自动门铃及其Pinnacle平博体育- 平博体育官方网站- APP下载世界杯指定平台实现方法

　　平博体育,平博体育官方网站,平博体育官网入口,平博体育网址,平博体育靠谱吗,平博体育app下载,平博体育登录,平博体育最新入口,平博体育注册网址

　　本发明涉及一种门铃，特别是自动感知外部环境变化，自动产生 提醒的自动门铃及其实现方法。

　　门铃是家居生活中一个必不可少的物件。但是，普通的门铃都需 要访客手动地按动一个按钮，从而驱动发声模块发出声音提醒主人有

　　中国专利(公开号CN1053316 )中公开了一种自动驱动门铃的方法， 该方法采用光敏电阻自动测定环境亮度的突变，并釆用突变信号来驱 动门铃。但是，这种方法最大的缺陷是很容易由于干扰而产生误报， 比如当有人经过楼道或者环境亮度由于其他原因突变(比如楼道灯的 开关等)时，会产生误报。常见的还有红外线感应门铃，只要在感应 区域中有人经过，门铃就会由感应信号驱动而发出声响。同样地，这 样的门铃误报率也非常高，极易受到干扰。

　　本发明的目的在于提供一种抗干扰能力强的自动门铃。 根据第一方面，本发明提供一种自动门铃，包括 图像采集模块，用于采集视频图像； 图像分析模块，采用图像分析算法分析图像中的人脸信息； 判定驱动模块，接收图像分析模块的人脸信息，根据该信息判定

　　间，所述判定驱动模块根据该人脸呈现时间来判断是否产生驱动信号。 优选地，图像采集模块采用摄像头实现，更优选地，可以是低分

　　根据本发明，图像分析模块可以进一步包括人脸检测单元和人脸 跟踪单元，所述人脸检测单元用于检测视频图像中的人脸信息，所述 人脸跟踪单元用于对人脸检测单元确认的人脸进行跟踪，并得出人脸 呈现时间。

　　优选地，人脸检测单元采用层次型自适应增强(AdaBoost)算法 训练选取微结构(Haar-like)特征组成分类器来进行人脸检测。

　　优选地，在人脸检测单元检测出一个人脸的情况下，人脸跟踪单 元即对该一个人脸进行跟踪，得出其呈现时间。

　　优选地，在人脸检测单元检测出多个人脸的情况下，人脸跟踪单 元可对其中一个人脸进行跟踪，进一步优选地，选择多个人脸中最大

　　的一个进行跟踪。作为替代方案，人脸跟踪单元也可以对多个人脸进 行跟踪，将各人脸的呈现时间中最久的时间作为人脸呈现时间。

　　优选地，所述分析人脸信息的步骤包括分析得出人脸呈现的时间， 判定是否产生驱动信号的步骤包括根据所述人脸呈现的时间来判定是 否产生驱动信号。

　　优选地，所述分析人脸信息的步骤包括检测视频图像中的人脸 信息，以及对所确认的人脸进行跟踪，并得出人脸呈现的时间。

　　优选地，所述检测人脸信息的步骤包括采用层次型AdaBoost算法 训练选取Haar-like微结构特征组成分类器来进行人脸检测。

　　本发明提供的自动门铃装置及其方法，可以极大降低自动门铃的 误报率，并且当陌生人在门前异常停留时，也能够自动驱动提醒模块， 从而具有一定的安全监控功能。

　　图1是本发明的门铃的系统结构图。如图1所示，系统包括图像 采集模块、图像分析模块、判定驱动模块和提醒模块。

　　图像釆集模块采集楼道中的图像，其中图像采集模块可以釆用任 何能获取图像的装置。考虑到成本，优选采用摄像头。在一个例子中， 图像釆集模块釆用分辨率低的CM0S摄像头。或者，摄像头的镜头也可 以采用塑料等其他廉价透明材料制成，以降低成本。

　　图像分析处理模块采用人脸检测跟踪方法获取图像中的人脸信 息，送给判定驱动模块。判定驱动模块根据分析模块获取的人脸信息， 判定是否需要驱动提醒模块，若需要则产生驱动信号至提醒模块，驱 动提醒模块产生提醒主人外面有人的信息。

　　在一个具体实施方案中，图像分析模块进一步包括人脸检测单元 和人脸跟踪单元，其中人脸检测单元用于检测图像中有没有人脸出现， 人脸跟踪单元用于对确定出现的人脸进行跟踪。

