动态人脸识别方法及计算机可读存储介质技术

本发明专利技术公开了一种动态人脸识别方法及计算机可读存储介质，方法包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。本发明专利技术可快速有效地识别出视频中的所有人脸，且可保证正识率和实时性。

【技术实现步骤摘要】
动态人脸识别方法及计算机可读存储介质
本专利技术涉及人脸识别
，尤其涉及一种动态人脸识别方法及计算机可读存储介质。
技术介绍
随着高清摄像头的快速普及与部署，每天都有海量的视频数据产生，而这庞大的数据库的处理要靠人力来完成是不现实的。于是，市场对于具有智能分析的视频应用的需求越来越大，尤其是视频中的人脸识别项目最多且按照应用场景的多样化具有许多不同的特性。要完成视频图像的人脸识别，对视频中出现的人脸进行提取是前提，且从中提取的人脸的正确性、清晰度、正面度会直接影响后续识别的正确性，因此是人脸识别的重要保证。目前，领域内最近且最为流行的人脸检测方法是通过各种不同的神经网络的深度学习从视频中的每一帧得到其中包含的人脸，正识率一般可以达到99％以上，且对光线、人脸表情、遮挡和倾斜不敏感。但是由于视频中图片量巨大，不可避免的会存在不少对非人脸的误判。这些误判中大部分都是由背景中的静态干扰物引起的，去除这部分的噪声成了人脸检测中亟待解决的问题。原有技术中针对视频中动态的人脸可以先通过运动检测算法对静态干扰物进行过滤，但是使用这种技术在实际应用方面存在以下几点问题：1、在检测过程中会遗漏静止或移动缓慢的人脸；2、为使运动检测算法达到好的效果，通常需要花费较长的计算时间，由于深度神经网络检测人脸的算法较为复杂、耗时长，再叠加运动检测的时间没有办法同时保证检测的实时性和正确性；3、若为保证检测的实时性舍弃深度神经网络的检测算法，则系统对人脸的漏识率和误识率都会明显增高，即降低了系统正识率。
技术实现思路
本专利技术所要解决的技术问题是：提供一种动态人脸识别方法及计算机可读存储介质，可快速有效地识别出视频中的所有人脸，且可保证正识率和实时性。为了解决上述技术问题，本专利技术采用的技术方案为：一种动态人脸识别方法，包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息，所述关键信息包括人脸图片对应的时间戳、人脸图片在所述一帧静态图片中的位置信息和指纹数组；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。本专利技术还涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。本专利技术的有益效果在于：通过对检测到的人脸图片通过相似性算法，将认为是同一个人的人脸图片归纳到同一个人脸类型中(这些人可能是正确识别的人，也可能是干扰物)，并根据人脸图片的关键信息更新人脸类型的结构化信息，最后对所有人脸类型进行筛选，输出符合要求的人脸图片。本专利技术通过对检测到的结果进行再处理、限定输出结果，明显减低了算法复杂性，提高处理速度，达到系统实时处理视频的要求；还可根据不同的应用场景进行调节，适应性强；同时保证了人脸识别的正确率。附图说明图1为本专利技术一种动态人脸识别方法的流程图；图2为本专利技术实施例一的方法流程图。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图详予说明。本专利技术最关键的构思在于：将检测到的人脸图片进行分类，得到各个不同的人脸类型，在分类的同时，获取后续筛选类型所需的每个类型的关键信息，并存放在其对应的结构体中。请参阅图1，一种动态人脸识别方法，包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息，所述关键信息包括人脸图片对应的时间戳、人脸图片在所述一帧静态图片中的位置信息和指纹数组；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。从上述描述可知，本专利技术的有益效果在于：通过对检测到的结果进行再处理、限定输出结果，明显减低了算法复杂性，提高处理速度，达到系统实时处理视频的要求；还可根据不同的应用场景进行调节，适应性强；同时保证了人脸识别的正确率。进一步地，所述“获取所述人脸图片集中各人脸图片的关键信息”具体为：依次从所述人脸图片集中获取一人脸图片；获取所述一帧静态图片的时间戳作为所述一人脸图片对应的时间戳；获取所述一人脸图片在所述一帧静态图片中的位置信息；根据感知哈希算法，得到所述一人脸图片的指纹数组，所述指纹数组为64个0或1组合的数组。进一步地，所述“根据感知哈希算法，得到所述一人脸图片的指纹数组，所述指纹数组为64个0或1组合的数组”具体为：将所述一人脸图片的尺寸缩小至8*8像素；对缩小后的所述一人脸图片进行离散余弦变换，得到变换矩阵；获取所述变换矩阵的左上角8*8的矩阵，并将所述8*8的矩阵中的64个元素存储至一维数组中；根据所述64个元素的平均值，对所述64个元素进行二值化，得到指纹数组。由上述描述可知，通过获取每个人脸图片的指纹数组，后续可根据指纹数据将人脸图片归类到与其相似的人脸类型。进一步地，所述“根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量”具体为：根据一人脸图片的指纹数组，通过相似度算法在人脸类型数据库中查找是否存在与所述一人脸图片相似的人脸类型；若存在，则将所述一人脸图片保存至所述相似的人脸类型，并根据所述一人脸图片的关键信息更新所述相似的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；若不存在，则创建新的人脸类型，并根据所述一人脸图片的关键信息构建所述新的人脸类型的结构化信息。由上述描述可知，根据人脸图片关键信息中的位置信息，更新人脸类型结构化信息中的位置信息，根据人脸图片关键信息中的指纹数组，更新人脸类型结构化信息中的指纹数组；可通过人脸图片的指纹数组与人脸类型的指纹数组来判断该人脸图片是否与该人脸类型相似；后续可通过人脸类型的首次检测位置、最后检测位置以及保存的人脸图片数量，来判断该人脸类型是否为静态干扰物。进一步地，所述结构化信息还包括最后检测到所述人脸类型的时间戳；所述“对各人脸类型进行筛选，得到人脸集合”之前，进一步包括：若一人脸类型满足预设的输出条件，则输出所述一人脸类型至人脸类型集合，并删除所述一本文档来自技高网...

