一种基于网络摄像机的人体特征识别方法及设备与流程

1.本发明属于人体特征识别技术领域，尤其涉及基于网络摄像机的人体特征识别方法及设备。


背景技术：

2.随着科学技术的飞速发展，利用摄像机来监控动态场景早已被广泛应用于社会各个领域，例如对安全性要求敏感的门禁系统、安全监控。由于广泛的应用前景和潜在的经济价值，人体运动的视频监控是近年来备受关注的前沿课题，而利用生物识别技术辅助人体运动分析更是发展的趋势。人的步态易于感知、非侵犯性、非接触性、难于隐藏和伪装的优点已经使其成为一个独具特色的生物行为。步态识别是根据人物走路的姿势进行人的身份识别，以提取的人体轮廓图像为基础，旨在不考虑衣服、背景等因素，因此，为了提高在公共场所对在逃嫌疑犯的抓捕率，解决现有摄像机不能主动发现在逃嫌疑犯的问题，而提出了一种基于网络摄像机的人体特征识别方法及设备


技术实现要素：

3.本发明提供一种基于网络摄像机的人体特征识别方法及设备，旨在解决现有摄像机不能主动发现在逃嫌疑犯的问题。
4.本发明是这样实现的，本发明提供一种基于网络摄像机的人体特征识别方法，包括以下步骤：
5.s1.利用采集模块进行信息采集；
6.s2.将所述s1中采集到的信息进行数模转换；
7.s3.将所述s2中经过数模转换的信息利用处理器进行处理分析；
8.s4.得到所述s3中处理器处理分析后的信息数据。
9.可选的，所述摄像头组包括广角摄像头和长焦摄像头。
10.可选的，所述采集到的信息包括：人脸特征、肢体特征、面部表情和运动特征。
11.本发明还提供一种基于网络摄像机的人体特征识别设备，包括：
12.采集模块，被配置为进行信息采集；
13.处理器，被配置为对采集到的信息与数据库内部存储信息进行处理分析；
14.数模转换模块，被配置为将采集到的信息转换为数字模型，并将数字模型传输到处理器，以便于处理器进行更简单的分析处理。
15.可选的，所述采集模块采集到的信息包括：人脸特征、肢体特征、面部表情和运动特征。
16.可选的，所述采集模块包括：
17.声音提取模块，被配置为提取声音，并将声音信息传输到所述处理器；
18.长焦摄像头，被配置为视频拍摄；
19.广角摄像头，被配置为视频拍摄；
20.视频处理器，被配置为对长焦摄像头和广角摄像头拍摄到的视频进行整合处理，并将处理后的视频传输到所述处理器；
21.其中，所述长焦摄像头和所述广角摄像头分别与所述视频处理器连接，所述视频处理器和声音提取模块分别与所述处理器连接。
22.可选的，所述处理器包括：
23.人脸特征提取模块，被配置为提取人脸部轮廓特征；
24.肢体特征提取模块，被配置为提取人肢体轮廓特征；
25.面部表情提取模块，被配置为提取人面部表情特征；
26.运动特征提取模块，被配置为提取人运动特征；
27.其中，所述人脸特征提取模块、所述肢体特征提取模块、所述面部表情提取模块和所述运动特征提取模块分别与所述数模转换模块连接。
28.可选的，还包括显示模块，所述处理器和所述采集模块分别与所述显示模块连接。
29.本发明所达到的有益效果，本发明通过采集模块将采集到的信息通过处理器传输到数模转换模块，数模转换模块将采集到的信息转换为数字模型，然后传回处理器，处理器将数字模型与数据库中所存储的数据模型进行比对，处理器根据比对结果进行分析。然后确认目标，有效的提高在公共场所对在逃嫌疑犯的抓捕率，解决现有摄像机不能主动发现在逃嫌疑犯的问题。
附图说明
30.图1是本发明提供的基于网络摄像机的人体特征识别方法流程图；
31.图2是本发明提供的基于网络摄像机的人体特征识别设备系统框体；
32.图3是本发明提供的基于网络摄像机的人体特征识别设备的采集模块系统框图；
33.图4是本发明提供的基于网络摄像机的人体特征识别设备的处理器系统框图；
34.1-采集模块、11-声音提取模块、12-焦摄像头、13-广角摄像头、14-视频处理器、2-处理器、21-脸特征提取模块、22-肢体特征提取模块、23-面部表情提取模块、24-运动特征提取模块、3-数据库、4-数模转换模块、5-显示模块。
具体实施方式
35.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
36.本发明通过对人体进行特征识别，确认目标，有效的提高在公共场所对在逃嫌疑犯的抓捕率，解决现有摄像机不能主动发现在逃嫌疑犯的问题
37.本发明提供一种基于网络摄像机的人体特征识别方法，包括以下步骤：
38.s1.利用采集模块1进行信息采集；
39.s2.将所述s1中采集到的信息进行数模转换；
