[發明專利]一種基于視頻流的動態人臉識別方法和裝置

在審

• 申請號: 202010559367.2
• 申請日: 2020-06-18
• 公開（公告）號: CN111860165A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 聶蕓蕓;夏爐系;郭沛;張滸;許金金;王東;苗應亮
• 申請（專利權）人: 盛視科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 吳雅麗

本發明公開了一種基于視頻流的動態人臉識別方法和裝置。方法包括：對訓練視頻流進行樣本采集，得到人臉圖像訓練樣本；將人臉圖像訓練樣本送入神經網絡中進行訓練，每個人臉圖像訓練樣本訓練得到一個多維特征向量，將所述多維特征向量進行歸一化，并將屬于同一個人的K個多維特征向量聚合為一個特征向量；利用聚合得到的特征向量，對未知視頻流進行人臉識別。本發明方法識別精度更高，誤識率更低，樣本利用率更高，并可以改善假臉攻擊問題。

技術領域

本發明涉及人臉識別技術領域，具體涉及一種基于視頻流的動態人臉識別方法和裝置。

背景技術

人臉識別不僅是人工智能領域的研究熱點，在公共安全領域，其研究也有著重要的現實意義。基于單幀圖像的人臉識別技術通常包括人臉圖像樣本采集、樣本圖像預處理、分類器訓練和樣本識別等技術環節。人臉圖像樣本采集是人臉識別的基石，其意義不言而喻。人臉識別樣本采集工作以往都是基于圖像的方式，比如，不同人在不同姿態、光照、表情等差異下利用手機、普通攝像機等進行不同角度自拍，最后進行人臉樣本圖片清洗、整理工作。樣本圖像預處理包括人臉檢測、人臉關鍵點檢測、人臉對齊矯正等步驟。人臉檢測就是將人臉識別樣本中的人臉區域檢測出來，用于人臉關鍵點檢測，通過人臉關鍵點檢測將不同姿態人臉樣本進行對齊矯正。分類器訓練是基于端到端的深度神經網絡，將不同人的所有人臉樣本分為不同的類別。樣本識別就是對未知樣本進行類別預測與驗證。

目前基于單幀圖像的人臉識別系統已經很普遍，但由于誤識別較多因此識別精度受限，同時基于單幀圖像的人臉識別也無法解決“真人圖片攻擊”、“視頻回放”、“面具攻擊”防偽問題。

發明內容

本發明的目的在于針對現有人臉識別方法識別精度低、誤識多等問題，提供一種基于視頻流的動態人臉識別方法，該方法具有更高的識別精度，更低的錯誤識別率，以及更高的樣本利用率。本發明的目的還在于提供一種視頻流的動態人臉識別裝置。

為實現上述發明目的，本發明采用如下技術方案。

第一方面，提供一種基于視頻流的動態人臉識別方法，包括：S1、對訓練視頻流進行樣本采集，得到人臉圖像訓練樣本；S2、將人臉圖像訓練樣本送入神經網絡中進行訓練，每個人臉圖像訓練樣本訓練得到一個多維的特征向量，將所述多維特征向量進行歸一化，并將屬于同一個人的K個多維特征向量聚合為一個特征向量，通過將聚合得到的特征向量進行分類器訓練得到分類模型，將不同人的所有人臉樣本分為不同的類別；S3、利用聚合得到的特征向量，對未知視頻流進行人臉識別。

一種可能的實現方式中，步驟S1還包括：對人臉圖像訓練樣本進行分類清洗，使得屬于同一個人的人臉圖像訓練樣本被置于同一子集。

一種可能的實現方式中，步驟S2之前還包括：對人臉圖像訓練樣本進行人臉檢測、人臉關鍵點檢測和人臉對齊矯正。

一種可能的實現方式中，所述將屬于同一個人的K個多維特征向量聚合為一個特征向量，包括：通過對屬于同一個人的K個多維特征向量按照不同權值分配進行線性組合，將K個特征向量聚合為一個特征向量。

一種可能的實現方式中，步驟S2具體包括：

針對每個人臉圖像訓練樣本獲得一個512維的特征向量Fⁱ_k，i＝1,2,…,n，n為總人數，i表示其中第i個人，k＝1,2,…,K_i，K_i為第i個人的人臉圖像訓練樣本的總個數，k表示其中第k個人臉圖像訓練樣本；

經過L2范數對得到的特征向量進行歸一化；

將歸一化后的、同一個人的K個特征向量聚合為一個特征向量，表示為：

其中，是線性權值因子。

一種可能的實現方式中，線性權值因子通過以下公式計算獲得：