一种煤矿井下矿工人脸区域检测方法技术

技术编号:11505409 阅读:77 留言:0更新日期:2015-05-27 06:17
本发明专利技术公开了一种煤矿井下矿工人脸区域检测方法。采集煤矿井下包含戴矿灯的矿工人脸图像和井下无人的背景环境图像,对采集的图像做减法处理,并根据确定的煤矿井下人员的位置区域还原图像,得到了只有矿工没有背景信息的新图像,进而求得去除背景后矿工人脸图像的直方图,根据直方图确定最佳分割阈值,然后运用全局阈值分割算法完整地分割定位出矿灯区域;人脸区域检测阶段,根据煤矿井下矿灯图像的分析方法标定出的矿灯位置及尺寸,并根据成人正面平视时的面孔五官比例“三庭五眼”说法,运用人脸的定位分割方法在图像中进行定位分割,若矿工人脸不是正面面对摄像仪时,进一步修正人脸的分割窗口。本发明专利技术利用矿灯定位检测人脸区域,能够有效克服井下光照差、矿工脸部存在煤灰的影响,可靠性强,检测率高,为矿井人员唯一性检测提供可靠的信息。

【技术实现步骤摘要】
一种煤矿井下矿工人脸区域检测方法
本专利技术涉及一种煤矿井下矿工人脸区域检测方法,属于图像处理与模式识别

技术介绍
煤炭是我国主要的能源之一,是我国经济发展的重要保障,我国约70%的能源消耗来自煤炭。煤矿井下环境恶劣,光照条件差,且矿工违规、违章操作时有发生,会影响煤矿井下的安全生产,针对煤矿井下图像中的矿工检测会受到不同程度的影响,在减少误检、检测定位准确率以及检测效率等方面仍然需要进一步提高。人脸检测与识别(FaceDetectionandRecognition)就是对给定的动态或静态的图像进行分析,从中检测并提取出有效的一些识别信息,通过与已有的人脸库来对比,“辨认”或者“确认”出人的身份,主要包括人脸检测和人脸识别两个部分。在实时的人脸识别系统中,人脸检测是识别系统实现的前提和基础,人脸检测的效果直接影响着系统的识别效果。人脸检测按主流方法进行分类,归纳起来大致可以分为以下几种类型:基于显示模型的方法,这种方法又可以分为基于肤色模型的方法和基于模板匹配的方法。基于肤色检测方法是最常用的人脸检测方法之一,它采用的主要手段就是利用彩色图像中人脸的肤色与周围环境的差异,确定肤色模型,检测出肤色像素,通过肤色将人脸区域从背景环境中分割出来,基于肤色模型方法进行人脸检测的文献有很多。基于模板匹配的方法是要根据输入图像,先构造一个标准的人脸模板,然后计算待检测区域与模板之间的相关值,如果相关值满足我们设定的判断准则,就认为这个待检测区域为人脸区域,这是固定模板的检测方法。还有一种是变形模板的人脸检测方法,这种方法首先要求制定模板的参数,再根据待检测区域的数据修改这些参数,直至收敛来检测出人脸的位置。在对煤矿井下作业人员进行监控、定位和身份识别的研究中,很少有人将矿工人脸作为煤矿井下人员的定位和身份识别的研究目标,对煤矿井下矿工的人脸定位检测和识别的研究寥寥无几,而矿工违规、违章操作时有发生的现象,会影响煤矿井下的安全生产,井下生产过程中对下井人员管理有着严格的要求与限制,因而煤矿井下人脸定位检测技术的研究具有深远意义。
技术实现思路
本专利技术的目的所要解决的技术问题是提供一种更适合井下巷道窄又长环境的、简单有效的矿工人脸区域检测方法。为了克服现有诸多系统在煤矿井下图像检测中存在的问题,本专利技术公开了一种适合井下特殊环境的矿工人脸区域检测方法,根据煤矿井下戴矿灯矿工人脸图像的特点,选择矿灯作为矿工人脸区域检测的标靶物,研究了摄像机参数与矿灯投影图像的关系,并根据提取分割出的矿灯图像作为参考,实现了矿工人脸区域的快速检测,该系统能够在矿井下低照度的图像中得到较高的定位检测率,迅速有效的进行矿工人脸区域检测,为矿井人员唯一性检测提供了保障。