基于视频的测谎方法及其测谎系统的制作方法
【技术领域】
[0001] 本发明属于测谎技术领域，尤其设及一种基于视频的测谎方法及其测谎系统。
【背景技术】
[0002] 测谎仪在侦查案件、审问犯人的时候具有重要的作用，其虽然不能100%保证检测 的准确性，但其测试数据给公安机关、法院等机构提供重要的参考，使得执法人员能迅速了 解被侦查人员的屯、理，加快破案速度。因此如何使用科技手段方便、快速并准确地检测被测 人员是否撒谎具有重要意义。
[0003] 传统的测谎方法通常为接触式的，容易被被测者提防，导致检测结果不准确。
【发明内容】
[0004] 基于此，针对上述技术问题，提供一种基于视频的测谎方法及其测谎系统。
[0005] 为解决上述技术问题，本发明采用如下技术方案：
[0006] 一种基于视频的测谎方法，包括：
[0007] 根据视频图像检测被测对象的视觉行为特征：
[000引 a、通过模式识别算法在所述视频图像中识别所述被测对象的小动作，并且计算小 动作出现的频率，该频率设为A ;
[0009] b、检测所述被测对象的头部、手部W及腿部的晃动信息；在所述视频图像中分割 出头部、手部W及腿部区域，分别对各区域进行特征点检测；在连续的视频帖中，对特征点 进行跟踪；计算各特征点的运动矢量，使用I IR滤波器对所述运动矢量进行时域滤波，得 至恪区域的晃动信息，设为B，公式为巧")=乙;'hU公("-z'-l) + (l-刮公'("），B(n)为第n帖计 算后的特征点运动矢量，^为权重系数；
[0010] 根据视频图像检测被测对象的生理参数特征；进行人脸检测W及人眼定位，提取 眼睛W下的区域作为感兴趣区域；对所述感兴趣区域的RGB通道进行分割，取多帖视频 图像的G通道的数据，计算其平均值，记为Avgg，将各帖的G通道的数据值减去Avgg得到 Valuefaw(i)，i为帖号，对多帖的Valuefat,(i)数据进行高斯滤波处理，消除随机噪声，对高 斯滤波处理后的数据序列进行独立成分分析，最后进行傅里叶变换，取幅度谱最大的频率 作为屯、率参数，设为C;
[0011] 通过如下公式计算被测对象的说谎概率数据Rate ;
[001 引 Rate = 口 A+ P B+ 5 C
[0013] ，曰、0和5为权重因子。
[0014] 本方案还设及一种基于视频的测谎系统，包括：
[0015] 视频采集模块，用于采集被测对象的视频图像，并将该视频图像传输给测谎模块 W及数据存储模块；
[0016] 测谎模块，用于检测所述视频图像，获得被测对象的说谎概率数据，并将该说谎 概率数据发送给数据存储单元；所述检测所述视频图像，获得被测对象的说谎概率数据包 括：
[0017] 根据视频图像检测被测对象的视觉行为特征：
[0018] a、通过模式识别算法在所述视频图像中识别所述被测对象的小动作，并且计算小 动作出现的频率，该频率设为A ;
[0019] b、检测所述被测对象的头部、手部W及腿部的晃动信息；在所述视频图像中分割 出头部、手部W及腿部区域，分别对各区域进行特征点检测；在连续的视频帖中，对特征点 进行跟踪；计算各特征点的运动矢量，使用IIR滤波器对所述运动矢量进行时域滤波，得到 各区域的晃动信息，设为B，公式为公= 公("-!'-1) + ^-句公'("），8似为第11帖计算 后的特征点运动矢量，A为权重系数；
[0020] 根据视频图像检测被测对象的生理参数特征；进行人脸检测W及人眼定位，提取 眼睛W下的区域作为感兴趣区域；对所述感兴趣区域的RGB通道进行分割，取多帖视频 图像的G通道的数据，计算其平均值，记为Avgg，将各帖的G通道的数据值减去Avgg得到 Valuefaw(i)，i为帖号，对多帖的Valuefat,(i)数据进行高斯滤波处理，消除随机噪声，对高 斯滤波处理后的数据序列进行独立成分分析，最后进行傅里叶变换，取幅度谱最大的频率 作为屯、率参数，设为C;
