人脸识别方法及装置制造方法及图纸

本发明专利技术提供人脸识别方法及装置，该方法包括：根据已知关键帧的位置，确定平稳序列预测公式，根据该平稳序列预测公式以及已知关键帧的位置，计算下一个疑似关键帧的预测位置；根据下一个疑似关键帧的预测位置以及已知关键帧的位置，调整泊松分布的合成因子；根据泊松分布和下一个疑似关键帧的预测位置，获取下一个关键帧的待检测范围；对下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的位置作为下一个关键帧的位置；根据所检测出的下一个关键帧进行人脸识别。应用本发明专利技术可以只对预测的关键帧进行人脸特征提取和置信度计算，减小了计算资源。

【技术实现步骤摘要】

本专利技术涉及视频监控技术的人脸识别
，尤其涉及一种人脸识别方法及装置。
技术介绍
在视频监控系统的人脸识别
，一般可通过拍摄视频数据，选择最优人脸和进行人脸比对对实现人脸的识别。现有技术中，视频管理服务器可对目标人员经过时摄像机所拍摄的所有视频帧图像进行人脸特征质量判断，根据人脸特征质量选择最优人脸。由于进行人脸特征质量判断的过程有一定的计算量，因此现有技术对目标人员经过时摄像机所拍摄的所有视频帧图像进行人脸特征质量判断将耗费非常大的计算资源。在处理大量人流的视频数据时，人脸识别的性能可能非常低，而且现有技术的方案是在目标人员通过后才可选择出最优人脸，人脸识别的时延比较大。
技术实现思路
本专利技术提供一种人脸识别方法及装置，以解决现有技术中在人脸识别过程中将耗费非常大的计算资源选择最优人脸，并且人脸识别的时延较大的问题。根据本专利技术实施例的第一方面，提供一种人脸识别方法，所述方法包括：根据已知关键帧的位置，确定平稳序列预测公式；根据所述平稳序列预测公式，以及已知关键帧的位置，计算下一个疑似关键帧的预测位置；根据所述下一个疑似关键帧的预测位置以及所述已知关键帧的位置，调整泊松分布的合成因子；根据所述泊松分布和所述下一个疑似关键帧的预测位置，获取所述下一个关键帧的待检测范围；对所述下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据所r>述待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的位置作为所述下一个关键帧的位置；根据所检测出的下一个关键帧进行人脸识别。根据本专利技术实施例的第二方面，提供一种人脸识别装置，所述装置包括：确定单元，用于根据已知关键帧的位置，确定平稳序列预测公式；计算单元，用于根据所述平稳序列预测公式，以及已知关键帧的位置，计算下一个疑似关键帧的预测位置；调整单元，用于根据所述下一个疑似关键帧的预测位置以及所述已知关键帧的位置，调整泊松分布的合成因子；获取单元，用于根据所述泊松分布和所述下一个疑似关键帧的预测位置，获取所述下一个关键帧的待检测范围；检测单元，用于对所述下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据所述待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的位置作为所述下一个关键帧的位置；识别单元，用于根据所检测出的下一个关键帧进行人脸识别。应用本专利技术实施例，通过根据已知关键帧的位置，确定平稳序列预测公式，根据该平稳序列预测公式以及已知关键帧的位置，计算下一个疑似关键帧的预测位置；根据下一个疑似关键帧的预测位置以及已知关键帧的位置，调整泊松分布的合成因子；根据泊松分布和下一个疑似关键帧的预测位置，获取下一个关键帧的待检测范围；对下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的位置作为下一个关键帧的位置；根据所检测出的关键帧以及已知关键帧进行人脸识别，从而保证可以只对预测的关键帧进行人脸特征提取和置信度计算，减小了计算资源，并且可以预测选择出最优人脸，不需要在目标人员通过后再选择最优人脸，缩短了人脸识别的时延。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本专利技术的原理。图1为本专利技术实施例的应用场景示意图；图2为本专利技术一种实施方式中人脸识别方法流程图；图3为本专利技术一种实施方式中人脸识别装置运行的硬件环境架构图；图4为本专利技术一种实施方式中人脸识别装置框图。具体实施方式本专利技术中的关键帧是在从视频中捕获的人脸图像帧中选择的，已知关键帧是指已经确定为关键帧的图像帧，包括根据捕获到的某些图像帧的人脸置信度选择的统计关键帧，和已经预测到的关键帧；位置用于标示图像帧在视频中的位置，可以为图像帧的帧号，也可以为图像帧对应在视频中的时间点。参见图1，为本专利技术实施例的应用场景示意图：图1中，视频管理服务器通过网络与监控前端设备通信，当视频管理服务器需要启动人脸识别应用时，可向监控前端设备发送视频请求消息，请求某个时间段内的视频数据。