一种远距离虹膜跟踪与采集装置及其方法

摘要

一种远距离虹膜跟踪与采集装置及其方法，它涉及一种虹膜跟踪与采集装置及其方法，具体涉及一种远距离虹膜跟踪与采集装置及其方法。本发明为了解决现有虹膜采集装置不能远距离采集信息，采集过程中需要目标主动配合采集，且很容易被多个目标干扰，识别算法精度较低的问题。本发明的双目摄像头的信号输出端与计算机的人脸信息采集信号输入端连接，长焦摄像机的信号输出端与计算机的变倍变焦后人脸信息的信号输入端连接，二自由度旋转云台的运动信号输入端与计算机的云台运动信号输出端连接，红外光源安装在长焦摄像机上，长焦摄像机安装在二自由度旋转云台上。本发明用于进行远距离虹膜跟踪与采集。

主权项

一种远距离虹膜跟踪与采集方法，其所采用的远距离虹膜跟踪与采集包括双目摄像头(1)、长焦摄像机(2)、二自由度旋转云台(3)、红外光源(4)和计算机(5)，双目摄像头(1)的信号输出端与计算机(5)的人脸信息采集信号输入端连接，长焦摄像机(2)的信号输出端与计算机(5)的变倍变焦后人脸信息的信号输入端连接，二自由度旋转云台(3)的运动信号输入端与计算机(5)的云台运动信号输出端连接，红外光源(4)安装在长焦摄像机(2)上，长焦摄像机(2)安装在二自由度旋转云台(3)上，其特征在于：所述一种远距离虹膜跟踪与采集方法的具体步骤如下：步骤一、双目摄像头(1)进行人脸三维定位：双目摄像头(1)检测到人脸，并且通过解算获得人脸位置的三维坐标，具体步骤如下：步骤一(一)、预设置处理信息：设定采集图片大小为512×384，设定ROI为100％，将采集图片进行归一化，设定大小为512×384，预置视差取值范围为(0,150)；步骤一(二)、双目摄像头(1)采集图片；通过双目摄像头(1)对人脸进行图片采集，获得人脸的采集图片；步骤一(三)、立体处理：获得校正图片和深度图片；步骤一(四)、图片处理：将步骤一(三)中获得的校正图片格式转换为OpenCV识别图片格式，将灰度图进行直方图均值化处理，再将图片进行实时对比度调节，最后再将图片进行直方图均值化；步骤一(五)、Adaboost算法检测人脸：如果检测到人脸执行步骤一(六)，如果没有检测到人脸返回执行步骤一(二)；步骤一(六)、获取人脸在图片中的位置，选择计算深度备用点，并按加权的方式得到深度信息；步骤一(七)、获取人脸的三维坐标：结合深度信息和坐标位置计算得到三维坐标系中人脸的实际位置；步骤一(八)、发送坐标：将步骤一(七)中获得的人脸三维坐标数据传送至计算机，并重新执行步骤一(二)继续采集图片；步骤二、进入人脸跟踪队列，设置主要跟踪人脸；步骤三、云台跟踪人脸：通过双目摄像头(1)获得的三维坐标，控制二自由度旋转云台(3)转动，使长焦摄像机(2)对准人脸，并且跟踪人脸，使得人脸图像始终处在视频的中间；步骤四、长焦摄像机(2)对人脸图像进行变倍和聚焦：利用长焦摄像机(2)对人脸图像进行变焦和聚焦；步骤五、判断人脸图像面积是否大于阈值：若人脸图像面积大于设定的阈值则执行步骤六，否者执行步骤四；步骤六、长焦摄像机(2)检测人眼，云台跟踪人眼：长焦摄像机(2)检测人眼，二自由度旋转云台(3)跟踪人眼，二自由度旋转云台(3)带动长焦摄像机(2)跟踪人眼进行检测；二自由度旋转云台(3)跟踪人眼的具体步骤如下：步骤六(一)、设置二自由度旋转云台水平方向运动的步长stepx为5°，竖直方向运动的步长stepy为2.5°；步骤六(二)、长焦摄像机(2)检测人眼，计算其中心的像素坐标：根据长焦摄像机(2)采集到的视频序列，在OpenCV的开源环境下，采用Harr‑Like特征和Boosting训练出来的人眼分类器进行检测选出人眼的有效区域，计算出人眼区域的中心像素坐标，二自由度旋转云台(3)水平和竖直两个方向的并行处理过程为：水平跟踪过程：A)、若检测到的人眼中心的x坐标与视频图像的中心x坐标差值的绝对值小于50个像素，则认为人眼处在视频的中心位置，二自由度旋转云台(3)水平方向停止运动，否则执行步骤B)；B)、若检测到人眼的中心的x坐标与视频图像的中心x坐标差值大于50个像素，则控制二自由度旋转云台(3)在水平方向向左转动stepx；若检测到人眼的中心的x坐标与视频图像的中心x坐标差值小于‑50个像素，则控制云台在水平方向向右转动stepx；C)、比较当前帧和上一帧的人眼中心的x坐标是不是在视频图像中心的两侧，若是，则采用公式stepx＝‑stepx/2重新计算stepx的值，否则继续判断人眼是否处在视频图像的中间位置；竖直跟踪过程：a)、若检测到的人眼的中心的y坐标与视频图像的中心y坐标差值的绝对值小于