[發明專利]一種基于監控視頻的人臉識別方法

在審

• 申請號: 202011501108.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112613385A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 張正強;陰俊愷;吳震;李斌
• 申請（專利權）人: 成都三零凱天通信實業有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/02;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 徐靜

本發明提供一種基于監控視頻的人臉識別方法，包括如下步驟：S1，采集人臉檢測訓練數據和人臉匹配訓練數據；S2，構建人臉檢測模型和人臉匹配模型；S3，將采集的人臉檢測訓練數據和人臉匹配訓練數據分別輸入構建的人臉檢測模型和人臉匹配模型進行訓練；S4，利用訓練好的人臉檢測模型和人臉匹配模型對監控視頻進行人臉識別。本發明給出了一種人臉抓拍、模型訓練和人臉識別的方法，能夠提高監控場景下人臉識別的精度，提升監控系統實戰應用能力。

技術領域

本發明涉及人臉識別技術領域，具體而言，涉及一種基于監控視頻的人臉識別方法。

背景技術

構建智慧視頻監控平臺需要收集各種各樣的視頻信息，人臉信息就是其中之一。作為監控平臺人員行為軌跡、黑白名單、行為識別分析技術的前置技術，人臉識別準確度直接影響系統布控效果。然而現有針對監控視頻的人臉識別方法的準確度與性能較差。

發明內容

本發明旨在提供一種基于監控視頻的人臉識別方法，以解決現有針對監控視頻的人臉識別方法的準確度與性能較差的問題。

本發明提供的一種基于監控視頻的人臉識別方法，包括如下步驟：

S1，采集人臉檢測訓練數據和人臉匹配訓練數據；

S2，構建人臉檢測模型和人臉匹配模型；

S3，將采集的人臉檢測訓練數據和人臉匹配訓練數據分別輸入構建的人臉檢測模型和人臉匹配模型進行訓練；

S4，利用訓練好的人臉檢測模型和人臉匹配模型對監控視頻進行人臉識別。

進一步的，步驟S1中采集人臉檢測訓練數據的過程為：

S111，采集若干不同背景、不同角度、不同時間段的人臉視頻素材；

S112，對每個人臉視頻素材按九宮格將視頻幀畫面分為9個區域；

S113，對每個人臉視頻素材的9個區域按照景深進行合并，得到近景深視頻素材和遠景深視頻素材；

S114，將近景深視頻素材和遠景深視頻素材裁切成近景深視頻幀圖像和遠景深視頻幀圖像，利用標注工具分別在近景深視頻幀圖像和遠景深視頻幀圖像中標注人臉區域，標注的每個人臉區域位置相同，所含部位也相同；

S115，對標注的人臉區域進行異常篩選和數據增廣，得到視頻訓練數據；所述視頻訓練數據包括近景深人臉檢測訓練數據和遠景深人臉檢測訓練數據。

進一步的，步驟S2中構建人臉檢測模型的方法為：

S211，構建多尺度single-stage人臉檢測模型；所述多尺度single-stage人臉檢測模型包括骨干網絡模型、特征金字塔、上下文模塊和多任務損失函數；

S212，在所述多尺度single-stage人臉檢測模型的基礎上，通過調整骨干網絡模型的網絡層數，分別擴展出近景深人臉檢測模型和遠景深人臉檢測模型。

進一步的，所述近景深人臉檢測模型的骨干網絡結構為：Conv s2-Convdw s1-Conv s1-Conv dw s2-Conv s1-Conv dw s1-Conv s1-Conv dw s2-Conv s1-Convdw s1-Conv s1-Conv dw s2-Conv s1-5*Conv dw-Conv s1-Conv dw s2-Conv s1-Conv dw s2-Conv s1-Avg Pools1-FC s1-Softmaxs1；其中，Conv表示普通卷積層，Conv dw表示深度可分離卷積層，Avg Pool表示平均池化層、FC表示全連接層；每層卷積層后存在Relu層與批歸一化層BN，全連接層FC后存在批歸一化層BN，s1和s2表示步長為1或2。