人臉識別方法及裝置制造方法及圖紙

本發明專利技術提供人臉識別方法及裝置，該方法包括：根據已知關鍵幀的位置，確定平穩序列預測公式，根據該平穩序列預測公式以及已知關鍵幀的位置，計算下一個疑似關鍵幀的預測位置；根據下一個疑似關鍵幀的預測位置以及已知關鍵幀的位置，調整泊松分布的合成因子；根據泊松分布和下一個疑似關鍵幀的預測位置，獲取下一個關鍵幀的待檢測范圍；對下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的位置作為下一個關鍵幀的位置；根據所檢測出的下一個關鍵幀進行人臉識別。應用本發明專利技術可以只對預測的關鍵幀進行人臉特征提取和置信度計算，減小了計算資源。

【技術實現步驟摘要】

本專利技術涉及視頻監控技術的人臉識別
，尤其涉及一種人臉識別方法及裝置。
技術介紹
在視頻監控系統的人臉識別
，一般可通過拍攝視頻數據，選擇最優人臉和進行人臉比對對實現人臉的識別。現有技術中，視頻管理服務器可對目標人員經過時攝像機所拍攝的所有視頻幀圖像進行人臉特征質量判斷，根據人臉特征質量選擇最優人臉。由于進行人臉特征質量判斷的過程有一定的計算量，因此現有技術對目標人員經過時攝像機所拍攝的所有視頻幀圖像進行人臉特征質量判斷將耗費非常大的計算資源。在處理大量人流的視頻數據時，人臉識別的性能可能非常低，而且現有技術的方案是在目標人員通過后才可選擇出最優人臉，人臉識別的時延比較大。
技術實現思路
本專利技術提供一種人臉識別方法及裝置，以解決現有技術中在人臉識別過程中將耗費非常大的計算資源選擇最優人臉，并且人臉識別的時延較大的問題。根據本專利技術實施例的第一方面，提供一種人臉識別方法，所述方法包括：根據已知關鍵幀的位置，確定平穩序列預測公式；根據所述平穩序列預測公式，以及已知關鍵幀的位置，計算下一個疑似關鍵幀的預測位置；根據所述下一個疑似關鍵幀的預測位置以及所述已知關鍵幀的位置，調整泊松分布的合成因子；根據所述泊松分布和所述下一個疑似關鍵幀的預測位置，獲取所述下一個關鍵幀的待檢測范圍；對所述下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據所r>述待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的位置作為所述下一個關鍵幀的位置；根據所檢測出的下一個關鍵幀進行人臉識別。根據本專利技術實施例的第二方面，提供一種人臉識別裝置，所述裝置包括：確定單元，用于根據已知關鍵幀的位置，確定平穩序列預測公式；計算單元，用于根據所述平穩序列預測公式，以及已知關鍵幀的位置，計算下一個疑似關鍵幀的預測位置；調整單元，用于根據所述下一個疑似關鍵幀的預測位置以及所述已知關鍵幀的位置，調整泊松分布的合成因子；獲取單元，用于根據所述泊松分布和所述下一個疑似關鍵幀的預測位置，獲取所述下一個關鍵幀的待檢測范圍；檢測單元，用于對所述下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據所述待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的位置作為所述下一個關鍵幀的位置；識別單元，用于根據所檢測出的下一個關鍵幀進行人臉識別。應用本專利技術實施例，通過根據已知關鍵幀的位置，確定平穩序列預測公式，根據該平穩序列預測公式以及已知關鍵幀的位置，計算下一個疑似關鍵幀的預測位置；根據下一個疑似關鍵幀的預測位置以及已知關鍵幀的位置，調整泊松分布的合成因子；根據泊松分布和下一個疑似關鍵幀的預測位置，獲取下一個關鍵幀的待檢測范圍；對下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的位置作為下一個關鍵幀的位置；根據所檢測出的關鍵幀以及已知關鍵幀進行人臉識別，從而保證可以只對預測的關鍵幀進行人臉特征提取和置信度計算，減小了計算資源，并且可以預測選擇出最優人臉，不需要在目標人員通過后再選擇最優人臉，縮短了人臉識別的時延。附圖說明此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施例，并與說明書一起用于解釋本專利技術的原理。圖1為本專利技術實施例的應用場景示意圖；圖2為本專利技術一種實施方式中人臉識別方法流程圖；圖3為本專利技術一種實施方式中人臉識別裝置運行的硬件環境架構圖；圖4為本專利技術一種實施方式中人臉識別裝置框圖。具體實施方式本專利技術中的關鍵幀是在從視頻中捕獲的人臉圖像幀中選擇的，已知關鍵幀是指已經確定為關鍵幀的圖像幀，包括根據捕獲到的某些圖像幀的人臉置信度選擇的統計關鍵幀，和已經預測到的關鍵幀；位置用于標示圖像幀在視頻中的位置，可以為圖像幀的幀號，也可以為圖像幀對應在視頻中的時間點。參見圖1，為本專利技術實施例的應用場景示意圖：圖1中，視頻管理服務器通過網絡與監控前端設備通信，當視頻管理服務器需要啟動人臉識別應用時，可向監控前端設備發送視頻請求消息，請求某個時間段內的視頻數據。當監控前端設備向視頻管理服務器發送該時間段內的視頻數據后，視頻管理服務器可從該視頻數據中捕獲圖像幀，并且提取所捕獲的圖像幀中的某幾幀圖像的特征信息，計算人臉置信度，并選擇置信度高的M幀圖像作為統計關鍵幀，然后基于該統計關鍵幀確定平穩序列預測公式，然后根據該平穩序列預測公式預測下一個關鍵幀的位置。為了預測關鍵幀的準確性，可基于泊松分布確定下一個關鍵幀的待檢測范圍，檢測該待檢測范圍內的圖像幀的人臉置信度進而確定下一個關鍵幀的位置。然后將確定位置的下一個關鍵幀作為已知關鍵幀，繼續循環執行上述預測下一個關鍵幀的操作步驟，直到所預測的下一個關鍵幀達到捕獲的圖像幀的上限值時，停止預測。下面通過具體實施例對本專利技術方案進行詳細說明。參見圖2，為本專利技術一種實施方式中人臉識別方法流程圖：步驟200：開始執行人臉識別操作。步驟201：設定捕獲的圖像幀的幀數上限值。在進行人臉識別時，針對同一人臉，可限定通過捕獲不超過N個圖像幀的方式來識別人臉。本專利技術并不對N的數值作具體的限定。步驟202：對捕獲到的某些圖像幀計算人臉置信度，并根據人臉置信度選擇統計關鍵幀。使用現有的方案先對一定數量圖像幀的人臉計算置信度，根據這些圖像幀的人臉置信度，選擇人臉置信度超過閾值的圖像幀作為統計關鍵幀。步驟203：根據已知關鍵幀的位置，確定平穩序列預測公式。在第一次確定關鍵幀的概率分布范圍時，已知關鍵幀為統計關鍵幀，可以選擇M個統計關鍵幀通過平穩時間序列確定關鍵幀的概率分布范圍。可利用M個統計關鍵幀的位置數據對ARAM(Auto-RegressiveandMovingAverageModel，自回歸滑動平均模型)的相關參數進行估計，確定關鍵幀的平穩序列預測公式。關鍵幀的平穩序列預測公式如下：其中，φ1，φ,2，…，φq稱自回歸系數，θ1,θ2,…,θq為移動平均系數，都是模型的待估參數；αt為(人為、環境等)白噪聲項，kt為同一人臉的幀號。利用已知的M個已知關鍵幀對上述預測公式的相關參數進行估計：kt+m＝φ1kt+m-1+φ2kt+m-2+…+φqkt+m-q+αt-θ1αt+m-1-…-θqαt+m-q對上式的兩側求條件期望，得到：<本文檔來自技高網...

