The present invention discloses a dynamic face recognition method and device based on video stream. The method uses a multi task cascade neural network. The whole algorithm network is divided into four levels. The first level network handles the input image, the second level network and the third level network make two refinement to the candidate region, through the frame back. To obtain the face area, the fourth level network carries on the key point location, because the first three levels of network input and model size are increasing in turn, the task is more and more meticulous, so it is more conducive to the cascade structure processing data, maximum detection efficiency and accuracy, fast detection speed, high detection rate, misdetection. The rate is low.
【技术实现步骤摘要】
基于视频流的动态人脸识别方法及装置
本专利技术涉及人脸识别
,尤其涉及基于视频流的动态人脸识别方法及装置。
技术介绍
传统人脸检测算法和基于深度神经网络的人脸检测算法各有短长。传统人脸检测算法的优点是速度快,缺点是检出率低、误检率高;基于深度神经网络的人脸检测算法的优点是检出率高、误检率低,缺点是检测速度慢。
技术实现思路
为了克服现有技术的不足,本专利技术的目的在于提供基于视频流的动态人脸识别方法及装置,旨在解决传统人脸检测算法检出率低、误检率高的问题,以及基于深度神经网络的人脸检测算法速度慢的问题。本专利技术的目的采用以下技术方案实现:一种基于视频流的动态人脸识别方法,包括:图像获取步骤,获取视频流数据的一帧作为输入图像;初步筛选步骤,在第一层级网络中对输入图像进行处理,获取候选区域及其框回归向量组,对框回归向量组中的候选向量进行评估和校准,再通过非极大化抑制去除重复的候选区域;一次细化步骤,将初步筛选步骤得到的候选区域送入第二层级网络进行一次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并;二次细化步骤,将一次细化步骤得到的候选区域送入第三层级网络进行二次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并,获取人脸区域;关键点定位步骤,将二次细化步骤得到的人脸区域送入第四层级网络,进行关键点定位。在上述实施例的基础上,优选的,所述二次细化步骤后,还包括:人脸跟踪步骤,将当前帧的人脸区域进行放大,将放大后的人脸区域送入第三层级网络,通过框回归进行下一帧的人脸跟踪。在 ...
【技术保护点】
1.一种基于视频流的动态人脸识别方法,其特征在于,包括:图像获取步骤,获取视频流数据的一帧作为输入图像;初步筛选步骤,在第一层级网络中对输入图像进行处理,获取候选区域及其框回归向量组,对框回归向量组中的候选向量进行评估和校准,再通过非极大化抑制去除重复的候选区域;一次细化步骤,将初步筛选步骤得到的候选区域送入第二层级网络进行一次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并;二次细化步骤,将一次细化步骤得到的候选区域送入第三层级网络进行二次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并,获取人脸区域;关键点定位步骤,将二次细化步骤得到的人脸区域送入第四层级网络,进行关键点定位。
【技术特征摘要】
1.一种基于视频流的动态人脸识别方法,其特征在于,包括:图像获取步骤,获取视频流数据的一帧作为输入图像;初步筛选步骤,在第一层级网络中对输入图像进行处理,获取候选区域及其框回归向量组,对框回归向量组中的候选向量进行评估和校准,再通过非极大化抑制去除重复的候选区域;一次细化步骤,将初步筛选步骤得到的候选区域送入第二层级网络进行一次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并;二次细化步骤,将一次细化步骤得到的候选区域送入第三层级网络进行二次细化处理,排除不符合要求的候选区域,通过框回归执行校准,再利用非极大化抑制进行候选区域的合并,获取人脸区域;关键点定位步骤,将二次细化步骤得到的人脸区域送入第四层级网络,进行关键点定位。2.根据权利要求1所述的基于视频流的动态人脸识别方法,其特征在于,所述二次细化步骤后,还包括:人脸跟踪步骤,将当前帧的人脸区域进行放大,将放大后的人脸区域送入第三层级网络,通过框回归进行下一帧的人脸跟踪。3.根据权利要求2所述的基于视频流的动态人脸识别方法,其特征在于,所述人脸跟踪步骤前,还包括:标记步骤,标记每个人脸区域的ID。4.根据权利要求1或2所述的基于视频流的动态人脸识别方法,其特征在于,所述初步筛选步骤中,在第一层级网络中使用全卷机网络对输入图像进行...
【专利技术属性】
技术研发人员:徐宇杰,赵五岳,苏亮亮,张波,
申请(专利权)人:杭州宇泛智能科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。