　　图像分析模块、判定驱动模块，实现的平台可以为个人电脑(PC)， 也可以为任意嵌入式单片机，工控机等平台。

　　中，人脸信息是人脸的呈现时间。具体地说， 图像分析模块对传送的连续视频图像进行检测和跟踪，判断图像中有 没有人脸出现，若有，通过在图像各帧之间跟踪该人脸得出人脸呈现 的时间t，传送给判定驱动模块。判定驱动模块与图像分析模块可以 由同一 PC实现，将接收到的人脸呈现时间t与阈值T进行比较，若t^T， 则认为外面有人等待，于是发出驱动信号给提醒模块；若t〈T，则认为 只是外界干扰，不进行驱动。所述的阔值T可由系统预先设定，也可 由用户根据需要自己设定或改变。

　　图像分析模块对图像的分析跟踪可以采用现有技术中已知的各种 人脸检测跟踪方法。本领域技术人员可以根据需要在各种流行的人脸

　　利申请8. 8 (公开号CN1794264A)中提供的一种视频序列 中人脸的实时检测与持续追踪的方法来实现。

　　根据上述专利申请中提供的方法，本实施方案中的人脸检测单元 采用层次型AdaBoos t算法训练选取Haar-l ike微结构特征组成分类器 来进行人脸检测。具体来说，人脸检测采用AdaBoost理论实现人脸检 测统计模型的训练，并使用一种类似Harr小波的微结构特征来表达人 脸模式，结合AdaBoost算法，形成一种特征选择方法，将多个基于单 个特征的弱分类器组成一个强分类器，然后将多个强分类器联合成一 个完整的人脸检测分类器。釆用这种层次型多级分类器可以对每帧图 像中有没有人脸出现做出初步的判断。

　　在初步检测到有人脸出现后，则在接下来的n帧图像中跟踪这些 人脸，并对后续n帧图像中跟踪的人脸进行人脸检测验证，判断前面 的检测结果是否是真的人脸。其中n可以等于l，也可以大于l。

　　图2示意了上述图像分析模块对图像进行检测跟踪的过程。在步 骤100由摄像头获取图像之后，图像被传送至图像分析模块，由其中 的人脸检测单元进行搜索检测。首先在步骤200,利用上述的层次型 多级分类器对图像进行初步检测，在步骤202对检测结果进行判断， 若检测发现图像中没有人脸，则回到步骤200继续对下一帧图像进行 检测；若在图像中检测到了一个或多个人脸，则进入步骤204,在接 下来的n帧图像中对出现的人脸进行预跟踪。在步骤206对预跟踪结 果进行判断，若在接下来的n帧中原位置上人脸不再出现，则认为并 没有真正的人脸出现，回到步骤200对接下来的图像进行初步检测； 若连续n帧在某位置上都有人脸出现，则确认出现了人脸，进入步骤 300，由人脸跟踪单元开始跟踪该人脸。

　　跟踪过程中，采用均值漂移(Mean shift)算法得到下一帧中的匹 配结果，并得到其与前一帧人脸图像的相似度。若相似度低于某阈值， 则认为没有跟踪到人脸；若相似度高于该阁值，认为跟踪到人脸。为 了进一步避免跟踪到背景上，每隔p帧对跟踪到的人脸进行检测验证， 如果连续q次都无法验证到人脸的存在，则认为跟踪到背景，结束跟 踪过程，回到步骤200对图像重新开始全图检测。其中p， q为大于零

　　一种可行的检测验证实施方案为假定当前跟踪到的人脸区域为 R(x，y，W，H)，其中x为人脸中心横坐标，y为人脸中心纵坐标，W为人 脸区域宽度，H为人脸区域高度。设定搜索区域为SR(x， y， SW， SH)， 其中SW为搜索区域宽度，且SW=W*SSR， SH为搜索区域高度，且 SH=H*SSR，其中SSR为设定的常数， 一般为0. 5-2. O之间的一个数。 搜索人脸宽度范围为[W*U1，W*U2]， U1，U2为常数，且U1为0-l.O之 间的一个数，而U2为1. 0到2. 0之间的一个数。则采用人脸检测模型， 在区域SR内，对大小在n^Ul，W^2]范围内的人脸检测检测，如果能 够检测到，则认为该跟踪结果能够通过人脸检测验证，否则，认为无 法通过人脸检测验证。

　　若在检测步骤中检测到了多个人脸，在一个实施方案中，跟踪单 元选择其中一个人脸按照上述方法进行跟踪，比如选择其中最大的人 脸进行跟踪，得出其呈现时间。在另一个实施方案中，人脸跟踪单元 可以跟踪出现的多个人脸，在多个人脸各自的呈现时间中选出呈现最 久的时间作为呈现时间。