【技術保護點】
一種人臉識別方法，其特征在于，所述方法包括：根據已知關鍵幀的位置，確定平穩序列預測公式；根據所述平穩序列預測公式，以及已知關鍵幀的位置，計算下一個疑似關鍵幀的預測位置；根據所述下一個疑似關鍵幀的預測位置以及所述已知關鍵幀的位置，調整泊松分布的合成因子；根據所述泊松分布和所述下一個疑似關鍵幀的預測位置，獲取所述下一個關鍵幀的待檢測范圍；對所述下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據所述待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的位置作為所述下一個關鍵幀的位置；根據所檢測出的下一個關鍵幀進行人臉識別。

【技術特征摘要】
1.一種人臉識別方法，其特征在于，所述方法包括：
根據已知關鍵幀的位置，確定平穩序列預測公式；
根據所述平穩序列預測公式，以及已知關鍵幀的位置，計算下一個疑似
關鍵幀的預測位置；
根據所述下一個疑似關鍵幀的預測位置以及所述已知關鍵幀的位置，調
整泊松分布的合成因子；
根據所述泊松分布和所述下一個疑似關鍵幀的預測位置，獲取所述下一
個關鍵幀的待檢測范圍；
對所述下一個關鍵幀的待檢測范圍對應的圖像幀進行人臉檢測，根據所
述待檢測范圍內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最
高的圖像幀的位置作為所述下一個關鍵幀的位置；
根據所檢測出的下一個關鍵幀進行人臉識別。
2.根據權利要求1所述的方法，其特征在于，所述根據所述待檢測范圍
內的各個圖像幀的人臉置信度的比較結果，確定人臉置信度最高的圖像幀的
位置作為所述下一個關鍵幀的位置之后，還包括：將確定位置的下一個關鍵
幀作為已知關鍵幀，繼續預測下一個關鍵幀，直到所預測的下一個關鍵幀達
到捕獲的圖像幀的幀數上限值時，停止預測。
3.根據權利要求1所述的方法，其特征在于，所述根據已知關鍵幀的位
置，確定平穩序列預測公式，包括：
根據已知關鍵幀的位置，確定自回歸滑動平均模型ARMA的相關系數和
模型階數，其中，所述相關系數包括自回歸系數、移動平均系數和白噪聲項。
4.根據權利要求1所述的方法，其特征在于，所述根據已知關鍵幀的位
置，確定平穩序列預測公式之前，還包括：設定捕獲的圖像幀的幀數上限值；
對捕獲到的某些圖像幀計算人臉置信度，并根據人臉置信度選擇統計關鍵幀。
5.根據權利要求4所述的方法，其特征在于，所述已知關鍵幀為統計關

\t鍵幀，或為統計關鍵幀和已經確定位置的預測關鍵幀，或者為已經確...

【專利技術屬性】
技術研發人員：陳燕兵，
申請(專利權)人：浙江宇視科技有限公司，
類型：發明
國別省市：浙江;33