一种人脸锁摄像头遮挡检测方法、装置、设备及介质与流程

本发明涉及图像边缘处理，具体为一种人脸锁摄像头遮挡检测方法、装置、设备及介质。

背景技术：

1、人脸锁人脸识别技术应用在锁上门的一种新型智能设备，解决了传统锁忘记佩戴钥匙及门禁卡的问题，只需要注册使用者的人脸便可以无需佩戴钥匙或者门禁卡便可以轻易的开门。目前市面人脸锁上采用的是摄像头+人脸识别的技术组合，这就需要人脸锁具备摄像头遮挡报警的功能，以防止不法分子对人脸锁的摄像头以及其他硬件做出损坏的行为。

2、目前，针对人脸锁中摄像头判断是否被遮挡的问题，通常的解决方法是：根据摄像头的采集对应的遮挡图像，采用深度学习的方法进行训练遮挡的判断，该方法在一定的程度上达到不错的效果，但是移植性差，性能上大打折扣，在人脸锁上往往会占用过多资源。因此，使用性能好的图像数据分析以及使用简单的判断方法来判断当前摄像头是否被遮挡已经成为迫切的需求。

3、所以，人们需要一种人脸锁摄像头遮挡检测方法来解决上述问题。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明提供一种人脸锁摄像头遮挡检测方法、装置、设备及介质，以解决上述技术问题。

2、本发明提供的一种人脸锁摄像头遮挡检测方法，包括：

3、s1：采集人脸锁摄像头抓取的图像数据，所述图像数据为近红外三通道图像；

4、s2：对所述近红外三通道图像进行灰度化预处理，得到预处理图像；

5、s3：根据所述预处理图像建立图像帧缓存区，对所述图像帧缓冲区的预处理图像进行前后差分，得到帧差分图像；对所述帧差分图像进行像素级分层，对符合预设像素级分层条件的像素进行区域融合，确定遮挡待检测区域，对所述遮挡待检测区域进行帧间相关性计算，将相关性计算结果设置为第一遮挡检测特征；

6、s4：对所述遮挡待检测区域进行区域面积计算，通过所述区域面积计算所述遮挡待检测区域的帧间面积变化率，将所述面积变化率设置为第二遮挡检测特征；

7、s5：根据二维信息获取所述预处理图像横向和纵向上的灰度突变，通过设定的阈值条件以及窗口大小，统计横向和纵向两个方向符合设定阈值的灰度突变信息，将所述灰度突变信息设置为第三遮挡检测特征；

8、s6：通过设定的log算子，计算所述预处理图像的二阶梯度信息，通过设定的双层阈值条件，选择符合条件的梯度信息进行统计，形成图像孤立点检测信息，将所述图像孤立点检测信息设置为第四遮挡检测特征；

9、s7：对所述第一遮挡检测特征、所述第二遮挡检测特征、所述第三遮挡检测特征、所述第四遮挡检测特征进行权重分配，通过线性拟合获取图像遮挡特征表达式，通过设定阈值，输出图像遮挡信号；

10、s8：通过输出的图像遮挡信号，给出报警信息。

11、于本发明中，对所述近红外三通道图像进行灰度化预处理，计算公式为：

12、；

13、其中，表示输出图像对应像素点灰度值，表示像素在图像中的位置，，，表示输入图中坐标为对应的rgb三通道对应的像素值。

14、于本发明中，所述图像帧缓存区对所述预处理图像进行缓存，且缓存数量至少为3，当达到所述缓存数量后进行原始帧的替代更换；对满足缓存帧数的图像帧缓存区进行相邻连续帧的差分，计算公式为：；其中，为前后帧的差分图像，为缓存帧图像，为对应的像素坐标，n为对应的帧数下标；对差分后的图像进行像素级为8级，每级像素值范围大小为32的划分，划分条件为：；其中，式中将像素值分为8层，为划分结果，为对应的像素坐标，为该坐标对应的像素值，当像素值大于0的时候使用的方式进行层数计算,为差分图像对应的像素值，为设定的层数阈值，选择符合预定的像素级的像素，形成遮挡待检测区域，对所述遮挡待检测区域进行帧间相关性计算，计算公式为：

15、；

16、其中，r表示相邻两帧遮挡待检测区域的相关性，和表示当前区域对应的亮度均值，和表示图像的m行n列处的像素值。

17、于本发明中，通过所述区域面积计算所述遮挡待检测区域的帧间面积变化率，计算公式为：

18、；

19、其中，为从到时间段区域的面积变化率，为区域在时间点的面积值，为区域在时间点的面积值。

20、于本发明中，对灰度突变的值进行阈值选择，过滤不满足阈值的信息，选取所有满足阈值的对应坐标点组成灰度突变二值图，通过设定多种不同的窗口大小，遍历灰度突变二值图，根据所述灰度突变二值图对符合阈值要求的像素点进行横向和纵向上的数量统计，得到第三遮挡检测特征；根据二维信息获取所述预处理图像横向和纵向上的灰度突变，计算公式为：

