人員使用手持裝置的檢測方法以及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種人員使用手持裝置的檢測方法以及系統(tǒng)。圖像獲取裝置用以取得人員的圖像序列。存儲單元用以存儲圖像序列。處理器通過圖像數(shù)據(jù)，以獲得特征訓(xùn)練樣本，依據(jù)特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本，且檢測人員的臉部物件，以決定圖像序列中任一個(gè)圖像畫面內(nèi)的興趣區(qū)域。在此任一個(gè)圖像畫面中，處理器檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置。
【專利說明】
人員使用手持裝置的檢測方法以及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明是有關(guān)于一種圖像識別技術(shù)，且特別是有關(guān)于一種基于圖像識別技術(shù)的人員使用手持裝置的檢測方法以及系統(tǒng)。【背景技術(shù)】
[0002]隨著科技的進(jìn)步，制造商不斷開發(fā)諸如移動(dòng)電話、平板電腦或便攜式隨身聽等手持裝置的功能，以使得手持裝置不僅可接聽電話、瀏覽網(wǎng)際網(wǎng)絡(luò)，甚至可用以導(dǎo)航、購物、餐廳定位或交友等。由于手持裝置可為人們帶來許多便利，因此使得人們的生活逐漸無法脫離手持裝置。[〇〇〇3]手持裝置固然方便，但在一些特定場合中并不適合操作手持裝置，其可能會影響到自己或他人。例如，駕駛者在駕駛汽車的過程中接聽來電，將會使駕駛者分心，而造成意夕卜。另一方面，近年來詐騙案件頻繁，詐騙集團(tuán)通常會以電話誘騙受害者前往自動(dòng)柜員機(jī) (Automated Teller Machine;簡稱ATM)前進(jìn)行操作，并藉以取得受害者的財(cái)產(chǎn)。然而，現(xiàn)今監(jiān)控人員使用手持裝置的系統(tǒng)通常會有處理速度不符合實(shí)際應(yīng)用或識別效果差等問題。 有鑒于此，有需要提出一種有效且即時(shí)地監(jiān)控人們使用手持裝置的方法，以避免危害發(fā)生。
【發(fā)明內(nèi)容】

[0004]本發(fā)明提供一種人員使用手持裝置的檢測方法以及系統(tǒng)，其可通過圖像特征獲取算法對人員使用與未使用手持裝置的圖像取得特征訓(xùn)練樣本，且通過在單次圖像畫面中僅對單一興趣區(qū)域檢測人員是否使用手持裝置，以提升判斷人員使用手持裝置的速度及準(zhǔn)確度。[〇〇〇5]本發(fā)明提供一種人員是否使用手持裝置的檢測方法，適用于電子裝置，此檢測方法包括下列步驟。通過圖像數(shù)據(jù)，以獲得特征訓(xùn)練樣本。依據(jù)特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本。獲取人員的圖像序列。依據(jù)圖像序列檢測人員的臉部物件，以決定圖像序列中任一個(gè)圖像畫面內(nèi)的興趣區(qū)域。在此任一個(gè)圖像畫面中，檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置。
[0006]在本發(fā)明的一實(shí)施例中，上述在任一個(gè)圖像畫面中，檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置包括下列步驟。當(dāng)在此任一個(gè)圖像畫面中檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，在下一圖像畫面中繼續(xù)檢測相同的興趣區(qū)域是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0007]在本發(fā)明的一實(shí)施例中，上述在任一個(gè)圖像畫面中，檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置包括下列步驟。當(dāng)在此任一個(gè)圖像畫面中檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，在下一圖像畫面切換至另一興趣區(qū)域來檢測是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0008]在本發(fā)明的一實(shí)施例中，上述在任一個(gè)圖像畫面中，檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置包括下列步驟。當(dāng)檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，增加計(jì)數(shù)值。當(dāng)檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，減少計(jì)數(shù)值。當(dāng)計(jì)數(shù)值到達(dá)門檻值時(shí)，判斷人員使用手持裝置。
[0009]在本發(fā)明的一實(shí)施例中，上述的圖像數(shù)據(jù)包括使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)，而取得圖像數(shù)據(jù)的特征訓(xùn)練樣本包括下列步驟。分別對使用手持裝置以及未使用手持裝置的人員獲取圖像訓(xùn)練序列。分析圖像訓(xùn)練序列，以分別取得此人員的使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。利用圖像特征獲取算法取得使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)的特征訓(xùn)練樣本。
[0010]在本發(fā)明的一實(shí)施例中，上述依據(jù)圖像數(shù)據(jù)的特征訓(xùn)練樣本來分類成使用手持裝置類樣本以及未使用手持裝置類樣本包括下列步驟。依據(jù)圖像數(shù)據(jù)的特征訓(xùn)練樣本計(jì)算模塊參數(shù)。依據(jù)模塊參數(shù)建立分類器模塊，以通過分類器模塊將圖像數(shù)據(jù)的特征訓(xùn)練樣本分類成使用手持裝置類樣本以及未使用手持裝置類樣本。通過圖像特征獲取算法取得興趣區(qū)域其中之一的特征信息。通過分類器模塊判斷特征信息是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0011]本發(fā)明提供一種人員使用手持裝置的檢測系統(tǒng)，此檢測系統(tǒng)包括圖像獲取裝置、存儲單元以及處理器。圖像獲取裝置用以取得人員的圖像序列。存儲單元用以存儲圖像序列。處理器耦接圖像獲取裝置以及存儲單元，處理器通過圖像數(shù)據(jù)以獲得特征訓(xùn)練樣本，依據(jù)特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本，且檢測人員的臉部物件，以決定圖像序列中任一個(gè)圖像畫面內(nèi)的興趣區(qū)域。在此任一個(gè)圖像畫面中，處理器檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置。
