一种在摄像机内实现人脸信息分析及提取的方法
【技术领域】
[0001]本发明涉及人脸识别技术领域，尤其涉及一种在摄像机内实现人脸信息分析及提取的方法。
【背景技术】
[0002]目前人脸识别技术领域内，传统的方法是:通过摄像机拍摄图像，然后将图像直接通过通讯装置传输到后台服务器，然后由后台服务器的主机进行人脸识别。采用传统的方法，需要将图像传输到后台服务器中进行处理，而经过传输的图像在传输过程中会或多或少发生损耗，从而，后台服务器进行分析及人脸识别的是有损图像，人脸识别的精度会受影响，后台服务器的需求也是一个亟待解决的问题。因此，现有的人脸识别方法的识别精度有待提尚。
【发明内容】
[0003]鉴于目前人脸识别技术领域存在的上述不足，本发明提供一种在摄像机内实现人脸信息分析及提取的方法，能够从无损图像中识别和提取人脸信息，提高了识别精度及效率。
[0004]为达到上述目的，本发明的实施例采用如下技术方案:
[0005]—种在摄像机内实现人脸信息分析及提取的方法，所述摄像机包含有芯片，所述在摄像机内实现人脸信息分析及提取的方法包括以下步骤:
[0006]获取摄像机当前无损图像帧；
[0007]对获取的图像进行图像预处理；
[0008]对预处理后的图像进行人脸检测；
[0009]对检测出的人脸进行算法跟踪；
[0010]采用芯片对应的硬件内联函数和定点运算对跟踪的人脸图像进行特征点定位和特征值提取；
[0011]进行特征值及其它人脸信息的数据传输。
[0012]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法还包括:对跟踪的人脸进行最优人脸评分。
[0013]依照本发明的一个方面，所述对获取的图像进行图像预处理包括以下步骤:对待检测图像光照补偿、灰度化、滤波去噪及归一化处理，得到高质量的灰度图像。
[0014]依照本发明的一个方面，所述对预处理后的图像进行人脸检测包括:从场景图像中检测、定位人脸，将人脸从背景中分离出来，计算图像Haar-Like小波特征，将其传给离线训练好的多层级联AdaBoost分类器进行判决。
[0015]依照本发明的一个方面，所述采用芯片对应的硬件内联函数和定点运算对跟踪的人脸图像进行特征点定位和特征值提取包括:采用芯片对应的硬件内联函数同时通过定点运算来对跟踪的人脸图像进行描述、建模，用特征向量来表述人脸，提取出特征值。
[0016]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法还包括以下步骤:在所述摄像机内植入人脸信息提取算法，所述人脸信息提取算法的内存copy米用芯片的copy模式。
[0017]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法还包括以下步骤:人脸信息提取算法采用了芯片的关键字。
[0018]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法还包括以下步骤:所述人脸信息提取算法采用芯片的编译项进行代码编译。
[0019]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法还包括以下步骤:所述人脸信息提取算法采用了优化循环方式。
[0020]依照本发明的一个方面，所述在摄像机内实现人脸信息分析及提取的方法包括:将特征值及其它人脸信息传输给服务器来进行人脸比对、识别。
[0021]本发明实施的优点:本发明所述的在摄像机内实现人脸信息分析及提取的方法通过在摄像机内执行以下步骤:获取摄像机当前无损图像帧；对获取的图像进行图像预处理；对预处理后的图像进行人脸检测；对检测出的人脸进行算法跟踪；采用芯片对应的硬件内联函数和定点运算对跟踪的人脸图像进行特征点定位和特征值提取；进行特征值及其它人脸信息的数据传输，在摄像机中执行人脸信息分析及提取算法，分析的是摄像机内当前无损图像帧，从而提高了识别精度，提取出的人脸信息更加精确，且在芯片中运行算法，又提高了运算速度，同时因运算在摄像机内部完成，从而减少了所需后台服务器的数量，自定义传送数据，可以不传递视频，节约带宽，并提高了人脸识别提取效率。
【附图说明】
[0022]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本发明实施例一所述的一种在摄像机内实现人脸信息分析及提取的方法示意图；
[0024]图2为本发明实施例二所述的一种在摄像机内实现人脸信息分析及提取的方法示意图。
【具体实施方式】
[0025]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0026]实施例一
[0027]如图1所示，一种在摄像机内实现人脸信息分析及提取的方法，所述摄像机包含有芯片，所述在摄像机内实现人脸信息分析及提取的方法包括以下步骤:
[0028]步骤S1:获取摄像机当前无损图像帧；
[0029]所述步骤SI获取摄像机当前无损图像帧的具体实施的前提为，在含芯片的摄像机内植入人脸信息提取算法。在芯片中植入了人脸信息提取算法后，由摄像机拍摄图像，然后人脸信息提取算法会获取该摄像机当前所拍摄的无损图像帧作为待识别图像。
[0030]步骤S2:对获取的图像进行图像预处理；
[0031 ] 在所述步骤SI执行完后，执行步骤S2对获取的图像进行图像预处理，所述步骤S2的【具体实施方式】可为:对待检测图像光照补偿、灰度化、滤波去噪及归一化处理，得到高质量的灰度图像。
[0032]步骤S3:对预处理后的图像进行人脸检测；
[0033]所述步骤S3对预处理后的图像进行人脸检测的【具体实施方式】可为:从场景图像中检测、定位人脸，将人脸从背景中分离出来，计算图像Haar-Like小波特征，将其传给离线训练好的多层级联AdaBoost分类器进行判决。
[0034]在实际应用中，所述进行人脸检测及判断的要素包括位置、姿态、大小、肤色、发型和是否佩戴眼镜等。
[0035]在实际应用中，若存在未通过检测的人脸图像，则待检测人脸图像作为样本训练分类器，在线自动更新分类器。
[0036]其中多层级联AdaBoost分类器离线训练过程包括:
[0037]训练样本分为人脸图像集和非人脸图像集，在预处理阶段，样本灰度化处理，以便计算样本Haar-Like小波特征；每一个Haar-Like小波特征构成一弱分类器，通过AdaBoost迭代训练，选择一个最优的弱分类器，更新权重，将弱分类器组合成一个强的分类器，然后采用一个由简单到复杂，由粗到精的多分类器级联结构；
[0038]应用当前离线训练好了的分类器对非人脸图像集进行过滤，去除能被正确分类的样本，如果非人脸图像集不为空，继续应用连续的AdaBoost训练新的强分类器；如此循环，直到所有的非人脸图像集用完为止。
[0039]步骤S4:对检测出的人脸进行算法跟踪；
[0040]所述步骤S4对检测出的人脸进行算法跟踪的【具体实施方式】可为:在摄像机连续的图像帧中判断出人脸的存在与否，并对已检测出的人脸进行连续的定位跟踪。
[0041]在实际应用中，所述对检测出的人脸进行算法跟踪可为:通过步骤S3检测出人脸并定位该人脸，然后将此人脸作为人脸模板，随后在后续帧中运用均值偏移算法，不断进行均值偏移矢量迭代实现人脸跟踪。
[0042]步骤S5:采用芯片对应的硬件内联函数和定点运算对跟踪的人脸图像进行特征点定位和特征值提取；
[0043]所述步骤S5采用芯片对应的硬件内联函数和定点运算对跟踪的人脸图像进行特征点定位和特征值提取的【具体实施方式】可为:采用芯片对应的硬件内联函数同时通过定点运算来对跟踪的人脸图像进行描述、建模，用特征向量来表述人脸，提取出特征值。所述通过采