专利名称：一种获得监控视频中运动人体清晰人脸图像的方法
技术领域：
本发明涉及视频监控领域，更准确地说本发明涉及银行、超巿、医院、监 狱、车库、机场、政府部门、门禁等安全敏感场合的大范围监控。
背景技术：
视频监控中，人脸的检测与跟踪技术以其操作隐蔽、非接触式采集信息、 直接性、无须人为配合等优势成为身份验证的最理想依据，最受关注的技术。
目前，国外对人脸检测和跟踪问题的研究很多，比较著名的有MIT, CMU等；国 内的清华大学、北京工业大学、中国科学院计算技术研究所和中国科学院自动 化研究所等都有人员从事人脸检测相关的研究。
虽然目前已经有这许多关于人脸检测和跟踪的研究，但大多集中在近距离 高分辨率条件下，关于远距离条件下低分辨率图像中的人脸检测和跟踪的研究 不多。由于摄像机拍摄到的范围和精度有限，若目标移动至可视范围外抑或监 控目标离摄像头安装位置较远时，系统将失去对目标的准确捕捉，具体表现为 录像回放画质模糊不清等，不能清晰地将人的脸部信息记录下来，即使事后对 录像得到的视频图像放大，由于分辨率较低，仍然看不清人脸图像，不利于曰 后的查证工作。
发明内容
为克服上述存在的弊病，本发明的目的是提供一种获得监控视频中运动人 体的清晰人脸图像的方法，调节摄像头焦距等光学参数使人脸成像清晰，实现 对人脸的特写。
本发明是釆取以下的技术方案来实现的
一种获得监控视频中运动人体的清晰人脸图像的装置，由云台、摄像机、 解码器和DSP组成。
一种获得监控视频中运动人体的清晰人脸图像的方法，其特征在于包括以 下步骤
(1)、检测出运动人体后，跟踪人脸，在人的头部区域计算出正面人脸面
积；
4(2) 、判断人脸面积是否大于整幅图像面积S的10%，若人脸面积小于整 幅图像面积^的10%，则跟踪人脸，同时控制摄像机焦距使人脸面积达到整幅
图像面积S的10%;若人脸面积不小于整幅图像面积S的10%,则利用清晰度 评价函数判断人脸图像是否清晰；
(3) 、在人脸最清晰时，保存清晰人脸图像并控制摄像机光学参数使摄像 机恢复至正常现场监控状态。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于，所述 的人的头部区域为占人体1/6、长宽比值为
范围内的矩形区域。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于所述的 摄像机光学参数通过串口通信发送控制命令到解码器，解码器实现监控系统对 CCD摄像机内置电机的调整和控制，以实现对摄像机的焦距(Fociis)、光圏(I r i s ) 和数字变焦(Zoom)的控制。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于所述的 摄像机光学参数中，Focus和Zoom由监控系统控制调节，而光圈(Iris)则由 CCD摄像机自动调节以适应环境亮度变化，当需要人脸放大特写时，调整Focus 聚焦和Zoom缩小，当需要恢复至正常现场监控状态时调整Focus散焦和Zoom 放大。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于所述的 跟踪人脸是釆用CamShift算法实现，CamShift算法的初始搜索窗的大小和位置 由AdaBoost算法得到。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于用所述 的CamShift算法进行人脸跟踪时，采用Kalman滤波器预测的目标的形心作为 CamShift算法中搜索窗的初始中心位置，CamShift算法找到的最优位置作为 Kalman滤波器的观测值，从而修正Kalman滤波器的预测值。
前述监控视频中运动人体的清晰人脸图像的获得方法，其特征在于用所述 的CamShift算法进行人脸跟踪时，当Zoom縮小时，人脸放大，取每帧的搜索 窗口的长和宽为CamShift算法返回的搜索窗的长和宽的1.2倍；当Zoom放大 时，人脸缩小，取每帧的搜索窗口的长和宽为CamShift算法返回的搜索窗的长和宽的0. 8倍。
前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于所述的
清晰度评价函数的计算包括如下步骤
1)釆用边缘保持能力较强的边缘保持滤波器对图像进行预处理；
2 )找出每一行中灰度值连续下降起止像素点间隔的像素点数"ccww的最大
值及其对应的像素起止点位置以及起止位置对应像素点的灰度值；
3 )采用最小二乘法原理对2 )中所述的边缘灰度值进行直线拟合得到斜率； 4)计算灰度变化率绝对值和的平均值得到清晰度平均函数。 前述获得监控视频中运动人体的清晰人脸图像的方法，其特征在于人脸图