本专利技术所述的一种煤矿井下矿工人脸区域检测方法采用如下技术方案实现,包括矿工人脸图像中矿灯的分割阶段以及人脸区域检测阶段,矿工人脸图像中矿灯的分割阶段包括以下步骤:(1)分别采集煤矿井下包含戴矿灯的矿工人脸图像和井下无人的背景环境图像,背景环境图像包括巷道内的照明灯等不变背景信息,采集的图像要求统一尺寸及格式;(2)将井下无人的背景环境图像作为参考图像数据,与采集的戴矿灯矿工人脸图像进行图像减法运算,分离出不变的背景区域,确定煤矿井下人员在图像中所占的区域数据;(3)将图像中有人的区域完整地从背景中分离出来,去除了原图像中相对固定的背景区域,根据确定的煤矿井下人员的位置区域还原图像,并将背景中的照明灯部分去除掉,去除图像中不变背景环境图像信息的干扰,得到了只有矿工没有背景信息的新图像;(4)根据公式计算每个灰度级像素出现的频率,求出去除背景后戴矿灯矿工人脸图像的直方图,式中vi表示第i个灰度级像素出现的频率,ni表示第i个灰度级像素值,n表示所有的灰度级像素值之和,i=1,2,…,M;(5)利用去除背景后戴矿灯矿工人脸图像的直方图,并根据类间最大距离方法设定区域分割的最佳阈值,然后运用全局阈值分割算法,对矿工人脸图像进行分割,从而完整分割定位出矿灯区域;煤矿井下人脸区域检测阶段包括以下步骤:(1)根据成人正面平视时的面孔五官比例“三庭五眼”说法,中国男子平均身高约为170cm,而身高与头的大致比例为6.75∶1,可以估算出一个男子头的长度大约为25cm左右,而人脸的长宽比例值在1.2∶1至1.8∶1的范围内,若按1.2∶1进行计算,可以得出人脸的宽度约为20cm左右;(2)矿工人脸正面面对摄像仪时,根据煤矿井下矿灯图像的分析方法标定出的矿灯位置及尺寸,以上面得出的人脸的大致尺寸来定位人脸的检测区域;(3)在图像中选取以矿灯圆心为对称点,本专利技术选取总宽具体为22厘米的位置处确定定位人脸矩形区域的宽度,再选取以矿灯下边沿至下方具体22cm位置处的区域作为定位人脸的矩形区域的高度,从而确定矿工的人脸定位区域的大小,以这个尺寸在图像中进行人脸的定位分割,即得到人脸分割窗口;(4)若矿工人脸不是正面面对摄像仪时,即人脸平面与摄像仪具有一定的倾斜角度,在进行人脸的定位分割时,如果仍采用上面我们所选的定位区域尺寸,同样能够定位出人脸区域,但是存在一定的偏差,选取人脸的准确度会随着角度的增大而降低,而且角度越大,定位出的人脸区域比实际图像中人脸区域大得越多;(5)当矿工人脸偏离摄像仪设定的角度时,根据头部的偏向角度来调整人脸定位区域的尺寸大小,进一步用人脸分割窗口的修正方法进行修正;(6)根据以上运算得到的分割窗口对图像中的矿工人脸进行快速、准确的定位。所述类间最大距离方法包括以下步骤:(1)矿灯为前景图像,分离出的矿工图像除矿灯之外都是背景图像;(2)由直方图可以得到:矿灯点数也就是前景点数占图像比例w0,平均灰度u0,背景点数占图像比例w1,平均灰度u1;(3)图像的总平均灰度为:u=w0*u0-w1*u1;(4)前景与背景图像的方差:g=w0*(u0-u)*(u0-u)-w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1);(5)当方差g最大时,此时前景与背景图像差异最大,也就是此时的灰度是最佳阈值。煤矿井下矿灯图像的分析方法包括以下步骤:(1)选择分别从平视方向、俯视15°方向及俯视30°方向三种情况进行戴矿灯矿工人脸图像的采集;(2)根据矿工正面脸部平面与成像平面的坐标关系,对所采集的带有俯视角度的摄像仪模型进行分析;(3)通过分析得出,如果将摄像仪向下转动θy角度,则相当于将摄像仪坐标系绕YC轴转动了θy角,也即相当于将正面脸部平面绕YW轴旋转了θy角,因此,我们可以得到方向向量矩阵为:其坐标变换矩阵可表示为:(4)由于在俯视或向左向右有一定偏向角度时,圆形物体会投影为椭圆形状,因此,将(3)中的坐标变换矩阵代入XWOWYw平面上圆的方程式xw2+yw2=r2,可以得到圆形物体在俯视时投影为椭圆形的方程为可以看出,在投影得到的椭圆形中,长轴半径等于圆的半径,短轴半径等于圆半径与平面间夹角的余弦的积;(5)与俯视模型推导过程相似,将摄像仪向下转动θx角,相当于将摄像仪坐标系绕XC轴转动了θx角,也就相当于脸部平面绕XW轴旋转了θx角,可以得到方向向量矩阵为:其坐标变换矩阵可表示为(6)将(5)中的坐标变换矩阵代入XWOWYw平面上圆的方程式xw2+本文档来自技高网
...
