[發(fā)明專(zhuān)利]一種人臉識(shí)別跟隨方法及采用該方法的智能設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111144329.1
• 申請(qǐng)日: 2021-09-28
• 公開(kāi)（公告）號(hào): CN113869210A
• 公開(kāi)（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 梁貴軒;馬焱坤;周可佳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中通服創(chuàng)立信息科技有限責(zé)任公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06T7/246
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

本發(fā)明公開(kāi)了本發(fā)明提供一種人臉識(shí)別跟隨方法及采用該方法的只智能設(shè)備，該方法包括：對(duì)視野內(nèi)的人臉進(jìn)行人臉識(shí)別；人臉識(shí)別后對(duì)該人臉進(jìn)行追蹤。本發(fā)明的原理在于：經(jīng)人臉識(shí)別后的某個(gè)人，在后續(xù)幀中大概率仍然存在，因此無(wú)需在每一幀都進(jìn)行系統(tǒng)開(kāi)銷(xiāo)極大的識(shí)別工作，而是通過(guò)追蹤該人臉達(dá)到跟隨的目的。

技術(shù)領(lǐng)域

本發(fā)明涉及一種人臉識(shí)別跟隨方法以及搭載該人臉識(shí)別方法的智能設(shè)備。

背景技術(shù)

人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部識(shí)別的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。

對(duì)于智能設(shè)備尤其是智能機(jī)器人，人臉識(shí)別的目的不僅僅是辨別，還包括在辨別后進(jìn)行跟隨都操作。現(xiàn)有人臉識(shí)別算法大多會(huì)利用Dilb進(jìn)行實(shí)時(shí)的人臉識(shí)別，即視頻每一幀都進(jìn)行一次人臉識(shí)別。這種算法盡管在準(zhǔn)確度上有所保證，但反復(fù)識(shí)別的系統(tǒng)開(kāi)銷(xiāo)極大，導(dǎo)致卡頓。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種人臉識(shí)別方法及采用該人臉識(shí)別方法的智能設(shè)備，將實(shí)時(shí)人臉識(shí)別變?yōu)槿四樧R(shí)別后進(jìn)行追蹤的方式，大大降低了系統(tǒng)開(kāi)銷(xiāo)，提高了系統(tǒng)的流暢性。

為解決以上技術(shù)問(wèn)題，本發(fā)明提供一種人臉識(shí)別跟隨方法，包括：對(duì)視野內(nèi)的人臉進(jìn)行人臉識(shí)別；人臉識(shí)別后對(duì)該人臉進(jìn)行追蹤。本發(fā)明的原理在于：經(jīng)人臉識(shí)別后的某個(gè)人，在后續(xù)幀中大概率仍然存在，因此無(wú)需在每一幀都進(jìn)行系統(tǒng)開(kāi)銷(xiāo)極大的識(shí)別工作，而是通過(guò)追蹤該人臉達(dá)到跟隨的目的。

作為一種改進(jìn)，所述人臉識(shí)別在初始幀進(jìn)行，后續(xù)幀進(jìn)行追蹤。在對(duì)某個(gè)人臉的識(shí)別跟隨活動(dòng)中，僅第一幀進(jìn)行人臉識(shí)別確定身份，其余后續(xù)幀都只做追蹤工作，最大限度的減少系統(tǒng)開(kāi)銷(xiāo)。

作為一種改進(jìn)，所述人臉識(shí)別包括：根據(jù)同一人臉的若干張圖片計(jì)算每張照片人臉的128D特征值，并計(jì)算所有照片人臉的128D特征均值作為基準(zhǔn)值；對(duì)實(shí)時(shí)采集到的人臉圖片計(jì)算128D特征值作為比較值，將比較值與基準(zhǔn)值進(jìn)行比較，若其差值小于閾值則判定為同一人，若其差值大于閾值則判定為陌生人。

作為一種優(yōu)選，根據(jù)同一人臉的若干張圖片計(jì)算每張照片人臉的128D特征值包括：定位采集到的視頻中的人臉，以人臉為中心畫(huà)取人臉框，并存儲(chǔ)人臉框中的圖像；計(jì)算每張圖像中人臉的128D特征值。

作為一種改進(jìn)，通過(guò)Dlib resnet50深度殘差神經(jīng)網(wǎng)絡(luò)計(jì)算每張照片人臉的128D特征值。

作為一種優(yōu)選，所述將比較值與基準(zhǔn)值進(jìn)行比較為計(jì)算比較值和基準(zhǔn)值之間的歐氏距離。

作為一種改進(jìn)，所述根據(jù)人臉識(shí)別結(jié)果進(jìn)行追蹤包括：對(duì)視頻中每一幀圖像內(nèi)所有人臉設(shè)定特征框并注冊(cè)，計(jì)算每個(gè)特征框的質(zhì)心；依次計(jì)算相鄰幀內(nèi)所有質(zhì)點(diǎn)的歐氏距離，將相鄰幀之間歐式距離最短的兩個(gè)質(zhì)點(diǎn)判定為代表同一人臉。

作為一種改進(jìn)，當(dāng)進(jìn)行追蹤過(guò)程中出現(xiàn)新的人臉時(shí)，為新的人臉設(shè)定特征框并注冊(cè)，計(jì)算特征框質(zhì)點(diǎn)；從該幀起依次計(jì)算相鄰幀內(nèi)所有質(zhì)點(diǎn)的歐氏距離，將相鄰幀之間歐式距離最短的兩個(gè)質(zhì)點(diǎn)判定為代表同一人臉；將與上一幀中的質(zhì)點(diǎn)距離都較遠(yuǎn)的質(zhì)點(diǎn)所代表的人臉判定為新人臉，對(duì)新人臉重新進(jìn)行識(shí)別后追蹤。

作為一種改進(jìn)，當(dāng)進(jìn)行追蹤過(guò)程中任意人臉消失的幀數(shù)超過(guò)閾值則將該人臉注銷(xiāo)。

本發(fā)明還提供一種智能設(shè)備，搭載有上述的人臉識(shí)別跟隨方法。

本發(fā)明的有益之處在于：具有上述步驟的人臉識(shí)別跟隨方法，通過(guò)識(shí)別+追蹤的方式替代現(xiàn)有的實(shí)時(shí)識(shí)別，減少了消耗資源最多的識(shí)別過(guò)程，在基本上不降低準(zhǔn)確性的前提下使得系統(tǒng)流暢度大大增加。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式