[发明专利]一种基于图像处理技术的校园人物识别追踪方法

说明书

本发明公开了一种基于图像处理技术的校园人物识别追踪方法，包括以下步骤：步骤一，生成特征集；步骤二，生成哈希序列；步骤三，计算相似度；步骤四，输出人像识别结果；步骤五，特征点精准匹配；本发明通过多特征融合和直方图统计达到多特征人像识别和人像定位的目的，可以根据学生的面部特征、着装特征、轮廓特征等多特征点进行人像识别，减少摄像头安装和像素带来的客观影响，以及学生主动遮挡等主观情况造成无法进行人像识别的情形；本发明在不改变现有校园监控系统布局和监控设备的基础上，通过算法和代码建立经济性最高的学生人身安全的防护线，解决现有技术基础下的人像识别问题和复杂校园环境中的人物路径追踪问题。

技术领域

本发明涉及图像处理技术领域，具体为一种基于图像处理技术的校园人物识别追踪方法。

背景技术

在校园管理中，监控摄像头和智慧监控管理系统必不可少，通过监控摄像机组网络对现场图像进行采集，通过视频线等进行近远距离传输到监控中心进行信号提取，线路转换、图像存储等操作，提高学校监控的效率和管理水平；但是考虑到监控系统整理的经济性和功能性，主要是在校园监控方面多安装彩色转黑白摄像机加红外灯的设备，除了考试试场内要求安装的高清摄像机，室外摄像机基本都为影像像素在25万到38万之间的中档型摄像机；

现有的人脸识别技术是基于红外图像的多光源人脸识别技术，从动态的场景或者复杂背景中分离出面相，提取人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，进而完成人脸的匹配和识别；一般在校园门禁处会安装特定的人脸识别一体机，或者在进门处就近安装摄像头进行人像识别，角度、高度和距离合适，能够较清楚得提取出人像进行识别，但是如果学生刻意遮挡面部或者位置不合适则无法进行人像识别；

校园监控中心的监控视频可以进行保存、回放，但是没有人像识别和人物追踪的功能，且由于视频像素、拍摄范围角度包括光线等原因，很难去实现精准的人物识别和追踪。

发明内容

本发明的目的在于提供一种基于图像处理技术的校园人物识别追踪方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于图像处理技术的校园人物识别追踪方法，包括以下步骤：步骤一，生成特征集；步骤二，生成哈希序列；步骤三，计算相似度；步骤四，输出人像识别结果；步骤五，特征点精准匹配；

其中在上述步骤一中，首先从含有待追踪人物的视频帧中提取出人像面部HOG特征点、人像轮廓特征点、HSV特征点和调整成灰度图后的HSV特征点，然后进行特征串联融合，形成特征集；

其中在上述步骤二中，将步骤一中所获得的特征集利用感知哈希算法生成对应的哈希序列；

其中在上述步骤三中，将步骤二中所生成的哈希序列与人物入校时截取的视频帧哈希序列进行比较，计算相似度，若相似度达到设定阈值则进入步骤四，若相似度没有达到设定阈值则进入步骤五；

其中在上述步骤四中，直接输出找到的人像结果；

其中在上述步骤五中，用SURF算法进行特征点精准匹配，输出人像识别结果。

优选的，所述步骤二中，生成哈希序列包括以下步骤：

1)、去除视频帧图像的高频信息和细节，只保留解构、明暗等反映图像内部基本结构的低频信息；

2)、将图像缩小到8×8的尺寸，并转换成64级灰度图，计算这8×8像素的离散余弦变换矩阵，作为最终的DCT矩阵，这部分呈现了图像中的最低频率；

3)、计算64个像素值的DCT矩阵的平均值，最终DCT矩阵中数值大于等于均值处设为1，小于均值处设为0，得到64位的图像指纹，对提取的特征点的低频信息进行分别量化，得到4个64bit的子序列，最后总视频帧的哈希序列就是这4个子序列的串联。

优选的，所述DCT矩阵计算公式为：