【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种基于图像处理的人迹检测方法。
技术介绍
1、现有对人的行为变化进行的目标检测算法是针对较大幅度的行为动作，通过对图像或视频标注数据集，对构建的人工神经网络模型进行训练，使用训练完成后的人工神经网络模型进行人的行为动作的识别。而对于视频图像中的微小变化信号，如脸部皮肤的颜色变化，腹部起伏以及头部振动等，往往无法准确识别。
2、然而，这些微小变化信号通常还包含着丰富的信息，例如人面部皮肤的颜色变化频率与心率和呼吸率有关；腹部的起伏周期与人体呼吸周期一致；头部的振动周期也与心率和呼吸率有关。由此，视频放大技术应运而生。其中，视频放大技术是一种利用图像序列时空信息处理改变影像中微小变化幅度的技术，其可以将自然界中微小变化信号的幅度进行增强，实现对肉眼难以感知的微小变化的可视化，从而揭示自然界中微小变化所蕴含的重要信息与规律。
3、其中，视频放大技术包括欧拉视频放大技术（eulerian video magnification,evm），该放大技术是采用欧拉视角的思路方法，从全局角度分析视频内容的时空变化特性，感知图像序列中的微小变化。
4、因此，对于微小变化信号的识别，可通过对数据集中的视频图像进行欧拉视频动作放大处理，再进行人工神经网络的模型训练，实现微小变化信号的检测。
5、但是，欧拉视频放大算法在视频放大过程中，其不仅对图像中的目标进行了放大，还对图像中的噪声进行了放大，这样就导致放大后的视频图像出现失真模糊情况的问题。
6、因此，在进
技术实现思路
1、本专利技术的目的在于提供一种基于图像处理的人迹检测方法，用于解决现有在进行人迹行为中的微小变化信号检测时，放大后的视频图像容易出现失真模糊的问题。
2、为解决上述技术问题，本专利技术提供的一种基于图像处理的人迹检测方法，包括以下步骤：
3、获取目标对象的连续多帧图像的视频图像数据集；
4、对视频图像数据集中各帧图像进行放大处理，得到放大图像集；
5、将所述放大图像集作为输入数据，标签作为输出数据，对预先构建的网络模型进行训练，基于训练后的网络模型完成待测目标对象的识别；
6、其中，所述放大图像集中放大图像的获取过程为：
7、采用欧拉视频动作放大算法对当前帧图像中各像素点的亮度值进行放大，得到放大亮度值；将放大亮度值与亮度值的差值作为放大效果；
8、获取当前帧图像中各像素点的噪声概率，所述噪声概率为至少两个噪声指标的均值，所述噪声指标包括第一噪声指标、第二噪声指标和第三噪声指标；
9、采用各像素点的噪声概率，对所述放大效果进行调整，将调整后的放大效果与亮度值进行叠加，得到调整亮度值，最终得到放大图像；
10、其中，所述第一噪声指标由当前帧图像中各像素点与其邻域内像素点的灰度差值以及灰度差值的熵值确定；
11、所述第二噪声指标由当前帧图像与前一帧图像的差异图像中各像素点的灰度值与对应的邻域内所有像素点的灰度值均值确定；
12、所述第三噪声指标的获取过程为：
13、获取当前帧图像及其前后相邻的连续多帧图像中相同位置像素点的灰度级别序列；
14、计算当前帧图像的像素点的当前灰度级别与灰度级别序列中出现次数最多的灰度级别的差值绝对值；
15、统计灰度级别序列中出现所述当前灰度级别的频数；基于所述频数以及差值绝对值，得到第三噪声指标。
16、可选地，所述第一噪声指标为：
17、
18、其中，为第一噪声指标，表示第 i帧图像中第 j个像素点与该像素点的第 k个邻域像素点的灰度差值，为第 t类灰度差值出现的频率，表示第 j个像素点邻域内灰度差值的熵的相反数， t为不同灰度差值的类别总数，exp（）为以自然常数e为底数的指数函数。
19、可选地，所述第二噪声指标为：
20、
21、其中，为第二噪声指标，表示第 i-1帧图像与第 i帧图像的差异图像中第 j个像素点的灰度值，表示差异图像中第 j个像素点的第个邻域像素点的灰度值，为差异图像中的第 j个像素点的邻域总个数，其中 i大于1。
22、可选地，当噪声概率为第一噪声指标和第二噪声指标的均值时，所述调整亮度值为：
23、
24、其中，表示第 i帧图像中第 j个像素点的噪声概率，为第一噪声指标，为第二噪声指标，表示第 i帧图像中第 j个像素点的亮度值，表示第 i帧图像中第 j个像素点经过欧式视频动作放大算法放大处理之后得到的放大亮度值，表示放大效果，表示第 i帧图像中第 j个像素点的调整亮度值。
25、可选地，所述第三噪声指标为：
26、
27、其中， m表示灰度级别序列中与第 i帧图像中第 j个像素点的灰度级别相同的灰度级别的频数，表示第 i帧图像中第 j个像素点对应的灰度级别序列中相同灰度级别个数最多的灰度级别，为第 i帧图像中第 j个像素点的灰度级别，exp（）为以自然常数e为底数的指数函数。
28、可选地，当噪声概率为第一噪声指标、第二噪声指标以及第三噪声指标的均值时，所述调整亮度值为：
29、
30、其中，表示第 i帧图像中第 j个像素点的噪声概率，为第一噪声指标，为第二噪声指标，为第三噪声指标，表示第 i帧图像中第 j个像素点的亮度值，表示第 i帧图像中第 j个像素点经过欧式视频动作放大算法放大处理之后得到的放大亮度值，表示放大效果，表示第 i帧图像中第 j个像本文档来自技高网...
【技术保护点】
1.一种基于图像处理的人迹检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像处理的人迹检测方法，其特征在于，所述第一噪声指标为：
3.根据权利要求2所述的一种基于图像处理的人迹检测方法，其特征在于，所述第二噪声指标为：
4.根据权利要求3所述的一种基于图像处理的人迹检测方法，其特征在于，当噪声概率为第一噪声指标和第二噪声指标的均值时，所述调整亮度值为：
5.根据权利要求4所述的一种基于图像处理的人迹检测方法，其特征在于，所述第三噪声指标为：
6.根据权利要求5所述的一种基于图像处理的人迹检测方法，其特征在于，当噪声概率为第一噪声指标、第二噪声指标以及第三噪声指标的均值时，所述调整亮度值为：
7.根据权利要求1所述的一种基于图像处理的人迹检测方法，其特征在于，所述网络模型采用yolov5网络模型。
8.根据权利要求1所述的一种基于图像处理的人迹检测方法，其特征在于，所述标签是对放大图像集中的各放大图像进行人工标注得到的。
【技术特征摘要】
1.一种基于图像处理的人迹检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像处理的人迹检测方法，其特征在于，所述第一噪声指标为：
3.根据权利要求2所述的一种基于图像处理的人迹检测方法，其特征在于，所述第二噪声指标为：
4.根据权利要求3所述的一种基于图像处理的人迹检测方法，其特征在于，当噪声概率为第一噪声指标和第二噪声指标的均值时，所述调整亮度值为：
5.根据权利要求4所述的一种基于图像处理的...
【专利技术属性】
技术研发人员：王佳炜，王朋，王振军，吴凡，刘子豪，
申请(专利权)人：陕西一览科技有限公司，
类型：发明
国别省市：
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。