像最清晰即为清晰度评价函数取峰值的时候。清晰度评价函数取峰值时人脸图 像最清晰。此时，监控系统认为需要存储当前视频，即保存清晰人脸图像。监 控系统在继续实时显示当前视频的同时，启动视频数字压缩保存的操作，存储 当前的人脸特写视频至磁盘。存储人脸视频1秒时间后，停止保存，快速调整 Focus散焦和Zoom放大，使视频图像保持原始尺寸，使摄像机恢复至正常现场 监控状态。
至此， 一个完整的监控系统中运动人体的清晰人脸图像的录像过程执行完毕。
本发明通过调节摄像头焦距等光学参数使人脸成像清晰，实现对人脸的特 写，简单易行，有效解决了远距离条件下大视场的视频监控中运动人体的身份 验证。
图1为本发明的系统流程图。
具体实施例方式
下面结合附图和实例对本发明专利进一步说明。
一种获得监控视频中运动人体的清晰人脸图像的装置，由云台、摄像机、 解码器和DSP组成。
一种获得监控视频中运动人体的清晰人脸图像的方法，包括以下步骤 首先，检测出运动人体后，在人体上部1/6的矩形区域内釆用AdaBoost学
6习算法检测出正面人脸。
其次，判断人脸面积是否大于整幅图像面积S的10%，小于S的10%时，
跟踪人脸，同时控制摄像机焦距使人脸面积达到S的10%;如果人脸面积不小 于S的10%时，利用清晰度评价函数判断人脸图像是否清晰；
最后，保存清晰人脸图像并控制摄像机光学参数使摄像机恢复至正常现场 监控状态。
所述的控制摄像机光学参数是通过串口通信，发送控制命令到解码器。其 中，Focus和Zoom由监控系统控制调节，而光圈则由CCD摄像机自动开启或关 闭以适应环境亮度变化，当需要人脸放大特写时，调整Focus聚焦和Zoom缩小， 当需要恢复至正常现场监控状态时调整Focus散焦和Zoom放大。
控制摄像机光学参数是通过串口通信发送控制命令到解码器，解码器实现 监控系统对CCD摄像机内置电机的调整和控制，以实现对摄像机的焦距(Focus)、 光圈(Iris)和数字变焦(Zoom)的控制。控制摄像机光学参数中，焦距(Focus) 和数字变焦(Zoom)由监控系统控制调节，而光圈(Iris)则由CCD摄像机自 动调节以适应环境亮度变化，当需要人脸放大特写时，调整焦距(Focus)聚焦 和数字变焦(Zoom)缩小，当需要恢复至正常现场监控状态时调整焦距(Focus) 散焦和数字变焦(Zoom)放大。
釆用CamShift算法跟踪人脸，CamShift算法的初始搜索窗的大小和位置由 AdaBoost算法得到。人的头部区域，在本实施方式中，为占人体上部l/6的矩 形区域，根据人头部的几何尺寸关系，由于人脸可能俯仰或者倾斜，确定长宽 比值为[O. 8， 1.5]内的矩形区域为人脸区域，由此确定AdaBoost学习算法的搜 索矩形，可以降低计算量。
所述的改进的CamShift人脸跟踪算法，在在本实施方式中，CamShift算法 的初始搜索窗为由AdaBoost算法得到的人脸区域，并采用Kalman滤波器预测 的目标的形心作为CamShift算法中每次搜索窗的初始中心位置，CamShift算法 找到的最优位置作为Kalman滤波器的观测值，从而修正Kalman滤波器的预测 值。当Zoom缩小时，人脸放大，取每帧的搜索窗口的长和宽为CamShift算法 返回的搜索窗的长和宽的1.2倍；当Zoom放大时，人脸缩小，取每帧的搜索窗口的长和宽为CamShift算法返回的搜索窗的长和宽的0.8倍。这样可以使 CamShift跟踪算法更加准确地跟踪人脸。 清晰度评价函数的计算包括如下步骤
1)釆用边缘保持能力较强的边缘保持滤波器对图像进行预处理；
2 )找出每一行中灰度值连续下降起止像素点间隔的像素点数"m^w的最大
值及其对应的像素起止点位置以及起止位置对应像素点的灰度值；
3) 采用最小二乘法原理对2)中所述的边缘灰度值进行直线拟合得到斜率；
4) 计算灰度变化率绝对值和的平均值得到清晰度平均函数。 清晰度评价函数取峰值时人脸图像最清晰。此时，监控系统认为需要存储
当前视频，即保存清晰人脸图像。监控系统在继续实时显示当前视频的同时， 启动视频数字压缩保存的操作，存储当前的人脸特写视频至磁盘。存储人脸视 频1秒时间后，停止保存，快速调整Focus散焦和Zoom放大，使视频图像保持 原始尺寸，使摄像机恢复至正常现场监控状态。
至此， 一个完整的监控系统中运动人体的清晰人脸图像的录像过程执行完毕。
