基于膚色特征的蒙面人事件自動檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一般涉及計(jì)算機(jī)智能監(jiān)控視頻處理領(lǐng)域，具體涉及基于膚色特征的蒙面人 事件自動檢測方法。
【背景技術(shù)】
[0002] 近年來，隨著社會的迅速進(jìn)步、科技的飛速發(fā)展和國力的不斷增強(qiáng)，各種高科技犯 罪手段也層出不窮，不論是在銀行、企業(yè)、交通、小區(qū)、軍事這些大型或集體場所，還是個人 住宅，都對安全防范的要求與日倶增，于是視頻監(jiān)控在生活的方方面面都得到了廣泛的應(yīng) 用。雖然視頻監(jiān)控已廣泛應(yīng)用在商場、海關(guān)、車站、銀行等公共場所，但實(shí)際上視頻的處理還 是需要大量的人工工作量，而且上述現(xiàn)場錄制的視頻都是未經(jīng)加工過的原始視頻，不能得 到及時的自主性反饋和有用信息，所以通常只能用于事后取證，沒有充分發(fā)揮視頻監(jiān)控的 實(shí)時性和自主性。而且對于一個視頻而言，動輒十幾個小時，多則幾十個小時，甚至上百個 小時，視頻攝像頭的數(shù)量更是數(shù)不勝數(shù)，要用人工工作量去審查如此巨大的數(shù)據(jù)，顯然是非 常耗時耗力的。雖然現(xiàn)在視頻監(jiān)控領(lǐng)域也在迅速發(fā)展，但是仍無法滿足人們的需求，因此將 視頻監(jiān)控自動化，充分發(fā)揮視頻監(jiān)控的自主性和實(shí)時性，解放人工勞動力，這對安防領(lǐng)域乃 至人們生活水平的提高有著至關(guān)重要的作用。
[0003] 在現(xiàn)實(shí)生活中，很多對安全要求較高的場合需要對現(xiàn)場出現(xiàn)的可疑人物進(jìn)行實(shí)時 監(jiān)測，或者案發(fā)過后需要對案發(fā)視頻進(jìn)行重審，這樣就涉及蒙面人等可疑人物的檢測識別， 但是視頻的冗余信息使檢測和案件偵破的工作量變得異常巨大，而現(xiàn)有的智能視頻監(jiān)控技 術(shù)處理速度慢，識別率低，不能滿足實(shí)時監(jiān)控的要求或者不能應(yīng)用于實(shí)際場景。而本發(fā)明處 理速度快，檢測率高，釋放通過純?nèi)肆τ^看視頻來檢測犯罪行為，能夠使安防工作簡單高效 的進(jìn)行。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對當(dāng)前安防智能視頻監(jiān)控技術(shù)的不足，提供了基于膚色特征的蒙面人事 件自動檢測方法。本發(fā)明的目的在于自動實(shí)時檢測視頻里面出現(xiàn)的所有蒙面人入侵事件， 檢測分兩個部分，一是對進(jìn)入畫面的人體的檢測，二是對該人體臉部是否有遮擋物進(jìn)行檢 測。在檢測到蒙面人入侵后的第一時間里發(fā)出入侵報(bào)警，從而快速定位目標(biāo)，幫助破案，具 體技術(shù)方案如下。
[0005] 基于膚色特征的蒙面人事件自動檢測方法，包括以下步驟：
[0006] (a)讀入視頻文件，將視頻圖像縮放到原圖寬高尺寸比例的80%，并將視頻中的 彩色圖像幀轉(zhuǎn)為單通道灰度圖像幀；
[0007] (b)使用幀差法逐幀對讀入的視頻進(jìn)行運(yùn)動物體檢測，得到運(yùn)動物體的大致運(yùn)動 前景；
[0008] (C)計(jì)算運(yùn)動物體輪廓匹配度，使用找運(yùn)動物體最大輪廓的方法，對（b)中得到的 圖像進(jìn)一步處理，得到運(yùn)動物體的最大矩形輪廓；
[0009] (d)對步驟（d)中跟蹤的運(yùn)動物體的整個運(yùn)動過程進(jìn)行人頭檢測，得到人頭位置 的初步信息；
[0010] (e)對步驟（e)中獲得的人頭位置初步區(qū)域進(jìn)行人臉檢測，判定出人臉的具體位 置；
[0011] (f)通過對步驟（f)中的結(jié)果的人臉精確位置，在未轉(zhuǎn)為灰度圖像的彩色圖像上 進(jìn)行膚色特征判定，通過膚色占正常人臉的比率和占蒙面人臉比率的閾值設(shè)定，最終判定 蒙面人。
