本发明涉及大数据分析技术领域，尤其涉及一种基于大数据分析的视频图像处理方法及系统。
背景技术：
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或者摄像头采集含有人脸的图像或者视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别或者面部识别。
现有的人脸识别大多只是对人脸的大体特征进行识别，实现从视频图像中判断出某个人，或者判断某人与数据库的信息是否能够匹配成功；但是在有些场合需要对视频图像中的面部的细微表情进行识别，因此需要分析视频图像中比较细节的部分，但是视频中背景色太多，会给图像的细节分析造成很大的困扰，导致视频图像识别速度较慢，甚至导致整体识别准确度的降低。
技术实现要素：
本发明的目的在于克服现有技术的缺点，提供了一种基于大数据分析的视频图像处理方法及系统，解决了现有人脸识别方法中存在的不足。
本发明的目的通过以下技术方案来实现：一种基于大数据分析的视频图像处理方法，所述视频图像处理方法包括：
建立人脸识别数据库和人脸微表情数据库；
采集视频图像获取人脸图像；
对采集的视频图像进行预处理消除视频图像中的背景杂色；
对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
进一步地，所述对采集的视频图像进行预处理消除视频图像中的背景杂色包括：
对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
进一步地，所述使图像中像素值分布均衡化具体包括以下内容：
输入图像进行直方图均衡，利用2d-fft将其变换到频域，采用最佳自适应相关器将输入图像与平均脸模板求相关；
将滤波器的输出按照阈值分为人脸区域，可能的人脸区域和背景区域三部分，通过3×3的窗口内对待测图像进行局部灰度均衡，最后使用oac滤波器输出背景区域。
进一步地，所述对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别包括：
分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
一种基于大数据分析的视频图像处理系统，它包括数据库构建模块、图像预处理模块和人脸情感分析模块；
所述数据库构建模块用于建立人脸识别数据库和人脸微表情数据库；
所述图像预处理模块用于对采集的视频图像进行预处理消除视频图像中的背景杂色；
所述人脸情感分析模块用于对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
进一步地，所述图像预处理模块包括人脸轮廓截取及处理单元、边缘提取及均衡化处理单元以及光照补偿单元；
所述人脸轮廓截图及处理单元用于对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
所述边缘提取及均衡化处理单元用于提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
所述光照补偿单元用于去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
进一步地，所述人脸情感分析模块包括颜色分析及像素统计单元、特征点分析及建模单元和情绪分析单元；
所述颜色分析及像素统计单元用于分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
所述特征点分析及建模单元用于根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
所述情绪分析单元用于根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
本发明具有以下优点：一种基于大数据分析的视频图像处理方法及系统，通过对视频图像进行边缘提取、直方图均衡、肤色分割和光照补偿等预处理去除了图像中多余的混淆色，使得在后续对人脸的表情等细节的分析识别上更为准确，也进一步地缩短了识别的时间。
附图说明
图1为本发明的流程图；。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明涉及一种基于大数据分析的视频图像处理方法，所述视频图像处理方法包括：
s1、建立人脸识别数据库和人脸微表情数据库；
s2、采集视频图像获取人脸图像；
s3、对采集的视频图像进行预处理消除视频图像中的背景杂色；
s4、对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
进一步地，所述对采集的视频图像进行预处理消除视频图像中的背景杂色包括：
对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
进一步地，所述使图像中像素值分布均衡化具体包括以下内容：
输入图像进行直方图均衡，利用2d-fft将其变换到频域，采用最佳自适应相关器将输入图像与平均脸模板求相关；
将滤波器的输出按照阈值分为人脸区域，可能的人脸区域和背景区域三部分，通过3×3的窗口内对待测图像进行局部灰度均衡，最后使用oac滤波器输出背景区域。
进一步地，所述对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别包括：
