一种人脸识别跟踪方法技术

本发明专利技术提供了一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，包括：步骤S1，获取一帧图像作为当前帧图像，并判断是否存在所述当前帧图像的上一帧图像：若是，则转向步骤S2；若否，则将所述上一帧图像中获取的第二特征数据作为输入数据，随后转向步骤S3；步骤S2，通过JDA检测器筛选所述当前帧图像中的人脸信息，并得到第一特征数据作为输入数据，随后转向步骤S3；步骤S3，根据所述输入数据，通过SDM算法筛选所述当前帧图像中的所述人脸信息，并得到所述第二特征数据；步骤S4，计算得到所述当前帧图像的所述第二特征数据与所述上一帧图像的所述第二特征数据之间的误差，并通过所述误差判断得到用于表示人脸是否丢失的判断结果，随后返回所述步骤S1。

【技术实现步骤摘要】
一种人脸识别跟踪方法
本专利技术涉及图像处理人脸识别
，具体是涉及一种人脸识别跟踪方法。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。随着移动式电子设备以及其他电子设备的广泛使用，各界对在移动电子设备实现人脸识别、疲劳监控等机器视觉应用有着越来越迫切的需求。但是已有的面部识别及跟踪技术非常复杂，导致内存开销较大，降低处理速度，只能在非移动式电子设备上，在移动设备上则无法得到充分的硬件支持，受设计体积等限制。而需要一种复杂度较低且精度较高的一种人脸识别跟踪方法确定图像中人脸信息的关键点。
技术实现思路
针对现有技术中存在的上述问题，现旨在提供一种人脸识别跟踪方法，通过JDA检测器检测人脸，减小定位和初步过滤的运算成本，将JDA检测器检测的结果通过SDM算法处理，保证人脸检测的精确。具体技术方案如下：一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，包括：步骤S1，获取一帧图像作为当前帧图像，并判断是否存在所述当前帧图像的上一帧图像：若是，则转向步骤S2；若否，则将所述上一帧图像中获取的第二特征数据作为输入数据，随后转向步骤S3；步骤S2，通过JDA检测器筛选所述当前帧图像中的人脸信息，并得到第一特征数据作为输入数据，随后转向步骤S3；步骤S3，根据所述输入数据，通过SDM算法筛选所述当前帧图像中的所述人脸信息，并得到所述第二特征数据；步骤S4，计算得到所述当前帧图像的所述第二特征数据与所述上一帧图像的所述第二特征数据之间的误差，并通过所述误差判断得到用于表示人脸是否丢失的判断结果，随后返回所述步骤S1。进一步地，所述的人脸信息包括特征点坐标和人脸朝向。进一步地，获取所述人脸信息的步骤包括：步骤A1，获取所述当前帧图像中的所有特征点的所述特征点坐标；步骤A2，利用所述特征点坐标确定所述当前帧图像中的人脸的中心位置；步骤A3，利用所述人脸的中心位置与对应的所述特征点坐标的关系获得所述人脸朝向，以获取所述人脸信息。进一步地，预设一误差阈值；则所述步骤S4中，将所述误差与所述误差阈值进行比较，并在所述误差大于所述误差阈值时判断所述人脸已经丢失。进一步地，预设一误差阈值、一累加阈值以及一基准阈值；则所述步骤S4中，根据所述误差判断所述人脸是否丢失的步骤具体包括：步骤S41，判断所述误差是否小于所述误差阈值，并在所述误差小于所述误差阈值时将所述基准阈值加1；步骤S42，判断所述基准阈值是否大于所述累加阈值，并在所述基准阈值大于所述累加阈值时判断所述人脸已经丢失。进一步地，所述步骤S41中，若所述误差大于所述误差阈值时，则将所述基准阈值清零。进一步地，所述步骤S2中，在得到所述第一特征数据后，还包括对所述第一特征数据进行处理的步骤：步骤S21，比较所述第一特征数据中的每一特征值以得到最小值；步骤S22，将所述最小值分别与每一所述特征值进行比较后得到相应的差值，以得到经过处理的所述第一特征数据。进一步地，所述步骤S3中，在得到所述第二特征数据后，还包括对所述第二特征数据进行处理的步骤：步骤S31，比较所述第二特征数据中的每一特征值以得到最小值；步骤S32，将所述最小值分别与每一所述特征值进行比较后得到相应的差值，以得到经过处理的所述第二特征数据。进一步地，在进行人脸识别跟踪前，预先训练形成所述JDA检测器的模型；训练形成所述JDA检测器的模型的步骤具体包括：步骤B1，采集得到多个训练样本图像，每个所述训练样本图像中包括对应的第一理想特征数据；步骤B2，通过所述JDA检测器筛选所述训练样本图像以得到第一采样特征数据；步骤B3，将所述第一采样特征数据与所述第一理想特征数据进行比对，以根据比对结果修正所述JDA检测器的模型。进一步地，任一的左侧脸对应的所述JDA检测器的模型由右侧脸对应的所述JDA检测器的模型对称获得；或者任一的右侧脸对应的所述JDA检测器的模型由左侧脸对应的所述JDA检测器的模型对称获得。上述技术方案的积极效果是：上述的人脸识别跟踪方法，通过步骤S2JDA检测器定位人脸的位置以及对应的关键点，将得到的第一人脸特征数据直接作为结果输入端SDM算法中，节约了SDM算法中的定位等步骤，通过SDM算法检测得到该图像最终的人脸信息(关键点信息)，保证了精确性的同时提高了处理效率。附图说明图1为本专利技术的一种人脸识别跟踪方法总流程图；图2为本专利技术的获取所述人脸信息的步骤流程图；图3为本专利技术的训练形成所述JDA检测器的模型的步骤流程图；图4为本专利技术的误差判断人脸是否丢失的步骤流程图；图5为本专利技术的对第一特征数据进行处理的步骤流程图；图6为本专利技术的对第二特征数据进行处理的步骤流程图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图1至附图6对本专利技术提供的技术方案作具体阐述，但以下内容不作为本专利技术的限定。一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，包括：在进行人脸识别跟踪前，预先训练形成所述JDA检测器的模型；训练形成所述JDA检测器的模型的步骤具体包括：步骤B1，采集得到多个训练样本图像，每个所述训练样本图像中包括对应的第一理想特征数据；步骤B2，通过所述JDA检测器筛选所述训练样本图像以得到第一采样特征数据；步骤B3，将所述第一采样特征数据与所述第一理想特征数据进行比对，以根据比对结果修正所述JDA检测器的模型。训练形成所述JDA检测器的模型的步骤，该步骤通过所述图像采集装置采集已知样本形成采样图像，已知样本对应有第一理想特征数据，通过JDA人脸识别跟踪方法检测器筛选采样图像并得到第一采样特征数据，通过比对第一理想数据与第一采样特征修正所述JDA人脸识别跟踪方法检测器的模型。包括如下三个子步骤，训练JDA模型，使得本方法能够更快的检测出视频中的人脸位置，并且初始化被检测出来的人脸的特征点位置。准备训练数据并提取特征来训练JDA模型。训练分类回归树，JDA模型训练分为T个阶段，每一阶段包含K棵分类回归树。对每棵树的非叶节点用一个概率p来决定使用分类节点还是回归节点，不同阶段的p乘线性关系即：p(t)＝1-0.1t,t＝1,…,T。构建分类节点,首先计算样本特征，形成两个一维特征向量，并计算特征范围，在特征范围内取N个阈值，计算每个阈值对应的误差：error＝-fabs(wlp-wln)-fabs(wrp-wrn)wlp为分到左边的正样本比例，wrp为分到右边的正样本比例，wln和wrn分别为分到左边、右边的负样本比例，可以获得一个弱分类器(特征+阈值)，这样进入当前节点的样本被分成两部分，特征值小于阈值部分和特征值大于阈值部分，把这两部分分别传递到当前节点的左子树根节点和右子树根节点，递归的分下去，直到不可分或者到达叶节点。构建回归节点，利用具备真实形状的正样本来计算使偏移量方差最小的阈值作为弱分类器阈值。计算偏移量，选择一个标记点进行回归，标记点下标是决策树序号和特征点数量取余；计算该点人工标记坐标与估计坐标的差值(△x，△y)；选择阈值，计算小于阈值的正样本△x本文档来自技高网...