[0012] 上述基于膚色特征的蒙面人事件自動檢測方法中，步驟（b)包括以下步驟：
[0013] (b-Ι)在視頻中逐幀獲?。╝)中處理過的圖像；
[0014] (b_2)使用高斯背景建模差分處理圖像，更新背景圖片并且輸出運(yùn)動前景，得出差 值圖像；
[0015] (b-3)對差值圖像進(jìn)行二值化操作；
[0016] (b-4)采用5*5點(diǎn)陣的鄰域?qū)Χ祷瘓D像進(jìn)行中值濾波操作，消除小的噪聲。
[0017] 上述基于膚色特征的蒙面人事件自動檢測方法中，步驟（C)包括以下步驟：
[0018] (c-1)對（b)中最后得到的圖像進(jìn)行輪廓檢測，并保存檢測到的所有輪廓；
[0019] (c-2)遍歷所有輪廓，計(jì)算輪廓面積，舍棄輪廓面積小于圖像總面積1 %閾值的輪 廓，否則獲取輪廓的外接矩形，然后記錄所有矩形對應(yīng)的2個對角點(diǎn)坐標(biāo)，遍歷結(jié)束即可得 出運(yùn)動物體范圍最大的矩形角點(diǎn)，從而可以得到運(yùn)動物體最大的運(yùn)動矩形范圍；
[0020] (c-3)將矩形的寬高放大到原矩形框的I. 1倍大小，如果矩形框超出邊界，按邊界 來處理；
[0021] (c-4)計(jì)算前后幀輪廓匹配度，減小幀與幀之間運(yùn)動物體矩形框的抖動程度；
[0022] (c-5)將最終得到的矩形框記錄下來，并傳給下一步進(jìn)行進(jìn)一步處理。
[0023] 上述基于膚色特征的蒙面人事件自動檢測方法中，步驟（c-4)中，鑒于物體運(yùn)動 過程中不可能突然變小，但是實(shí)際過程中常常受到光照影響，而矩形框變化較大，之前記錄 下視頻中的第i幀圖像最后得到的運(yùn)動矩形框高度和寬度，如果第i+ι幀圖像和第i幀圖 像的輪廓高度（或?qū)挾龋┢ヅ涠壬儆?0%，就將第i幀圖像的高（寬）賦值給新矩形框，上 述的i表示視頻的幀號。
[0024] 上述基于膚色特征的蒙面人事件自動檢測方法中，輪廓高度匹配度的計(jì)算方法為
匕為2個矩形輪廓的高度匹配度，h'為視頻第i+Ι幀圖像矩形輪廓的高度，h為 第i幀圖像矩形輪廓的高度，輪廓寬度匹配度的計(jì)算方法為
，Pw為2個矩形輪廓 的寬度匹配度，w'為第i+Ι幀圖像矩形輪廓的寬度，w為第i幀圖像矩形輪廓的寬度，上述 的i表不視頻的幀號。
[0025] 上述基于膚色特征的蒙面人事件自動檢測方法中，在步驟（d)中，先用線性插值 的方式將步驟（C)中傳入的待檢測圖像縮小到原圖像的A，然后進(jìn)行人頭檢測，如果人頭 檢測區(qū)域小于總面積的1 %，將會被認(rèn)為是噪音而被過濾掉，如果被檢測出有人頭，則可以 判斷有行人經(jīng)過。
[0026] 上述基于膚色特征的蒙面人事件自動檢測方法中，在步驟（e)中，進(jìn)行人臉檢測， 如果人臉檢測區(qū)域小于總面積的1 %，將會被認(rèn)為是噪音而被過濾掉。
[0027] 上述基于膚色特征的蒙面人事件自動檢測方法中，步驟（f)包括以下步驟：
[0028] (f_l)得到步驟（e)中的人臉區(qū)域，用大津閾值法對圖像進(jìn)行膚色分割，得到膚色 分割后的二值化圖像；
[0029] (f_2)將步驟（f-Ι)中得到的二值化圖像中的待判定的矩形框定位在人臉的下半 部分；
[0030] (f_3)對步驟（f_2)中部分進(jìn)行蒙面人判定，決斷出最終結(jié)果是不是蒙面人。
[0031] 上述基于膚色特征的蒙面人事件自動檢測方法中，在步驟（f_2)中，鑒于蒙面人 多戴口罩，所以遮擋部分應(yīng)該在人臉下半部分，于是將待判定的矩形框定位在人臉區(qū)域至 上而下的30%處。
[0032] 上述基于膚色特征的蒙面人事件自動檢測方法中，在步驟（f_3)中，對于步驟 (f-2)中的矩形區(qū)域計(jì)算蒙面人匹配系數(shù)，如果蒙面人匹配系數(shù)小于30%，那么就判定蒙 面人出現(xiàn)。
[0033] 上述基于膚色特征的蒙面人事件自動檢測方法中，蒙面人匹配系數(shù)的計(jì)算方法為
