The embodiment of the present invention provides a face tracking method and device. The face tracking method includes acquiring the face key points and depth features corresponding to the current face image to be tracked as the first face key points and the first depth features, and acquiring the face key points and depth features corresponding to the reference face image as the second. The first key point of a face and the second depth feature are calculated; the first distance between the first key point of a face and the second key point of a face is calculated; and the second distance between the first key point of a face and the second depth feature is calculated; whether the first distance and the second distance satisfy the first presupposition requirement is judged. The first preset requirement determines the success of face tracking. The embodiment of the present invention integrates the key points and depth features of face for face tracking, can adapt to face tracking in different complex environments, and ensures the reliability of face tracking.
【技术实现步骤摘要】
人脸跟踪方法和装置
本专利技术涉及视频监控
,具体而言,涉及一种人脸跟踪方法和装置。
技术介绍
人脸监控在小区门禁、地铁安检等越来越多的实际场景中应用,尤其是在维稳反恐、流动人员管控等方面尤其重要。但在现有的人脸监控过程中,由于人员流动的随意性较大,经常出现如转头、低头、遮挡等情况,使得一般的人脸跟踪方法在此类情况下失效,进而导致产生大量的误拍、多拍问题,影响后续的人脸比对、识别和跟踪。
技术实现思路
有鉴于此,本专利技术实施例的目的在于提供一种人脸跟踪方法和装置,以改善上述问题。本专利技术较佳实施例提供了一种人脸跟踪方法,包括:获取当前待跟踪的人脸图像对应的人脸关键点和深度特征,作为第一人脸关键点和第一深度特征;获取参考人脸图像对应的人脸关键点和深度特征,作为第二人脸关键点和第二深度特征;计算所述第一人脸关键点与所述第二人脸关键点之间的第一距离,以及计算所述第一深度特征与所述第二深度特征之间的第二距离;判断所述第一距离和所述第二距离是否满足第一预设需求,若满足第一预设需求,则判定人脸跟踪成功。进一步地,所述第一人脸关键点与所述第二人脸关键点之间的第一距离DK通过以下公式计算得到:其中,d为归一化参数,i为人脸关键点的数量,Kn(xi)为第二人脸关键点的x轴坐标,Kn(yi)为第二人脸关键点的y轴坐标,Kn+1(xi)为第一人脸关键点的x轴坐标,Kn+1(yi)为第一人脸关键点的y轴坐标。进一步地,所述第一深度特征与所述第二深度特征之间的第二距离DF通过以下公式计算得到:其中,i为深度特征Fn或Fn+1的维度数,Fn(i)为第i维的第二深度特征,Fn+1 ...
【技术保护点】
1.一种人脸跟踪方法,其特征在于,包括:获取当前待跟踪的人脸图像对应的人脸关键点和深度特征,作为第一人脸关键点和第一深度特征;获取参考人脸图像对应的人脸关键点和深度特征,作为第二人脸关键点和第二深度特征;计算所述第一人脸关键点与所述第二人脸关键点之间的第一距离,以及计算所述第一深度特征与所述第二深度特征之间的第二距离;判断所述第一距离和所述第二距离是否满足第一预设需求,若满足第一预设需求,则判定人脸跟踪成功。
【技术特征摘要】
1.一种人脸跟踪方法,其特征在于,包括:获取当前待跟踪的人脸图像对应的人脸关键点和深度特征,作为第一人脸关键点和第一深度特征;获取参考人脸图像对应的人脸关键点和深度特征,作为第二人脸关键点和第二深度特征;计算所述第一人脸关键点与所述第二人脸关键点之间的第一距离,以及计算所述第一深度特征与所述第二深度特征之间的第二距离;判断所述第一距离和所述第二距离是否满足第一预设需求,若满足第一预设需求,则判定人脸跟踪成功。2.根据权利要求1所述的人脸跟踪方法,其特征在于,所述第一距离DK通过以下公式计算得到:其中,d为归一化参数,i为人脸关键点的数量,Kn(xi)为第二人脸关键点的x轴坐标,Kn(yi)为第二人脸关键点的y轴坐标,Kn+1(xi)为第一人脸关键点的x轴坐标,Kn+1(yi)为第一人脸关键点的y轴坐标。3.根据权利要求1所述的人脸跟踪方法,其特征在于,所述第二距离DF通过以下公式计算得到:其中,i为深度特征Fn或Fn+1的维度数,Fn(i)为第i维的第二深度特征,Fn+1(i)为第i维的第一深度特征。4.根据权利要求1所述的人脸跟踪方法,其特征在于,在执行计算所述第一人脸关键点与所述第二人脸关键点之间的第一距离的步骤之前,所述方法还包括:根据所述第一人脸关键点判断当前待跟踪的所述人脸图像区域数据是否存在异常;若所述人脸图像区域数据不存在异常,则执行计算所述第一人脸关键点与所述第二人脸关键点之间的第一距离,直至若满足第一预设需求,则判定人脸跟踪成功的步骤。5.根据权利要求4所述的人脸跟踪方法,其特征在于,所述方法还包括:若所述人脸图像区域数据存在异常,则计算所述第一深度特征与所述第二深度特征之间的第二距离;判断所述第二距离是否满足第二预设需求,若满足第二预设需求,则判定人脸跟踪成功。6.根据权利要求1所述的人脸跟踪方法,其特征在于,获取当前待跟踪的人脸图像对应的人脸关键点和深度特征,作为第一人脸关键点和第一深度特征的步骤,包括:获取当前待跟踪的人脸图像区域数据,以及训练后的人脸多任务学习及卷积神经网络模型;将所述人脸图像区域数据输入所述人脸多任务学习及卷积神经网络模型中以计算得到用于人脸跟踪的人脸关键点和深度特征,作为第一人脸关键点...
【专利技术属性】
技术研发人员:刘承文,李聪廷,黄攀,陈航锋,汪辉,
申请(专利权)人:浙江宇视科技有限公司,
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。