[發明專利]一種基于嵌入式系統的快速多人臉檢測和跟蹤方法

有效

• 申請號: 201811580249.9
• 申請日: 2018-12-24
• 公開（公告）號: CN109858341B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 謝佩博
• 申請（專利權）人: 北京澎思科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T1/20;G06T7/20;G06K9/03
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 郭俊玲

本發明公開了一種基于嵌入式系統的快速多人臉檢測和跟蹤方法，在嵌入式系統中嵌入攝像頭模塊和專用協處理器或VPU，首先對嵌入式系統進行初始化配置，并初始化獲取得到包含人臉對應位置信息的全局緩沖隊列；通過攝像頭模塊采集人臉圖像數據，并對人臉圖像數據經過預處理后輸入到專用協處理器或VPU中，由專用協處理器或VPU得到人臉圖像數據對應的位置信息，并將位置信息與全局緩沖隊列中的位置信息對對比，判斷是否在全局緩沖隊列中有與之相匹配的位置信息；最后，所有獲取得到的人臉圖像數據的全局緩沖隊列處理得到質量最優的人臉圖像數據，并輸出存儲；本發明可有效提升對人臉圖像數據的處理效率。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種基于嵌入式系統的快速多人臉檢測和跟蹤方法。

背景技術

基于成本和功耗考慮，嵌入式設備，尤其是監控攝像頭多使用低成本的ARM處理器作為系統的核心處理平臺。與x86平臺相比，ARM處理器使用RISC指令集，執行效率高，功耗少。但是ARM處理器的主頻偏低，計算資源有限，計算能力較弱，難以完成復雜的計算工作。

傳統的監控攝像頭主要完成視頻編解碼、傳輸以及其他軟件層面的工作。隨著人工智能技術的迅猛發展，越來越多的AI功能，例如人臉識別技術，被集成到前端的監控攝像頭上。基于視頻流的人臉識別技術需要首先解析視頻流，從視頻幀中檢測出人臉，確定人臉位置信息，并根據初始人臉位置信息，執行后續的人臉跟蹤和其他識別工作。傳統人臉識別算法識別準確性低，且無法做到實時處理，無法滿足用戶實戰要求。

基于深度學習的人臉識別算法可以很好解決識別準確性低的問題，但是深度學習網絡需要大量的計算資源，單一使用ARM處理器來進行人臉檢測、人臉質量評估等推理工作，也會帶來諸如處理速度慢，處理效率低的問題，系統實時性無法保證，識別效果差，用戶體驗也不好。

發明內容

針對上述現有技術中人臉識別準確性低、識別計算量大的問題，本發明于提出一種基于嵌入式系統的快速多人臉檢測和跟蹤方法，該方法的具體技術方案如下：

一種基于嵌入式系統的快速多人臉檢測和跟蹤方法，所述嵌入式系統包括一用于人臉檢測和人臉跟蹤的攝像頭模塊和一用于對人臉檢測數據處理和計算的專用協處理器，包括步驟：

S1.初始化所述嵌入式系統，并初始化獲得人臉數據的全局緩沖隊列；

S2.并設定一預設時長的檢測周期，采用所述攝像頭模塊采集人臉圖像數據；

S3.對所述人臉圖像數據預處理操作后傳送至所述專用協處理器，由所述專用協處理器獲取所述人臉圖像數據對應人臉的位置信息；

S4.將所述位置信息與所述全局緩沖隊列匹配，判斷是否有相同的所述位置信息，若有，則將對應的所述位置信息加入對應的所述全局緩沖隊列中，否則，建立新的與所述位置信息對應的全局緩沖隊列；

S5.在所述檢測周期時間內重復使用所述攝像頭模塊采集人臉圖像數據，經過預處理操作后傳送至所述專用協處理器，并由所述專用協處理器執行人臉跟蹤，獲取所述人臉圖像數據對應人臉的位置信息；

S6.在所述檢測周期時間內重復使用所述攝像頭模塊采集人臉圖像數據并重復步驟S5；

S7.在所述檢測周期結束前，采用所述專用協處理器處理所有所述人臉圖像數據，并基于深度學習網絡獲取不同人臉在所述檢測周期內的最優質量的所述人臉圖像數據；

S8.檢測所述攝像頭模塊可采集的人臉數據，并將已離開所述攝像頭模塊采集范圍內的所述人臉圖像數據從所述專用協處理器輸出存儲至指定數據庫中，并刪除對應的所述全局緩沖隊列。

作為優選，所述步驟S4還包括步驟：采用所述專用協處理器對每個人對應的所述全局緩沖隊列編號。

作為優選，所述專用協處理器可采用VPU代替。