[發明專利]一種人臉識別跟蹤方法

有效

• 申請號: 201710165985.7
• 申請日: 2017-03-20
• 公開（公告）號: CN106934381B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 周劍;陳志超;李軒
• 申請（專利權）人: 成都通甲優博科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/246
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種人臉識別跟蹤方法，提供圖像采集裝置獲取連續的若干幀圖像，其特征在于，包括：

在進行人臉識別跟蹤前，預先訓練形成JDA檢測器的模型：采集得到多個訓練樣本圖像，每個所述訓練樣本圖像中包括對應的第一理想特征數據；通過所述JDA檢測器篩選所述訓練樣本圖像以得到第一采樣特征數據；通過比對所述第一采樣特征數據與所述第一理想特征數據以修正所述JDA檢測器的模型；其具體包括如下子步驟：

子步驟1，訓練JDA檢測器的模型：準備訓練數據并提取特征來訓練JDA檢測器的模型；

子步驟2，訓練分類回歸樹：JDA檢測器的模型訓練分為T個階段，每一階段包含K棵分類回歸樹，對每棵樹的非葉節點用一個概率p來決定使用分類節點還是回歸節點；

構建分類節點：首先計算樣本特征，形成兩個一維特征向量，并計算特征范圍，在特征范圍內取N個閾值，計算每個閾值對應的誤差；獲得一個弱分類器；進入當前節點的樣本被分成兩部分，即樣本特征值小于閾值部分和樣本特征值大于閾值部分，把這兩部分分別傳遞到當前節點的左子樹根節點和右子樹根節點，遞歸的分下去，直到不可分或者到達葉節點；

構建回歸節點：利用具備真實形狀的正樣本來計算使偏移量方差最小的閾值作為弱分類器閾值；構建葉子節點，當樹的深度到達指定深度閾值時或者進入結點的樣本數量小于指定樣本數量閾值時將結點構造為葉子節點，葉子節點的內容包含特征點偏移量和置信度增量；

子步驟3：置信度排序，并根據召回率計算置信度閾值；過濾正負樣本，小于置信度閾值的全部從樣本中去除；為了維持正負樣本比例，需要擴充負樣本，則用已訓練的決策樹去檢測負樣本庫，檢測為正的負樣本加入負樣本集，直到達到指定比率；最后更新樣本的權值，根據置信度計算權值后還要進行均衡，使得正負樣本的權值和都為1；利用全局回歸來計算當前級別的所有決策樹的每一個葉子節點的偏移量，然后分級按照之前的步驟進行訓練，直到訓練完JDA檢測器的模型；

步驟S1，獲取一幀圖像作為當前幀圖像，若被選取的該幀圖像為初始圖像或上一幀圖像的判斷結果為丟失，則轉向步驟S2；否則將所述上一幀圖像中獲取的第二特征數據作為輸入數據，隨后轉向步驟S3；

步驟S2，通過JDA檢測器篩選所述當前幀圖像中的人臉信息，訓練好的JDA檢測器的模型來檢測人臉并初始化關鍵點，利用質心位置來判斷人臉的朝向，并得到第一特征數據作為輸入數據，隨后轉向步驟S3；所述的人臉信息包括特征點坐標和人臉朝向；

步驟S3，根據所述輸入數據，通過SDM算法篩選所述當前幀圖像中的所述人臉信息，直接在上一幀圖片的SDM算法篩選基礎上，利用質心位置來進行人臉朝向的判斷，并得到所述第二特征數據；

步驟S4，預設一誤差閾值、一累加閾值以及一基準閾值；提取圖像的NPD特征向量，采用邏輯回歸算法，計算得到所述當前幀圖像的所述第二特征數據與所述上一幀圖像的所述第二特征數據之間的判斷值，并通過所述判斷值判斷得到用于表示人臉是否丟失的判斷結果，隨后返回所述步驟S1；

根據所述判斷值判斷所述人臉是否丟失的步驟具體包括：

步驟S41，判斷所述判斷值是否小于所述誤差閾值，并在所述判斷值小于所述誤差閾值時將所述基準閾值加1；若所述判斷值大于所述誤差閾值時，則將所述基準閾值清零，并判斷所述人臉未丟失；

步驟S42，判斷所述基準閾值是否大于所述累加閾值，并在所述基準閾值大于所述累加閾值時判斷所述人臉已經丟失。

2.根據權利要求1所述的一種人臉識別跟蹤方法，其特征在于，獲取所述人臉信息的步驟包括：

步驟A1，獲取所述當前幀圖像中的所有特征點的所述特征點坐標；

步驟A2，利用所述特征點坐標確定所述當前幀圖像中的人臉的質心位置；

步驟A3，利用所述人臉的質心位置與對應的所述特征點坐標的關系獲得所述人臉朝向，以獲取所述人臉信息。

3.根據權利要求1所述的一種人臉識別跟蹤方法，其特征在于，所述步驟S2中，在得到所述第一特征數據后，還包括對所述第一特征數據進行處理的步驟：

步驟S21，比較所述第一特征數據中的每一特征值以得到最小值；

步驟S22，將所述最小值分別與每一所述特征值進行比較后得到相應的差值，以得到經過處理的所述第一特征數據。