50个像素，则认为人眼处在视频的中心位置，云台竖直方向停止运动，否则执行步骤b)；b)、若检测到的人眼的中心的y坐标与视频图像的中心y坐标差值大于50个像素，则控制云台在竖直方向向下转动stepy；若检测到的人眼的中心的y坐标与视频图像的中心y坐标差值小于‑50像素，则控制云台在竖直方向向上转动stepy；c)、比较当前帧和上一帧的人眼中心的y坐标是不是在视频图像中心的两侧，若是，则采用下面的公式重新计算stepy的值：stepy＝‑stepy/2，否则继续判断人眼是否处在视频图像的中间位置；步骤七、长焦摄像机(2)对人眼图像进行变倍和聚焦；步骤八、判断人眼图像面积是否大于阈值或长焦摄像机(2)是否变倍至最大：若人眼图像面积大于所设定的阈值或者长焦摄像机(2)变倍至最大，则执行步骤九，否则执行步骤七；步骤九、判断人眼图像是否清晰：通过Sobel边缘检测理论检测采集到的人眼图像的清晰程度，若清晰，则执行步骤十，否则执行步骤七；通过Sobel边缘检测理论检测采集到的人眼图像的清晰程度的具体步骤如下：步骤九(一)、对采集到的人眼图像进行高斯滤波；步骤九(二)、计算图像的清晰度：根据Sobel边缘检测理论和八方向的算子模板获得图像的清晰度评价函数，八方向算子模板为：$\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]\left[\begin{array}{ccc}-2& -1& 0\\ -1& 0& 1\\ 0& 1& 2\end{array}\right]\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]\left[\begin{array}{ccc}0& 1& 2\\ -1& 0& 1\\ -2& -1& 0\end{array}\right]$0°边缘方向 45°边缘方向 90°边缘方向 135°边缘方向$\left[\begin{array}{ccc}1& 2& 1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]\left[\begin{array}{ccc}2& 1& 0\\ 1& 0& -1\\ 0& -1& -2\end{array}\right]\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right]\left[\begin{array}{ccc}0& -1& -2\\ 1& 0& -1\\ 2& 1& 0\end{array}\right]$180°边缘方向 225°边缘方向 270°边缘方向 315°边缘方向步骤九(二)(一)、对图像的每一个像素点进行邻域卷积计算，提取像素的八个方向的边缘信息：H₁＝I(x,y)*S₁，H₂＝I(x,y)*S₂，H₃＝I(x,y)*S₃，H₄＝I(x,y)*S₄H₅＝I(x,y)*S₅，H₆＝I(x,y)*S₆，H₇＝I(x,y)*S₇，H₈＝I(x,y)*S₈I(x,y)为图像灰度，*表示卷积运算，H₁表示0°边缘方向的信息，H₂表示45°边缘方向的信息，H₃表示90°边缘方向的信息，H₄表示135°边缘方向的信息，H₅表示180°边缘方向的信息，H₆表示225°边缘方向的信息，H₇表示270°边缘方向的信息，H₈表示315°边缘方向的信息，S₁表示0°边缘方向算子模板矩阵核，S₂表示45°边缘方向算子模板矩阵核，S₃表示90°边缘方向算子模板矩阵核，S₄表示135°边缘方向算子模板矩阵核，S₅表示180°边缘方向算子模板矩阵核，S₆表示225°边缘方向算子模板矩阵核，S₇表示270°边缘方向算子模板矩阵核，S₈表示315°边缘方向算子模板矩阵核；步骤九(二)(二)、计算图像中每个像素点的梯度值H(x,y)：$H(x,y)=\sqrt{{H_1}^2+{H_2}^2+{H_3}^2+{H_4}^2+{H_5}^2+{H_6}^2+{H_7}^2+{H_8}^2}$步骤九(二)(三)、计算每梯度值的平均值μ_H以及方差σ_H：若μ_H+σ_H≤H(x,y)≤μ_H+2σ_H，则认为该点是边缘点，将图像边缘像素的梯度值相加，以边缘梯度能量定义图像的清晰度评价算子E，即：$E=\sqrt{\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}{\left(H(x,y)\right)}^2}$式中M表示图片水平方向长度，N表示图片竖直方向长度；步骤十、利用采集到的人眼图像进行虹膜识别。