[发明专利]一种基于多特征的考场监控视频图像中人脸定位方法

权利要求书

1.一种基于多特征的考场监控视频图像中人脸定位方法，主要包括以下步骤：

步骤1：基于SSD目标检测框架，建立针对考场监控视频图像数据中人的头发区域定位的目标检测深度学习模型；

步骤2：将考场监控视频初始图像数据输入到目标检测深度学习模型中，得到对考场监控视频图像数据中的人的头发区域的初步框选定位结果；

步骤3：对考场监控视频初始图像数据进行皮肤区域定位，首先将初始图像数据进行颜色空间变换，然后在不同颜色空间进行基于阈值的像素点检测，再对像素点检测结果进行形态学处理，最终得到考场监控视频图像数据中的皮肤区域定位结果，具体为：

步骤3.1：对考场监控视频图像数据进行颜色空间变换，具体为：将考场监控视频初始图像数据从RGB颜色空间分别转换到其他颜色空间；

步骤3.2：对考场监控视频初始图像数据在不同颜色空间进行基于阈值的像素点检测，得到最终皮肤索引图像I_l，具体为：

步骤3.2.1：依据步骤2所得的初步框选定位结果，获取每个初步框选区域中的质心像素点，并以该质心像素点为中心，初步框选区域短边长度为扩展距离，按照垂直、水平方向对质心像素点进行扩展，根据质心像素点和扩展像素点生成扩展区域索引图像I_t，其中I_t(i′，j′)像素值为255，其余像素点像素值为₀，变量i′，j′分别为质心像素点和扩展像素点横坐标和纵坐标，根据公式

i″＝i′±k₁，j″＝j′-k₂，当i″＜0，i″＝0，当j″＜0，j″＝0，变量k₁、k₂为皮肤搜索范围参数，将扩展区域索引图像I_t中的像素点I_t(i″，j″)的像素值设置为255，像素点

I_t(i′j′)的像素值设置为0，得到更新的索引图像I_t′；

步骤3.2.2：在YCbCr颜色空间，对I_t′进行基于阈值的像素点检测，得到二次更新的索引图像I_t″；

步骤3.2.3：在HSV颜色空间，进行基于阈值的像素点检测，得到最终皮肤索引图像I_l；

步骤3.3：将考场监控视频初始图像数据和最终皮肤索引图像I_l进行匹配，将考场监控视频初始图像数据中像素点坐标与最终皮肤索引图像I_l中像素值为0的像素点坐标相同的像素点的像素值设置为0，得到考场监控视频初始图像数据皮肤区域初始图像，再对该皮肤区域初始图像进行形态学处理，滤除图像中的孤立点，得到考场监控视频图像数据皮肤区域定位结果；

步骤4：将步骤2所得的对考场监控视频图像数据中的人的头发区域的初步框选定位结果和步骤3所得的考场监控视频图像数据中的皮肤区域定位结果进行融合，得到对考场监控视频图像数据中的人脸定位结果，具体为：

步骤4.1：将考场监控视频图像数据中的人的头发区域的初步框选定位结果图像数据中所有锚框的四个端点坐标映射到考场监控视频图像数据皮肤区域定位结果图像数据中，得到头发区域和皮肤区域融合的考场监控视频图像数据；

步骤4.2：遍历头发区域和皮肤区域融合的考场监控视频图像数据中的所有锚框，将第n个锚框m_n进行翻转，得到翻转锚框

步骡4.3：对头发区域和皮肤区域融合的考场监控视频图像数据中的所有翻转锚框进行遍历，判断每个翻转锚框与皮肤区域的重合情况：

步骤4.4：将更新的头发区域和皮肤区域融合的考场监控视频图像数据中所有保存的锚框m_n映射到原始考场监控视频图像数据中，得到考场监控视频图像数据中的人脸定位结果。

2.如权利要求1所述的一种基于多特征的考场监控视频图像中人脸定位方法，其特征在于步骤3.1：其他颜色空间为YCbCr颜色空间和HSV颜色空间。