一种多目标人脸识别智能航班信息显示方法及系统与流程
本发明涉及民航信息显示领域，特别是涉及一种多目标人脸识别智能航班信息显示方法及系统。
背景技术：
目前，民航界使用的航班信息显示系统还是传统的显示系统，仅仅只能推送固定的航班信息，造成在引导类航显屏上航班信息量较大，信息密集，旅客初次难以从单个航显屏中准确获取自己航班资源信息，大大增加了旅客值机与登机时间，旅客用户体验受到极大影响，找信息耗时大，用户乘机体验差，降低机场服务质量。
技术实现要素：
基于此，本发明的目的在于，利用人脸识别技术，整合航显信息资源，通过航显屏幕前摄像头设备实时捕捉旅客人脸信息，通过多目标动态人脸算法分析，获取旅客身份信息，从而查询其对应的航班信息、航班资源等，并在当前航显屏进行个性化的信息展示，在一定程度上提升旅客乘机体验，提供一种多目标人脸识别智能航班信息显示方法及系统。
本发明的多目标人脸识别智能航班信息显示方法，包括：
摄像头设备实时采集旅客人脸信息；
在实时采集视频序列中通过camshift人脸跟踪算法准确获取旅客人脸信息；
将实时获取的旅客人脸信息与安检信息动态人脸库进行身份验证；
身份验证通过后，获取到旅客身份信息，查询对应旅客的航班资源，将旅客个性化数据整合到智能航显系统取数引擎流程，形成smart层数据源；
智能航显系统的个性化信息显示模板绑定smart层数据源并进行显示。
在一种实施方式中，所述摄像头设备设置于航显屏幕前，且所述摄像头设备为工业摄像头。
在一种实施方式中，所述camshift人脸跟踪算法，包括：
根据目标的颜色概率模型，将实时采集视频序列中的视频图像转化为颜色概率分布图像，并初始化一个矩形搜索窗口，将不同的图像帧对应着不同的颜色概率分布图像；
随后，对每一帧颜色概率分布图像利用meanshift算法搜索目标匹配的最优区域，并根据搜索区域的不变矩估算出跟踪目标的中心和大小，保存并输出当前帧的搜索结果，再用当前帧的搜索结果作为下一帧图像初始化的搜索窗口，如此循环即可实现对旅客人脸的连续跟踪。
在一种实施方式中，所述根据目标的颜色概率模型，将实时采集视频序列中的视频图像转化为颜色概率分布图像，并初始化一个矩形搜索窗口，将不同的图像帧对应着不同的颜色概率分布图像，包括：
将实时采集视频序列中视频图像中的每一个像素从rgb空间映射到hsv空间，计算h分量的大小，建立h分量额统计直方图，
根据h分量额统计直方图运算反向投影，即将视频图像中的每一个像素值用它们的h分量在已经建立的h分量额统计直方图中对应的值替代，所得到的输出图像即为视频图像的颜色概率分布图像。
在一种实施方式中，所述根据h分量额统计直方图运算反向投影，即将视频图像中的每一个像素值用它们的h分量在已经建立的h分量额统计直方图中对应的值替代，所得到的输出图像即为视频图像的颜色概率分布图像，包括：
对于已选定的待跟踪的人脸，统计出h分量额统计直方图，根据下式
对于后续视频图像需处理的区域，将它其中每个像素的像素值用目标颜色直方图模型中对应的概率替换，为了便于显示，所有的概率值都乘以255，得到颜色概率分布图像。
在一种实施方式中，所述对每一帧颜色概率分布图像利用meanshift算法搜索目标匹配的最优区域，并根据搜索区域的不变矩估算出跟踪目标的中心和大小，保存并输出当前帧的搜索结果，再用当前帧的搜索结果作为下一帧图像初始化的搜索窗口，如此循环即可实现对旅客人脸的连续跟踪，包括：
s1.选择跟踪窗口的大小和初始位置；
s2.计算跟踪窗口内的质心；
s3.移动搜索窗，使得搜索窗的中心和质心重合；
s4.重复s2和s3，直到收敛或搜索窗某次移动距离小于预设阈值，保存此时的零阶矩和质心值；
s5.在下一帧图像中根据s4得到的零阶矩和质心值重新初始化搜索窗的位置和大小，再跳转到s2继续执行。
在一种实施方式中，所述s1中，包括：搜索窗口大小由初始化跟踪窗口的大小决定，而且在整个跟踪过程中不再发生变化。
在一种实施方式中，所述s2中，包括：计算某窗口的质心，利用窗口的零阶矩z00和(x，y)的一阶矩(z10，z01)之间的关系，计算得到窗口的质心；
跟踪窗口的质心(xc，yc)为：
其中，跟踪窗口的零阶矩z00和(x，y)的一阶矩(z10，z01)分别为：
其中，p(x，y)是坐标为(x，y)的点的像素值，即该点原像素的颜色概率值，(x，y)的变化范围为搜索窗口的范围。