[0012]在本發(fā)明的一實(shí)施例中，當(dāng)處理器在任一個(gè)圖像畫面中檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，在下一圖像畫面中繼續(xù)檢測相同的興趣區(qū)域是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0013]在本發(fā)明的一實(shí)施例中，當(dāng)處理器在任一個(gè)圖像畫面中檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，在下一圖像畫面切換至另一興趣區(qū)域來檢測是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0014]在本發(fā)明的一實(shí)施例中，當(dāng)處理器檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，增加計(jì)數(shù)值。當(dāng)處理器檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，減少計(jì)數(shù)值。當(dāng)計(jì)數(shù)值到達(dá)門檻值時(shí)，處理器判斷人員使用手持裝置。當(dāng)計(jì)數(shù)值到達(dá)門檻值時(shí)，處理器判斷人員使用手持裝置。
[0015]在本發(fā)明的一實(shí)施例中，上述的圖像數(shù)據(jù)包括使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。而處理器通過圖像獲取裝置分別對使用手持裝置以及未使用手持裝置的人員獲取圖像訓(xùn)練序列，且分析圖像訓(xùn)練序列，以分別取得此人員的使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。并且，處理器利用圖像特征獲取算法取得使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)的特征訓(xùn)練樣本。
[0016]在本發(fā)明的一實(shí)施例中，上述的處理器依據(jù)圖像數(shù)據(jù)的特征訓(xùn)練樣本計(jì)算模塊參數(shù)。并且，處理器依據(jù)模塊參數(shù)建立分類器模塊，以通過分類器模塊將圖像數(shù)據(jù)的特征訓(xùn)練樣本分類成使用手持裝置類樣本以及未使用手持裝置類樣本。并且，處理器通過圖像特征獲取算法取得興趣區(qū)域其中之一的特征信息。并且，處理器通過分類器模塊判斷特征信息是否符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0017]基于上述，本發(fā)明實(shí)施例可通過在任一個(gè)圖像畫面中依據(jù)人員的臉部物件所決定的其中一個(gè)興趣區(qū)域中檢測是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一個(gè)興趣區(qū)域來進(jìn)行檢測。此外，本發(fā)明實(shí)施例還通過圖像特征獲取算法以及支持向量機(jī)來分類使用手持裝置類樣本或未使用手持裝置類樣本。藉此，便能快速且準(zhǔn)確地判斷人員是否使用手持裝置。
[0018]為讓本發(fā)明的上述特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉實(shí)施例，并配合附圖作詳細(xì)說明如下?！靖綀D說明】
[0019]圖1是依據(jù)本發(fā)明一實(shí)施例說明一種人員使用手持裝置的檢測系統(tǒng)的方塊圖；
[0020]圖2是依據(jù)本發(fā)明一實(shí)施例說明一種人員使用手持裝置的檢測方法流程圖；
[0021]圖3是依據(jù)本發(fā)明一實(shí)施例說明取得圖像數(shù)據(jù)的特征訓(xùn)練樣本的流程圖；
[0022]圖4是依據(jù)本發(fā)明一實(shí)施例說明視窗區(qū)域、區(qū)塊區(qū)域、單元區(qū)域以及象素的示意圖；
[0023]圖5是依據(jù)本發(fā)明一實(shí)施例說明方向梯度直方圖的流程圖；
[0024]圖6A及6B是說明向量方向的范例；
[0025]圖7是累積特征向量的范例；
[0026]圖8是視窗區(qū)域的方向梯度直方圖的范例；
[0027]圖9是超平面的示意圖范例；
[0028]圖10是興趣區(qū)域的范例；
[0029]圖11是支持向量機(jī)器分類器模塊的學(xué)習(xí)流程范例；
[0030]圖12是手持裝置檢測步驟流程范例。
[0031]附圖標(biāo)記說明:
[0032]100:檢測系統(tǒng)；
[0033]110:圖像獲取裝置；
[0034]13〇:存儲單元；
[0035]150:警示模塊；
[0036]170:處理器；
[0037]S210 ?S290、S310 ?S350、S510 ?S590、S1105 ?S1190、S1210 ?S1290:步驟；
[0038]400、8〇0:視窗區(qū)域；
[0039]410、42〇:單元區(qū)域；
[0040]415:象素；
[0041]450、470:區(qū)塊區(qū)域；
[0042]605?645:向量方向；
[0043]650、670、710、720、730、740:象素；
[0044]700、770:單元區(qū)域；
[0045]810:區(qū)塊區(qū)域；
[0046]901 ?909:樣本點(diǎn)；
[0047]910、920、940:超平面；
[0048]1000:臉部物件；
[0049]1010 ?17O:興趣區(qū)域；
[0050]b:位移；
[0051]w:垂直于超平面的向量；
[0052]X:超平面上的樣本點(diǎn)。
【具體實(shí)施方式】