当监控前端设备向视频管理服务器发送该时间段内的视频数据后，视频管理服务器可从该视频数据中捕获图像帧，并且提取所捕获的图像帧中的某几帧图像的特征信息，计算人脸置信度，并选择置信度高的M帧图像作为统计关键帧，然后基于该统计关键帧确定平稳序列预测公式，然后根据该平稳序列预测公式预测下一个关键帧的位置。为了预测关键帧的准确性，可基于泊松分布确定下一个关键帧的待检测范围，检测该待检测范围内的图像帧的人脸置信度进而确定下一个关键帧的位置。然后将确定位置的下一个关键帧作为已知关键帧，继续循环执行上述预测下一个关键帧的操作步骤，直到所预测的下一个关键帧达到捕获的图像帧的上限值时，停止预测。下面通过具体实施例对本专利技术方案进行详细说明。参见图2，为本专利技术一种实施方式中人脸识别方法流程图：步骤200：开始执行人脸识别操作。步骤201：设定捕获的图像帧的帧数上限值。在进行人脸识别时，针对同一人脸，可限定通过捕获不超过N个图像帧的方式来识别人脸。本专利技术并不对N的数值作具体的限定。步骤202：对捕获到的某些图像帧计算人脸置信度，并根据人脸置信度选择统计关键帧。使用现有的方案先对一定数量图像帧的人脸计算置信度，根据这些图像帧的人脸置信度，选择人脸置信度超过阈值的图像帧作为统计关键帧。步骤203：根据已知关键帧的位置，确定平稳序列预测公式。在第一次确定关键帧的概率分布范围时，已知关键帧为统计关键帧，可以选择M个统计关键帧通过平稳时间序列确定关键帧的概率分布范围。可利用M个统计关键帧的位置数据对ARAM(Auto-RegressiveandMovingAverageModel，自回归滑动平均模型)的相关参数进行估计，确定关键帧的平稳序列预测公式。关键帧的平稳序列预测公式如下：其中，φ1，φ,2，…，φq称自回归系数，θ1,θ2,…,θq为移动平均系数，都是模型的待估参数；αt为(人为、环境等)白噪声项，kt为同一人脸的帧号。利用已知的M个已知关键帧对上述预测公式的相关参数进行估计：kt+m＝φ1kt+m-1+φ2kt+m-2+…+φqkt+m-q+αt-θ1αt+m-1-…-θqαt+m-q对上式的两侧求条件期望，得到：<本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，所述方法包括：根据已知关键帧的位置，确定平稳序列预测公式；根据所述平稳序列预测公式，以及已知关键帧的位置，计算下一个疑似关键帧的预测位置；根据所述下一个疑似关键帧的预测位置以及所述已知关键帧的位置，调整泊松分布的合成因子；根据所述泊松分布和所述下一个疑似关键帧的预测位置，获取所述下一个关键帧的待检测范围；对所述下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据所述待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的位置作为所述下一个关键帧的位置；根据所检测出的下一个关键帧进行人脸识别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：
根据已知关键帧的位置，确定平稳序列预测公式；
根据所述平稳序列预测公式，以及已知关键帧的位置，计算下一个疑似
关键帧的预测位置；
根据所述下一个疑似关键帧的预测位置以及所述已知关键帧的位置，调
整泊松分布的合成因子；
根据所述泊松分布和所述下一个疑似关键帧的预测位置，获取所述下一
个关键帧的待检测范围；
对所述下一个关键帧的待检测范围对应的图像帧进行人脸检测，根据所
述待检测范围内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最
高的图像帧的位置作为所述下一个关键帧的位置；
根据所检测出的下一个关键帧进行人脸识别。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检测范围
内的各个图像帧的人脸置信度的比较结果，确定人脸置信度最高的图像帧的
位置作为所述下一个关键帧的位置之后，还包括：将确定位置的下一个关键
帧作为已知关键帧，继续预测下一个关键帧，直到所预测的下一个关键帧达
到捕获的图像帧的帧数上限值时，停止预测。
3.根据权利要求1所述的方法，其特征在于，所述根据已知关键帧的位
置，确定平稳序列预测公式，包括：
根据已知关键帧的位置，确定自回归滑动平均模型ARMA的相关系数和
模型阶数，其中，所述相关系数包括自回归系数、移动平均系数和白噪声项。
4.根据权利要求1所述的方法，其特征在于，所述根据已知关键帧的位
置，确定平稳序列预测公式之前，还包括：设定捕获的图像帧的帧数上限值；
对捕获到的某些图像帧计算人脸置信度，并根据人脸置信度选择统计关键帧。
5.根据权利要求4所述的方法，其特征在于，所述已知关键帧为统计关

\t键帧，或为统计关键帧和已经确定位置的预测关键帧，或者为已经确...

【专利技术属性】
技术研发人员：陈燕兵，
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