在一种实施方式中，对于二维离散概率分布图，所述零阶矩及质心的计算公式为：
零阶矩：
一阶矩：
质心：
其中，x和y在搜索窗内变化，i(x，y)是坐标(x，y)的像素值；
搜索窗初始大小：令
本发明还进一步提供了一种多目标人脸识别智能航班信息显示系统，包括：
采集模块，用于摄像头设备实时采集旅客人脸信息；
人脸跟踪算法模块，用于在实时采集视频序列中通过camshift人脸跟踪算法准确获取旅客人脸信息；
身份验证模块，用于将实时获取的旅客人脸信息与安检信息动态人脸库进行身份验证；
整合模块，用于在身份验证通过后，获取到旅客身份信息，查询对应旅客的航班资源，将旅客个性化数据整合到智能航显系统取数引擎流程，形成smart层数据源；
显示模块，用于智能航显系统的个性化信息显示模板绑定smart层数据源并进行显示。
相对于现有技术，本发明的多目标人脸识别智能航班信息显示方法及系统基于传统的航显系统，引入camshift人脸跟踪算法，优化人脸检测与人脸跟踪流程，将航班信息显示系统与人脸识别领域技术相结合，打造个性化信息显示模板绑定smart层数据源的智能航显系统，是民航界航班信息显示业务的新突破，旅客可以通过摄像头设备与航显屏交互，获取对应旅客个性化航班资源信息，大大缩短了旅客查找对应航班资源的时间，在一定程度上提升旅客乘机体验，从而提高机场服务质量。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明的多目标人脸识别智能航班信息显示方法的流程框图。
图2是rgb模型示意图。
图3是hsv模型示意图。
图4是camshift人脸跟踪算法人脸识别优化流程图。
图5是优化后的额人脸跟踪算法流程图。
具体实施方式
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
请参阅图1，图1是本发明的多目标人脸识别智能航班信息显示方法的流程框图。
本发明的多目标人脸识别智能航班信息显示方法，包括：
步骤101，摄像头设备实时采集旅客人脸信息。
在一种实施方式中，所述摄像头设备设置于航显屏幕前，且所述摄像头设备为工业摄像头。
步骤102，在实时采集视频序列中通过camshift人脸跟踪算法准确获取旅客人脸信息。
请参阅图2-图4。图2是rgb模型示意图。图3是hsv模型示意图。图4是camshift人脸跟踪算法人脸识别优化流程图。
camshift人脸跟踪算法以颜色信息为基础，实现对特定颜色的目标跟踪，必须建立颜色概率空间。面向色彩处理的常用模型是hsv模型，它把图像分成颜色和亮度信息，使其更适合许多灰度处理技术。
rgb模型与hsv模型对应关系如图2和图3所示。
h分量和rgb各分量之间的映射关系为：
在一种实施方式中，所述camshift人脸跟踪算法，包括：
步骤1021，根据目标的颜色概率模型，将实时采集视频序列中的视频图像转化为颜色概率分布图像，并初始化一个矩形搜索窗口，将不同的图像帧对应着不同的颜色概率分布图像(probabilitydistributionimage，pdi)。
步骤1022，随后，对每一帧颜色概率分布图像利用meanshift算法搜索目标匹配的最优区域，并根据搜索区域的不变矩估算出跟踪目标的中心和大小，保存并输出当前帧的搜索结果，再用当前帧的搜索结果作为下一帧图像初始化的搜索窗口，如此循环即可实现对旅客人脸的连续跟踪。
meanshift算法是一个搜索概率分布模式的非参数迭代技术的算法，基本思路是：从每一个像素开始，首先估计有相似颜色的领近点像素点的密度的梯度，然后利用迭代算法求出局部密度的峰值(即质心点)，把能够聚类到同一个峰值点的所有像素点划分为一个区域。
优选地，上述步骤1021中，所述根据目标的颜色概率模型，将实时采集视频序列中的视频图像转化为颜色概率分布图像，并初始化一个矩形搜索窗口，将不同的图像帧对应着不同的颜色概率分布图像，包括：
将实时采集视频序列中视频图像中的每一个像素从rgb空间映射到hsv空间，计算h分量的大小，建立h分量额统计直方图，
根据h分量额统计直方图运算反向投影，即将视频图像中的每一个像素值用它们的h分量在已经建立的h分量额统计直方图中对应的值替代，所得到的输出图像即为视频图像的颜色概率分布图像。
进一步优选地，所述根据h分量额统计直方图运算反向投影，即将视频图像中的每一个像素值用它们的h分量在已经建立的h分量额统计直方图中对应的值替代，所得到的输出图像即为视频图像的颜色概率分布图像，包括：