图1为本发明专利的系统流程图。如图1中所示系统启动后，检测是否 有运动人体；发现运动人体后，在人体上部1/6的矩形区域内采用AdaBoost学 习算法检测正面人脸；检测到正面人脸后，判断人脸面积S一是否大于整幅图像 面积S的10%，小于S的10%时，采用改进的CamShift算法跟踪人脸，控制 摄像机光学参数使人脸面积达到S的10%;人脸面积S麵不小于S的10%时， 判断清晰度评价函数是否取峰值，取峰值时人脸图像最清晰；保存1秒时间清 晰人脸图像后，控制摄像机光学参数使摄像机迅速恢复至正常现场监控状态。
综上所述，本发明通过调节摄像头焦距等光学参数使人脸成像清晰，实现 对人脸的特写，简单易行，有效解决了远距离条件下大视场的视频监控中运动 人体的
权利要求
1.一种获得监控视频中运动人体清晰人脸图像的方法，其特征在于包括以下步骤(1)检测出运动人体后，跟踪人脸，在人的头部区域计算出正面人脸面积；(2)判断人脸面积是否大于整幅图像面积S的10％，若人脸面积小于整幅图像面积S的10％，则跟踪人脸，同时控制摄像机焦距使人脸面积达到整幅图像面积S的10％；若人脸面积不小于整幅图像面积S的10％，则利用清晰度评价函数判断人脸图像是否清晰；(3)在人脸最清晰时，保存清晰人脸图像并控制摄像机光学参数使摄像机恢复至正常现场监控状态。
2. 根据权利要求1所述获得监控视频中运动人体的清晰人脸图像的方法， 其特征在于，所述的人的头部区域为占人体1/6、长宽比值为
范围内 的矩形区域。
3. 根据权利要求1所述获得监控视频中运动人体的清晰人脸图像的方法， 其特征在于所述的摄像机光学参数通过串口通信发送控制命令到解码器，解码 器实现监控系统对CCD摄像机内置电机的调整和控制，以实现对摄像机的焦距 (Focus)、光圈(Iris)和数字变焦(Zoom)的控制。
4. 根据权利要求3所述的获得监控视频中运动人体的清晰人脸图像的方 法，其特征在于所述的摄像机光学参数中，Focus和Zoom由监控系统控制调节， 而光圈(Iris)则由CCD摄像机自动调节以适应环境亮度变化，当需要人脸放 大特写时，调整Focus聚焦和Zoom缩小，当需要恢复至正常现场监控状态时调 整Focus散焦和Zoom放大。
5. 根据权利要求1所述的获得监控视频中运动人体的清晰人脸图像的方 法，其特征在于所述的跟踪人脸是采用CamShift算法实现，CamShift算法的初 始搜索窗的大小和位置由AdaBoost算法得到。
6. 根据权利要求5所述的获得监控视频中运动人体的清晰人脸图像的方 法，其特征在于用所述的CamShift算法进行人脸跟踪时，釆用Kalman滤波器 预测的目标的形心作为CamShift算法中搜索窗的初始中心位置，CamShift算法 找到的最优位置作为Kalman滤波器的观测值，从而修正Kalman滤波器的预测值。
7. 根据权利要求5所述的监控视频中运动人体的清晰人脸图像的获得方法，其特征在于用所述的CamShift算法进行人脸跟踪时，当Zoom缩小时，人 脸放大，取每帧的搜索窗口的长和宽为CamShift算法返回的搜索窗的长和宽的 L2倍；当Zoom放大时，人脸缩小，取每帧的搜索窗口的长和宽为CamShift算 法返回的搜索窗的长和宽的0. 8倍。
8. 根据权力要求1所述的获得监控视频中运动人体的清晰人脸图像的方 法，其特征在于所述的清晰度评价函数的计算包括如下步骤1)采用边缘保持能力较强的边缘保持滤波器对图像进行预处理；2 )找出每一行中灰度值连续下降起止像素点间隔的像素点数"ccow/的最大值及其对应的像素起止点位置以及起止位置对应像素点的灰度值；3) 釆用最小二乘法原理对2)中所述的边缘灰度值进行直线拟合得到斜率；4) 计算灰度变化率绝对值和的平均值得到清晰度平均函数。 保存清晰人脸图像并控制摄像机光学参数使摄像机恢复至正常现场监控状态。
9. 根据权力要求1所述的获得监控视频中运动人体的清晰人脸图像的方法, 其特征在于人脸图像最清晰即为清晰度评价函数取峰值的时候。
全文摘要
本发明公开了一种获得监控视频中运动人体清晰人脸图像的方法。首先，检测出运动人体后，在人体上部1/6的矩形区域内采用AdaBoost学习算法检测出正面人脸；其次，判断人脸面积是否大于整幅图像面积S的10％，若小于S的10％，则跟踪人脸，控制摄像机光学参数使人脸面积达到S的10％；再次，若不小于S的10％时，判断清晰度评价函数是否取峰值，取峰值时人脸图像最清晰；最后，保存清晰人脸图像并控制摄像机光学参数使摄像机恢复至正常现场监控状态。本发明实现对人脸的特写，简单易行，能在远距离条件下低分辨率监控视频中得到清晰的人脸图像。
文档编号G06K9/00GK101540890SQ20091003115
公开日2009年9月23日 申请日期2009年4月28日 优先权日2009年4月28日
发明者倪炜基, 吕东岳, 徐贵力, 董书莉, 贾爱芹 申请人:南京航空航天大学