[發明專利]人臉跟蹤方法、裝置、終端及存儲介質

有效

• 申請號: 201711160164.0
• 申請日: 2017-11-20
• 公開（公告）號: CN107944381B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 蘇嵐
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 曾柳燕;孫芬

一種人臉跟蹤方法，應用于終端中，所述終端包括硬件加速模塊，所述方法包括：利用人臉檢測算法檢測當前幀圖像中的人臉區域；所述硬件加速模塊計算所述人臉區域的當前人臉特征；硬件加速模塊將所述當前人臉特征與歷史人臉特征進行加權處理以得到最新人臉特征；存儲所述最新人臉特征，并開始新一幀圖像的人臉跟蹤。本發明還提供一種人臉跟蹤裝置、終端及存儲介質。本發明采用軟件算法和硬件加速相結合的方法，以較低的算法復雜度實現了較好的人臉跟蹤性能。

技術領域

本發明涉及圖像識別技術領域，具體涉及一種人臉跟蹤方法、裝置、終端及存儲介質。

背景技術

人臉跟蹤是在視頻或圖像序列中確定某個人臉的運動軌跡及大小變化的過程，是進行動態人臉信息處理的第一個環節，在視頻會議、可視化電話、視頻監控及人機智能交互等方面都有著重要的應用價值。

目前，在傳統相機和智能終端上已實現的人臉跟蹤方法主要有兩類：一類是基于特征匹配的跟蹤方法，該方法主要是構建能夠代表目標的特征，然后通過特征間的匹配度來判斷目標的位置；另一類是基于目標與背景分離的跟蹤方法，該方法運用機器學習的方法學習一個能夠分離目標與背景的分類器，學習過程一般為在線訓練過程，通過學習到的分類器來判斷目標位置。

基于特征匹配的跟蹤方法(如光流跟蹤)具有相對較低的復雜度，但對具有光照、遮擋、尺度等因素變化的情況下算法魯棒性較低，跟蹤效果差；基于目標與背景分離的跟蹤方法具有較高的魯棒性，在一定程度上能夠解決光照、遮擋等問題，但其計算復雜度較高，影響了算法的商業應用。即在人臉跟蹤領域存在一個較為突出的矛盾，就是算法復雜度和算法性能之間的矛盾。

發明內容

鑒于以上內容，有必要提出一種人臉跟蹤方法、裝置、終端及存儲介質，其采用軟件算法和硬件加速相結合的方法，以較低的算法復雜度實現了較好的人臉跟蹤性能。

本申請的第一方面提供一種人臉跟蹤方法，應用于終端中，所述終端包括硬件加速模塊，所述方法包括：

利用人臉檢測算法檢測當前幀圖像中的人臉區域；

所述硬件加速模塊計算所述人臉區域的當前人臉特征；

硬件加速模塊將所述當前人臉特征與歷史人臉特征進行加權處理以得到最新人臉特征；

存儲所述最新人臉特征，并開始新一幀圖像的人臉跟蹤。

另一種可能的實現方式中，所述硬件加速模塊計算所述人臉區域的當前人臉特征時，還包括：

判斷當前幀圖像是否為第一幀圖像；

當確定當前幀圖像為第一幀圖像時，將第一幀圖像中的人臉區域的人臉特征作為最新人臉特征；

當確定當前幀圖像不為第一幀圖像時，將所述當前人臉特征與歷史人臉特征進行加權處理以得到最新人臉特征。

另一種可能的實現方式中，所述硬件加速模塊判斷當前幀圖像是否為第一幀圖像包括：

當當前接收到人臉區域的時間超過預設時間段時，則確定當前幀圖像為第一幀圖像；

當當前接收到人臉區域的時間沒有超過所述預設時間段時，則確定當前幀圖像不為第一幀圖像。

另一種可能的實現方式中，所述硬件加速模塊將所述當前人臉特征與歷史人臉特征進行加權處理以得到最新人臉特征包括：

將所述當前人臉特征與第一系數求積得到第一特征；

將所述歷史人臉特征與第二系數求積得到第二特征，所述第一系數與所第二系數之和為一；

對所述第一特征與所述第二特征進行求和，得到所述最新人臉特征。