若k≥T，则判定像素点属于肤色区域，若k≤T，则判定像素点属于非肤色区域；

(3)人脸匹配部分，用于从人脸区域中提取图形信息，从而和数据库中存储的参考照片进行匹配，具体包括：

a.将定位得到的人脸区域图像分割成d个子区域，计算人脸区域的LBP特征系数l，则l的计算公式为：

式中，a_i(x,y)代表人脸区域i区域的LBP特征，b_i(x,y)代表数据库中参考照片的LBP特

征，d代表人脸区域分割的子区域个数；

b.将人脸区域的灰度级定义为s，则子区域i的灰度级为j的像素点个数为v_j，则子区域i的信息熵值为：

定义人脸区域的信息熵系数为p，则p的表达式为：

式中，ρ_i代表子区域的权重，w_i代表子区域i的信息熵值，μ_i代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数；

c.定义综合评估系数θ，结合人脸区域的LBP特征系数和信息熵系数进行综合评估，具体为：

θ＝γ₁l+γ₂p

式中，l为人脸区域的LBP特征系数，p为人脸区域的信息熵系数，γ₁、γ₂分别为人脸区域的LBP特征系数和信息熵系数的权重，γ₁，γ₂>0且γ₁+γ₂＝1；

d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸，具体为：

本优选实施例实现了对线索图片中人脸区域的有效定位，并结合人脸区域的LBP特征和信息熵值来进行综合评估图片的相似性，使检测结果更加科学，更加准确。

发明人采用上述实施例进行了一系列测试，以下是进行测试得到的实验数据：

线索照片	匹配系数	匹配结果	识别率
				未失踪儿童	-0.7β	匹配不成功	100％
失踪儿童	0.5β	匹配成功	100％
				失踪儿童	-0.3β	匹配成功	100％
未失踪儿童	0.65β	匹配不成功	100％

从上述实验数据可以看出，人脸识别率达到了100％，完全能够满足失踪儿童寻找***的精度要求。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (1)

1.一种有效的失踪儿童寻找***，其特征是，包括移动客户端，远程管理中心和公安服务***，所述公安服务***用于将判定为失踪状态儿童的参考照片以及相关身份信息上传到远程管理中心，所述移动客户端用于向用户实时显示当前失踪儿童的参考照片，此外，用户可以通过移动客户端拍摄疑为失踪儿童的线索照片，并将所述线索照片上传到远程管理中心，与远程管理中心中存储的失踪儿童的参考照片进行匹配，当匹配成功后即将匹配结果上传到公安服务***，所述失踪儿童相关身份信息包括失踪儿童的性别信息、年龄信息、身高信息、姓名信息、父母信息、联系方式信息、DNA信息和失踪地点信息，所述移动客户端为安装有相关应用的智能手机或平板电脑，所述远程管理中心包括图像处理单元、人脸识别单元和数据库单元，所述图像处理单元用于对采集得到的线索照片进行滤波处理，所述人脸识别单元用于将处理后的线索照片与数据库单元中的失踪儿童的参考照片进行匹配，所述图像处理单元用于对采集得到的线索照片进行加权平均处理，具体包括：

式中，f_i-2、f_i-1、f_i、f_i+1、f_i+2分别为i-2、i-1、i、i+1和i+2时刻采集得到的像素点，a₂、a₁、a₀、a₁、a₂分别为对应的权重，所述人脸识别单元用于从处理后的线索照片中提取图像信息，从而与数据库单元中的参考照片进行匹配，具体包括：

(1)人脸区域定位部分，用于根据人脸半径和人脸区域平均深度之间的关系，计算图像中的人脸半径h，则h的计算公式为：

h＝ax²+bx+c

式中，h是图像中的人脸半径，x为人脸区域的平均深度，a，b，c为根据最小二乘法设定的常量；

其中，所述人脸区域的平均深度x通过下式得到：

式中，m表示深度感应传感器获取的人脸深度数据个数，y_i表示深度感应传感器获取的第i个人脸深度数据，T为深度感应传感器使用的标准温度，T₀为深度感应传感器测量时的实际环境温度；

(2)肤色检测部分：用于将采集到的肤色样本转换到不同的空间进行比较，从而确定属于人脸肤色的像素点，具体为：

a.将处理后的线索图片从RGB色彩空间转换为YCgCr色彩空间，变换公式为：

式中，y为转换后YCgCr色彩空间的亮度分量，Cg为转换后YCgCr色彩空间的绿色色度分量，Cr为转换后YCgCr色彩空间的红色色度分量，r、g、b分别为处理后的线索图片的红色、绿色和蓝色的色彩分量值；

b.构建肤色相似度函数，用于确定属于肤色区域的像素点，定义k为肤色相似度：

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，L为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义肤色阈值T，根据肤色相似度与肤色阈值之间的关系确定肤色区域的像素点，具体为：

若k≥T，则判定像素点属于肤色区域，若k<T，则判定像素点属于非肤色区域；

(3)人脸匹配部分，用于从人脸区域中提取图形信息，从而和数据库中存储的参考照片进行匹配，具体包括：

a.将定位得到的人脸区域图像分割成d个子区域，计算人脸区域的LBP特征系数l，则l的计算公式为：

式中，a_i(x，y)代表人脸区域i区域的LBP特征，b_i(x，y)代表数据库中参考照片的LBP特征，d代表人脸区域分割的子区域个数；

b.将人脸区域的灰度级定义为s，则子区域i的灰度级为j的像素点个数为v_j，则子区域i的信息熵值为：

定义人脸区域的信息熵系数为p，则p的表达式为：

式中，ρ_i代表子区域的权重，w_i代表子区域i的信息熵值，μ_i代表数据库中的对应子区域的信息熵值,d代表分割的子区域个数；

c.定义综合评估系数θ，结合人脸区域的LBP特征系数和信息熵系数进行综合评估，具体为：

θ＝γ₁l+γ₂p

式中，l为人脸区域的LBP特征系数，p为人脸区域的信息熵系数，γ₁、γ₂分别为人脸区域的LBP特征系数和信息熵系数的权重，γ₁，γ₂>0且γ₁+γ₂＝1；

d.定义β为人脸区域匹配的阈值,根据综合评估系数与阈值之间的关系判断是否为同一张人脸，具体为：

Images