的最佳阈值，然后运用全局阈值分割算法，对矿工人脸图像进行分割，从而完整分割 定位出矿灯区域； 所述煤矿井下人脸区域检测阶段包括以下步骤： (1) 矿工人脸正面面对摄像仪时，根据煤矿井下矿灯图像的分析方法标定出的矿灯位 置及尺寸，以人脸的大致尺寸来定位人脸的检测区域； (2) 在图像中选取以矿灯圆心为对称点，取总宽为大致范围为22厘米-24厘米的位置 处确定定位人脸矩形区域的宽度，再选取以矿灯下边沿至下方22厘米-24厘米位置处的区 域作为定位人脸的矩形区域的高度，从而确定矿工的人脸定位区域的大小，并用人脸的定 位分割方法以这个尺寸在图像中进行定位分割，即得到人脸分割窗口； (3) 当矿工人脸偏离摄像仪设定的角度时，根据头部的偏向角度来调整人脸定位区域 的尺寸大小，进一步用人脸分割窗口的修正方法进行修正； (4) 根据以上运算得到的分割窗口对图像中的矿工人脸进行快速、准确的定位。
2. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述类 间最大距离方法包括以下步骤： (1)矿灯为前景图像，分离出的矿工图像除矿灯之外都是背景图像； ⑵由直方图可以得到：矿灯点数也就是前景点数占图像比例wO,平均灰度uO,背景点 数占图像比例wl，平均灰度ul ; (3) 图像的总平均灰度为：u = wO*uO+wl*ul ; (4) 前景与背景图像的方差：g = wO*(u〇-u)*(u〇-u)+wl*(ul-u)*(ul-u)= wO*wl*(u〇-ul)*(u〇-ul); (5) 当方差g最大时，此时前景与背景图像差异最大，也就是此时的灰度是最佳阈值。
3. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述煤 矿井下矿灯图像的分析方法包括以下步骤： (1)选择分别从平视方向、俯视15°方向及俯视30°方向三种情况进行戴矿灯矿工人 脸图像的采集； (2) 根据矿工正面脸部平面与成像平面的坐标关系，对所采集的带有俯视角度的摄像 仪模型进行分析； (3) 通过分析得出，如果将摄像仪向下转动0y角度，则相当于将摄像仪坐标系 绕\轴转动了 Θ 7角，也即相当于将正面脸部平面绕￥"轴旋转了 Θ 7角，因此，我 们可以得到方向向量矩阵为其坐标变换矩阵可表示为：
?
(4) 由于在俯视或向左向右有一定偏向角度时，圆形物体会投影为椭圆形状，因此，将 (3)中的坐标变换矩阵代入XwO wYw平面上圆的方程式xw2+yw 2= r2,可以得到圆形物体在俯
视时投影为椭圆形的方程 可以看出，在投影得到的椭圆形中，长轴半 径等于圆的半径，短轴半径等于圆半径与平面间夹角的余弦的积； (5) 与俯视模型推导过程相似，将摄像仪向下转动0；￡角，相当于将摄像仪 坐标系绕X。轴转动了 Θ ^，也就相当于脸部平面绕X ?轴旋转了 Θ ^，可以 得到方向向量矩阵为^其坐标变换矩阵可表示为
1
(6) 将（5)中的坐标变换矩阵代入XwOwYw平面上圆的方程式xw 2+yw2=r2,可以得到圆 形物体在侧视时投影为椭圆形的方程：
1可以看出，在投影得到的椭圆 J 形中，长轴半径等于圆的半径，短轴半径等于圆半径与平面间夹角的余弦的积； (7) 当摄像仪在X。轴和Y。轴方向均有一定角度的转动时，需要将两个旋转变 换矩阵进行相乘后方可得到摄像仪坐标系的旋转变换矩阵的转换方程可表示为
(8) 如果不考虑焦距在方向上的差距和畸变，摄像仪内参数模型可表示为：p = kdr，式 中：P表示图像中椭圆的长轴半径，r表示圆形物体的半径，kd表示放大系数，因此在图像分 析中，只需测量出矿灯在图像投影后椭圆的长轴、短轴半径及长轴的方向，即可实时得出摄 像仪的内外参数； (9) 根据从煤矿井下采集到的戴矿灯矿工人脸图像中分割出来的矿灯图像，找到该图 像中待检测圆在上，下，左，右4个方向上的极点，并根据这四个极点的坐标，估算出图像中 待检测圆的圆心，若得到的图像是圆投影后成像的椭圆，则根据这四个极点的坐标，可得到 长轴半径P和短轴半径P s; (10) 根_