40.s3.将所述s2中经过数模转换的信息利用处理器2进行处理分析；
41.s4.得到所述s3中处理器2处理分析后的信息数据。
42.依据分析结论确认目标，解决现有摄像机不能主动发现在逃嫌疑犯的问题。
43.作为示例，所述摄像头组包括广角摄像头13和长焦摄像头12。广角摄像头13拍摄范围更为广阔，长焦摄像头12拍摄距离较远，通过广角摄像头13和长焦摄像头12可以拍摄远距离的同时还可以拍摄更为广阔的视角，保证视频采集的清晰度，以便于更精准的进行信息采集。
44.作为示例，所述采集到的信息包括：人脸特征、肢体特征、面部表情和运动特征。其中，人脸特征为人脸轮廓特征，肢体特征为肢体轮廓特征，面部表情为人此时面板表情，通过面部表情可以对此时人心里状态进行初步分析。运动特征为人体步态特征，走路或跑步的姿态，以及运动的特性。
45.本发明还提供一种基于网络摄像机的人体特征识别设备，包括：
46.采集模块1，被配置为进行信息采集；
47.处理器2，被配置为对采集到的信息与数据库3内部存储信息进行处理分析；
48.数模转换模块4，被配置为将采集到的信息转换为数字模型，并将数字模型传输到处理器2，以便于处理器2进行更简单的分析处理。
49.其中，采集模块1与处理器2连接，处理器2分别与数模转换模块4和数据库3连接。采集模块1将采集到的信息通过处理器2传输到数模转换模块4，数模转换模块4将采集到的信息转换为数字模型，然后传回处理器2，处理器2将数字模型与数据库3中所存储的数据模型进行比对，处理器2根据比对结果进行分析。然后确认目标，有效的提高在公共场所对在逃嫌疑犯的抓捕率，解决现有摄像机不能主动发现在逃嫌疑犯的问题。
50.作为示例，所述采集模块1采集到的信息包括：人脸特征、肢体特征、面部表情和运动特征。其中，人脸特征为人脸轮廓特征，肢体特征为肢体轮廓特征，面部表情为人此时面板表情，通过面部表情可以对此时人心里状态进行初步分析。运动特征为人体步态特征，走路或跑步的姿态，以及运动的特性。
51.作为示例，所述采集模块1包括：
52.声音提取模块11，被配置为提取声音，并将声音信息传输到所述处理器2；
53.长焦摄像头12，被配置为视频拍摄；
54.广角摄像头13，被配置为视频拍摄；
55.视频处理器14，被配置为对长焦摄像头2和广角摄像头13拍摄到的视频进行整合处理，并将处理后的视频传输到所述处理器2；
56.其中，所述长焦摄像头12和所述广角摄像头13分别与所述视频处理器14连接，所述视频处理器14和声音提取模块11分别与所述处理器2连接。广角摄像头13拍摄范围更为广阔，长焦摄像头12拍摄距离较远，通过广角摄像头13和长焦摄像头12可以拍摄远距离的同时还可以拍摄更为广阔的视角。广角摄像头13和长焦摄像头12将其拍摄到的视频传输至视频处理器14，视频处理器14进行视频整合处理，得出清晰度较高的视频。然后将处理后的视频传输到处理器2，处理器2在视频中分别提取人的人脸特征、肢体特征、面部表情和运动特征。声音提取模块11将与视频所对应的声音提取，然后传输到处理器2，由处理器2进行对比分析。
57.作为示例，所述处理器2包括：
58.人脸特征提取模块21，被配置为提取人脸部轮廓特征；
59.肢体特征提取模块22，被配置为提取人肢体轮廓特征；
60.面部表情提取模块23，被配置为提取人面部表情特征；
61.运动特征提取模块24，被配置为提取人运动特征；
62.其中，所述人脸特征提取模块21、所述肢体特征提取模块22、所述面部表情提取模块23和所述运动特征提取模块24分别与所述数模转换模块4连接。通过人脸特征提取模块21提取人脸部轮廓特征。肢体特征提取模块22提取人肢体轮廓特征。面部表情提取模块23提取人面部表情特征。运动特征提取模块24提取人运动特征。然后分别将人脸部轮廓特征、人肢体轮廓特征、人面部表情特征和人运动特征传输至数模转换模块4，由数模转换模块4转换为数字模型，转换完成后，数模转换模块4将数字模型传回到处理器2，处理器2将接收到的数字模型与数据库3中存储的数字模型进行比对，根据比对结果分析人体各项特征并得出结论。
63.作为示例，基于网络摄像机的人体特征识别设备还包括显示模块5，所述处理器2和所述采集模块1分别与所述显示模块5连接。处理器2将分析后的结果传输至显示模块5进行显示，同时采集模块1将其收集到的视频传输到显示模块5，由显示模块5进行显示。以便于观看和人工锁定目标。
64.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。