[發(fā)明專利]一種基于實時視頻檢測表情的公共安全視頻監(jiān)測算法

在審

• 申請?zhí)枺?/td>: 201710679306.8
• 申請日: 2017-08-10
• 公開（公告）號: CN107609480A
• 公開（公告）日: 2018-01-19
• 發(fā)明（設(shè)計）人: 馬培娜;楊守斌;連杰;姜錦子;王成銳
• 申請（專利權(quán)）人: 青島薩納斯新能源科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 青島華慧澤專利代理事務(wù)所(普通合伙)37247
• 代理人: 劉娜,李新欣

技術(shù)領(lǐng)域

本發(fā)明為基于實時視頻檢測表情的公共安全視頻監(jiān)測算法，具體地說涉及一種基于視頻實時檢測人臉表情來達到對公共區(qū)域進行公共安全監(jiān)測的算法。

背景技術(shù)

目前在公共安全監(jiān)控領(lǐng)域，采用視頻監(jiān)控是比較通行和有效的方案，但是目前的方案絕大多數(shù)只涉及視頻的采集和記錄，主要目的是用于監(jiān)控現(xiàn)場的視頻回溯，而無法針對現(xiàn)場的情況，特別是重大公共安全事件進行預(yù)警和告警。

人的情緒不是突變的，是隨著時間進行變化的，比如上海外灘的踩踏事件，或者是其他的事件中，群體情緒的變化不是一瞬間進行的，基本上都要經(jīng)歷從普通的興奮、開心等正向的情緒，到焦慮、彷徨等情緒，而不是一下子就到了悲傷、痛苦等。這種表情的監(jiān)測的統(tǒng)計結(jié)果，如果標(biāo)記在熱力圖的地圖上，就可以進行一些公共安全的走向性預(yù)測。

而目前的相關(guān)技術(shù)水平,已經(jīng)可以針對視頻流中的人臉信息進行捕捉和識別，但是在整體處理的過程中，需要大量的資源和比較久的計算時間。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明提供了一種基于實時視頻檢測表情的公共安全視頻監(jiān)測算法，以達到對視頻流中的人臉信息進行標(biāo)示和表情識別，并進行高速的分類和統(tǒng)計，以達到對公共安全事件進行預(yù)警和告警的目的。

為達到上述目的，本發(fā)明的技術(shù)方案如下：

一種基于實時視頻檢測表情的公共安全視頻監(jiān)測算法，包括實時視頻流的人臉標(biāo)示和人臉表情識別，所述人臉表情識別包括如下步驟：

(1)初始化訓(xùn)練數(shù)據(jù)的權(quán)值分布，每一個訓(xùn)練樣本最開始時都被賦予相同的權(quán)值：1/N，按照人臉表情的同比例像素情況作為初始設(shè)定標(biāo)本.

(2)進行多輪貪心迭代m表示迭代的輪次得到基本分類器:

G_m(x)：χ→{-1，+1)

，使用具有權(quán)值分布Dm的訓(xùn)練數(shù)據(jù)集學(xué)習(xí)，m表示要進行的輪次；

(3)組合多個分類器,得到最終的分類器：

，然后通過G(x)分類器,進行匹配,快速匹配目標(biāo)人臉的表情分類。

上述方案中，所述實時視頻流的人臉標(biāo)示包括以下三步：

(1)人臉數(shù)據(jù)庫的準(zhǔn)備；

(2)人臉識別算法編寫；

(3)人臉標(biāo)示。

進一步的技術(shù)方案中，所述人臉識別算法為Fisherface算法。

進一步的技術(shù)方案中，所述人臉表情識別方法為adaboost算法，該算法為一個多輪次的貪心算法，每一輪根據(jù)當(dāng)前樣本的概率分布參數(shù)選取使樣本總數(shù)m的分塊集合最大化的分類器,找到最優(yōu)分類器以后，動態(tài)調(diào)整概率分布，然后通過學(xué)習(xí)過程，確定分類器的閾值，然后再進行分類計算，劃分人臉表情分類：憤怒、延誤、恐懼、喜悅、中性、悲哀或驚訝。

通過上述技術(shù)方案，本發(fā)明提供的算法是一種改進的adaboost算法，它可以對視頻流中的人臉信息進行標(biāo)示和表情識別，并進行高速的分類和統(tǒng)計,如果將這些結(jié)果標(biāo)記在熱力圖的地圖上，就可以進行一些公共安全的走向性預(yù)測，以達到對公共安全事件進行預(yù)警和告警的目的。

具體實施方式

下面將對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述。

本發(fā)明提供了一種基于實時視頻檢測表情的公共安全視頻監(jiān)測算法，具體如下：

一、實時視頻流的人臉標(biāo)示：

(1)人臉數(shù)據(jù)庫的準(zhǔn)備；

Yale人臉庫(美國)：耶魯大學(xué)，15人，每人11張照片，主要包括光照條件的變化，表情的變化等；

ORL人臉庫(英國)：劍橋大學(xué)，40人，每人10張照片，包括表情變化，微小姿態(tài)變化，20％以內(nèi)的尺度變化；

FERET人臉庫(美國)；

(2)人臉識別算法編寫，采用Fisherface算法；

(3)人臉標(biāo)示。

二、人臉表情識別

(1)初始化訓(xùn)練數(shù)據(jù)的權(quán)值分布，每一個訓(xùn)練樣本最開始時都被賦予相同的權(quán)值：1/N，按照人臉表情的同比例像素情況作為初始設(shè)定標(biāo)本.

(2)進行多輪貪心迭代m表示迭代的輪次得到基本分類器:

G_m(x)：χ→{-1，+1}

，使用具有權(quán)值分布Dm的訓(xùn)練數(shù)據(jù)集學(xué)習(xí)，m表示要進行的輪次；

(3)組合多個分類器,得到最終的分類器：

，然后通過G(x)分類器,進行匹配,快速匹配目標(biāo)人臉的表情分類。