对于已选定的待跟踪的人脸，统计出h分量额统计直方图，根据下式
对于后续视频图像需处理的区域，将它其中每个像素的像素值用目标颜色直方图模型中对应的概率替换，为了便于显示，所有的概率值都乘以255，得到颜色概率分布图像。
优选地，上述步骤1022中，所述对每一帧颜色概率分布图像利用meanshift算法搜索目标匹配的最优区域，并根据搜索区域的不变矩估算出跟踪目标的中心和大小，保存并输出当前帧的搜索结果，再用当前帧的搜索结果作为下一帧图像初始化的搜索窗口，如此循环即可实现对旅客人脸的连续跟踪，包括：
s1.选择跟踪窗口的大小和初始位置；
s2.计算跟踪窗口内的质心；
s3.移动搜索窗，使得搜索窗的中心和质心重合；
s4.重复s2和s3，直到收敛或搜索窗某次移动距离小于预设阈值，保存此时的零阶矩和质心值；
s5.在下一帧图像中根据s4得到的零阶矩和质心值重新初始化搜索窗的位置和大小，再跳转到s2继续执行。
在一种实施方式中，所述s1中，包括：搜索窗口大小由初始化跟踪窗口的大小决定，而且在整个跟踪过程中不再发生变化。
在一种实施方式中，所述s2中，包括：计算某窗口的质心，利用窗口的零阶矩z00和(x,y)的一阶矩(z10，z01)之间的关系，计算得到窗口的质心；
跟踪窗口的质心(xc，yc)为：
其中，跟踪窗口的零阶矩z00和(x，y)的一阶矩(z10，z01)分别为：
其中，p(x，y)是坐标为(x，y)的点的像素值，即该点原像素的颜色概率值，(x，y)的变化范围为搜索窗口的范围。
在一种实施方式中，对于二维离散概率分布图，所述零阶矩及质心的计算公式为：
零阶矩：
一阶矩：
质心：
其中，x和y在搜索窗内变化，i(x，y)是坐标(x，y)的像素值；
搜索窗初始大小：令
人脸检测与跟踪交互，针对人脸识别跟踪过程中可能会出现丢失目标的情况，本发明将人脸检测与实时跟踪有效的结合起来，采取间隔处理策略，优化系统性能，优化后的人脸跟踪算法流程如图5所示，主要包括以下两个方面：
(1)在帧间交替进行检测与跟踪过程。例如，当第m帧利用adaboost算法检测到人脸的位置和大小后，将检测到的人脸区域作为初始化搜索窗口，然后后面的连续k帧都利用camshift算法进行人脸跟踪。
(2)将跟踪结果作为反馈，由此得到跟踪目标的大致区域z。检测过程则针对区域z进行，验证人脸存在，并更精确地定位出人脸的位置和大小，避免只跟踪到人脸的某一部分的情况出现。一般来说，这块区域面积远小于整帧图像，因此检测时间也会大大缩短，同时，针对区域z进行人脸检测能够排除误检情况，从而提升系统的准确率。
步骤103，将实时获取的旅客人脸信息与安检信息动态人脸库进行身份验证。
步骤104，身份验证通过后，获取到旅客身份信息，查询对应旅客的航班资源，将旅客个性化数据整合到智能航显系统取数引擎流程，形成smart层数据源。
步骤105，智能航显系统的个性化信息显示模板绑定smart层数据源并进行显示。
本发明还进一步提供了一种多目标人脸识别智能航班信息显示系统，可实现上述多目标人脸识别智能航班信息显示方法，其包括：
采集模块，用于摄像头设备实时采集旅客人脸信息；
人脸跟踪算法模块，用于在实时采集视频序列中通过camshift人脸跟踪算法准确获取旅客人脸信息；
身份验证模块，用于将实时获取的旅客人脸信息与安检信息动态人脸库进行身份验证；
整合模块，用于在身份验证通过后，获取到旅客身份信息，查询对应旅客的航班资源，将旅客个性化数据整合到智能航显系统取数引擎流程，形成smart层数据源；
显示模块，用于智能航显系统的个性化信息显示模板绑定smart层数据源并进行显示。
相对于现有技术，本发明的多目标人脸识别智能航班信息显示方法及系统基于传统的航显系统，引入camshift人脸跟踪算法，优化人脸检测与人脸跟踪流程，将航班信息显示系统与人脸识别领域技术相结合，打造个性化信息显示模板绑定smart层数据源的智能航显系统，是民航界航班信息显示业务的新突破，旅客可以通过摄像头设备与航显屏交互，获取对应旅客个性化航班资源信息，大大缩短了旅客查找对应航班资源的时间，在一定程度上提升旅客乘机体验，从而提高机场服务质量。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！