一種煤礦井下礦工人臉區域檢測方法技術

本發明專利技術公開了一種煤礦井下礦工人臉區域檢測方法。采集煤礦井下包含戴礦燈的礦工人臉圖像和井下無人的背景環境圖像，對采集的圖像做減法處理，并根據確定的煤礦井下人員的位置區域還原圖像，得到了只有礦工沒有背景信息的新圖像，進而求得去除背景后礦工人臉圖像的直方圖，根據直方圖確定最佳分割閾值，然后運用全局閾值分割算法完整地分割定位出礦燈區域；人臉區域檢測階段，根據煤礦井下礦燈圖像的分析方法標定出的礦燈位置及尺寸，并根據成人正面平視時的面孔五官比例“三庭五眼”說法，運用人臉的定位分割方法在圖像中進行定位分割，若礦工人臉不是正面面對攝像儀時，進一步修正人臉的分割窗口。本發明專利技術利用礦燈定位檢測人臉區域，能夠有效克服井下光照差、礦工臉部存在煤灰的影響，可靠性強，檢測率高，為礦井人員唯一性檢測提供可靠的信息。

【技術實現步驟摘要】
一種煤礦井下礦工人臉區域檢測方法
本專利技術涉及一種煤礦井下礦工人臉區域檢測方法，屬于圖像處理與模式識別

技術介紹
煤炭是我國主要的能源之一，是我國經濟發展的重要保障，我國約70％的能源消耗來自煤炭。煤礦井下環境惡劣，光照條件差，且礦工違規、違章操作時有發生，會影響煤礦井下的安全生產，針對煤礦井下圖像中的礦工檢測會受到不同程度的影響，在減少誤檢、檢測定位準確率以及檢測效率等方面仍然需要進一步提高。人臉檢測與識別(FaceDetectionandRecognition)就是對給定的動態或靜態的圖像進行分析，從中檢測并提取出有效的一些識別信息，通過與已有的人臉庫來對比，“辨認”或者“確認”出人的身份，主要包括人臉檢測和人臉識別兩個部分。在實時的人臉識別系統中，人臉檢測是識別系統實現的前提和基礎，人臉檢測的效果直接影響著系統的識別效果。人臉檢測按主流方法進行分類，歸納起來大致可以分為以下幾種類型：基于顯示模型的方法，這種方法又可以分為基于膚色模型的方法和基于模板匹配的方法。基于膚色檢測方法是最常用的人臉檢測方法之一，它采用的主要手段就是利用彩色圖像中人臉的膚色與周圍環境的差異，確定膚色模型，檢測出膚色像素，通過膚色將人臉區域從背景環境中分割出來，基于膚色模型方法進行人臉檢測的文獻有很多。基于模板匹配的方法是要根據輸入圖像，先構造一個標準的人臉模板，然后計算待檢測區域與模板之間的相關值，如果相關值滿足我們設定的判斷準則，就認為這個待檢測區域為人臉區域，這是固定模板的檢測方法。還有一種是變形模板的人臉檢測方法，這種方法首先要求制定模板的參數，再根據待檢測區域的數據修改這些參數，直至收斂來檢測出人臉的位置。在對煤礦井下作業人員進行監控、定位和身份識別的研究中，很少有人將礦工人臉作為煤礦井下人員的定位和身份識別的研究目標，對煤礦井下礦工的人臉定位檢測和識別的研究寥寥無幾，而礦工違規、違章操作時有發生的現象，會影響煤礦井下的安全生產，井下生產過程中對下井人員管理有著嚴格的要求與限制，因而煤礦井下人臉定位檢測技術的研究具有深遠意義。
技術實現思路
本專利技術的目的所要解決的技術問題是提供一種更適合井下巷道窄又長環境的、簡單有效的礦工人臉區域檢測方法。為了克服現有諸多系統在煤礦井下圖像檢測中存在的問題，本專利技術公開了一種適合井下特殊環境的礦工人臉區域檢測方法，根據煤礦井下戴礦燈礦工人臉圖像的特點，選擇礦燈作為礦工人臉區域檢測的標靶物，研究了攝像機參數與礦燈投影圖像的關系，并根據提取分割出的礦燈圖像作為參考，實現了礦工人臉區域的快速檢測，該系統能夠在礦井下低照度的圖像中得到較高的定位檢測率，迅速有效的進行礦工人臉區域檢測，為礦井人員唯一性檢測提供了保障。