基于发色与纹理匹配的电力营业厅员工发型规范检测方法与流程

本发明涉及一种基于发色与纹理匹配的电力营业厅员工发型规范检测方法。

背景技术：

在传统的头发检测中，往往以头发颜色作为判断标准，这种方法容易被属于头发颜色但不是头发的像素干扰，判断结果可能存在一定的误差，头发检测过程缺少充分、综合的判断依据，难以确保对头发像素的精确判断。

在对图像像素的纹理分析比对时，往往采用像素的欧式距离，只通过颜色的的变化进行纹理的分析，也仅仅局限于颜色分析，缺少考虑纹理的其他特征对纹理分析结果的影响，缺少对纹理的其他特征的组合，缺少一个综合的充分的纹理判断标准。

技术实现要素：

本发明的目的就是为了解决以上问题，提出一种基于发色与纹理匹配的电力营业厅员工发型规范检测方法，将发色与纹理两个因素综合分析，并作为检测条件，提高了检测精确度。此外，在对纹理进行分析时，采用两个纹理特征综合加权的方式，综合考虑纹理的多个特征，为纹理匹配提供了充分的依据。

为了实现上述目的，本发明采用如下方案：

一种基于发色与纹理匹配的电力营业厅员工发型规范检测方法，该方法的实现步骤如下：

步骤a：提取发型检测区域，首先通过人脸识别，判断监控区域内是否存在“人”，其次对视频监控区域内的人进行上半身识别，然后将人脸识别区域与上半身识别区域进行叠加处理，获取一个包括脖子以上人脸以下的的矩形区域。

步骤b：选用三种发色的头发作为训练样本，训练三种头发的发色模型。

步骤c：判断提取的发型检测区域中是否存在满足步骤b中训练的发色模型的发色区域，若存在满足步骤b中训练的某一发色模型的像素区域，则转到步骤d，否则输出发型规范

步骤d：满足步骤b中发色模型区域的像素区域与该发色样本头发的进行纹理匹配，若匹配相似度满足阈值要求，则认为发型检测区域内有头发，输出发型不合格，若纹理匹配相似度不满足阈值要求，则认为发型检测区域内没有头发，输出发型合格。

所述步骤b中，选用三种发色的头发作为训练样本，训练三种头发的发色模型的步骤包括：

b1根据电力营业厅员工性别、年龄等因素选取三种具有代表性头发发色作为样本头发。

b2分别训练三种样本头发的发色模型

所述步骤b1中，根据不同性别不同年龄，人的具体发色会存在一定的色差，为了提高发型检测精度，避免因选取单一样本头发引起的误差，将具有代表性的三种发色作为样本头发的发色。

所述步骤b2中，根据选取的三种发色，通过将发色采样点投影到某一色度平面，并通过归一化处理求取发色在色度平面的概率分布。

所述步骤c中，判断提取的发型检测区域中是否存在与步骤b中训练的发色模型相同的发色区域。包括步骤：

c1对所有发型检测区域内的所有像素进行投影聚类

c2根据步骤b中训练的发色模型，判断聚类的像素区域属于发色模型的概率

c3若概率大于设定的阈值则认为检测区域内存在满足发色模型的区域，若概率小于设定的阈值则认为检测区域内不存在满足发色模型的区域，并输出发型规范。

所述步骤c3中，判断发型检测区域内是否含有满足发色模型区域的像素区域仅作为判断发型规范的条件并不作为发型不规范的直接条件，若不存在满足条件的区域，即认为检测区域没有头发像素，判定发型规范。若存在满足条件的区域，不直接认定检测区域内含有头发，排除其他满足发色模型但不是头发的干扰，并对这些满足发色模型的像素区域进行进一步分析。

所述步骤d中，满足步骤d中发色模型区域的像素区域与该种发色的样本头发进行纹理匹配，包括步骤：

d1提取检测像素区域以及与之对应的发色模型的两个纹理特征。

d2进行检测像素区域与样本头发纹理的相似度比较，加权综合两个纹理特征作为相似度比较因素。

d3判断检测区域像素纹理与样本头发纹理相似度与设定阈值的关系，若大于阈值则认为纹理匹配成功，即检测区域有头发，输出发型不规范，若小于阈值则认为匹配不成功，即检测区域没有头发，输出发型规范。

