一种结合人脸识别和行人识别技术的教室视频点到方法与流程

本发明涉及人脸识别领域，具体涉及一种结合人脸识别和行人识别技术的教室视频点到方法。

背景技术：

传统的教室上课，老师和教务处都想又快又准确的知道哪些学生没来上课，从而实施后续的教学管理。如果靠老师一个一个学生点名，要浪费很多时间，学生人数50人的情况下，大致要耗费3-5分钟的时间，且不一定准确。如果靠学生自己签名，会出现学生代签的情况。如果靠安装刷卡、指纹或者人脸考勤机的话，学生也要在课前或者课后排队去签到，非常麻烦，且额外增加了成本。

市场上已经出现了基于视频监控的人脸识别点到方法，以海康威视等监控厂商为代表，在后台对监控画面实时抓拍到的人脸进行特征提取和学生名单人脸库进行1：n检索，逐一确认，最终实现无感知点到。后台服务器是将监控摄像机的视频流进行解码后对图像逐帧或隔帧做人脸识别，即动态识别的办法，但该方法严重依赖于学生是否正视前方，特别是学生一直在低头或者人脸角度较偏的时候，会出现漏抓的情况。在一个100人左右的教室，5分钟以内输出结果，学生识别率在80％左右，如果时间放宽到10分钟，则识别率上升到85-90％。

技术实现要素：

本发明针对现有技术的不足，提出一种结合人脸识别和行人识别技术的教室视频点到方法，具体技术方案如下：

一种结合人脸识别和行人识别技术的教室视频点到方法，其特征在于：

采用以下步骤，

步骤1：处理模块对摄像机视频流中t时刻单幅画面进行行人再识别检测，人数统计，建模教室位置分布图和每个人的位置坐标；

设上课学生集合为n，应到人数为n＝|n|，行人再识别检测到的集合为m(t)，人数为m(t)，则m(t)≤n；

步骤2：对画面内的人脸进行特征提取，并根据人脸特征来检索上课名单n，确认当前集合k(t)，和前一副画面人脸确认集合k(t-1)进行迭代，得到t时刻的确认集合k(t)＝k(t)∪k(t-1)，人体特征识别模块依次对集合k(t)内每个人的人体特征进行识别，该人体特征包括发型、衣着、穿戴特征和身高，处理模块将识别的人体特征与人脸特征建立对应关系，将识别到的人体特征保存在人体特征数据库中；

步骤3：判断k(t)的人数是否等于n，如果是，则进入步骤10，否则，进入步骤4；

步骤4：如果k(t)内的人数小于n,则依次对m(t)-k(t)集合的每个成员对象is进行人体特征概率估计；

设集合o＝n-k(t)，预先从数据库中得到集合o中的成员对象is出场的先验概率p(is)，is∈m(t)-k(t),ia∈o；

根据识别到的目标is的发型，针对成员对象ia，在人体特征数据库检索关联特征，得到相似度概率p1(is)；

根据识别到的目标is的衣着，针对成员对象ia，在人体特征数据库检索关联特征，得到相似度概率p2(is)；

根据识别到的目标is的穿戴特征，针对成员对象ia，在人体特征数据库进行检索，得到相似度概率p3(is)；

根据识别到的目标is的身高特征，针对成员对象ia，在人体特征数据库进行检索，得到相似度概率p4(is)；

依次对m(t)-k(t)中的每个成员对象is，

取估算概率集合q＝{ps＝p(ia)*p1(is)*p2(is)*p3(is)*p4(is)|ia∈o，is}，选取估算概率集合q中的最大值为成员对象is的对应的估算出席人员，得到由估算出席人员组成的集合b(t)；

步骤5：设定由迭代次数至少p次，在t+1时刻对新的画面重新分析，重复步骤1至步骤4至少p次；

步骤6：在迭代设定的p次画面后，如果没有达到终止条件，则停止迭代，进入步骤7，否则，进入步骤8；

步骤7：更新每个成员的先验出席概率和人体特征库概率，输出m(t)、k(t)和b(t)，m(t)＝k(t)+b(t)；

步骤8：说明全部学生已经确认完毕，结束本轮点到，输出结果为学生出勤名单n(t)＝k(t)＝m(t)。

进一步地：步骤1中采用基于深度学习cnn网络对摄像机视频流中t时刻单幅画面进行识别处理。

本发明的有益效果为：第一，无需对硬件设备、摄像头进行改造，现有大部分摄像头即可满足要求，降低用户成本；

第二，提高了原有人脸识别动态点到的准确率和速度。利用本发明，能够解决目前对教室学生快速、高效点到的问题。

附图说明

图1为本发明的工作流程图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

如图1所示：一种结合人脸识别和行人识别技术的教室视频点到方法，采用以下步骤，

步骤1：处理模块对摄像机视频流中t时刻单幅画面进行行人再识别检测，人数统计，建模教室位置分布图和每个人的位置坐标；

设上课学生集合为n，应到人数为n＝|n|，行人再识别检测到的集合为m(t)，人数为m(t)，则m(t)≤n；

步骤2：对画面内的人脸进行特征提取，并根据人脸特征来检索上课名单n，确认当前集合k(t)，和前一副画面人脸确认集合k(t-1)进行迭代，得到t时刻的确认集合k(t)＝k(t)∪k(t-1)，人体特征识别模块依次对集合k(t)内每个人的人体特征进行识别，该人体特征包括发型、衣着、穿戴特征和身高，处理模块将识别的人体特征与人脸特征建立对应关系，将识别到的人体特征保存在人体特征数据库中；

步骤3：判断k(t)的人数是否等于n，如果是，则进入步骤10，否则，进入步骤4；

步骤4：如果k(t)内的人数小于n,则依次对m(t)-k(t)集合的每个成员对象is进行人体特征概率估计；

设集合o＝n-k(t)，预先从数据库中得到集合o中的成员对象is出场的先验概率p(is)，is∈m(t)-k(t),ia∈o；

根据识别到的目标is的发型，针对成员对象ia，在人体特征数据库检索关联特征，得到相似度概率p1(is)；

根据识别到的目标is的衣着，针对成员对象ia，在人体特征数据库检索关联特征，得到相似度概率p2(is)；

根据识别到的目标is的穿戴特征，针对成员对象ia，在人体特征数据库进行检索，得到相似度概率p3(is)；

根据识别到的目标is的身高特征，针对成员对象ia，在人体特征数据库进行检索，得到相似度概率p4(is)；

依次对m(t)-k(t)中的每个成员对象is，

取估算概率集合q＝{ps＝p(ia)*p1(is)*p2(is)*p3(is)*p4(is)|ia∈o，is}，选取估算概率集合q中的最大值为成员对象is的对应的估算出席人员，得到由估算出席人员组成的集合b(t)；

步骤5：设定由迭代次数至少p次，在t+1时刻对新的画面重新分析，重复步骤1至步骤4至少p次；

步骤6：在迭代设定的p次画面后，如果没有达到终止条件，则停止迭代，进入步骤7，否则，进入步骤8；

步骤7：更新每个成员的先验出席概率和人体特征库概率，输出m(t)、k(t)和b(t)，m(t)＝k(t)+b(t)；

步骤8：说明全部学生已经确认完毕，结束本轮点到，输出结果为学生出勤名单n(t)＝k(t)＝m(t)。