分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
本发明的另一实施例涉及一种基于大数据分析的视频图像处理系统，它包括数据库构建模块、图像预处理模块和人脸情感分析模块；
所述数据库构建模块用于建立人脸识别数据库和人脸微表情数据库；
所述图像预处理模块用于对采集的视频图像进行预处理消除视频图像中的背景杂色；
所述人脸情感分析模块用于对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
进一步地，所述图像预处理模块包括人脸轮廓截取及处理单元、边缘提取及均衡化处理单元以及光照补偿单元；
所述人脸轮廓截图及处理单元用于对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
所述边缘提取及均衡化处理单元用于提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
所述光照补偿单元用于去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
进一步地，所述人脸情感分析模块包括颜色分析及像素统计单元、特征点分析及建模单元和情绪分析单元；
所述颜色分析及像素统计单元用于分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
所述特征点分析及建模单元用于根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
所述情绪分析单元用于根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
1.一种基于大数据分析的视频图像处理方法，其特征在于：所述视频图像处理方法包括：
建立人脸识别数据库和人脸微表情数据库；
采集视频图像获取人脸图像；
对采集的视频图像进行预处理消除视频图像中的背景杂色；
对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
2.根据权利要求1所述的一种基于大数据分析的视频图像处理方法，其特征在于：所述对采集的视频图像进行预处理消除视频图像中的背景杂色包括：
对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
3.根据权利要求2所述的一种基于大数据分析的视频图像处理方法，其特征在于：所述使图像中像素值分布均衡化具体包括以下内容：
输入图像进行直方图均衡，利用2d-fft将其变换到频域，采用最佳自适应相关器将输入图像与平均脸模板求相关；
将滤波器的输出按照阈值分为人脸区域，可能的人脸区域和背景区域三部分，通过3×3的窗口内对待测图像进行局部灰度均衡，最后使用oac滤波器输出背景区域。
4.根据权利要求2所述的一种基于大数据分析的视频图像处理方法，其特征在于：所述对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别包括：
分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
5.一种基于大数据分析的视频图像处理系统，其特征在于：它包括数据库构建模块、图像预处理模块和人脸情感分析模块；
所述数据库构建模块用于建立人脸识别数据库和人脸微表情数据库；
所述图像预处理模块用于对采集的视频图像进行预处理消除视频图像中的背景杂色；
所述人脸情感分析模块用于对预处理后的视频图像中的情感特征并进行情感分析，完成对视频图像的识别。
6.根据权利要求5所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述图像预处理模块包括人脸轮廓截取及处理单元、边缘提取及均衡化处理单元以及光照补偿单元；
所述人脸轮廓截图及处理单元用于对采集的视频图像中的人脸图像轮廓进行捕捉以及将肤色区域与背景图像分离，并将捕捉到的人脸图像从视频图像的背景中截取出来后进行二值化处理；
所述边缘提取及均衡化处理单元用于提取二值化处理后的图像边缘，去除边缘很弱的图像区域以及变化平坦的背景区域后使图像中像素值分布均衡化；
所述光照补偿单元用于去除经过像素值分布均衡化后图像的二值化处理效果，并进行光照补偿以克服亮度不均对结果的干扰。
7.根据权利要求5所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述人脸情感分析模块包括颜色分析及像素统计单元、特征点分析及建模单元和情绪分析单元；
所述颜色分析及像素统计单元用于分析预处理后图像的颜色参数，根据图像颜色变化判断人脸的范围，将人脸位置的反馈结果调整截图画面，以及根据人脸位置信息对人脸位置图像进行像素化，并结合数据库的人脸特征数据对图像像素进行像素统计人脸识别；
所述特征点分析及建模单元用于根据分析的人脸结果结合数据库中的微表情特征进行分析和定义人脸特征点，结合生成人脸模型并在模型上标定特征点，实时分析调整特征点的位置以及记录特征点位置的变化位移；
所述情绪分析单元用于根据人脸模型上的特征点位置变化位移，调用数据库中的微表情特征和心理行为特征分析人物情绪和情绪的变化，并输出分析结果。
技术总结