[0053]諸如方向梯度直方圖(Histogramof Oriented Gradient ;簡稱 HOG)或 Haar層疊(Cascade)等圖像特征獲取算法經(jīng)常用來結(jié)合諸如支持向量機(jī)器(support vectormachine ;簡稱SVM)、適應(yīng)性增強(qiáng)(adaptive boosting ;簡稱adaboost)等分類器，以通過機(jī)器學(xué)習(xí)方法對圖像中所獲取到的特征進(jìn)行分類。據(jù)此，本發(fā)明實(shí)施例便是通過結(jié)合圖像特征獲取算法以及機(jī)器學(xué)習(xí)方法，來分類成使用手持裝置類樣本以及未使用手持裝置類樣本。此外，為了提升圖像識別的速度，本發(fā)明實(shí)施例還僅針對一張圖像畫面中某一個(gè)興趣區(qū)域進(jìn)行檢測，以決定是否在下一張圖像畫面切換至另一個(gè)興趣區(qū)域，并通過上述分類器模塊來判斷人員是否使用手持裝置。藉此，本發(fā)明實(shí)施例便能提供準(zhǔn)確又快速的手持裝置的使用狀態(tài)的檢測方法。以下提出符合本發(fā)明的精神的多個(gè)實(shí)施例，應(yīng)用本實(shí)施例者可依其需求而對這些實(shí)施例進(jìn)行適度調(diào)整，而不僅限于下述描述中的內(nèi)容。
[0054]圖1是依據(jù)本發(fā)明一實(shí)施例說明一種人員使用手持裝置的檢測系統(tǒng)的方塊圖。請參照圖1，檢測系統(tǒng)100包括圖像獲取裝置110、存儲單元130、警示模塊150以及處理器170。本發(fā)明實(shí)施例的檢測系統(tǒng)100可設(shè)置于交通工具(例如，汽車、船、火車等)內(nèi)，并用以對駕駛者進(jìn)行檢測。此外，檢測系統(tǒng)100也可設(shè)置于自動(dòng)柜員機(jī)(Automated TellerMachine ;簡稱ATM)等自動(dòng)交易裝置，并用以判斷例如是使用者是否受詐騙集團(tuán)的電話指示而進(jìn)行轉(zhuǎn)帳操作。在其他實(shí)施例中，應(yīng)用本發(fā)明實(shí)施例者可依據(jù)需求，將檢測系統(tǒng)100設(shè)置于任何需要監(jiān)控人員是否正使用手持裝置的電子裝置、設(shè)備或場所，本發(fā)明不加以限制。
[0055]圖像獲取裝置110可以是電荷親合元件(Charge coupled device ;簡稱CO))鏡頭、互補(bǔ)金屬氧化物半導(dǎo)體(Complementary metal oxide semiconductor transistors ；CMOS)鏡頭、或紅外線鏡頭的攝影機(jī)、照相機(jī)。圖像獲取裝置110用以獲取人員的圖像或圖像序列，并將圖像或圖像序列存儲至存儲單元130。
[0056]需說明的是，在一些實(shí)施例中，圖像獲取裝置110還具有照明元件(例如，發(fā)光二極管(Light Emitting D1de ;簡稱LED))，用以在光線不足時(shí)對待攝物體進(jìn)行補(bǔ)光，以確保圖像獲取裝置110所拍攝的圖像具備高清晰度。
[0057]存儲單元130可以是任何類型的固定或隨機(jī)存取存儲器(random access memory ；簡稱RAM)、只讀存儲器(read-only memory ;簡稱ROM)、快閃存儲器(flash memory)、硬盤(Hard Disk Drive ;簡稱HDD)或類似元件或上述元件的組合。
[0058]警示模塊150可以是顯示模塊(例如，液晶顯示器(Liquid Crystal Display ;簡稱LCD)、有機(jī)電激發(fā)光顯不器(Organic Electro-Luminescent Display;簡稱0ELD)等)、 燈光模塊(例如，具備至少一個(gè)發(fā)光二極管的模塊)、振動(dòng)模塊(例如，包括振動(dòng)馬達(dá)的模塊)或揚(yáng)聲器(Speaker)模塊(例如，單聲道(mono)或立體聲(stereo)揚(yáng)聲器)其中之一或其組合。
[0059]處理器170耦接圖像獲取裝置110、存儲單元130以及警示模塊150。處理器170 可以是中央處理器(Central Processing Unit ;簡稱CPU)具有運(yùn)算功能的芯片組、微處理器或微控制器(micro control unit;簡稱MCU)。本發(fā)明實(shí)施例處理器170用以處理本實(shí)施例的檢測系統(tǒng)100的所有操作。處理器170可通過圖像獲取裝置110取得圖像或圖像序列， 對圖像或圖像序列進(jìn)行圖像特征獲取算法以及機(jī)器學(xué)習(xí)方法，并通過圖像特征獲取算法且載入分類器模塊來對圖像或圖像序列進(jìn)行圖像識別，上述詳細(xì)步驟待后續(xù)實(shí)施例說明。
[0060]為幫助理解本發(fā)明的技術(shù)，以下舉一情境說明本發(fā)明的應(yīng)用方式。假設(shè)本發(fā)明實(shí)施例的檢測系統(tǒng)100設(shè)置于汽車上，駕駛者坐在駕駛位置(為方便說明，以下以“人員”作為此駕駛者)，檢測系統(tǒng)100上的圖像獲取裝置110可對人員進(jìn)行拍攝。圖像獲取裝置110 所獲取到人員的圖像可包含人員的臉部、肩部甚至是半身。此外，假設(shè)手持裝置放置于排檔附近或儀表板上方等汽車內(nèi)的任何位置。以下將依據(jù)此情境搭配諸多實(shí)施例來進(jìn)行詳細(xì)說明。
[0061]圖2是依據(jù)本發(fā)明一實(shí)施例說明一種人員使用手持裝置的檢測方法流程圖。手持裝置例如是功能型手機(jī)或智能手機(jī)等類型的移動(dòng)電話。請參照圖2,本實(shí)施例的方法適用于圖1的檢測系統(tǒng)100。下文中，將搭配檢測系統(tǒng)100中的各項(xiàng)元件說明本發(fā)明實(shí)施例所述的方法。本方法的各個(gè)流程可依照實(shí)施情形而隨之調(diào)整，且并不僅限于此。
[0062]在步驟S210中，處理器170通過圖像數(shù)據(jù)，以獲得特征訓(xùn)練樣本。在本實(shí)施例中， 圖像數(shù)據(jù)包括使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。舉例而言，圖3是依據(jù)本發(fā)明一實(shí)施例說明取得圖像數(shù)據(jù)的特征訓(xùn)練樣本的流程圖。請參照圖3,在步驟S310 中，處理器170通過圖像獲取裝置110分別對使用手持裝置以及未使用手持裝置的人員獲取圖像訓(xùn)練序列。檢測系統(tǒng)100例如是提供操作界面，以提示人員來分別拍攝使用手持裝置以及未使用手持裝置的圖像畫面。此圖像訓(xùn)練序列例如是兩張、四張或十張等至少包括兩張使用手持裝置以及未使用手持裝置的訓(xùn)練圖像所組成。
