[发明专利]通过使用特征抓取功能进行行为判别分析方法

摘要

本发明提出了一种通过使用特征抓取功能进行行为判别分析方法，包括如下步骤：S1，根据人脸表情特征属性值对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。

主权项

1.一种通过使用特征抓取功能进行行为判别分析方法，其特征在于，包括如下步骤：S1，根据人脸表情特征属性值对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端；所述S1包括：S1‑1，对图像特征进行归类判断，将不同人脸表情特征集合C的图像数据进行模型判断；提取有效人体特征图像的直方图，构造纹理信息，获取人脸表情特征集合中每个属性值，微笑属性值Csmile＝∑jj·δxj·δyj，其中δxj和δyj分别为X轴微笑特征因子和Y轴特征因子；张嘴属性值Copenmouth＝∑jj·τxjτyj，其中τxj和τyj分别为X轴张嘴特征因子和Y轴张嘴特征因子；低头属性值Cdownhead＝∑jj·βxjβyj，其中βxj和βyj分别为X轴低头特征因子和Y轴低头特征因子；抬头属性值Cuphead＝∑jj·εxj·εyj，其中εxj和εyj分别为X轴抬头特征因子和Y轴抬头特征因子；哭泣属性值其中和分别为X轴哭泣特征因子和Y轴哭泣特征因子；侧脸属性值Chalfface＝∑jj·μxj·μyj，其中μxj和μyj分别为X轴侧脸特征因子和Y轴侧脸特征因子；S1‑2，将整个人流密集区域图像数据进行划分，形成监视窗序列对(M1,M2),(M2,M3),...,(Mn‑1,Mn)；定位人体特征图像的手持物体边界，从视频图像最初帧头部开始；定位某个人体特征图像的接入边界，从视频图像尾部搜寻该人体特征图像所出现的人流密集区域的相应位置，并且判断该人体特征图像出现的位置，停留的时间，以及是否购物或者手持物品；S1‑3，通过对监视窗序列对进行比对抓取，判断前后视频帧一个人体特征图像和人脸特征图像的变化度其中，其中|Ei,jLn+Ei,jMn|是查询待匹配特征Ln和监视窗图像Mn的相似度，E代表人流密集区域匹配图像数量，S代表影响人体特征图像和人脸特征图像的干扰集合，s、t为正整数，s、t的取值不同，其最小取值是1，最大取值为匹配图像特征图中匹配的人体特征图像和人脸特征图像个数；ωi,j为人脸表情特征集合C匹配相关度总次数的权重，Ki为人流密集区域进行人体特征图像错误匹配的惩罚因子，z和d分别代表人体特征图像的收集集合和人体特征图像下一监视窗的收集集合，将该变化度与相应的图像采集模块所处的人流密集区域位置进行信息匹配，得到人流密集区域位置与变化度的正相关条件函数；其中，Y(x,y)和Z(x,y)分别表示人体特征图像和人脸特征图像坐标点(x,y)间缺失的相互作用关系，ηi和σj分别表示人体特征图像判断阈值和人脸特征图像判断阈值，其为开区间(0,1)内的正数，rx,y表示对坐标(x，y)位置处的人体特征图像和人脸特征图像相似度判断因子，S1‑4，依据定义每个个体的人体特征图像和人脸特征图像之间关联关系，按照关联关系给查询相关度和数据相关度排序，产生不同相关度等级的非支配个体集合，依据人体特征图像和人脸特征图像等级内非支配个体数目、序号等级的从相关度小到大顺序，如果在每个人流密集区域的出口没有匹配到具有人体特征图像和人脸特征图像任一特征的相关度图像，执行步骤S1‑1，如果相应的人流密集区域位置获取相关度图像并在相应位置进行特征标记，执行步骤S1‑5；S1‑5，设置人流密集区域日志，根据用户需求提取该人流密集区域的属性信息，进行相似度计算，利用人体特征图相似度计算查询相似度，利用人脸特征图像相似度计算查询相似度，直至日志相似度与查询相似度收敛；通过采用匹配权重α来平衡默认的人体特征图像和人脸特征图像相关度和用户定义相关度衡量结果值D[i,j]＝maxFi,j(1‑α)·P(i,j)+α·P(i,j,rx,y)+minFi,j其中，maxFi,j为人体特征图像和人脸特征图像的变化度的最大值，minFi,j为人体特征图像和人脸特征图像的变化度的最小值，P(i,j)为人流密集区域初始判断决策值，P(i,j,rx,y)为人流密集区域结果判断决策值，rx,y表示对坐标(x，y)位置处的人体特征图像和人脸特征图像相似度判断因子，其中初始判断决策值是根据历史特征图像数据进行密集区域的初始判断，对于结果判断决策值是通过S1‑1至S1‑5判断之后进行优化后的判断决策值。