[發(fā)明專利]人臉抓拍方法和人臉抓拍系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010610528.6
• 申請(qǐng)日: 2020-06-29
• 公開(kāi)（公告）號(hào): CN111738193A
• 公開(kāi)（公告）日: 2020-10-02
• 發(fā)明（設(shè)計(jì)）人: 徐朋飛;唐劍
• 申請(qǐng)（專利權(quán)）人: 湖南國(guó)科微電子股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 李莎

本發(fā)明提出一種人臉抓拍方法和人臉抓拍系統(tǒng)，涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。通過(guò)對(duì)采集的圖像進(jìn)行預(yù)處理，得到待檢測(cè)圖像，根據(jù)預(yù)先訓(xùn)練的人臉檢測(cè)模型對(duì)待檢測(cè)圖像進(jìn)行人臉檢測(cè)，得到人臉區(qū)域圖和人臉區(qū)域圖中的人臉區(qū)域的坐標(biāo)信息，該人臉檢測(cè)模型包括多層神經(jīng)網(wǎng)絡(luò)，每層神經(jīng)網(wǎng)絡(luò)的每個(gè)卷積層中設(shè)置的輸出通道數(shù)和分組卷積時(shí)對(duì)應(yīng)的分組數(shù)符合預(yù)設(shè)條件，對(duì)人臉區(qū)域圖中的人臉區(qū)域進(jìn)行人臉質(zhì)量評(píng)估，得到人臉區(qū)域的質(zhì)量評(píng)估信息，根據(jù)人臉區(qū)域的坐標(biāo)信息進(jìn)行目標(biāo)跟蹤，并將屬于同一目標(biāo)的人臉區(qū)域加入目標(biāo)對(duì)應(yīng)的隊(duì)列，對(duì)隊(duì)列中質(zhì)量評(píng)估信息大于設(shè)定閾值的人臉區(qū)域進(jìn)行存儲(chǔ)。不僅能有效提高檢測(cè)速度，還能同時(shí)兼顧檢測(cè)精度，實(shí)現(xiàn)了較好的檢測(cè)效果。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體而言，涉及一種人臉抓拍方法和人臉抓拍系統(tǒng)。

背景技術(shù)

人臉抓拍系統(tǒng)可以做為其他技術(shù)實(shí)施的前端處理階段，比如人臉識(shí)別相關(guān)方案、基于人臉抓拍的公共場(chǎng)合計(jì)數(shù)方案，這兩個(gè)方案在后期識(shí)別和計(jì)數(shù)過(guò)程中都需要抓拍到的同一人臉序列。因此，人臉抓拍系統(tǒng)的精度和速度將直接影響到下一個(gè)階段的處理效果。

當(dāng)前基于邊緣計(jì)算的人臉抓拍系統(tǒng)中，對(duì)檢測(cè)、跟蹤、評(píng)估算法的時(shí)效性要求較高，對(duì)于較遠(yuǎn)的人臉抓拍，容易發(fā)生漏檢，還會(huì)導(dǎo)致跟蹤模塊的波動(dòng)。為了解決人臉抓拍中的小臉漏檢問(wèn)題，目前有兩種常用的方法：第一種是改變采集設(shè)備，讓遠(yuǎn)處小臉在畫(huà)面中分辨率更高，比如使用長(zhǎng)焦相機(jī)；第二種是增加算法輸入的分辨率，在大分辨率圖像上進(jìn)行檢測(cè)。然而，第一種需要專用的采集設(shè)備，算法對(duì)采集設(shè)備的耦合性較高；第二種會(huì)導(dǎo)致CNN(Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò))中的flops(floating-pointoperations per second，每秒浮點(diǎn)運(yùn)算次數(shù))成倍數(shù)增長(zhǎng)，對(duì)算力要求較高，導(dǎo)致計(jì)算速度減慢。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種人臉抓拍方法和人臉抓拍系統(tǒng)，不僅能有效提高檢測(cè)速度，還能同時(shí)兼顧檢測(cè)精度，實(shí)現(xiàn)了較好的檢測(cè)效果。

為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例采用的技術(shù)方案如下：

第一方面，本發(fā)明實(shí)施例提供一種人臉抓拍方法，所述方法包括：

對(duì)采集的圖像進(jìn)行預(yù)處理，得到待檢測(cè)圖像；

根據(jù)預(yù)先訓(xùn)練的人臉檢測(cè)模型對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，得到人臉區(qū)域圖和所述人臉區(qū)域圖中的人臉區(qū)域的坐標(biāo)信息；其中，所述人臉檢測(cè)模型包括多層神經(jīng)網(wǎng)絡(luò)，每層神經(jīng)網(wǎng)絡(luò)的每個(gè)卷積層中設(shè)置的輸出通道數(shù)和所述卷積層執(zhí)行分組卷積操作時(shí)對(duì)應(yīng)的分組數(shù)符合預(yù)設(shè)條件；

對(duì)所述人臉區(qū)域圖中的人臉區(qū)域進(jìn)行人臉質(zhì)量評(píng)估，得到所述人臉區(qū)域的質(zhì)量評(píng)估信息；

根據(jù)所述人臉區(qū)域的坐標(biāo)信息進(jìn)行目標(biāo)跟蹤，并將屬于同一目標(biāo)的人臉區(qū)域加入所述目標(biāo)對(duì)應(yīng)的隊(duì)列；

對(duì)所述隊(duì)列中質(zhì)量評(píng)估信息大于設(shè)定閾值的人臉區(qū)域進(jìn)行存儲(chǔ)。

在可選的實(shí)施方式中，所述多層神經(jīng)網(wǎng)絡(luò)包括第一神經(jīng)網(wǎng)絡(luò)、第二神經(jīng)網(wǎng)絡(luò)和第三神經(jīng)網(wǎng)絡(luò)，所述第一神經(jīng)網(wǎng)絡(luò)的每個(gè)卷積層對(duì)應(yīng)的輸出通道數(shù)和分組數(shù)的比例為第一預(yù)設(shè)值，所述第二神經(jīng)網(wǎng)絡(luò)的每個(gè)卷積層對(duì)應(yīng)的輸出通道數(shù)和分組數(shù)的比例為第二預(yù)設(shè)值，所述第三神經(jīng)網(wǎng)絡(luò)的每個(gè)卷積層對(duì)應(yīng)的輸出通道數(shù)和分組數(shù)的比例為第三預(yù)設(shè)值。

在可選的實(shí)施方式中，所述對(duì)所述人臉區(qū)域圖中的人臉區(qū)域進(jìn)行人臉質(zhì)量評(píng)估，得到所述人臉區(qū)域的質(zhì)量評(píng)估信息的步驟包括：

根據(jù)預(yù)先訓(xùn)練的人臉質(zhì)量評(píng)估模型對(duì)所述人臉區(qū)域圖中的人臉區(qū)域進(jìn)行人臉質(zhì)量評(píng)估，得到所述人臉區(qū)域的質(zhì)量評(píng)估信息；其中，所述人臉質(zhì)量評(píng)估模型是利用預(yù)先建立的人臉質(zhì)量評(píng)估標(biāo)準(zhǔn)進(jìn)行訓(xùn)練得到。

在可選的實(shí)施方式中，所述根據(jù)所述人臉區(qū)域的坐標(biāo)信息進(jìn)行目標(biāo)跟蹤，并將屬于同一目標(biāo)的人臉區(qū)域加入所述目標(biāo)對(duì)應(yīng)的隊(duì)列的步驟包括：