[0063]接著，在步驟S330中，處理器170分析圖像訓(xùn)練序列，以分別取得此人員的使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。由于上述圖像訓(xùn)練序列同時(shí)包括使用手持裝置以及未使用手持裝置的訓(xùn)練圖像，處理器170便可依據(jù)使用手持裝置以及未使用手持裝置的訓(xùn)練圖像，分別取得訓(xùn)練圖像中例如是圖像大小、感光度(ISO值)、紅綠藍(lán)(Red、 Green、Blue ;簡稱 RGB)數(shù)據(jù)(或亮度-彩度(brightness-chroma ;簡稱 YUV)、HQ 等)等任何類型的圖像數(shù)據(jù)，以分別作為使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)。
[0064]然后，在步驟S350中，處理器170利用圖像特征獲取算法取得使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)的特征訓(xùn)練樣本。在一實(shí)施例中，圖像特征獲取算法是方向梯度直方圖(Histogram of Oriented Gradient，簡稱H0G)算法。H0G算法例如會先將圖像畫面劃分為多種不同大小及數(shù)量的區(qū)域。例如，圖4是依據(jù)本發(fā)明一實(shí)施例說明視窗 (windows)區(qū)域、區(qū)塊(block)區(qū)域、單元(cell)區(qū)域以及象素(pixel)的示意圖。請參照圖4，以單元區(qū)域410為例，單元區(qū)域410是由固定大小及數(shù)量的象素(例如，象素415)所組成的區(qū)域，各單元區(qū)域之間沒有重疊(例如，單元區(qū)域410及420)。而以區(qū)塊區(qū)域450為例，區(qū)塊區(qū)域450是由固定大小及數(shù)量的單元區(qū)域(例如，單元區(qū)域410及420)所組成的區(qū)域，各區(qū)塊區(qū)域之間允許重疊(例如，區(qū)塊區(qū)域450及470)。再以視窗區(qū)域400為例，視窗區(qū)域400是由固定大小及數(shù)量的區(qū)塊區(qū)域(例如，區(qū)塊區(qū)域450及470)所組成的區(qū)域。在一實(shí)施例中，視窗區(qū)域也可作為興趣區(qū)域(reg1n of interest ;簡稱ROI)。以下將舉一實(shí)施例說明HOG算法應(yīng)用于本發(fā)明的詳細(xì)步驟。
[0065]圖5是依據(jù)本發(fā)明一實(shí)施例說明方向梯度直方圖的流程圖。請同時(shí)參照圖4及圖5，在步驟S510中，處理器170計(jì)算各象素(例如，圖4的象素415)的梯度強(qiáng)度及梯度方向。舉例而言，處理器170通過邊緣檢測而對各象素進(jìn)行梯度運(yùn)算(gradient operat1n)(例如，使用羅伯特交錯(cuò)梯度運(yùn)算子(Roberts cross-gradient operator)、索貝爾運(yùn)算子(Sobel operator)、Prewitt運(yùn)算子(Prewitt operator)等一階梯度運(yùn)算子，并藉以計(jì)算各象素的圖像邊緣的強(qiáng)度值(即，梯度強(qiáng)度)以及圖像邊緣的正交方向(即，梯度方向)。需說明的是，應(yīng)用本發(fā)明實(shí)施例者可依據(jù)設(shè)計(jì)需求，通過不同梯度計(jì)算方法來取得各象素的梯度強(qiáng)度及梯度方向，本發(fā)明不加以限制。
[0066]接著，在步驟S530中，處理器170使用內(nèi)插法將各梯度的向量強(qiáng)度依據(jù)梯度方向，分配給九個(gè)無視方向區(qū)域中鄰近的兩個(gè)向量方向。舉例而言，圖6A及6B是說明向量方向的范例。請先參照圖6A，一個(gè)圓形被平均劃分成18個(gè)向量方向(例如，向量方向610及615)。請接著同時(shí)參照圖6A及6B，圖6B的左方四個(gè)象素是經(jīng)過步驟S510取得梯度強(qiáng)度以及梯度方向的示意圖。以象素650為例，處理器170依據(jù)象素650的梯度強(qiáng)度以及梯度方向，通過內(nèi)插法計(jì)算出在圖6A中最接近的一個(gè)或兩個(gè)向量方向(例如，向量方向610及615)，并計(jì)算象素650在所計(jì)算的向量方向上的分量大小，以取得如圖6B右方象素670所顯示的特征向量(例如，以向量方向610及615呈現(xiàn)的特征向量)。需說明的是，在其他實(shí)施例中，處理器170可劃分成4個(gè)、8個(gè)或20個(gè)等向量方向，本發(fā)明實(shí)施例不加以限制。
[0067]需說明的是，在本范例中，處理器170僅以9個(gè)向量方向(例如，向量方向605?645)作為依據(jù)。若象素的梯度方向所計(jì)算出的向量方向?yàn)閷ΨQ于向量方向605?645的相反方向，則其計(jì)算出的分量大小以負(fù)值計(jì)算。
[0068]然后，在步驟S550中，處理器170累積各單元區(qū)域中各象素的特征向量。舉例而言，圖7是累積特征向量的范例。請參照圖7，假設(shè)圖7左方的單元區(qū)域700包括象素710、720,730及740，象素710?740呈現(xiàn)經(jīng)過步驟S530中依據(jù)圖6A所示各向量方向所轉(zhuǎn)換的特征向量。而圖7右方的單元區(qū)域770是經(jīng)過累積單元區(qū)域700中的所有象素710?740的特征向量所得的特征向量。也就是，累積象素710?740的特征向量在向量方向上的分量大小。
[0069]在步驟S570中，處理器170將各區(qū)塊區(qū)域中的所有單元區(qū)域的特征向量組成各區(qū)塊區(qū)域的特征，并將各單元區(qū)域的梯度強(qiáng)度(即，特征向量的大小)進(jìn)行規(guī)格化(normalize)計(jì)算。接著，處理器170將視窗區(qū)域中的所有區(qū)塊區(qū)域的特征結(jié)合，以形成視窗區(qū)域的HOG特征(步驟S590)。舉例而言，圖8是視窗區(qū)域的方向梯度直方圖的范例。請參照圖8，假設(shè)視窗區(qū)域800具有4*8 = 32個(gè)區(qū)塊區(qū)域(例如，區(qū)塊區(qū)域810)。以區(qū)塊區(qū)域810為例，區(qū)塊區(qū)域810的特征是通過步驟S570所計(jì)算而來。