[0021] 通过如下公式计算被测对象的说谎概率数据Rate :
[002引 Rate = 口 A+ 0 B+ 5 C
[002引，曰、0和5为权重因子；
[0024] 数据存储模块，用于存储来自所述视频采集模块W及测谎模块的数据；
[0025] 网络传输单元，用于将所述视频采集模块的数据、所述测谎模块的数据W及所述 数据存储模块的数据传输给客户终端；
[0026] 客户终端，用于显示来自所述视频采集模块W及测谎模块的数据，且用于显示W 及下载来自所述数据存储模块的数据。
[0027] 所述客户终端为智能手机、计算机或者PAD。
[002引本发明将人的视觉行为特征和生理参数特征与屯、理学的原理相结合，提高了检测 的准确性与可靠性，并且该方法具有非接触式的特点，避免了传统接触式的测谎方式容易 被提防的缺点。
【附图说明】
[0029] 下面结合附图和【具体实施方式】本发明进行详细说明：
[0030] 图1为本发明的一种基于视频的测谎方法的流程图；
[0031] 图2为本发明的一种基于视频的测谎系统的结构示意图。
【具体实施方式】
[003引如图1所示，一种基于视频的测谎方法，包括：
[0033] S101、根据视频图像检测被测对象的视觉行为特征：
[0034] a、通过模式识别算法在视频图像中识别被测对象的小动作，如抹鼻子、巧眼睛、抓 耳朵等，并且计算小动作出现的频率，该频率设为A。
[003引如：视频的采样率为25帖/秒，在一秒钟摸鼻子5次，巧眼睛为9次，则A = (5+9)/250
[0036] b、检测被测对象的头部、手部W及腿部的晃动信息：
[0037] 在视频图像中分割出头部、手部W及腿部区域，分别对各区域进行特征点检测。 [003引在连续的视频帖中，对特征点进行跟踪。
[0039] 计算各特征点的运动矢量，使用IIR滤波器对运动矢量进行时域滤波，得到各区 域的晃动信息，设为B，公式为公("）=乙^度("1) + " -^)公'("），B (n)为第n帖计算后的 特征点运动矢量，A为权重系数，其取值范围为0到1。
[0040] 优选的，A取值为0.3。
[0041] S102、根据视频图像检测被测对象的生理参数特征：
[0042] 进行人脸检测W及人眼定位，提取眼睛W下的区域作为感兴趣区域，具体地，可W 采用opencv来实现人脸检测W及人眼定位。
[0043] 对感兴趣区域的RGB通道进行分割，取多帖视频图像的G通道的数据，计算其平 均值，记为Avgg，将各帖的G通道的数据值减去Avgg得到Value face (i)，i为帖号，对多帖的 Valuefaw(i)数据进行高斯滤波处理，消除随机噪声，对高斯滤波处理后的数据序列进行独 立成分分析，最后进行傅里叶变换，取幅度谱最大的频率作为屯、率参数，设为C。
[0044] S103、通过如下公式计算被测对象的说谎概率数据Rate :
[0045] Rate = 口 A+ 0 B+ 5 C
[0046] ，曰、0和5为权重因子。
[0047] 其中，a、0和5的取值范围均为0到1，且符合约束条件a + 0 + 5 = 1，较佳的， a = 0. 4, 0 = 0. 3, 5 = 0. 3 ;当说谎概率数据Rate达到60判断为说谎。
[0048] 本发明测谎方法将人的视觉行为特征和生理参数特征与屯、理学的原理相结合，在 人紧张时通常会产生屯、跳加速等生理参数变化，W及发生摸下己、摸鼻子、持头发、眼睛乱 转、双手摩擦等小动作，通过该种小动作可W镇定自己的情绪及通过身体的触感和温度平 复内屯、。因此，本发明方法提高了检测的准确性与可靠性，并且该方法具有非接触式的特 点，避免了传统接触式的测谎方法容易被提防的缺点。
[0049]