【技术保护点】
一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，其特征在于，包括：步骤S1，获取一帧图像作为当前帧图像，并判断是否存在所述当前帧图像的上一帧图像：若是，则转向步骤S2；若否，则将所述上一帧图像中获取的第二特征数据作为输入数据，随后转向步骤S3；步骤S2，通过JDA检测器筛选所述当前帧图像中的人脸信息，并得到第一特征数据作为输入数据，随后转向步骤S3；步骤S3，根据所述输入数据，通过SDM算法筛选所述当前帧图像中的所述人脸信息，并得到所述第二特征数据；步骤S4，计算得到所述当前帧图像的所述第二特征数据与所述上一帧图像的所述第二特征数据之间的误差，并通过所述误差判断得到用于表示人脸是否丢失的判断结果，随后返回所述步骤S1。

【技术特征摘要】
1.一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，其特征在于，包括：步骤S1，获取一帧图像作为当前帧图像，并判断是否存在所述当前帧图像的上一帧图像：若是，则转向步骤S2；若否，则将所述上一帧图像中获取的第二特征数据作为输入数据，随后转向步骤S3；步骤S2，通过JDA检测器筛选所述当前帧图像中的人脸信息，并得到第一特征数据作为输入数据，随后转向步骤S3；步骤S3，根据所述输入数据，通过SDM算法筛选所述当前帧图像中的所述人脸信息，并得到所述第二特征数据；步骤S4，计算得到所述当前帧图像的所述第二特征数据与所述上一帧图像的所述第二特征数据之间的误差，并通过所述误差判断得到用于表示人脸是否丢失的判断结果，随后返回所述步骤S1。2.根据权利要求1所述的一种人脸识别跟踪方法，其特征在于，所述的人脸信息包括特征点坐标和人脸朝向。3.根据权利要求2所述的一种人脸识别跟踪方法，其特征在于，获取所述人脸信息的步骤包括：步骤A1，获取所述当前帧图像中的所有特征点的所述特征点坐标；步骤A2，利用所述特征点坐标确定所述当前帧图像中的人脸的中心位置；步骤A3，利用所述人脸的中心位置与对应的所述特征点坐标的关系获得所述人脸朝向，以获取所述人脸信息。4.根据权利要求1所述的一种人脸识别跟踪方法，其特征在于，预设一误差阈值；则所述步骤S4中，将所述误差与所述误差阈值进行比较，并在所述误差大于所述误差阈值时判断所述人脸已经丢失。5.根据权利要求1所述的一种人脸识别跟踪方法，其特征在于，预设一误差阈值、一累加阈值以及一基准阈值；则所述步骤S4中，根据所述误差判断所述人脸是否丢失的步骤具体包括：步骤S41，判断所述误差是否小于所述误差阈值，并在所述误差小于所述误差阈值时将所述基准阈值加1；步骤S4...

【专利技术属性】
技术研发人员：周剑，陈志超，李轩，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51