[0070] 在一實(shí)施例中，處理器170可設(shè)定所載入的HOG算法的運(yùn)行程序 HOGDescriptor():winSize (64, 128), blockSize(16, 16), blockStride(8, 8), cellSize(8 ，8)，nbins(9)。winSize即為視窗區(qū)域(或是興趣區(qū)域)，在本實(shí)施例中，以80*104個(gè)象素作為視窗區(qū)域的大小。blockSize及cellSize分別是區(qū)塊區(qū)域及單元區(qū)域的選定大小。 blockStride為鄰近區(qū)塊區(qū)域的平行及垂直距離。而nbins為將180度分割為幾個(gè)描述梯度的區(qū)間(即，向量方向的數(shù)量)。因此，在上述設(shè)定下，一個(gè)視窗區(qū)域具有9*12 = 108個(gè)區(qū)塊區(qū)域，各區(qū)塊區(qū)域包括4個(gè)單元區(qū)域，而各單元區(qū)域具有9個(gè)向量描述(S卩，特征向量)。 也就是說，一個(gè)視窗區(qū)域共有108*4*9 = 3888個(gè)特征描述。需說明的是，在其他實(shí)施例中， H0G算法的運(yùn)行程序可設(shè)定成不同的視窗區(qū)域大小、區(qū)塊區(qū)域大小、單元區(qū)域大小、鄰近區(qū)塊區(qū)域的平行及垂直距離、或描述梯度的區(qū)間，本發(fā)明不以此為限。[0071 ]此外，本發(fā)明實(shí)施例的圖像特征獲取算法并不局限于H0G算法，在其他實(shí)施例中，Haar層疊算法、LBP算法、SIFT算法或SURF算法等都可應(yīng)用于本發(fā)明中，以取得圖像特征。
[0072]請繼續(xù)參照圖2,在步驟S230中，處理器170依據(jù)特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本。在一實(shí)施例中，處理器170依據(jù)圖像數(shù)據(jù)的特征訓(xùn)練樣本計(jì)算模塊參數(shù)。并且，處理器170依據(jù)模塊參數(shù)建立分類器模塊，以通過分類器模塊(例如，程序代碼、程序等)將圖像數(shù)據(jù)的特征訓(xùn)練樣本分類成使用手持裝置類樣本以及未使用手持裝置類樣本。
[0073]舉例而言，處理器170可利用支持向量機(jī)器方法來進(jìn)行分類。具體而言，處理器 170先決定支持向量機(jī)器分類器的模塊參數(shù)(例如，SVM類型、核心(kernel)類型、程度 (degree)、伽瑪(gamma)等)。這些模塊參數(shù)可以是事先定義或提供操作界面以供人員設(shè)定而來。接著，處理器170可將例如是圖5流程所取得的視窗區(qū)域的各特征描述作為特征訓(xùn)練樣本，并輸入至通過上述模塊參數(shù)所建立的分類器模塊。處理器170可通過取出特征訓(xùn)練樣本中靠近分類邊界的支持向量(support vector)，來找出一個(gè)能夠?qū)⑻卣饔?xùn)練樣本分類的超平面(hyperplane)，以使此超平面放置在一個(gè)位置，兩類樣本(即，使用手持裝置類樣本以及未使用手持裝置類樣本)中接近這個(gè)位置的點(diǎn)距離的都最遠(yuǎn)，此超平面也可稱作最大間隔超平面。
[0074]圖9是超平面的示意圖范例。請參照圖9，“X”(例如，樣本點(diǎn)901)及“〇”(例如， 樣本點(diǎn)902)是將特征訓(xùn)練樣本輸入至分類器模塊后所映射的樣本點(diǎn)。而超平面920的數(shù)學(xué)形式可以采用公式(1)表示:
[0075]w ? x~b = 0(1)
[0076]其中x是超平面上的樣本點(diǎn)，而w是垂直于超平面的向量，且b為位移。
[0077]為了取得最大間隔，處理器170要取得支持向量以及(與最大間隔超平面)平行且距離支持向量最近的超平面。因此，處理器170計(jì)算出超平面910及940,其可分別通過公式⑵及(3)來表示:
[0078]w ? x~b = 1(2)
[0079]w ? x~b = -1(3)
[0080]其中，樣本點(diǎn)903、905及907以及樣本點(diǎn)904、906、908及909為最接近超平面920 的樣本點(diǎn)，樣本點(diǎn)903、905及907以及樣本點(diǎn)904、906、908及909分別重疊于超平面910 及940,且超平面910及940相距2/ | w |。因此，處理器170便可決定超平面920為最大間隔超平面。
[0081]藉此，由于本發(fā)明實(shí)施例是輸入使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)，則處理器170便能通過分類器模塊來將使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)的特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本。
[0082]需說明的是，在其他實(shí)施例中，處理器170也可使用適應(yīng)性增強(qiáng)(adaboost)或類神經(jīng)網(wǎng)絡(luò)算法，來建立分類器模塊，本發(fā)明不加以限制。
[0083]在步驟S250中，處理器170通過圖像獲取裝置110獲取人員的圖像序列。例如，圖像獲取裝置110可設(shè)定為每秒18張、30張、50張等拍攝速度，或僅拍攝兩張圖像，以對人員進(jìn)行拍攝，并將獲取的圖像序列存儲在存儲單元130中。
[0084]在其他實(shí)施例中，處理器170也可事先設(shè)定啟動(dòng)條件。當(dāng)符合此啟動(dòng)條件時(shí)，處理器170可致能圖像獲取裝置110來獲取人員的圖像序列。例如，可在圖像獲取裝置110的附近設(shè)置傳感器(例如，紅外線傳感器)。檢測系統(tǒng)100利用紅外線傳感器來檢測是否有人員位于圖像獲取裝置110可獲取圖像的范圍內(nèi)。倘若紅外線傳感器檢測到在圖像獲取裝置110前方有人員出現(xiàn)(即，符合啟動(dòng)條件)時(shí)，處理器170便會致能圖像獲取裝置110開始獲取圖像序列。另外，檢測系統(tǒng)100上也可設(shè)置啟動(dòng)鈕，當(dāng)此啟動(dòng)鈕被按壓時(shí)，處理器170才啟動(dòng)圖像獲取裝置110。