本專利技術所述的一種煤礦井下礦工人臉區域檢測方法采用如下技術方案實現，包括礦工人臉圖像中礦燈的分割階段以及人臉區域檢測階段，礦工人臉圖像中礦燈的分割階段包括以下步驟：(1)分別采集煤礦井下包含戴礦燈的礦工人臉圖像和井下無人的背景環境圖像，背景環境圖像包括巷道內的照明燈等不變背景信息，采集的圖像要求統一尺寸及格式；(2)將井下無人的背景環境圖像作為參考圖像數據，與采集的戴礦燈礦工人臉圖像進行圖像減法運算，分離出不變的背景區域，確定煤礦井下人員在圖像中所占的區域數據；(3)將圖像中有人的區域完整地從背景中分離出來，去除了原圖像中相對固定的背景區域，根據確定的煤礦井下人員的位置區域還原圖像，并將背景中的照明燈部分去除掉，去除圖像中不變背景環境圖像信息的干擾，得到了只有礦工沒有背景信息的新圖像；(4)根據公式計算每個灰度級像素出現的頻率，求出去除背景后戴礦燈礦工人臉圖像的直方圖，式中vi表示第i個灰度級像素出現的頻率，ni表示第i個灰度級像素值，n表示所有的灰度級像素值之和，i＝1，2，…，M；(5)利用去除背景后戴礦燈礦工人臉圖像的直方圖，并根據類間最大距離方法設定區域分割的最佳閾值，然后運用全局閾值分割算法，對礦工人臉圖像進行分割，從而完整分割定位出礦燈區域；煤礦井下人臉區域檢測階段包括以下步驟：(1)根據成人正面平視時的面孔五官比例“三庭五眼”說法，中國男子平均身高約為170cm，而身高與頭的大致比例為6.75∶1，可以估算出一個男子頭的長度大約為25cm左右，而人臉的長寬比例值在1.2∶1至1.8∶1的范圍內，若按1.2∶1進行計算，可以得出人臉的寬度約為20cm左右；(2)礦工人臉正面面對攝像儀時，根據煤礦井下礦燈圖像的分析方法標定出的礦燈位置及尺寸，以上面得出的人臉的大致尺寸來定位人臉的檢測區域；(3)在圖像中選取以礦燈圓心為對稱點，本專利技術選取總寬具體為22厘米的位置處確定定位人臉矩形區域的寬度，再選取以礦燈下邊沿至下方具體22cm位置處的區域作為定位人臉的矩形區域的高度，從而確定礦工的人臉定位區域的大小，以這個尺寸在圖像中進行人臉的定位分割，即得到人臉分割窗口；(4)若礦工人臉不是正面面對攝像儀時，即人臉平面與攝像儀具有一定的傾斜角度，在進行人臉的定位分割時，如果仍采用上面我們所選的定位區域尺寸，同樣能夠定位出人臉區域，但是存在一定的偏差，選取人臉的準確度會隨著角度的增大而降低，而且角度越大，定位出的人臉區域比實際圖像中人臉區域大得越多；(5)當礦工人臉偏離攝像儀設定的角度時，根據頭部的偏向角度來調整人臉定位區域的尺寸大小，進一步用人臉分割窗口的修正方法進行修正；(6)根據以上運算得到的分割窗口對圖像中的礦工人臉進行快速、準確的定位。所述類間最大距離方法包括以下步驟：(1)礦燈為前景圖像，分離出的礦工圖像除礦燈之外都是背景圖像；(2)由直方圖可以得到：礦燈點數也就是前景點數占圖像比例w0，平均灰度u0，背景點數占圖像比例w1，平均灰度u1；(3)圖像的總平均灰度為：u＝w0*u0-w1*u1；(4)前景與背景圖像的方差：g＝w0*(u0-u)*(u0-u)-w1*(u1-u)*(u1-u)＝w0*w1*(u0-u1)*(u0-u1)；(5)當方差g最大時，此時前景與背景圖像差異最大，也就是此時的灰度是最佳閾值。煤礦井下礦燈圖像的分析方法包括以下步驟：(1)選擇分別從平視方向、俯視15°方向及俯視30°方向三種情況進行戴礦燈礦工人臉圖像的采集；(2)根據礦工正面臉部平面與成像平面的坐標關系，對所采集的帶有俯視角度的攝像儀模型進行分析；(3)通過分析得出，如果將攝像儀向下轉動θy角度，則相當于將攝像儀坐標系繞YC軸轉動了θy角，也即相當于將正面臉部平面繞YW軸旋轉了θy角，因此，我們可以得到方向向量矩陣為：其坐標變換矩陣可表示為：(4)由于在俯視或向左向右有一定偏向角度時，圓形物體會投影為橢圓形狀，因此，將(3)中的坐標變換矩陣代入XWOWYw平面上圓的方程式xw2+yw2＝r2，可以得到圓形物體在俯視時投影為橢圓形的方程為可以看出，在投影得到的橢圓形中，長軸半徑等于圓的半徑，短軸半徑等于圓半徑與平面間夾角的余弦的積；(5)與俯視模型推導過程相似，將攝像儀向下轉動θx角，相當于將攝像儀坐標系繞XC軸轉動了θx角，也就相當于臉部平面繞XW軸旋轉了θx角，可以得到方向向量矩陣為：其坐標變換矩陣可表示為(6)將(5)中的坐標變換矩陣代入XWOWYw平面上圓的方程式xw2+本文檔來自技高網...