: 1两个方程可得出Ps= pcos θ，即头部 偏转角度可表示为0 = arc(X)Sf由方程P = kdr可得心=f即可求得成像的放大倍数kd 及摄像头的坐标XwOwYw平面与人脸平面的夹角Θ的大小，r表示圆形矿灯的半径，p表示图 像中测量得到的长轴半径，Ps表示图像中测量得到的短轴半径； (11) 由于图像测量直接测到是圆或椭圆的长、短轴直径而非半径，若q*qs分别表 示图像中测量出的椭圆长轴和短轴的长度，1表示矿灯头的半径，则可将0 = arcec)St和 t = Z分别变换为沒=arcco今和心=子 r H 1 ； (12) 若已知物体的长度为M，该物体在图像中的像素数为m，则可将成像的放大倍数kd 表示为Λ = I由此可得m = kdM。
4. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述人 脸的定位分割方法包括以下步骤： (1) 根据矿灯位置、尺寸及人脸的大致尺寸，对煤矿井下采集的戴矿灯矿工图像进行具 体的人脸定位分割； (2) 已知矿灯的直径为I = 7cm，矿灯在图像中的像素数为q = 27pixel，可以得到成像 的放大倍数为t=f=y=3·8571 ? (3) 根据已知截取的面部区域长为22cm，即M = 22cm，由方程m = kdM可得矿灯在图像 中的像素数 m 为：m = kdM = 3. 8571 X 22 = 84. 8571 ; (4) 根据以上得出的数据，可以定位出矿灯的圆心坐标为（296,162)，矿灯的下边缘坐 标为（296,175)，分别以坐标（252,175) (296,175)为对角取正方形的区域，即为正面人脸 的定位区域。
5. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述人 脸分割窗口的修正方法包括以下步骤： (1) 根据头部的偏转角度，即根据分割人脸平面与摄像仪XwOwYf面具有的倾斜角度， 来计算各参数变化； (2) 假设物体的长度已知，表示为m，其在图像中椭圆的短轴方向的像素数为ms，则有：
(3) 根据头部的偏转角度θ、短轴方向的像素数ms和短轴长度qs三个参数的变化进行 了人脸定位区域的调整； (4) 由于矿灯平面与人脸平面在Zc轴方向有约5cm的距离偏差，调整后定位的人脸区 域仍存在一定的误差，考虑此因素的影响，对处理结果进行再修正，即在对煤矿井下人脸的 图像进行分割时，对分割窗口进行平移来修正处理结果； (5) 若摄像头坐标XwOwYw平面与人脸平面的夹角为Θ，则平移像素 n可表示为：n = 5kdsin θ ； (6) 经过进一步的修正处理后，分割窗口能够随着脸部的转动角度进行调整，不仅对正 面人脸能够快速、准确的定位，而且对头部有较大偏转角度的人脸也能快速、准确的定位。
6. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述图 像减法运算方法具体为： 将两幅图像中的对应像素的值进行减法运算，若输入的两幅图像分别为A(x，y)和 B (X，y)，输出图像为C (X，y)，则减法运算公式为C (X，y) = A (X，y)+B (X，y)。
7. 根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法，其特征在于，所述全 局阈值分割算法具体为：对矿工图像的每个像素采用一个固定的、单一的最佳阈值进行分 割。
【专利摘要】本发明公开了一种煤矿井下矿工人脸区域检测方法。采集煤矿井下包含戴矿灯的矿工人脸图像和井下无人的背景环境图像，对采集的图像做减法处理，并根据确定的煤矿井下人员的位置区域还原图像，得到了只有矿工没有背景信息的新图像，进而求得去除背景后矿工人脸图像的直方图，根据直方图确定最佳分割阈值，然后运用全局阈值分割算法完整地分割定位出矿灯区域；人脸区域检测阶段，根据煤矿井下矿灯图像的分析方法标定出的矿灯位置及尺寸，并根据成人正面平视时的面孔五官比例“三庭五眼”说法，运用人脸的定位分割方法在图像中进行定位分割，若矿工人脸不是正面面对摄像仪时，进一步修正人脸的分割窗口。本发明利用矿灯定位检测人脸区域，能够有效克服井下光照差、矿工脸部存在煤灰的影响，可靠性强，检测率高，为矿井人员唯一性检测提供可靠的信息。
【IPC分类】G06K9-54, G06K9-00
【公开号】CN104657719
【申请号】CN201510094620
【发明人】刘晓阳, 王娟, 陆泽山
【申请人】中国矿业大学(北京)
【公开日】2015年5月27日
【申请日】2015年3月4日