[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

说明书

本发明涉及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：首先基于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，对考生头发区域定位，然后对考场监控视频图像数据在不同颜色空间进行基于阈值的像素点检测，并且引入多次索引图像更新方案，实现对皮肤区域的定位，最后将头发区域、皮肤区定位结果进行基于锚框翻转的融合，最终实现人脸的定位，该方法提高了对考场监控视频图像中人脸定位的准确性、可靠性及泛化能力。

技术领域

本发明属于图像处理、人工智能领域，具体涉及一种基于多特征的考场监控视频图像中人脸定位方法。

背景技术

在世界范围内，考试一直作为重要的检验、选拔手段广泛使用，这是由于其在一定程度上能确保公平、公正。然而为了顺利通过考试，存在各种各样作弊手段，为了保证考试的公平、公正原则，考试监控系统大量应用于各类考试中。然而，考场拥有了视频监控系统，却并不意味着能很好的解决作弊问题。

这是由于视频监控虽然能较为完整的记录考场信息，但是是否存在考试作弊行为，仍然需要相关部门投入大量的人力去对这些视频数据进行后期的处理和审查，其中很大比例的视频中是没有作弊行为的，但每一段视频都需要经过相关人员的仔细审查，由此产生了大量的工作量，由此产生了对考场监控视频中考生的行为进行自动识别的需求，而如何对考场监控视频中考生进行定位，则成为了一个必须解决的关键问题。

对于考场监控视频检测定位方法大致可以分为基于背景差分的方法、基于模板匹配的方法、基于图像特征的方法，这些方法存在检测范围有限，对于考场布局的依赖性较大等问题。

发明内容

本发明针对上述现有技术的不足，提出了一种考场监控视频图像中考生定位方法，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；

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。

进一步的，步骤3：对考场监控视频初始图像数据进行皮肤区域定位，将初始图像数据进行颜色空间变换，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；

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。

进一步的，步骤3.1：其他颜色空间为YCbCr颜色空间和HSV颜色空间。

进一步的，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，具体为：