[0085]此外，處理器170也可對獲取到的圖像序列執(zhí)行背景濾除動(dòng)作。例如，將第I張圖像與第1+1張圖像進(jìn)行差分處理，I為正整數(shù)。之后，處理器170可將濾除背影的圖像轉(zhuǎn)為灰階圖像，藉此進(jìn)行后續(xù)動(dòng)作。
[0086]接著，由處理器170開始對上述圖像序列的各張圖像進(jìn)行圖像識別程序。在步驟S270中，處理器170檢測人員的臉部物件，以決定圖像序列中任一個(gè)圖像畫面內(nèi)的興趣區(qū)域。具體而言，處理器170分析圖像序列以取得臉部特征(例如，眼睛、鼻子、嘴唇等)，再利用臉部特征的比對，來找出圖像中的臉部物件。例如，存儲單元130存儲有特征數(shù)據(jù)庫。此特征數(shù)據(jù)庫包括了臉部特征樣本(pattern)。而處理器170通過與特征數(shù)據(jù)庫中的樣本進(jìn)行比對來獲得臉部物件。針對檢測臉部物件的技術(shù)，本發(fā)明實(shí)施例可利用適應(yīng)性增強(qiáng)算法或其他人臉檢測算法等算法來獲得圖像序列的各圖像中的臉部物件。
[0087]在處理器170取得臉部物件后，便能決定興趣區(qū)域。舉例而言，圖10是興趣區(qū)域的范例。請參照圖10，處理器170先決定臉部物件1000，便在臉部物件1000的左右臉側(cè)附近決定興趣區(qū)域1010、1020、1030、1050、1060及1070。在本發(fā)明實(shí)施例中，興趣區(qū)域例如是對應(yīng)于前述HOG算法中的視窗區(qū)域(例如，圖4的視窗區(qū)域400或圖8的視窗區(qū)域800)。需說明的是，應(yīng)用本發(fā)明實(shí)施例者可依據(jù)設(shè)計(jì)需求，調(diào)整興趣區(qū)域的位置、數(shù)量、大小，本發(fā)明不加以限制。
[0088]之后，在步驟S290中，在此任一個(gè)圖像畫面中，處理器170檢測興趣區(qū)域其中之一是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否切換至另一興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置。
[0089]需說明的是，由于傳統(tǒng)通過HOG算法的圖像識別，通常需要對整張圖像畫面進(jìn)行檢測，但卻造成識別速度緩慢且不符合實(shí)際應(yīng)用。據(jù)此，本發(fā)明便是僅針對圖像畫面中的特定興趣區(qū)域來進(jìn)行檢測，并且依據(jù)檢測結(jié)果來決定是否切換另一興趣區(qū)域，以提升識別速度。
[0090]例如，處理器170先對圖10的興趣區(qū)域1010作為圖像序列中第一張圖像畫面進(jìn)行檢測。在一實(shí)施例中，處理器170通過圖像特征獲取算法取得興趣區(qū)域其中之一的特征信息。并且，處理器170通過分類器模塊判斷特征信息是否符合使用手持裝置類樣本或未使用手持裝置類樣本。例如，處理器170通過前述H0G算法取得圖10的興趣區(qū)域1010中的H0G特征，并將這些H0G特征輸入SVM分類器模塊來判定此興趣區(qū)域符合使用手持裝置類樣本或未使用手持裝置類樣本。
[0091]在一實(shí)施例中，當(dāng)處理器170在任一個(gè)圖像畫面中檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，在下一圖像畫面中繼續(xù)檢測相同的興趣區(qū)域是否符合使用手持裝置類樣本或未使用手持裝置類樣本。例如，處理器170在圖像序列的第三張圖像畫面中檢測圖10的興趣區(qū)域1010,則在第四張圖像畫面中繼續(xù)檢測圖10的興趣區(qū)域1010。
[0092]而另一實(shí)施例中，當(dāng)處理器170在圖像序列的圖像畫面中檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，在下一圖像畫面切換至另一興趣區(qū)域來檢測是否符合使用手持裝置類樣本或未使用手持裝置類樣本。例如，處理器170在圖像序列的第一張圖像畫面中檢測圖10的興趣區(qū)域1010,則在第二張圖像畫面中繼續(xù)檢測圖10的興趣區(qū)域 1020。需說明的是，本發(fā)明實(shí)施例不加以限制興趣區(qū)域的檢測順序，例如，處理器170可先檢測圖10的興趣區(qū)域1010,再檢測圖10的興趣區(qū)域1060,視設(shè)計(jì)需求來決定。
[0093]需說明的是，上述下一圖像畫面也可能是前述任一個(gè)圖像畫面后的第兩張圖像畫面、第五張圖像畫面等，應(yīng)用本發(fā)明實(shí)施例者可依據(jù)設(shè)計(jì)需求進(jìn)行調(diào)整。
[0094]此外，在一些實(shí)施例中，當(dāng)處理器170判斷興趣區(qū)域?yàn)闄z測到使用手持裝置的情況下，將進(jìn)一步確認(rèn)判定的合理性。例如，處理器170判斷的位置過于接近臉部，則會將檢測結(jié)果濾掉(例如，重新判定為符合未使用手持裝置類樣本)。
[0095]此外，為了降低圖像識別的錯(cuò)誤率，本發(fā)明還另設(shè)置計(jì)數(shù)器，以通過多次檢測來提升準(zhǔn)確度。在一實(shí)施例中，當(dāng)處理器170檢測到興趣區(qū)域其中之一符合使用手持裝置類樣本時(shí)，增加計(jì)數(shù)器的計(jì)數(shù)值(例如，加1)。而當(dāng)處理器170檢測到興趣區(qū)域其中之一符合未使用手持裝置類樣本時(shí)，減少計(jì)數(shù)值(例如，減1)。并且，當(dāng)計(jì)數(shù)值到達(dá)門檻值(例如，18 次、30次等)時(shí)，處理器170便判斷人員使用手持裝置。
[0096]在一些實(shí)施例中，當(dāng)處理器170判斷人員使用手持裝置時(shí)，通過警示模塊150啟動(dòng)警示程序。處理器170可產(chǎn)生提示信號至警示模塊，警示模塊便可依據(jù)提示信號來警示人員。例如，顯示模塊可顯示文字、圖像或圖像說明警告事宜(例如，駕駛者正使用手持裝置！)。燈光模塊可以特定頻率閃爍燈光或發(fā)出特定顏色的燈光(例如，紅色、藍(lán)色等)。振動(dòng)模塊例如是以產(chǎn)生固定頻率或變動(dòng)頻率等振動(dòng)。揚(yáng)聲器模塊可發(fā)出提示音(例如，長音 “逼”聲等)。
[0097]藉此，人員在駕駛汽車的過程中接聽來電時(shí)，設(shè)置于汽車上的檢測系統(tǒng)100便可快速檢測到人員正使用手持裝置，以提供使用手持裝置的警示。此外，本發(fā)明實(shí)施例也可應(yīng)用在自動(dòng)交易裝置或其他監(jiān)控人員是否正使用手持裝置的電子裝置或場所。為使本發(fā)明更輕易被理解，以下將另舉應(yīng)用范例分別說明SVM分類器模塊的訓(xùn)練步驟以及手持裝置檢測步驟。
