[发明专利]一种人脸黑名单监测方法

摘要

一种人脸黑名单监测方法，其结合全局特征和局部特征，首先训练多角度人脸模板用于人脸检测；在此基础上检测人脸部分五官关键点并定位；进一步地，对人脸进行归一化后，分别针对人脸完整区域提取Gabor特征，针对局部区域提取LDP特征；最后进行融合全局与局部特征的人脸相似度计算，实现人脸黑名单监测。本发明既保留人脸全局相似性，又体现局部差异性，可更好地反映人脸特性。

主权项

1.一种人脸黑名单监测方法，其特征在于：包括以下步骤：S1：基于多角度人脸检测分类器，检测人脸区域；其中利用多角度人脸训练基于Haar特征和Adaboost分类器的人脸检测分类器，包括以下步骤：S1.1：利用视频图像采集设备分别采集正面人脸、正面人脸向左水平偏转5度，10度，正面人脸向右水平偏转5度，10度，正面人脸向上偏转5度，10度，正面人脸向下偏转5度，10度的图像，每个角度的人脸图像不少于1000幅；S1.2：针对每种角度图像，人工裁剪人脸区域，并缩放至128×128像素，作为正样本；S1.3：采集同样数量的不含人脸图像，作为负样本；S1.4：针对每种角度图像，训练其基于Haar特征和Adaboost分类器的人脸检测分类器；S2：针对人脸区域，检测部分五官特征点；针对步骤S1中检测到的人脸区域，基于Flandmark方法检测人脸部分五官关键点，人脸部分五官关键点包括7个，第一个五官关键点为鼻尖、第二个五官关键点为左眼右眼角、第三个五官关键点为右眼左眼角、第四个五官关键点为左嘴角、第五个五官关键点为右嘴角、第六个五官关键点为左眼左眼角和第七个五官关键点为右眼右眼角；S3：基于部分五官特征点坐标，实现人脸归一化；将人脸部分中包含人脸部分五官关键点、眉毛、鼻子、嘴巴的正方形区域定义为人脸核心区域，然后计算核心人脸区域坐标，并将核心人脸区域缩放为128×128像素的灰度图像，具体步骤为：S3.1：计算人脸核心区域宽度Face_width、高度Face_height分别为：Face_width＝(P6.x‑P5.x)×1.6Face_height＝Face_widthS3.2：计算人脸核心区域左上角起始点坐标为：Face.x＝P5.x‑(P6.x‑P5.x)×0.3Face.y＝P5.y‑(P6.x‑P5.x)×0.3其中：Pi.x，Pi.y分别表示序号为i的五官关键点的横、纵坐标；S4：针对归一化后的完整人脸提取Gabor特征；S5：针对归一化后的部分五官区域提取LDP特征；S5.1针对原始视频监控图像，基于五官关键点获取左眼区域，令其宽度为Leye.width，高度为Leye.height，中心横坐标为Leye.x，中心纵坐标为Leye.y，计算方法为：Leye.width＝P1.x‑P5.xLeye.height＝Leye.widthLeye.x＝P5.xLeye.y＝P5.y‑Leye.height/2然后将左眼区域图像缩放至50×50像素的灰度图像；S5.2：针对原始视频监控图像，基于五官关键点获取右眼区域，令其宽度为Reye.width，高度为Reye.height，中心横坐标为Reye.x，中心纵坐标为Reye.y，计算方法为：Reye.width＝P6.x‑P2.xReye.height＝Reye.widthReye.x＝P2.xReye.y＝P2.y‑Reye.height/2然后将右眼区域图像缩放至50×50像素的灰度图像；S5.3：针对原始视频监控图像，基于五官关键点获取鼻尖区域，令其宽度为Nose.width，高度为Nose.height，中心横坐标为Nose.x，中心纵坐标为Nose.y，计算方法为：Nose.width＝P6.x‑P2.xNose.height＝Nose.widthNose.x＝P0.x‑Nose.width/2Nose.y＝P0.y‑Nose.height/2然后将鼻尖区域图像缩放至50×50像素的灰度图像；S5.4：针对原始视频监控图像，基于五官关键点获取嘴巴区域,令其宽度为Mouth.width，高度为Mouth.height，中心横坐标为Mouth.x，中心纵坐标为Mouth.y，计算方法为：Mouth.width＝P4.x‑P3.xMouth.height＝Mouth.widthMouth.x＝P3.xMouth.y＝P3.y‑Mouth.height/2然后将嘴巴区域图像缩放至50×50像素的灰度图像；S5.5：分别针对步骤S5.1至S5.4中所述的4个区域，提取其局部LDP特征，得到四个局部LDP特征；S6：计算人脸相似度，实现黑名单监测；S6.1：针对视频监控系统中获得每一帧图像，分别采取步骤S1至S5的方法，提取其全脸Gabor特征F¹eature₀和四个局部LDP特征F¹eature₁、F¹eature₂、F¹eature₃、F¹eature₄；S6.2：针对黑名单中的人脸，分别采取步骤S1至S5的方法，提取其核心人脸区域的全脸Gabor特征F²eature₀，和四个局部区域LDP特征F²eature₁、F²eature₂、F²eature₃、F²eature₄；S6.3：针对步骤S6.1和S6.2中获得的5种特征，分别计算监控视频图像人脸与黑名单人脸的欧式距离，令其为D_i，i＝0,1,2，…，4，分别表示全局Gabor特征、局部LDP特征的欧氏距离；S6.4：计算上述5种特征基于欧氏距离的相似度S6.5：计算5种相似度的平均值S6.6：设定相似度阈值F_th，如果则判断视频人脸与黑名单人脸高度相似，返回监测结果。