Mac地址栏。
[0035] S8.查询数据库中的特征脸，判断新检测的特征脸是否在数据库中存在，如果存在 则优化数据库，如果不存在则更新数据库特征地址栏。
[0036] S9.依据新探测到的Mac地址，特征脸等信息与数据库中的数据比对结果，更新数 据库中Mac地址、特征人脸、性别、年龄信息，并优化数据库。允许数据库中的Mac地址与特 征脸存在多对一或者一对多的映射关系，从而适应一人拥有多台移动终端或者多人与一台 移动终端对应关系，数据库包含信息示意图如图3所示。
[0037] 所述步骤S2提供了一种基于无线定位的方法，该方法包括步骤：
[0038] S2. 1 已知 4 个 Wifi 热点的节点坐标为（X1, Y1, Z1)，（x2, y2, z2)，（x3, y3, Z3)， (x4, y4, z4)；
[0039] S2. 2移动终端距离里各个Wifi热点的距离分别为：山，d2, d3, d4，假设移动终端的 位置坐标为（X，y，z);可以建立如下方程：
[0040]
(1>
[0041] S2. 3将方程组两边分别取平均得到： CN 105160321 A 说明书 4/6 页
[0050] 利用最小二乘法原理得：Q (Z) = Il AZ_b Il 2
[0051] 对该式求导得：
[0052]
[0053] 如果AAt为非奇异矩阵，则该式有解；可得解Z为：
[0054] Z = (AAt) Vb (3)
[0055] 所述步骤S3在服务端对图像进行预处理主要采用的二维傅里叶变换，将图像灰 度调整到近似灰度级。二维傅里叶变换的主要步骤为：
[0056] S3. 1假设原图像的大小为M*N，经二维傅里叶变换： CN 105160321 A 说明书 5/6 页
[0057]
[0058] 式中，F (u, v)为变换之后的值，s (x, y)为原始图像在（x, y)处的像素值。
[0059] S3. 2将原点的傅里叶系数设为同一值F(l，I) = 128*M*N，然后经反傅里叶变换完 成光照预处理：
[0060]
[0061] 所述步骤S5中的基于双目视觉定位的方法，如图4所示，具体为：对于安装平行 的两个摄像机，假设摄像头1安装在世界坐标系Ο-xyz的原点，摄像机的图像坐标系设为 OrX1Y1,。为摄像机的有效焦距;摄像头2坐标系设为0r-x ryrzr，图像坐标系为0r-XrY r，fr为 其有效焦距，那么根据透视投影变换模型可以得到：
[0062]
[0063]
[0064] 式中，s表示比例因子，任一点P的在左侧图像坐标系表示为[X1, Y1, 1]τ，在摄像机 坐标系下的坐标为[X，y，ζ]Τ;在右侧图像坐标系表示为[X?乙，1] Τ，在摄像机坐标系下的坐 标为[xr，yr，zr] T;
[0065] Ο-xyz坐标系和标系的位置可以采用空间转换矩阵M ^表示成如下形 式：
[0066] (6)
[0067] 为Ο-xyz和0r-xryrz r两个坐标系之间的旋 转矩阵和平移矩阵；
[0068] 由公式（4)一一 (6)可知位于Ο-xyz坐标系中的空间点，存在两个摄像机平面点间 的对应关系可以表示为：
[0069]
[0070] 式中P r = s r/Sl，求解可得：
[0071] LlN 丄UOlbUdZ丄 A yJ^ rVJ 〇/〇 JM
(7)
[0072] 步骤S5中的一种人脸识别的方法，该方法包括步骤：
[0073] S5. 1提取人脸特征，计算各通道的Gabor滤波器G，其中
[0074]
[0075] 式中，X。= XCOS Θ +ysin Θ，y。= -XSin Θ +yC0S Θ，X，y 为空间域像素的位置，ω 0 为滤波器的中心频率，Θ为Gabor小波的方向，σ为高斯函数沿两个坐标轴的标准方差， exp(j ω0χ。）为交流成分，