一种煤矿井下矿工人脸区域检测方法

【技术保护点】
一种煤矿井下矿工人脸区域检测方法,其特征在于,包括矿工人脸图像中矿灯的分割阶段以及人脸区域检测阶段,所述矿工人脸图像中矿灯的分割阶段包括以下步骤:(1)分别采集煤矿井下包含戴矿灯的矿工人脸图像和井下无人的背景环境图像,背景环境图像包括巷道内的照明灯等不变背景信息,采集的图像要求统一尺寸及格式;(2)将井下无人的背景环境图像作为参考图像数据,与采集的戴矿灯矿工人脸图像进行图像减法运算,分离出不变的背景区域后,确定煤矿井下人员在图像中所占的区域数据;(3)将图像中有人的区域完整地从背景中分离出来,去除了原图像中相对固定的背景区域,根据确定的煤矿井下人员的位置区域还原图像,并将背景中的照明灯部分去除掉,去除图像中不变背景环境图像信息的干扰,得到了只有矿工没有背景信息的新图像;(4)根据公式计算每个灰度级像素出现的频率,求出去除背景后戴矿灯矿工人脸图像的直方图,式中vi表示第i个灰度级像素出现的频率,ni表示第i个灰度级像素值,n表示所有的灰度级像素值之和,i=1,2,…,M;(5)利用去除背景后戴矿灯矿工人脸图像的直方图,并根据类间最大距离方法设定区域分割的最佳阈值,然后运用全局阈值分割算法,对矿工人脸图像进行分割,从而完整分割定位出矿灯区域;所述煤矿井下人脸区域检测阶段包括以下步骤:(1)矿工人脸正面面对摄像仪时,根据煤矿井下矿灯图像的分析方法标定出的矿灯位置及尺寸,以人脸的大致尺寸来定位人脸的检测区域;(2)在图像中选取以矿灯圆心为对称点,取总宽为大致范围为22厘米‑24厘米的位置处确定定位人脸矩形区域的宽度,再选取以矿灯下边沿至下方22厘米‑24厘米位置处的区域作为定位人脸的矩形区域的高度,从而确定矿工的人脸定位区域的大小,并用人脸的定位分割方法以这个尺寸在图像中进行定位分割,即得到人脸分割窗口;(3)当矿工人脸偏离摄像仪设定的角度时,根据头部的偏向角度来调整人脸定位区域的尺寸大小,进一步用人脸分割窗口的修正方法进行修正;(4)根据以上运算得到的分割窗口对图像中的矿工人脸进行快速、准确的定位。...

