基于智能移动终端视频抖动分析的人脸识别系统的制作方法
【技术领域】
[0001] 本发明涉及视频检测领域，尤其涉及一种基于智能移动终端视频抖动分析的人脸 识别系统。
【背景技术】
[0002] 随着社会的发展和科技的进步，尤其是近年来计算机软硬件性能的提升和计算机 视觉、模式识别和人工智能等技术的发展，社会对身份识别技术需求与日倶增，人脸识别技 术已经成为研究人员关注的又一研究方向。
[0003] 随着近年来社会信息化和自动化的发展，各种智能化的移动终端相继出现。智能 移动终端的CPU计算速度、存储能力和摄像头采集高清图像的能力等硬件水平也在一直上 升，基于智能移动终端平台上的人脸识别应用不断增加。
[0004] 然而，由于智能移动终端具有移动的特性，在利用智能移动终端采集人脸视频并 识别时，则由于智能移动终端上的摄像头会因发生抖动而生成含人脸的抖动视频，抖动的 视频则会干扰智能移动终端对人脸的正确识别。
【发明内容】
[0005] 本发明所要解决的技术问题是针对上述现有技术提供一种既能够对人脸视频进 行准确识别，又能够避免视频抖动干扰正常识别的基于智能移动终端视频抖动分析的人脸 识别系统。
[0006] 本发明解决上述技术问题所采用的技术方案为：基于智能移动终端视频抖动分析 的人脸识别系统，其特征在于，包括视频采集模块、存储模块、视频提取模块、视频预处理模 块、视频抖动运动补偿模块、视频运动目标提取模块、人脸特征目标提取模块、匹配模块和 识别结果显示模块；所述存储模块分别连接视频采集模块和视频提取模块，所述视频预处 理模块分别连接视频提取模块和视频抖动运动补偿模块，所述视频运动目标提取模块分别 连接视频抖动运动补偿模块和人脸特征目标提取模块，所述匹配模块分别连接人脸特征目 标提取模块和识别结果显示模块；其中，
[0007] 所述视频采集模块，用以采集智能移动终端外的含有人脸的视频，并对采集的外 部视频自动编号，存储至存储模块中；
[0008] 所述存储模块，一方面保存视频采集模块采集的编号外部视频，一方面保存系统 预先已登记存储的人脸面部图像或人脸视频；
[0009] 所述视频提取模块，用于提取存储模块中编号的视频，并发送给视频预处理模 块；
[0010] 所述视频预处理模块，用以滤除编号视频中的噪声，将滤噪后的视频分割成预设 数目的帧图像，并将滤噪后的各帧图像发送给视频运动目标提取模块，其中，视频预处理模 块对视频的预处理的方法过程依次包括如下步骤：
[0011] (1)利用高斯滤波对编号视频中的噪声滤除，将滤噪后的视频按照预设数目分割 成若干独立编号的原始帧图像St (i，j)，并由已分割数目的各原始帧图像St (i，j)构成原始 图像s(i，j);其中，te[Ι，τ]，τ表示视频被分割的帧图像数目；
[0012] (2)对原始图像S(i，j)中的各原始帧图像St(i，j)以预设倍数放大其像素值，并 对放大后的各原始帧图像St(i，j)做灰度化处理，得到对应的灰度帧图像Yt(i，j)，其中，原 始图像s(i，j)对应的灰度图像为Y(i，j);
[0013] Y(i,j) = 0. 257Xr(i,j)+0. 504Xg(i,j)+0. 239Xb(i,j)；
[0014] 其中，r(i，j)、g(i，j)、b(i，j)分别对应原始帧图像St(i，j)的颜色空间三维坐标 中的红、绿、蓝颜色分量，Yt(i，j)是该像素点对应的灰度值；
[0015] (3)对灰度图像Y(i，j)中的各灰度帧图像Yt(i，j)进行预处理，得到对应的预处 理帧图像It(i，j)和预处理图像I(i，j)，并采用高斯滤波分别对各预处理帧图像It(i，j)进 行处理；其中，高斯函数为均值是零的二维高斯函数g(i，j)，其中，
