[發(fā)明專利]多人臉跟蹤方法及跟蹤系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201611145627.1
• 申請日: 2016-12-13
• 公開（公告）號: CN106599836B
• 公開（公告）日: 2020-04-21
• 發(fā)明（設計）人: 邱建華;楊光磊;楊東;王棟
• 申請（專利權）人: 智慧眼科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/246
• 代理公司: 長沙智嶸專利代理事務所(普通合伙) 43211
• 代理人: 劉宏

1.一種多人臉跟蹤方法，用于對視頻數(shù)據(jù)中的多幀連續(xù)圖像進行多人臉跟蹤監(jiān)測，其特征在于，包括：

根據(jù)初始幀圖像建立多個人臉跟蹤模型，所述多個人臉跟蹤模型與多個人臉目標一一對應；

采用單人臉跟蹤算法分別對多個人臉目標進行跟蹤；

跟蹤過程中對所述多個人臉跟蹤模型進行更新；

采用更新后的多個人臉跟蹤模型及所述單人臉跟蹤算法進行多個人臉目標的連續(xù)跟蹤；

所述單人臉跟蹤算法包括以下步驟：

利用檢測結果對人臉跟蹤模型初始化，利用公式和計算核矩陣k_xx和α及人臉特征x；

For t＝1,…,N，讀取下一幀視頻，在上一幀位置處提原始特征z，利用公式y(tǒng)′＝F^-1(F(k_xx′)·F(α))計算模板里特征與當前位置特征的核矩陣k_xx′和響應矩陣y′，在y′中找到最大值點及其相對中心點的位移t，該位移t即為人臉運動距離向量；

在新人臉位置處提取人臉特征x及矩陣α，并與模板中x與α加權融合，更新模板；

其中，I為單位陣，λ為正則化系數(shù)，K為核矩陣，k_xx為特征x與其自身計算得高斯核矩陣，y為先驗概率矩陣，用高斯矩陣表示，F(xiàn)與F^-1分別表示傅里葉變換和傅里葉逆變換，F(xiàn)^*表示取傅里葉變換后得到的矩陣的共軛，σ為高斯函數(shù)標準差，c對應特征維度；

跟蹤過程中對所述多個人臉跟蹤模型進行更新的更新策略包括：對人臉跟蹤模型進行校正、添加新出現(xiàn)人臉目標的人臉跟蹤模型及刪除無效人臉目標對應的人臉跟蹤模型；

所述刪除無效人臉目標對應的人臉跟蹤模型包括：

計算跟蹤結果的可信度，對可信度未達標的人臉目標對應的人臉跟蹤模型做刪除處理；

無效跟蹤人臉模型的刪除策略為：

對每次跟蹤到目標位置z處對應得分y′_z大小進行判斷，其中，y′_z通過公式y(tǒng)′＝F^-1(F(k_xx′)·F(α))計算得到，將y′_z與門限η_sh、η_sl比較，η_sl＜η_sh，

(1)y′_z≥η_sh：若y′_z≥η_sh則保留跟蹤結果，繼續(xù)下一人臉跟蹤結果判斷；

(2)y′_z＜η_sh，在縮放1.1倍和1.1^-1倍的兩個其他尺度的圖像上提取原始特征x′，并按公式y(tǒng)′＝F^-1(F(k_xx′)·F(α))、進行人臉的重新跟蹤，將1.1倍、1倍和1.1^-1倍三個尺度上的跟蹤得分y′_z進行比較，取得分最大的尺度作為當前目標尺度，并對不滿足條件的結果再次搜索后進行判斷；

(3)若y′_z＜η_sl則認為跟蹤結果肯定出錯，直接刪除目標。

2.根據(jù)權利要求1所述的多人臉跟蹤方法，其特征在于，

所述對人臉跟蹤模型進行校正包括：

計算跟蹤結果與定期檢測得到的人臉目標位置的重疊區(qū)域比例，判斷所述重疊區(qū)域比例是否大于等于第一閾值，若是則無需對所述人臉跟蹤模型進行更新；

若否，判斷所述重疊區(qū)域比例是否大于等于第二閾值，若比較結果為是，則采用最新的人臉目標位置對人臉跟蹤模型進行訓練生成校正后的人臉跟蹤模型，其中，所述第一閾值大于所述第二閾值。

3.根據(jù)權利要求2所述的多人臉跟蹤方法，其特征在于，

所述添加新出現(xiàn)人臉目標的人臉跟蹤模型包括：

在所述重疊區(qū)域比例小于所述第二閾值的條件下，新增該最新的人臉目標對應的人臉跟蹤模型。

4.根據(jù)權利要求3所述的多人臉跟蹤方法，其特征在于，

所述刪除無效人臉目標對應的人臉跟蹤模型還包括：

限制跟蹤的人臉目標的數(shù)量，通過跟蹤結果的可信度得分排序，刪除多余設定數(shù)量的且排序靠后的人臉目標對應的人臉跟蹤模型。