【技術保護點】
一種煤礦井下礦工人臉區域檢測方法，其特征在于，包括礦工人臉圖像中礦燈的分割階段以及人臉區域檢測階段，所述礦工人臉圖像中礦燈的分割階段包括以下步驟：(1)分別采集煤礦井下包含戴礦燈的礦工人臉圖像和井下無人的背景環境圖像，背景環境圖像包括巷道內的照明燈等不變背景信息，采集的圖像要求統一尺寸及格式；(2)將井下無人的背景環境圖像作為參考圖像數據，與采集的戴礦燈礦工人臉圖像進行圖像減法運算，分離出不變的背景區域后，確定煤礦井下人員在圖像中所占的區域數據；(3)將圖像中有人的區域完整地從背景中分離出來，去除了原圖像中相對固定的背景區域，根據確定的煤礦井下人員的位置區域還原圖像，并將背景中的照明燈部分去除掉，去除圖像中不變背景環境圖像信息的干擾，得到了只有礦工沒有背景信息的新圖像；(4)根據公式計算每個灰度級像素出現的頻率，求出去除背景后戴礦燈礦工人臉圖像的直方圖，式中vi表示第i個灰度級像素出現的頻率，ni表示第i個灰度級像素值，n表示所有的灰度級像素值之和，i＝1，2，…，M；(5)利用去除背景后戴礦燈礦工人臉圖像的直方圖，并根據類間最大距離方法設定區域分割的最佳閾值，然后運用全局閾值分割算法，對礦工人臉圖像進行分割，從而完整分割定位出礦燈區域；所述煤礦井下人臉區域檢測階段包括以下步驟：(1)礦工人臉正面面對攝像儀時，根據煤礦井下礦燈圖像的分析方法標定出的礦燈位置及尺寸，以人臉的大致尺寸來定位人臉的檢測區域；(2)在圖像中選取以礦燈圓心為對稱點，取總寬為大致范圍為22厘米?24厘米的位置處確定定位人臉矩形區域的寬度，再選取以礦燈下邊沿至下方22厘米?24厘米位置處的區域作為定位人臉的矩形區域的高度，從而確定礦工的人臉定位區域的大小，并用人臉的定位分割方法以這個尺寸在圖像中進行定位分割，即得到人臉分割窗口；(3)當礦工人臉偏離攝像儀設定的角度時，根據頭部的偏向角度來調整人臉定位區域的尺寸大小，進一步用人臉分割窗口的修正方法進行修正；(4)根據以上運算得到的分割窗口對圖像中的礦工人臉進行快速、準確的定位。...