21、；

22、其中，表示像素在图像中的位置，表示x方向上坐标为的一阶导数值，表示y方向上坐标为的一阶导数值。

23、于本发明中，通过设定的log算子，计算所述预处理图像的二阶梯度图，设定两个档位阈值对分别对二阶梯度图进行阈值过滤，对满足阈值的像素个数进行统计，得到第四遮挡检测特征。

24、于本发明中，对所述第一遮挡检测特征、所述第二遮挡检测特征、所述第三遮挡检测特征、所述第四遮挡检测特征进行权重分配，通过线性拟合获取图像遮挡特征表达式，权重分配表达式为：

25、；

26、其中，为第一遮挡检测特征，为第二遮挡检测特征，为第三遮挡检测特征，为第四遮挡检测特征，为最终遮挡特征量，获取一组第一遮挡检测特征，第二遮挡检测特征，第三遮挡检测特征，第四遮挡检测特征数据，通过线性拟合获取图像遮挡特征表达式，计算公式为：

27、；

28、其中，为最终条件输出值对应的第一遮挡检测特征，第二遮挡检测特征，第三遮挡检测特征，第四遮挡检测特征，为获取的一组第一遮挡检测特征，第二遮挡检测特征，第三遮挡检测特征，第四遮挡检测特征数据，为多项式的系数。

29、本发明还提供一种人脸锁摄像头遮挡检测装置，包括：

30、人脸锁图像采集模块：采集人脸锁摄像头抓取的图像数据，所述图像数据为近红外三通道图像；

31、图像预处理模块：对所述近红外三通道图像进行灰度化预处理，得到预处理图像；

32、第一遮挡检测特征模块：根据所述预处理图像建立图像帧缓存区，对所述图像帧缓冲区的预处理图像进行前后差分，得到帧差分图像；对所述帧差分图像进行像素级分层，对符合预设像素级分层条件的像素进行区域融合，确定遮挡待检测区域，对所述遮挡待检测区域进行帧间相关性计算，将相关性计算结果设置为第一遮挡检测特征；

33、第二遮挡检测特征模块：对所述遮挡待检测区域进行区域面积计算，通过所述区域面积计算所述遮挡待检测区域的帧间面积变化率，将所述面积变化率设置为第二遮挡检测特征；

34、第三遮挡检测特征模块：根据二维信息获取所述预处理图像横向和纵向上的灰度突变，通过设定的阈值条件以及窗口大小，统计横向和纵向两个方向符合设定阈值的灰度突变信息，将所述灰度突变信息设置为第三遮挡检测特征；

35、第四遮挡检测特征模块：通过设定的log算子，计算所述预处理图像的二阶梯度信息，通过设定的双层阈值条件，选择符合条件的梯度信息进行统计，形成图像孤立点检测信息，将所述图像孤立点检测信息设置为第四遮挡检测特征；

36、特征权重分配模块：对所述第一遮挡检测特征、所述第二遮挡检测特征、所述第三遮挡检测特征、所述第四遮挡检测特征进行权重分配，通过线性拟合获取图像遮挡特征表达式，通过设定阈值，输出图像遮挡信号；

37、报警输出模块：通过输出的图像遮挡信号，给出报警信息。

38、本发明还提供一种电子设备，所述电子设备包括：

39、一个或多个处理器；

40、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述任一项所述的一种人脸锁摄像头遮挡检测方法。

41、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上述任一项所述的一种人脸锁摄像头遮挡检测方法。

42、本发明通过对人脸锁设备摄像头采集到的图像数据进行单通道灰度预处理，通过计算帧缓存区中的差分图像，对符合分层条件的像素区域分别求取前后帧相关性，前后帧面积变化率，通过对预处理后的灰度图分别横向和纵向上的灰度突变信息，并根据设定的阈值求出两个方向上大于阈值的梯度图二值图，组成灰度突变信息。再通过设计好的特定算子求取灰度图的二阶梯度，设定两个档位阈值，分别统计两个档位的二阶梯度像素个数。通过设定的窗口遍历一阶梯度二值图，累加横向以及纵向梯度个数，统计累加值大于设定阈值的个数，组成孤立点检测信息。最后将帧间区域相关性，区域面积计算变化率，图像灰度突变信息以及图像孤立点检测信息作为判断特征，对每个条件的重要性进行不同的权重分配，通过线性拟合得到最终的判断条件公式，作为遮挡判断的依据。与现有技术相比，产生的有益效果包括：

43、1、本发明提供的方案，通过对人脸锁摄像头采集的图像进行处理，能准确的通过图像判断判断摄像头是否被遮挡，从而便于人脸锁及时给出报警信息，有效提升人脸锁的安全等级。

44、2、本发明判断摄像头遮挡的过程中只是采用了传统的图像处理方法进行判断，在算法复杂度较低的情况下，通过正常的经验值便可以达到很好的效果，有效的提高了方法在平台的运行效率。

45、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。