[0098]圖11是SVM分類器模塊的學(xué)習(xí)流程范例。請參照圖11，在步驟S1105以及S1110 中，處理器170分別取得使用手持裝置的訓(xùn)練特征數(shù)據(jù)(S卩，使用手持裝置圖像數(shù)據(jù))以及未使用手持裝置的訓(xùn)練特征數(shù)據(jù)(即，未使用手持裝置圖像數(shù)據(jù))。例如，處理器170通過圖像獲取裝置110分別對使用手持裝置以及未使用手持裝置的人員拍攝多個(gè)圖像，并依據(jù)這些圖像產(chǎn)生手持裝置的訓(xùn)練特征數(shù)據(jù)以及未使用手持裝置的訓(xùn)練特征數(shù)據(jù)。
[0099]在步驟SI 130中，處理器170將這些圖像產(chǎn)生手持裝置的訓(xùn)練特征數(shù)據(jù)以及未使用手持裝置的訓(xùn)練特征數(shù)據(jù)轉(zhuǎn)換成例如是80*104象素大小(S卩，視窗區(qū)域)。接著，處理器170通過HOG圖像特征獲取算法取得HOG特征(步驟SI 150)，再設(shè)定線性(linear) SVM參數(shù)(步驟S1170)。然后，處理器170便可將HOG特征分類成使用手持裝置類樣本以及未使用手持裝置類樣本，已建立線性SVM分類器模塊(步驟SI 190)。
[0100]另一方面，圖12是手持裝置檢測步驟流程范例。請參照圖12，處理器170通過圖像獲取裝置110對人員獲取圖像序列，以將輸入圖像序列(步驟S1210)。圖像序列中的圖像畫面例如是640*480象素，而若欲提升處理速度，可將解析度調(diào)低，例如是320*240象素。接著，處理器170依據(jù)輸入的圖像序列來判斷是否檢測到人臉(步驟S1220)。若處理器170檢測到人臉，則處理器170依據(jù)檢測的人臉設(shè)定興趣區(qū)域(步驟S1230)。例如，在人臉的兩側(cè)分別畫出上、中、下共六個(gè)興趣區(qū)域(例如，圖10中的興趣區(qū)域1010?1070)。接著，處理器170對其中一個(gè)興趣區(qū)域進(jìn)行手持裝置檢測(步驟S1240)，其中處理器170先對此興趣區(qū)域進(jìn)行HOG圖像特征獲取算法以取得HOG特征(步驟S1245)，再通過SVM分類器模塊來判斷這些HOG特征是否符合使用手持裝置類樣本以及未使用手持裝置類樣本(步驟S1247)。若這些HOG特征符合使用手持裝置類樣本(步驟S1250)，則處理器170增加計(jì)數(shù)器的計(jì)數(shù)值(步驟S1280)，且繼續(xù)對相同的興趣區(qū)域進(jìn)行檢測。例如，若步驟S1240對圖10的興趣區(qū)域1070進(jìn)行檢測，則繼續(xù)對圖10的興趣區(qū)域1070進(jìn)行檢測。而若處理器170檢測到人臉或這些HOG特征符合未使用手持裝置類樣本(步驟S1260)，則在下一個(gè)圖像畫面切換另一個(gè)興趣區(qū)域(步驟S1270)，并減少計(jì)數(shù)器的計(jì)數(shù)值(步驟S1280)。例如，若步驟S1240對圖10的興趣區(qū)域1060進(jìn)行檢測，則切換至圖10的興趣區(qū)域1020。接著，處理器170等待事件觸發(fā)(步驟S1290)。例如，處理器170判斷計(jì)數(shù)值是否到達(dá)門檻值(例如，18次)。若計(jì)數(shù)值到達(dá)門檻值，則處理器170觸發(fā)警示信號，并通過警示模塊150發(fā)出警示以告知人員。此外，處理器170會繼續(xù)進(jìn)行步驟S1240手持裝置檢測，直到計(jì)數(shù)值歸零時(shí)，處理器170才會解除警示程序。
[0101]綜上所述，本發(fā)明實(shí)施例所述的檢測系統(tǒng)可通過圖像特征獲取算法取得圖像特征，再將圖像特征通過機(jī)器學(xué)習(xí)方法對來分類成使用手持裝置類樣本以及未使用手持裝置類樣本。此外，檢測系統(tǒng)依據(jù)人員的臉部物件所決定的其中一個(gè)興趣區(qū)域中檢測是否符合使用手持裝置類樣本或未使用手持裝置類樣本，以決定是否在下一張圖像畫面中切換至另一個(gè)興趣區(qū)域來進(jìn)行檢測，并藉以判斷人員是否使用手持裝置。藉此，便能通過圖像特征獲取算法以及機(jī)器學(xué)習(xí)方法來增加圖像識別的精確度，還能改善圖像特征獲取算法的識別速度，進(jìn)而提供快速且精確的手持裝置使用狀態(tài)的檢測方法。駕駛者還能通過警示程序來提高警覺心，以降低意外發(fā)生率。
[0102]最后應(yīng)說明的是:以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。
【主權(quán)項(xiàng)】
1.一種人員使用手持裝置的檢測方法，適用于電子裝置，其特征在于，該檢測方法包括: 通過多個(gè)圖像數(shù)據(jù)，以獲得多個(gè)特征訓(xùn)練樣本； 依據(jù)該些特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝置類樣本； 獲取人員的圖像序列； 依據(jù)該圖像序列檢測該人員的臉部物件，以決定該圖像序列中任一個(gè)圖像畫面內(nèi)的多個(gè)興趣區(qū)域；以及 在該任一個(gè)圖像畫面中，檢測該些興趣區(qū)域其中之一是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本，以決定是否切換至另一該興趣區(qū)域來進(jìn)行檢測，并藉以判斷該人員是否使用手持裝置。2.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，在該任一個(gè)圖像畫面中，檢測該些興趣區(qū)域其中之一是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本，以決定是否切換至另一該興趣區(qū)域來進(jìn)行檢測，并藉以判斷該人員是否使用該手持裝置的步驟包括: 當(dāng)在該任一個(gè)圖像畫面中檢測到該些興趣區(qū)域其中之一符合該使用手持裝置類樣本時(shí)，在下一圖像畫面中繼續(xù)檢測相同的該興趣區(qū)域是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本。3.