　　人脸跟踪单元得出一系列人脸呈现时间之后，将其传送给判定驱 动模块。判定驱动模块将该呈现时间与预先设定的阈值T进行比较， 以确定是否需要驱动提醒模块。在一个简化实施方案中，判定驱动模 块可以是比较器。

　　对于上述多个人脸的各种情况， 一种计算某个人脸呈现时间的实 施方案为当第一次检测到某人脸后，将当时时间设定为该人脸的开 始呈现时间，每当再次检测或跟踪到该人脸时，更新该人脸的结束呈 现时间为当前时间，则该人脸的呈现时间为开始呈现时间减去结束呈 现时间。

　　以上对本发明的具体描述旨在说明具体实施方案的实现方式，不 能理解为是对本发明的限制。本领域普通技术人员在本发明的教导下， 可以在详述的实施方案的基础上做出各种变体，这些变体均应包含在 本发明的构思之内。本发明所要求保护的范围仅由所述的权利要求书 进行限定。

　　1.一种自动门铃装置，包括图像采集模块，用于采集视频图像；图像分析模块，采用图像分析算法分析图像中的人脸信息；判定驱动模块，接收图像分析模块的人脸信息，根据该信息判定是否需要产生驱动信号；提醒模块，在驱动信号的驱动下发出提醒信息。

　　2. 权利要求1的自动门铃装置，其中所述人脸信息包括人脸呈现 的时间，所述图像分析模块分析出人脸呈现的时间，判定驱动模块根 据该人脸呈现时间判断是否需要产生驱动信号。

　　3. 权利要求2的自动门铃装置，其中所述图像分析模块包括人脸 检测单元和人脸跟踪单元，所述人脸检测单元用于检测视频图像中的 人脸信息，所述人脸跟踪单元用于对人脸检测单元确认的人脸进行跟 踪，并得出人脸呈现的时间。

　　4. 权利要求3的自动门铃装置，其中所述人脸检测单元釆用层次 型AdaBoos t算法训练选取Haar-1 ike微结构特征组成分类器来进行人 脸检测。

　　5. 权利要求3的自动门铃装置，其中所述人脸跟踪单元对检测出 的多个人脸中的其中一个进行跟踪，得出该人脸呈现的时间。

　　6. 权利要求5的自动门铃装置，其中所述多个人脸中的其中一个 为多个人脸中最大的一个。

　　7. 权利要求3的自动门铃装置，其中所述人脸跟踪单元对检测出 的多个人脸都进行跟踪，将各自呈现时间中呈现最久的作为人脸的呈 现时间。

　　8. —种实现自动门铃的方法，该方法包括 采集图像；采用图像分析算法分析图像中的人脸信息； 根据所述人脸信息判定是否需要产生驱动信号； 在驱动信号的驱动下发出提醒信息。

　　9. 权利要求8的方法，其中所述人脸信息包括人脸呈现的时间，定是否需要产生驱动信号,

　　10. 权利要求9的方法，其中所述分析人脸信息的步骤包括检测 视频图像中的人脸信息，以及对确认的人脸进行跟踪，并得出人脸呈 现的时间。

　　11. 权利要求10的方法，其中所述检测人脸信息的步骤包括采用 层次型AdaBoost算法训练选取Haar-like微结构特征组成分类器来进 行人脸检测o

　　12. 权利要求10的方法，其中所述对确认的人脸进行跟踪的步骤 包括对检测出的多个人脸中的其中一个进行跟踪。

　　13. 权利要求12的方法，其中所述对多个人脸中的其中一个进行 跟踪的步骤包括对其中最大的一个人脸进行跟踪。

　　14. 权利要求10的方法，其中所述对确认的人脸进行跟踪的步骤 包括对检测出的多个人脸都进行跟踪，将各人脸的呈现时间中呈现最 久的时间作为人脸呈现时间。

　　本发明涉及一种自动门铃装置，包括图像采集模块，用以采集图像；图像分析模块，用图像分析算法对图像进行分析，得出人脸信息；判定驱动模块，根据该人脸信息判断是否需要产生驱动信号；提醒模块，用以在驱动信号的驱动下发出提醒信息。本发明还提供了实现上述自动门铃装置的方法。根据本发明的装置及其方法可以极大减小门铃的误报率，还可作为一种有效的报警装置。