号整型，X方向上的差分阶数为0， y方向上的差分阶数为1，扩展Sobel核的大小为3*3。
[0070] 步骤(f-6)中，获取图像的所有η个连通域，然后对这η个连通域面积进行排序，只 保留前2大连通域，填充满其它连通域，上述η代表图像中连通域的个数。
[0071] 步骤(f-7)中，判定是否为蒙面人的方法是，如果轮廓个数不大于轮廓个数阈值， 就初步判定该帧图像出现对象是正常人，进一步判断如果前两大连通域占由步骤(f-Ι)得 到的嘴巴精确定位图像大小比例不大于0.13,则该帧图像出现对象为蒙面人，否则为正常 人;如果轮廓个数大于轮廓个数阈值，初步判定该帧图像出现对象是蒙面人，进一步判断如 果前两大连通域占由步骤(f-Ι)得到的嘴巴精确定位图像大小比例大于0.13,则该帧图像 出现对象为正常人，否则为蒙面人。
[0072]表2计算蒙面人度的数据格式
[0073]
[0074] 作为例子，轮廓个数阈值的计算方法是，轮廓个数阈值P初始值设置4( i = 1 )，第i+ 1个符合计算轮廓个数的图像的轮廓个数为N1+1，如果&+1在【
丨勺范围内就遵循如 下的计算原则：
如果N1+1不在范围内则对应的轮廓个数阈值为P4P保持不 变，上述的Pi为第i个符合计算轮廓个数的图像的轮廓个数阈值，Pi+i为第i+Ι个符合计算轮 廓个数的图像的轮廓个数阈值。例如，如果当前第i个轮廓个数阈值Pi为6，第i+1个符合计 算的轮廓个数为5,因为5在[3,9]的范围内，第i+Ι个图像阈值^
【主权项】
1. 基于视频特征统计的双模式蒙面人事件自动检测方法，其特征在于，包括以下步骤： 读入视频图像帧，将图像帧缩放到原宽高的设定比例A，并将视频帧彩色图像转为单通 道灰度图像； 使用高斯背景建模的帧差法逐帧对步骤(a)中读入的视频图像进行运动前景检测，获 得运动物体前景图像； 运用轮廓检测，对(b)中得到的图像进一步处理，去除面积小于设定阈值的轮廓，并通 过计算轮廓中点坐标所在位置以及和上一帧运动前景的重合比例，找出运动物体的最大矩 形轮廓； 对步骤(c)中获得的运动过程进行检测，得到人头位置信息，用以初步定位人头位置； 对步骤(d)中获得的人头区域图像运用人脸检测，再预估初步定位嘴巴位置； 通过对步骤(e)中的结果图像进行嘴巴精确位置，并对计算梯度后的图像计算连通域 个数和前两大连通域面积所占的比例，通过阈值设定，最终判定蒙面人。2. 根据权利要求1所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于，步骤(c)包括以下步骤： (c-Ι)对(b)中处理过后得到的图像进行二值化，获取二值化后的图像； (c-2)对二值化图像进行中值滤波操作； (c-3)继续对上述处理获得的图像进行轮廓检测并保存； (c-4)依次算出每个轮廓的面积，如果轮廓面积小于总图像面积的设定百分比，将其舍 弃进行下一个轮廓的计算，如果面积符合设定要求，获得该轮廓的外界矩形^，并通过与 一个全局最大外接矩形的左上角和右下角位置进行比较，求出当前最大外接矩形框，从而 在循环结束后得到当前帧最大的外接矩形框； (c-5)与前一帧图像的宽高进行比较，如果图像高度为前一帧图像高度的0.7倍以下， 将该帧图像放大到该帧原图宽高的1.5倍，如果矩形框宽高超出本帧原图边界大小限制，放 大到边界大小； (c-6)记录步骤(c-5)最终获得矩形框高度。3. 根据权利要求1所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于:在步骤(d)中，获取原图像的运动前景区域，转为灰度图后，采用线性插值法将图像 宽高缩放到原图像宽高的设定比例A，然后利用尺度不变性进行人头检测，每次缩放1.1倍， 且人头区域矩形宽高为图像总宽度的20%，连续3次符合级联分类器要求才被判定为人头， 记录人头区域位置信息，供下一个步骤使用。4. 