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，在該任一個(gè)圖像畫面中，檢測該些興趣區(qū)域其中之一是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本，以決定是否切換至另一該興趣區(qū)域來進(jìn)行檢測，并藉以判斷該人員是否使用該手持裝置的步驟包括: 當(dāng)在該任一個(gè)圖像畫面中檢測到該些興趣區(qū)域其中之一符合該未使用手持裝置類樣本時(shí)，在下一圖像畫面切換至另一該興趣區(qū)域來檢測是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本。4.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，在該任一個(gè)該圖像畫面中，檢測該些興趣區(qū)域其中之一是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本，以決定是否切換至另一該興趣區(qū)域來進(jìn)行檢測，并藉以判斷該人員是否使用該手持裝置的步驟包括: 當(dāng)檢測到該些興趣區(qū)域其中之一符合該使用手持裝置類樣本時(shí)，增加計(jì)數(shù)值； 當(dāng)檢測到該些興趣區(qū)域其中之一符合未該使用手持裝置類樣本時(shí)，減少該計(jì)數(shù)值；以及 當(dāng)該計(jì)數(shù)值到達(dá)門檻值時(shí)，判斷該人員使用該手持裝置。5.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，該些圖像數(shù)據(jù)包括使用手持裝置圖像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)，而取得該些圖像數(shù)據(jù)的該些特征訓(xùn)練樣本的步驟包括: 分別對使用該手持裝置以及未使用該手持裝置的該人員獲取至少兩個(gè)圖像訓(xùn)練序列； 分析該至少兩個(gè)圖像訓(xùn)練序列，以分別取得該人員的該使用手持裝置圖像數(shù)據(jù)以及該未使用手持裝置圖像數(shù)據(jù)；以及 利用圖像特征獲取算法取得該使用手持裝置圖像數(shù)據(jù)以及該未使用手持裝置圖像數(shù)據(jù)的該些特征訓(xùn)練樣本。6.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，依據(jù)該些圖像數(shù)據(jù)的該些特征訓(xùn)練 樣本來分類成該使用手持裝置類樣本以及該未使用手持裝置類樣本的步驟包括:依據(jù)該些圖像數(shù)據(jù)的該些特征訓(xùn)練樣本計(jì)算多個(gè)模塊參數(shù)；依據(jù)該些模塊參數(shù)建立分類器模塊，以通過該分類器模塊將該些圖像數(shù)據(jù)的該些特征 訓(xùn)練樣本分類成該使用手持裝置類樣本以及該未使用手持裝置類樣本；通過圖像特征獲取算法取得該些興趣區(qū)域其中之一的多個(gè)特征信息；以及通過該分類器模塊判斷該些特征信息是否符合該使用手持裝置類樣本或該未使用手 持裝置類樣本。7.—種人員使用手持裝置的檢測系統(tǒng)，其特征在于，包括:圖像獲取裝置，用以取得人員的圖像序列；存儲單元，用以存儲該圖像序列；以及處理器，耦接該圖像獲取裝置以及該存儲單元，該處理器通過多個(gè)圖像數(shù)據(jù)以獲得多 個(gè)特征訓(xùn)練樣本，依據(jù)該些特征訓(xùn)練樣本，分類成使用手持裝置類樣本以及未使用手持裝 置類樣本，且檢測人員的臉部物件，以決定該圖像序列中任一個(gè)圖像畫面內(nèi)的多個(gè)興趣區(qū) 域，在該任一個(gè)圖像畫面中，該處理器檢測該些興趣區(qū)域其中之一是否符合該使用手持裝 置類樣本或該未使用手持裝置類樣本，以決定是否切換至另一該興趣區(qū)域來進(jìn)行檢測，并 藉以判斷該人員是否使用手持裝置。8.根據(jù)權(quán)利要求7所述的檢測系統(tǒng)，其特征在于，當(dāng)該處理器在該任一個(gè)圖像畫面中 檢測到該些興趣區(qū)域其中之一符合該使用手持裝置類樣本時(shí)，在下一圖像畫面中繼續(xù)檢測 相同的該興趣區(qū)域是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本。9.根據(jù)權(quán)利要求7所述的檢測系統(tǒng)，其特征在于，當(dāng)該處理器在該任一個(gè)圖像畫面中 檢測到該些興趣區(qū)域其中之一符合該未使用手持裝置類樣本時(shí)，在下一圖像畫面切換至另 一該興趣區(qū)域來檢測是否符合該使用手持裝置類樣本或該未使用手持裝置類樣本。10.根據(jù)權(quán)利要求7所述的檢測系統(tǒng)，其特征在于，當(dāng)該處理器檢測到該些興趣區(qū)域其 中之一符合該使用手持裝置類樣本時(shí)，增加計(jì)數(shù)值，當(dāng)該處理器檢測到該些興趣區(qū)域其中 之一符合未該使用手持裝置類樣本時(shí)，減少該計(jì)數(shù)值，且當(dāng)該計(jì)數(shù)值到達(dá)門檻值時(shí)，該處理 器判斷該人員使用該手持裝置。11.根據(jù)權(quán)利要求7所述的檢測系統(tǒng)，其特征在于，該些圖像數(shù)據(jù)包括使用手持裝置圖 像數(shù)據(jù)以及未使用手持裝置圖像數(shù)據(jù)，而該處理器通過該圖像獲取裝置對使用該手持裝置 以及未使用該手持裝置的該人員獲取至少兩個(gè)圖像訓(xùn)練序列，分析該至少兩個(gè)圖像訓(xùn)練序 列，以分別取得該人員的該使用手持裝置圖像數(shù)據(jù)以及該未使用手持裝置圖像數(shù)據(jù)，且利 用圖像特征獲取算法取得該使用手持裝置圖像數(shù)據(jù)以及該未使用手持裝置圖像數(shù)據(jù)的該 些特征訓(xùn)練樣本。12.根據(jù)權(quán)利要求7所述的檢測系統(tǒng)，其特征在于，該處理器依據(jù)該些圖像數(shù)據(jù)的該 些特征訓(xùn)練樣本計(jì)算多個(gè)模塊參數(shù)，依據(jù)該些模塊參數(shù)建立分類器模塊，以通過該分類器 模塊將該些圖像數(shù)據(jù)的該些特征訓(xùn)練樣本分類成該使用手持裝置類樣本以及該未使用手 持裝置類樣本，該處理器通過圖像特征獲取算法取得該些興趣區(qū)域其中之一的多個(gè)特征信 息，且通過該分類器模塊判斷該些特征信息是否符合該使用手持裝置類樣本或該未使用手 持裝置類樣本。
【文檔編號】G06K9/00GK105989348SQ201510092491
【公開日】2016年10月5日
【申請日】2015年3月2日
【發(fā)明人】林伯聰, 鄞銘佐, 方志恒
【申請人】由田新技股份有限公司