【技术特征摘要】
1.一种煤矿井下矿工人脸区域检测方法,其特征在于,包括矿工人脸图像中矿灯的分割阶段以及人脸区域检测阶段,所述矿工人脸图像中矿灯的分割阶段包括以下步骤:(1)分别采集煤矿井下包含戴矿灯的矿工人脸图像和井下无人的背景环境图像,背景环境图像包括巷道内的照明灯的不变背景信息,采集的图像要求统一尺寸及格式;(2)将井下无人的背景环境图像作为参考图像数据,与采集的戴矿灯矿工人脸图像进行图像减法运算,分离出不变的背景区域后,确定煤矿井下人员在图像中所占的区域数据;(3)将图像中有人的区域完整地从背景中分离出来,去除了原图像中相对固定的背景区域,根据确定的煤矿井下人员的位置区域还原图像,并将背景中的照明灯部分去除掉,去除图像中不变背景环境图像信息的干扰,得到了去除背景后戴矿灯矿工人脸图像;(4)根据公式计算每个灰度级像素出现的频率,求出去除背景后戴矿灯矿工人脸图像的直方图,式中vi表示第i个灰度级像素出现的频率,ni表示第i个灰度级像素值,n表示所有的灰度级像素值之和,i=1,2,...,M,M为整数,表示像素点的个数;(5)利用去除背景后戴矿灯矿工人脸图像的直方图,并根据类间最大距离方法设定区域分割的最佳阈值,然后运用全局阈值分割算法,对矿工人脸图像进行分割,从而完整分割定位出矿灯区域;所述人脸区域检测阶段包括以下步骤:(1)矿工人脸正面面对摄像仪时,根据煤矿井下矿灯图像的分析方法标定出的矿灯位置及尺寸,以人脸的大致尺寸来定位人脸的检测区域;(2)在图像中选取以矿灯圆心为对称点,取总宽为22厘米-24厘米的位置处确定定位人脸矩形区域的宽度,再选取以矿灯下边沿至下方22厘米-24厘米位置处的区域作为定位人脸的矩形区域的高度,从而确定矿工的人脸定位区域的大小,并用人脸的定位分割方法以这个尺寸在图像中进行定位分割,即得到人脸分割窗口;(3)当矿工人脸偏离摄像仪设定的角度时,根据头部的偏向角度来调整人脸定位区域的尺寸大小,进一步用人脸分割窗口的修正方法进行修正;(4)根据以上运算得到的分割窗口对图像中的矿工人脸进行快速、准确的定位。2.根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法,其特征在于,所述类间最大距离方法包括以下步骤:(1)矿灯为前景图像,分离出的矿工图像除矿灯之外都是背景图像;(2)由直方图可以得到:矿灯点数也就是前景点数占图像比例w0,平均灰度u0,背景点数占图像比例w1,平均灰度u1;(3)图像的总平均灰度为:u=w0u0+w1u1;(4)前景与背景图像的方差:g=w0(u0-u)2+w1(u1-u)2;(5)当方差g最大时,此时前景与背景图像差异最大,也就是此时的灰度是最佳阈值。3.根据权利要求1所述的一种煤矿井下矿工人脸区域检测方法,其特征在于,所述煤矿井下矿灯图像的分析方法包括以下步骤:(1)选择分别从平视方向、俯视15°方向及俯视30°方向三种情况进行戴矿灯矿工人脸图像的采集;(2)根据矿工正面脸部平面与成像平面的坐标关系,对所采集的带有俯视角度的摄像仪模型进行分析;(3)通过分析得出,如果将摄像仪向下转动θy角度,则相当于将摄像仪坐标系绕YC轴转动了θy角,也即相当于将正面脸部平面绕YW轴旋转了θy角,因此,得到方向向量矩阵为:其坐标变换矩阵表示为:由于在俯视或向左向右有一定偏向角度时,圆形物体会投影为椭圆形状,上述坐标变换矩阵中的p表示所述椭圆的长轴半径;(4)将(3)中的坐标变换矩阵代入XWOWYw平面上圆的方程式xw2+yw2=r2,得到圆形物体在俯视时投影为椭圆形的方程为可以看出,在投影得到的椭圆形中,长轴半径等于圆的半径,短轴半径等于圆半径与平面间夹角的余弦的积;(5)与俯视模型推导过程相似,将摄像仪向下转动θx角,相当于将摄像仪坐标系绕XC轴转动了θx角,也就相当于脸部平面绕XW轴旋转了θx角,得到方向向量矩阵为:其坐标变换矩阵表示为(6)将(5)中的坐标变换矩阵代入XWOWYw平面上圆的方程式xw2+yw2=r2,可以得到...

【专利技术属性】
技术研发人员:刘晓阳王娟陆泽山
申请(专利权)人:中国矿业大学北京
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1