本发明的有益效果：

1、本发明利用发色以及纹理两个因素的匹配，提高了发型检测的精确性，防止识别过程中因识别因素单一易造成误差的现象。

2、本发明采用头发纹理匹配避免了因只以颜色作为检测方法时，其他属于头发颜色模型的像素但并不是头发的像素的干扰。

3、本发明实现了电力营业厅员工发型仪态规范性监督管理的智能化，减少了人工监督管理的工作，提高了电力营业厅工作的有效性及规范性。

附图说明

图1为一种基于发色与纹理匹配的电力营业厅员工发型规范检测方法流程图。

图2为判断发型检测区域是否含有与发色模型相同的发色区域流程图。

图3为纹理相似度匹配流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1为一种基于发色与纹理匹配的电力营业厅员工发型规范检测方法流程图，该方法的实现步骤如下：

步骤101：提取发型检测区域，首先通过人脸识别，判断监控区域内是否存在“人”，其次对视频监控区域内的人进行上半身识别，然后将人脸识别区域与上半身识别区域进行叠加处理，获取一个包括脖子以上人脸以下的的矩形区域，为防止肩膀以上背景色彩的干扰，对截取的矩形区域进行位置优化调整，向下移动合适的距离。

步骤102：训练发色模型。选用三种发色的头发作为训练样本，训练三种头发的发色模型。

步骤103：判断提取的发型检测区域中是否存在与步骤102中训练的发色模型相同的发色区域。若存在满足发色模型的区域，则进行步骤105，否则进行步骤104。

步骤104：输出发型规范。

步骤105：满足步骤103中发色模型区域的像素区域与该种发色的样本头发进行纹理匹配，若匹配成功，进行步骤107，否则进行步骤106。

步骤106：输出发型规范。

步骤107：输出发型不规范。

如图2为判断发型检测区域是否含有与发色模型相同的发色区域流程图，该方法的步骤如下：

步骤201：对所有发型检测区域内的所有像素进行投影聚类

步骤202：根据训练的发色模型，判断聚类的像素区域属于发色模型的概率，若概率大于设定的阈值则认为检测区域内存在满足发色模型的区域，进行步骤204，若概率小于设定的阈值则认为检测区域内不存在满足发色模型的区域，进行步骤203。

步骤203：输出发型合格。

步骤204：输出发型检测区域含有满足发色模型的像素。

步骤202中，判断发型检测区域内是否含有满足发色模型区域的像素区域仅作为判断发型规范的条件并不作为发型不规范的直接条件，若不存在满足条件的区域，即认为检测区域没有头发像素，判定发型规范。若存在满足条件的区域，不直接认定检测区域内含有头发，排除其他满足发色模型但不是头发的干扰，并对这些满足发色模型的像素区域进行进一步分析。

如图3为纹理相似度匹配流程图，该方法的实现步骤如下：

步骤301：提取检测像素区域以及与之对应的发色模型的两个纹理特征。

步骤302：进行检测像素区域与样本头发纹理的相似度比较，加权综合两个纹理特征作为相似度比较因素。

步骤303：判断检测区域像素纹理与样本头发纹理相似度与设定阈值的关系，若大于阈值则认为纹理匹配成功，即检测区域有头发，进行步骤305，输出发型不规范，若小于阈值则认为匹配不成功，即检测区域没有头发，进行步骤304，输出发型规范。

步骤304：输出发型规范。

步骤305：输出发型不规范。

实施例1：

在电力营业厅的工作人员发型规范性监督管理中，根据所有员工的发色，挑选三种具有代表性的发色进行发色模型训练，三种发色包括黑色、棕色、黄色。在ycrcb空间中，进行发色模型的训练，首先将发色采样点投影到cb-cr平面，获得发色采样点的色度分布范围，映射关系为：对进行归一化变换之后，可将其定义为发色采样点在cb-cr色度平面上的概率分布。

在视频监控范围内，根据捕捉到的人脸区域，以及根据人体上半身与人脸的相对位置，获取上半身区域，将上半身区域与人脸区域进行叠加处理，获取一个矩形区域，此矩形区域包括了脖子以上下巴以下的区域。

计算判断提取的发型检测区域内是否含有满足训练的发色模型的像素，对检测区域内的像素采用相同的聚类方法，将像素进行聚类，并求检测区域内像素落在发色模型中的概率，若大于等于90％，则认为检测区域内含有满足发色模型的像素，若概率小于90％则认为检测区域内没有满足发色模型的像素。

经过判断，若发型检测区域内含有满足发色模型的像素区域，对其进行纹理特征匹配。提取检测区域内像素以及与之对应的样本头发的两个纹理特征，分别为像素梯度l、纹理熵s，并计算两个纹理特征的差值l’、s’，将上述两个纹理特征差值进行加权处理：作为纹理相似度匹配的条件，其中像素梯度的权重纹理熵的权重为

对纹理进行相似性判断，若相似度大于等于90％则认为检测区域内满足发色模型的像素区域为头发，若相似度小于90％则认为检测区域内满足发色模型的像素区域不是头发。