I M為蒙面人匹配系數(shù)，count為步驟（f-2)中的二值化矩形點(diǎn)陣區(qū)域中白色 點(diǎn)的數(shù)目，area為步驟（f-2)中的二值化矩形點(diǎn)陣區(qū)域中的總點(diǎn)數(shù)。
[0034] 本發(fā)明在讀入視頻并在縮放和灰度化處理之后首先米用幀差法將視頻中的運(yùn)動 物體前景檢測出來，這是視頻摘要提取的最基本操作；通過輪廓匹配的方式計(jì)算當(dāng)前幀圖 像運(yùn)動物體矩形框與前一幀圖像運(yùn)動物體矩形框之間的匹配度，從而通過進(jìn)一步判斷獲取 運(yùn)動物體最合適的矩形框；獲取運(yùn)動物體矩形框后，對上述矩形框進(jìn)行人頭檢測，這里檢測 出人頭代表有行人通過，獲取人頭所在區(qū)域；在獲得人頭區(qū)域的基礎(chǔ)上，進(jìn)行人臉檢測，獲 取人臉?biāo)趨^(qū)域；獲取人臉?biāo)趨^(qū)域，并在原圖截取同區(qū)域，對此區(qū)域采用大津閾值法進(jìn)行 膚色分割，得到二值化后的膚色分割圖像；得到上一步膚色分割后的二值圖像，將該圖像進(jìn) 行蒙面人判決。用戶可以得到實(shí)時的蒙面人監(jiān)控?cái)?shù)據(jù)。
[0035] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：
[0036] 雖然現(xiàn)在的視頻監(jiān)控應(yīng)用廣泛，但是大多還是采用人工一一觀看的方式來審查視 頻或是用于事發(fā)后取證，這樣不僅大大浪費(fèi)人力資源，而且效率低下，可謂費(fèi)時費(fèi)力。本發(fā) 明充分發(fā)揮視頻監(jiān)控的自主性和實(shí)時性，能成倍提高安防的工作效率。另外現(xiàn)今的視頻監(jiān) 控領(lǐng)域中鮮有見到蒙面人識別的方法，本發(fā)明可以直接檢測出視頻中出現(xiàn)的蒙面人，給予 安保人員警示，具有極高的實(shí)用性?，F(xiàn)在的視頻監(jiān)控方法大都效率低下，處理速度緩慢，而 本發(fā)明運(yùn)用多種方法在保證不失檢測準(zhǔn)確性的前提下將目標(biāo)范圍大大縮小，方法計(jì)算簡 單，極大的提高運(yùn)行速度，可應(yīng)用于實(shí)時環(huán)境。其次，視頻可以兼容多種場景，用戶不用擔(dān)心 因?yàn)橐曨l場景不同而需要更換另一套蒙面人識別技術(shù)。
【附圖說明】
[0037] 圖1為實(shí)施方式中基于膚色特征的蒙面人事件自動檢測方法的流程圖。
【具體實(shí)施方式】
[0038] 以下結(jié)合附圖對本發(fā)明的實(shí)施方式作進(jìn)一步說明，但本發(fā)明的實(shí)施不限于此。
[0039] 如圖1，基于膚色特征的蒙面人事件自動檢測方法的主要流程包括以下步驟：
[0040] (a)讀入視頻文件，將視頻圖像縮放，并將轉(zhuǎn)為灰度圖像幀；
[0041] (b)用幀差法逐幀對讀入的視頻進(jìn)行運(yùn)動前景檢測；
[0042] (C)計(jì)算運(yùn)動物體輪廓匹配度，得到運(yùn)動物體的最大矩形輪廓；
[0043] (d)進(jìn)行人頭檢測；
[0044] (e)進(jìn)行人臉檢測；
[0045] (f)分割膚色，進(jìn)行蒙面人判定。
[0046] 步驟（a)允許用戶通過文件選擇窗口從本地硬盤選擇一個視頻文件作為視頻源， 逐幀取出，并將視頻圖像縮放到原圖寬高尺寸比例的80 %，并將視頻中的彩色圖像幀轉(zhuǎn)為 單通道灰度圖像幀。
[0047] 步驟（b)采用幀差法對視頻進(jìn)行運(yùn)動物體前景檢測，幀差法是目前運(yùn)動物體檢測 算法中最快的算法之一，幀差法的主要原理是：對兩幀圖像的灰度圖做差，然后將圖像中的 相同背景區(qū)域中的像素點(diǎn)設(shè)為〇,剩下不為〇的像素區(qū)域即運(yùn)動前景，再對幀差法處理過后 的圖像進(jìn)行二值化處理，就可以得到清晰的運(yùn)動物體前景二值圖；而且這里也采用了高斯 背景建模的方法，使得背景能夠自適應(yīng)的變化，可以更好的得到差分圖像。
[0048] 步驟（b)包括以下步驟：
[0049] (b-Ι)在視頻中逐幀