为直流补偿；
[0076] S5. 2计算Gabor特征脸，通过卷积方程：0U,V= X*g u,v，0U,V是X使用滤波器g ^得 到的特征脸；
[0077] S5. 3提取G1通道的2DPCA主成分0 U,V_2DPCA，作为检测人脸头像的特征；
[0078] S5. 4获取维数为300的人脸特征向量，在G1通道上与数据库中人脸特征结合，计 算欧氏距离：
[0079]
[0080] 式中，Vli j为数据库中人脸特征向量，V inputiin为检测到的人脸特征向量。S5. 5将各 个通道的欧氏距离加权得到最终的识别结果。
【主权项】
1. 一种基于视觉与无线定位的移动终端身份确认方法，其包括以下步骤：51. 通过摄像头组采集区域内的图像，并将图像发送到服务端，通过无线热点模块自动 探测出区域内的移动终端Mac地址和所述移动终端距离无线热点模块的距离，并将相关信 息发送到服务端。52. 服务端根据各个无线热点模块发送来的移动终端距离无线热点模块的距离，并结 合无线热点模块所在的坐标，通过无线定位算法计算出该移动终端的坐标。53. 服务端对摄像头组采集的图像进行批量预处理，优化图像质量，方便后期的处理和 人脸特征的提取。54. 对摄像头组所采集的图像进行基于Haar特征的Adaboost人脸检测算法进行人脸 检测。55. 对进行人脸检测后得到的人脸图像进行Gabor特征提取，并对人脸图像进行基于 Gabor特征人脸性别的判别和年龄估计，得出人脸的性别和年龄，并采用双目视觉定位算法 进行人脸位置的估计，得到人脸坐标，并将相关信息存储起来，更新数据库。56. 综合比对移动终端的坐标和人脸坐标，如果在一定的阈值范围之内，则将该移动终 端Mac地址作为该人脸的身份号码，整合移动终端Mac地址、特征脸、年龄、性别信息数据， 从而将新探测到的移动终端Mac地址与特征脸对应起来。57. 查询数据库中的移动终端Mac地址，判断新探测的移动终端Mac地址在数据库中是 否存在，如果存在则继续判断特征脸，如果不存在则更新数据库中的移动终端Mac地址栏。58. 查询数据库中的特征脸，判断新检测的特征脸是否在数据库中存在，如果存在则优 化数据库，如果不存在则更新数据库特征脸栏。59. 依据新探测到的移动终端Mac地址，新检测的特征脸与数据库中的数据比对结果， 更新数据库中移动终端Mac地址、特征脸、性别、年龄信息，并优化数据库。2. 根据权利要求1所述的一种基于视觉与无线定位的移动终端身份确认方法，其特征 在于：所述摄像头组和无线热点模块设置为一集成模块。3. 根据权利要求1所述的一种基于视觉与无线定位的移动终端身份确认方法，其特征 在于：所述摄像头组包括四个摄像头，每两个摄像头为一组。4. 根据权利要求1-3任意一项所述的一种基于视觉与无线定位的移动终端身份确认 方法，其特征在于：所述无线热点模块包括四组，每组与一个摄像头集成为一个模块。
【专利摘要】本发明公开了一种基于视觉与无线定位的移动终端身份确认方法，通过无线定位算法和双目视觉算法相结合，最终将移动终端与特征脸一对多或者多对一的映射关系建立起来，从而得到人脸数据和移动终端Mac地址的数据库。从两个方面可以探测到人的行踪，从而弥补了摄像头因探测不到人脸头像的不足。
【IPC分类】G06F17/30, G06K9/00
【公开号】CN105160321
【申请号】CN201510557088
【发明人】沈浩, 崔成, 王堃, 伍兴导
【申请人】深圳市飞思未来云媒体科技有限公司
【公开日】2015年12月16日
【申请日】2015年9月5日