[0016]
[0017] 所述视频运动目标提取模块，用于提取预处理图像中的运动目标，其中，运动目标 的提取方法过程依次包括如下步骤：
[0018] (a)建立背景像素模型M(i,j)，M(i,j) = {v^v2,…，vN};其中，vk(i,j)表示图像 (i，j)位置上的像素值，k是背景像素样本中的序号，M(i，j)表示背景图像（i，j)位置上的 N个样本观察值；
[0019] (b)根据背景像素模型M(i，j)进行分类，建立以v(i，j)为中心，以R为半径的球 SR(v(i，j))，进行比较并分类；其中，比较分类过程如下：当处在球SR(v(i，j))以内的样本 观察值的数量K不小于基数K_，即K彡K_时，则判定当前像素v(i，j)为背景点；其中，K 表示为K= {SR(V(i，j))Π{￥"￥2，...^}};
[0020] (c)对背景像素模型M(i，j)进行初始化，在第一帧图像中随机选择相邻像素值与 目标像素的样本进行混合，Mi(i，j) = {力(7|7^乂(1，」)）}，每一个相邻位置7上的像素通 过同样的方式被随机的选取，Mi(i，j)表示第一帧图像序号的背景模型，Nji，」）表示与像 素位置（i，j)相邻的像素；
[0021] (d)更新背景像素模型M(i，j)，并采用保守更新策略，配合着向被前景区域遮挡 的像素注入空间相邻像素信息实现更新，使用v(i，j)更新背景模型M(i，j)，随机的选择样 本数量为6中的一个像素值进行更新；每次对背景模型进行更新时，以随机的更新判定为 背景的像素位置上的模型，依然保留在模型中的概率P(t，t+dt)为：
[0022] _ =eW"N为样本数量；
[0023] 所述视频抖动运动补偿模块，用以对接收到的提取结果进行补偿，其中，运动补偿 的方法过程依次包括如下步骤：
[0024]步骤1，根据背景模型M、当前帧图像I以及邻域窗口内的像素对比计算结果，得到 偏移量ε⑷；其中，偏移量ε⑷计算公式如下：
[0025]
[0026] 其中，wx、wy是与邻域窗口相关的参数，窗口的尺寸表示为2(wx+l)X2(wy+1)， (ux，uy)为背景图像中的特征角点，Μ表示背景模型，I表示当前帧图像，d= [dxdy]T;
[0027] 步骤2,考察当前帧图像I中特征角点（ux，uy)周围的像素点，计算得到具有最小偏 移量ε(d)的像素点（uxl，uyl)，并把该像素点（uxl，uyl)当作对应背景点（ux，uy)的像素点， 得到像素（ux，uy)在当前帧图像I中的偏移量d，其中，偏移量d计算如下：
[0028]d= (uxl-ux,uyl-uy)；
[0029] 步骤3，计算多个背景图像上特征角点的位移均值Si以及位移中值S2，并以所得位 移均值和位移中值的平均值作为整个背景图像的偏移量S;其中，位移均值Si、位移中值S2 和偏移量S的计算公式如下：
[0030]
N 为样本数量；
[0031] 步骤4,利用偏移量S修正背景模型，并提取运动目标F，其中，运动目标F提取公 式如下：
[0032]F{SR(v(i,j))ΠM(i+dx,j+dy)}；
[0033] 所述匹配模块，将将视频运动目标提取模块提取的且经运动补偿的运动目标结果 与存储模块中的原有人脸图像进行匹配，得到匹配识别后的结果；所述识别结果显示模块， 显示人脸识别结果。
[0034]与现有技术相比，本发明的优点在于：含有人脸的视频经视频预处理模块滤除噪 声后，将滤噪后的视频分割成预设数目的帧图像，并按照预处理方法对这些帧图像预处理； 经预处理后的图像发送给视频运动目标提取模块来提取预处理图像中的运动目标，并由视 频抖动运动补偿模块对接