【技术保护点】
一种动态人脸识别方法，其特征在于，包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息，所述关键信息包括人脸图片对应的时间戳、人脸图片在所述一帧静态图片中的位置信息和指纹数组；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。

【技术特征摘要】
1.一种动态人脸识别方法，其特征在于，包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息，所述关键信息包括人脸图片对应的时间戳、人脸图片在所述一帧静态图片中的位置信息和指纹数组；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。2.根据权利要求1所述的动态人脸识别方法，其特征在于，所述“获取所述人脸图片集中各人脸图片的关键信息”具体为：依次从所述人脸图片集中获取一人脸图片；获取所述一帧静态图片的时间戳作为所述一人脸图片对应的时间戳；获取所述一人脸图片在所述一帧静态图片中的位置信息；根据感知哈希算法，得到所述一人脸图片的指纹数组，所述指纹数组为64个0或1组合的数组。3.根据权利要求2所述的动态人脸识别方法，其特征在于，所述“根据感知哈希算法，得到所述一人脸图片的指纹数组，所述指纹数组为64个0或1组合的数组”具体为：将所述一人脸图片的尺寸缩小至8*8像素；对缩小后的所述一人脸图片进行离散余弦变换，得到变换矩阵；获取所述变换矩阵的左上角8*8的矩阵，并将所述8*8的矩阵中的64个元素存储至一维数组中；根据所述64个元素的平均值，对所述64个元素进行二值化，得到指纹数组。4.根据权利要求1所述的动态人脸识别方法，其特征在于，所述“根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量”具体为：根据一人脸图片的指纹数组，通过相似度算法在人脸类型数据库中查找是否存在与所述一人脸图片相似的人脸类型；若存在，则将所述一人脸图片保存至所述相似的人脸类型，并根据所述一人脸图片的关键信息更新所述相似的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的...

【专利技术属性】
技术研发人员：阎辰佳，吴鸿伟，周成祖，张永光，汤伟宾，林淑强，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：福建,35