【技術特征摘要】
1.一種煤礦井下礦工人臉區域檢測方法，其特征在于，包括礦工人臉圖像中礦燈的分割階段以及人臉區域檢測階段，所述礦工人臉圖像中礦燈的分割階段包括以下步驟：(1)分別采集煤礦井下包含戴礦燈的礦工人臉圖像和井下無人的背景環境圖像，背景環境圖像包括巷道內的照明燈的不變背景信息，采集的圖像要求統一尺寸及格式；(2)將井下無人的背景環境圖像作為參考圖像數據，與采集的戴礦燈礦工人臉圖像進行圖像減法運算，分離出不變的背景區域后，確定煤礦井下人員在圖像中所占的區域數據；(3)將圖像中有人的區域完整地從背景中分離出來，去除了原圖像中相對固定的背景區域，根據確定的煤礦井下人員的位置區域還原圖像，并將背景中的照明燈部分去除掉，去除圖像中不變背景環境圖像信息的干擾，得到了去除背景后戴礦燈礦工人臉圖像；(4)根據公式計算每個灰度級像素出現的頻率，求出去除背景后戴礦燈礦工人臉圖像的直方圖，式中vi表示第i個灰度級像素出現的頻率，ni表示第i個灰度級像素值，n表示所有的灰度級像素值之和,i＝1,2,...,M，M為整數，表示像素點的個數；(5)利用去除背景后戴礦燈礦工人臉圖像的直方圖，并根據類間最大距離方法設定區域分割的最佳閾值，然后運用全局閾值分割算法，對礦工人臉圖像進行分割，從而完整分割定位出礦燈區域；所述人臉區域檢測階段包括以下步驟：(1)礦工人臉正面面對攝像儀時，根據煤礦井下礦燈圖像的分析方法標定出的礦燈位置及尺寸，以人臉的大致尺寸來定位人臉的檢測區域；(2)在圖像中選取以礦燈圓心為對稱點，取總寬為22厘米-24厘米的位置處確定定位人臉矩形區域的寬度，再選取以礦燈下邊沿至下方22厘米-24厘米位置處的區域作為定位人臉的矩形區域的高度，從而確定礦工的人臉定位區域的大小，并用人臉的定位分割方法以這個尺寸在圖像中進行定位分割，即得到人臉分割窗口；(3)當礦工人臉偏離攝像儀設定的角度時，根據頭部的偏向角度來調整人臉定位區域的尺寸大小，進一步用人臉分割窗口的修正方法進行修正；(4)根據以上運算得到的分割窗口對圖像中的礦工人臉進行快速、準確的定位。2.根據權利要求1所述的一種煤礦井下礦工人臉區域檢測方法，其特征在于，所述類間最大距離方法包括以下步驟：(1)礦燈為前景圖像，分離出的礦工圖像除礦燈之外都是背景圖像；(2)由直方圖可以得到：礦燈點數也就是前景點數占圖像比例w0，平均灰度u0，背景點數占圖像比例w1，平均灰度u1；(3)圖像的總平均灰度為：u＝w0u0+w1u1；(4)前景與背景圖像的方差：g＝w0(u0-u)2+w1(u1-u)2；(5)當方差g最大時，此時前景與背景圖像差異最大，也就是此時的灰度是最佳閾值。3.根據權利要求1所述的一種煤礦井下礦工人臉區域檢測方法，其特征在于，所述煤礦井下礦燈圖像的分析方法包括以下步驟：(1)選擇分別從平視方向、俯視15°方向及俯視30°方向三種情況進行戴礦燈礦工人臉圖像的采集；(2)根據礦工正面臉部平面與成像平面的坐標關系，對所采集的帶有俯視角度的攝像儀模型進行分析；(3)通過分析得出，如果將攝像儀向下轉動θy角度，則相當于將攝像儀坐標系繞YC軸轉動了θy角，也即相當于將正面臉部平面繞YW軸旋轉了θy角，因此，得到方向向量矩陣為：其坐標變換矩陣表示為：由于在俯視或向左向右有一定偏向角度時，圓形物體會投影為橢圓形狀，上述坐標變換矩陣中的p表示所述橢圓的長軸半徑；(4)將(3)中的坐標變換矩陣代入XWOWYw平面上圓的方程式xw2+yw2＝r2，得到圓形物體在俯視時投影為橢圓形的方程為可以看出，在投影得到的橢圓形中，長軸半徑等于圓的半徑，短軸半徑等于圓半徑與平面間夾角的余弦的積；(5)與俯視模型推導過程相似，將攝像儀向下轉動θx角，相當于將攝像儀坐標系繞XC軸轉動了θx角，也就相當于臉部平面繞XW軸旋轉了θx角，得到方向向量矩陣為：其坐標變換矩陣表示為(6)將(5)中的坐標變換矩陣代入XWOWYw平面上圓的方程式xw2+yw2＝r2，可以得到...

【專利技術屬性】
技術研發人員：劉曉陽，王娟，陸澤山，
申請(專利權)人：中國礦業大學北京，
類型：發明
國別省市：北京;11