根据权利要求1所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于:在步骤(e)中，对步骤(d)得到的人头的原图像同位置区域进行人脸检测，每次缩放 1.1倍，且人脸区域矩形宽高为图像总宽度的20%，连续3次符合级联分类器要求才被判定为 人脸，记录人脸区域位置信息;在已经得到人脸位置区域的情况下，初步定位嘴巴位置。5. 根据权利要求4所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于:初步定位嘴巴位置的方法是，在得到的人脸位置框选如下一个矩形，设原矩形长即 平行于X轴的一边为a，宽为b，矩形左上角坐标为(0.25a，0.65b)，嘴巴位置矩形长0.5a， 宽0·35b〇6. 根据权利要求1所述基于视频特征统计的双模式蒙面人事件自动检测方法，其特征 在于，步骤(f)包括以下步骤： (f-Ι)进一步精确定位嘴巴区域； (f_2)采用高斯模糊降噪，核大小为3*3,然后转为灰度图； (f_3)使用Sobel算子梯度检测，并使用线性变换转换输入数组元素为其绝对值的8位 无符号整型； (f_4)先对(f-3)获得的图像进行锐化，然后采用自适应大津阈值发进行二值化处理； (f-5)对(f-4)处理后的图像进行轮廓检测，计算其轮廓个数，获取图像轮廓个数特征； (f-6)保留（f-4)处理后的图像的前两大连通域，计算前两大连通域占图像像素个数的 比例，获得前两大连通域比例特征； (f_7)根据步骤(f_5)和步骤(f-7)的特征判定是否为蒙面人。7. 根据权利要求6所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于，步骤(f-Ι)中，精确定位嘴巴区域的方法是，在初步定位的嘴巴矩形区域框选如下 一个矩形，设原区域矩形长即平行于X轴的一边为a，宽为b，矩形左上角坐标为(0.2a，0)， 右下角坐标为(〇.8a，b)。8. 根据权利要求1所述基于视频特征统计的双模式蒙面人事件自动检测方法，其特征 在于，步骤(f_3)中，Sobel算子的输出深度为16位有符号整型，X方向上的差分阶数为0，y方 向上的差分阶数为1，扩展Sobel核的大小为3*3。9. 根据权利要求1所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于，步骤(f-6)中，保留图像的前两大连通域的计算方法是，获取图像的所有η个连通 域，然后对这η个连通域面积进行排序，只保留前2大连通域，填充满其它连通域，上述η代表 图像中连通域的个数。10. 根据权利要求1所述的基于视频特征统计的双模式蒙面人事件自动检测方法，其特 征在于，步骤(f-7)中，判定是否为蒙面人的方法是，如果轮廓个数不大于轮廓个数阈值，就 初步判定该帧图像出现对象是正常人，进一步判断如果前两大连通域占由步骤(f-Ι)得到 的嘴巴精确定位图像大小比例不大于0.13,则该帧图像出现对象为蒙面人，否则为正常人； 如果轮廓个数大于轮廓个数阈值，初步判定该帧图像出现对象是蒙面人，进一步判断如果 前两大连通域占由步骤(f-Ι)得到的嘴巴精确定位图像大小比例大于0.13,则该帧图像出 现对象为正常人，否则为蒙面人。
【专利摘要】本发明提供基于视频特征统计的双模式蒙面人事件自动检测方法，包括：在获取源视频图像后，先将视频帧进行缩放并转为灰度图，然后获取最大的物体运动前景矩形框，再粗定位人头区域，接着获取人脸位置信息，接下来在得到的人脸范围预估嘴巴区域，并将嘴巴区域进行切割缩小范围，然后计算梯度图，在得到梯度图的基础上计算连通域个数以初步判断是否为蒙面人，此后计算前两大连通域面积所占的比例从而进一步进行判断是否为蒙面人。本发明对视频场景没有特定的要求。另外，本发明计算方法简单高效，能够进行实时处理，可用于实时侦查破案，同时保存了可疑蒙面人信息，也能为案发过后取证提供一手资料。
【IPC分类】G06K9/00
【公开号】CN105678213
【申请号】CN201510971527
【发明人】黄翰, 王琥, 梁椅辉, 郝志峰
【申请人】华南理工大学
【公开日】2016年6月15日
【申请日】2015年12月20日