[發明專利]一種多目標跟蹤及面部特征信息識別方法在審
| 申請號: | 202010437613.7 | 申請日: | 2020-05-21 |
| 公開(公告)號: | CN111914613A | 公開(公告)日: | 2020-11-10 |
| 發明(設計)人: | 朱全銀;馬思偉;曹猛;李佳冬;高尚兵;李翔;陳伯倫;曹蘇群;馬甲林;周泓;馬天龍;申奕;王夢迪;倪金霆 | 申請(專利權)人: | 淮陰工學院 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06N3/04;G06N3/08;G06T7/246;G06T7/277;G06T7/73;G06T5/00;G06T5/40 |
| 代理公司: | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人: | 梁耀文 |
| 地址: | 223005 江蘇省*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 多目標 跟蹤 面部 特征 信息 識別 方法 | ||
1.一種多目標跟蹤及面部特征信息識別方法,其特征在于,具體步驟如下:
(1)輸入人臉面部特征信息視頻,將視頻轉換成關鍵幀序列S,通過人臉檢測后得到的人臉關鍵幀集為SF;
(2)通過標注SF特征點進行分類,得到的標簽集為SFL,通過預處理和數據增強SFL,得到的數據集為SFD;
(3)使用改進的mini-Xception模型對SFD進行自適應特征抽取,將提取到的特征向量進行融合,得到自適應尋優面部特征識別模型FFs_model;
(4)設獲得的人臉特征數據流為FEV,循環提取FEV中的關鍵幀序列,進行自適應跟蹤多目標人臉,聚合提取人臉跟蹤特征,得到多目標人臉關鍵幀位置集合FEC;
(5)加載面部特征識別模型FFs_model,將多目標關鍵幀位置集合FEC輸入訓練好的自適應尋優模型,生成多目標的面部特征分類結果集FECR;
(6)開放面部特征自適應識別接口FFs API,用戶通過客戶端程序發起HTTP請求,自適應識別接口FFs API對用戶發起的請求參數進行自適應多目標特征識別,并將處理得到的自適應多目標場景下簽到及目標特征信息跟蹤狀態識別的處理結果集FECR存儲在Web平臺的服務器,同時將核心信息返回給調用程序,用戶可通過Web平臺獲取可視化展示。
2.根據權利要求1所述的一種多目標跟蹤及面部特征信息識別方法,其特征在于,所述步驟(1)中得到的人臉關鍵幀集SF的具體步驟如下:
(1.1)輸入圖像數據集S,定義函數len(X)表示集合X的長度,令S={S1,S2,…,SM},其中,SM表示S中第M張圖像,M∈[1,len(S)];
(1.2)定義循環變量i1,用于遍歷S,i1∈[1,len(S)],i1賦初值為1;
(1.3)如果i1≤len(S)則進入步驟(1.4)否則進入步驟(1.10);
(1.4)對Si1進行灰度處理,得到gray_Si1;
(1.5)將灰度增強圖像gray_Si1變換為直方圖均衡圖像hist_Si1;
(1.6)對hist_Si1進行中值濾波處理,得到med_Si1;
(1.7)對med_Si1進行銳化處理,得到sha_Si1;
(1.8)利用OpenCV中的Haar Cascade分類器對sha_Si1進行人臉檢測并提取出人臉,得到的人臉放到SF中;
(1.9)i1=i1+1,進入步驟(1.3);
(1.10)人臉提取結束。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于淮陰工學院,未經淮陰工學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010437613.7/1.html,轉載請聲明來源鉆瓜專利網。





