[發明專利]一種基于跟蹤算法的較高純度的人臉識別樣本提取方法

有效

• 申請號: 201810845048.0
• 申請日: 2018-07-27
• 公開（公告）號: CN109034247B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 武傳營;李凡平;石柱國
• 申請（專利權）人: 北京以薩技術股份有限公司;青島以薩數據技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06T7/246
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 黃景燕

本發明公開了一種基于跟蹤算法的較高純度的人臉識別樣本提取方法，包括以下步驟：樣本采集：預先采集部分現實場景視頻，并且從該視頻中提取部分圖片，利用人工標記人臉矩形框，采集人臉樣本數據；模型訓練：將采集所得的人臉樣本數據，進行訓練YOLOv2網絡；人臉識別：將YOLOv2網絡作為人臉檢測器進行人臉識別；IOU跟蹤:用ROI對檢測到的人臉進行跟蹤，放入ROI TrackingPool中；分析保存：分析IOU TrackingPool中的物體，將符合要求的目標送入DSST跟蹤器。本發明：通過基于跟蹤算法的人臉識別樣本提取方法，不僅可以用來提取待跟蹤人臉，而且可以用來跟蹤提取出來的跟蹤目標，提取出的樣本具有較高的純度及可用價值，簡單易行，計算效率高。

技術領域

本發明涉及計算機視覺技術領域，具體來說，涉及一種基于跟蹤算法的較高純度的人臉識別樣本提取方法。

背景技術

目標跟蹤，是通用單目標跟蹤，第一幀給個矩形框，這個框在數據庫里面是人工標注的，在實際情況下大多是檢測算法的結果，然后需要跟蹤算法在后續幀緊跟住這個框。目標視覺跟蹤大家比較公認分為兩大類：生成（generative）模型方法和判別（discriminative）模型方法，目前比較流行的是判別類方法，也叫檢測跟蹤。生成類方法，在當前幀對目標區域建模，下一幀尋找與模型最相似的區域就是預測位置，比較著名的有卡爾曼濾波，粒子濾波，mean-shift等。舉個例子，從當前幀知道了目標區域80%是紅色，20%是綠色，然后在下一幀，搜索算法就像無頭蒼蠅，到處去找最符合這個顏色比例的區域。判別類方法，CV中的經典套路圖像特征+機器學習，當前幀以目標區域為正樣本，背景區域為負樣本，機器學習方法訓練分類器，下一幀用訓練好的分類器找最優區域。與生成類方法最大的區別是，分類器采用機器學習，訓練中用到了背景信息，這樣分類器就能專注區分前景和背景，所以判別類方法普遍都比生成類好。經典判別類方法推薦Struck和TLD，都能實時性能還行，Struck是2012年之前最好的方法，TLD是經典long-term的代表，目前，比較流行的是相關濾波和深度學習。相關濾波類方法correlation filter簡稱CF，也叫做discriminative correlation filter簡稱DCF。目前比較流行，代表有DSST，KCF等。精度與速度都比較高。相比之下，基于深度學習的跟蹤算法，如GOTURN，普遍速度較慢，無法在工業上應用。

針對相關技術中的問題，目前尚未提出有效的解決方案。

發明內容

針對相關技術中的問題，本發明提出一種基于跟蹤算法的較高純度的人臉識別樣本提取方法，以克服現有相關技術所存在的上述技術問題。

本發明的技術方案是這樣實現的：

一種基于跟蹤算法的較高純度的人臉識別樣本提取方法，包括以下步驟：

樣本采集：預先采集部分現實場景視頻，并且從該視頻中提取部分圖片，利用人工標記人臉矩形框，采集人臉樣本數據；

模型訓練：將采集所得的人臉樣本數據，進行訓練YOLOv2網絡；

人臉識別：將YOLOv2網絡作為人臉檢測器進行人臉識別；

IOU跟蹤: 用ROI對檢測到的人臉進行跟蹤，放入ROI TrackingPool中；

分析保存：分析IOU TrackingPool中的物體，將符合要求的目標送入DSST跟蹤器；

特征保存：將DSST TrackingPool中的每個跟蹤物體的圖片及坐標匹配放入對應文件夾中進行特征信息保存。

進一步的，所述分析保存，包括以下步驟：

樣本重復檢測：分析ROI TrackingPool中符合尺寸要求的且正在運動的新物體是否與DSST中正在跟蹤的物體重復；