[發明專利]一種人臉樣本集獲取方法、系統及設備

在審

• 申請號: 202011520727.4
• 申請日: 2020-12-21
• 公開（公告）號: CN112488072A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 朱貴冬;尹文賓;詹金豪;劉鵬
• 申請（專利權）人: 廣州海格星航信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

本發明公開了一種人臉樣本集獲取方法、系統及設備，本發明通過分別對視頻集中每個短視頻的每一幀進行人臉檢測以及人臉跟蹤，獲得各短視頻對應的第一對象圖片合集，根據每個第一對象圖片合集中各人物對象對應的人臉圖片集之間的相似度，對所有短視頻內的各人物對象對應的人臉圖片集進行合并，獲得每個人物對象的最終人臉圖片集，提取每個人物對象最終人臉圖片集中的人臉特征并進行標注，得到人臉樣本集。本發明實施例在獲得人臉樣本集的過程中不需要人為參與，通過計算人臉圖片間的相似度對人臉圖片集進行合并以及通過對人臉特征提取從而實現對每個對象的人臉圖片進行標注，減輕手工標注的人力成本，提高了圖像的標注效率。

技術領域

本發明涉及人臉識別領域，尤其涉及一種人臉樣本集獲取方法、系統及設備。

背景技術

目前，隨著互聯網和手機終端的快速發展，互聯網已經滲透入人們生活的方方面面之中。在短視頻軟件層出不窮的情況下，越來越多的人民群眾開始熱衷于發布自己的生活短視頻到網絡端，這對人臉識別而言是個巨大的機遇，若能夠充分的利用這些海量的網絡資源，將其應用到人臉識別的數據集中的話，對于人臉識別技術的提升具有重要的意義。

人臉識別作為當前安防領域的關鍵技術，對于識別準確率有著很高的要求。當前主流的人臉識別技術都是基于深度學習方法，使用卷積神經網絡訓練出一個特征提取器，最后計算人臉之間的距離，進而判斷人臉是否匹配。人臉識別的高準確率非常依賴于大批量的人臉數據，但使用人工處理大量的人臉數據，標注成本非常昂貴，而當前短視頻的蓬勃發展給人臉數據的采集提供了極大的便利，若能夠充分的利用短視頻的數據，并結合人臉相關的算法自動化生成人臉圖片樣本，將有利于人臉識別技術的發展。

目前對人臉進行標注的方法通常為以下幾種：

1)在固定環境下，拍攝人臉各種不同的角度以及表情。

對于人臉數據的采集，通常依賴于固定的視頻錄制設備，在同樣的環境下錄制多姿態人臉，保存成一個視頻，并利用人臉檢測算法提取該視頻中的人臉樣本，生成一個新的ID，此方法適用于少量數據的情形。

2)在開放環境下，人員配合監控設備進行拍攝。

在真實的監控環境下，一個或多個人員在該場景下模擬規定的動作，對人臉數據進行采集，之后再對監控視頻進行人工標注。

3)圖片搜索引擎檢索名人臉數據，或從影視視頻中截取。

在各大搜索引擎下載網絡上的名人明星圖片或影視作品，這是目前公開數據集常用方案。

然而，目前的人臉標注方法具有以下不足：

固定環境下的方案對于人臉的采集環境太過單一，難以滿足實際場景中復雜環境的影響；并且錄制的人臉大小固定，難以滿足實際場景中對于人臉的多尺度需求；對于人臉的姿態、角度變化不夠豐富，導致大量的相似人臉樣本。

開放場景下的方案需要耗費巨大的人力物力資源，且數據集制作周期很長。

搜索引擎檢索方案下載的名人明星圖片與實際場景的圖片差別很大，會影響最終的人臉識別模型的泛化能力。

發明內容

本發明提供了一種人臉樣本集獲取方法、系統及設備，本發明在獲得人臉樣本集的過程中不需要人為參與，減輕手工標注的人力成本，提高了圖像的標注效率。

為了解決上述技術問題，本發明實施例提供了一種人臉樣本集獲取方法，包括以下步驟：

分別對視頻集中每個短視頻的每一幀進行人臉檢測以及人臉跟蹤，獲得各短視頻對應的第一對象圖片合集；其中，所述視頻集包括多個短視頻；每個第一對象圖像合集包括多個人物對象各自對應的人臉圖片集；