[发明专利]基于区域最匹配特征点的头部状态监测方法

权利要求书

1.一种基于区域最匹配特征点的头部状态监测方法，包括如下步骤：

步骤1、采集红外视频帧，利用AdaBoost算法进行人脸检测，提取最大人脸框；

步骤2、在最大人脸框的基础上规划特征点检测区域，得到所需的重点检测区域：按照人脸检测框的比例来规划，设人脸检测框的宽和高分别为W_f和H_f，则规划区域的中心点与最大人脸检测框的中心点位置相同，其宽度是在最大人脸检测框的基础上两边各去掉W_f/5，其高度与最大人脸检测框的高度相同；

步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；

步骤4、提取监测帧检测区域的SURF特征点，选出与模板最匹配的三对特征点：分别将监测帧与模板检测区域所有SURF特征点的特征向量两两求内积，选择内积最大的三对SURF特征点；

步骤5、通过最匹配的三对特征点的位置信息判断监测帧的头部状态：首先定义三对最匹配特征点间的平行度M和归一化整体偏离距离D，并设定相应的阈值T_M和T_D，然后进行决策级的融合并得到决策融合参数R，最后将连续10帧监测帧的R累加得到R_s并与阈值T_R比较，判别标准为R_sT_R时头部状态异常，就可以区分头部状态正确与否。

2.根据权利要求1所述的方法，其特征在于，步骤5判断监测帧的头部状态方法为：

定义三对最匹配特征点间的平行度M和归一化整体偏离距离D，并设定相应的阈值T_M和T_D，其中平行度M的计算过程如下：

将模板与监测帧检测区域合成一个坐标，左上角为原点，模板和监测帧中三个最匹配特征点分别为和，这三对特征点分别构成三个匹配向量I₁、I₂和I₃：

（1）

这三个匹配向量之间的夹角余弦的绝对值为：

（2）

分别表示向量I₁与I₂、I₁与I₃、I₃与I₂之间的平行程度，其取值范围为[0,1]，值越大表示越接近平行，定义变量M来反映这个三个向量总体的相互平行程度：

（3）

M的取值范围在[0,3]之间，在此区间内设定一个阈值T_M=2.95，使得当MT_M时可认为当前头部状态与模板不匹配，反之头部状态与模板较为匹配；

其中归一化整体偏离距离D的计算过程如下：

为模板与监测帧检测区域分别建立一个坐标，左上角为原点，三对最匹配特征点对间的欧式距离为：

（4）

定义归一化整体偏离距离D为：

（5）

W_fm和H_fm分别为模板中人脸图像的宽度和高度，d_i为三对最匹配特征点对间的欧式距离，设阈值T_D=1/3，当DT_D时表示偏离过大而认为当前头部状态不正常。