一种基于深度全卷积孪生网络的实时人脸跟踪方法技术

本发明专利技术提供了一种基于深度全卷积孪生网络的实时人脸跟踪方法，包括如下步骤：在视频中给出需要跟踪的目标人脸；在目标人脸的周围获取跟踪区域；滑窗使用深度全卷积网络提取区域内所有位置的特征；使用孪生网络架构和匹配算法计算相似度，找出相似度最高的几个区域；拟合区域，精准定位目标人脸；更新跟踪区域，执行步骤1‑5。本发明专利技术优化了全卷积网络的架构，网络训练过程，在保证高准确率的同时极大地降低了计算量，并且应用孪生网络框架，大大提高了效率，也提高了人脸跟踪的抗干扰能力和连续跟踪能力。本发明专利技术被广泛应用于智能监控，智能考勤等领域，为客户带来了良好的体验。

【技术实现步骤摘要】
一种基于深度全卷积孪生网络的实时人脸跟踪方法
本专利技术属于自动识别
，尤其是涉及一种基于深度全卷积孪生网络的实时人脸跟踪方法。
技术介绍
随着人工智能浪潮的兴起和硬件性能不断更新升级，深度学习算法成为了当今智能分析算法的主流，并且在效果上实现了极大地提高。当前，深度学习算法在计算机视觉领域牢牢占据了主导地位，新型产品与技术不断迭代更新，甚至在某些领域的准确率已经超越了人类。人脸跟踪作为配合人脸检测和识别的主要组成部分，能够实时跟踪同一目标，生成运动轨迹，提高人脸抓拍率，大大降低了因为检测而导致的大量计算消耗。并且通过轨迹反应运动趋势与目标，提升用户体验，为智能监控，打击违法犯罪提供更加全面的数据。由于跟踪网络模型结构小，速度快，可以减轻后端存储压力，降低误抓率与重复抓拍率，节约客户成本，提升设备性能与工作效率，在当前追求更快更准的监控领域，成为了不可缺少的组成部分。从90年代末期到2015年，绝大多数跟踪算法都是通过传统的机器学习方式来实现的。尽管很多方法速度都很快，但是由于传统跟踪算法更多地是进行背景建模和移动提取，往往不能够很好地获取移动物体真正的特征，所以在快速移动和长本文档来自技高网...

【技术保护点】
一种基于深度全卷积孪生网络的实时人脸跟踪方法，其特征在于：包括如下步骤：步骤1：在视频中给出需要跟踪的目标人脸；步骤2：在目标人脸的周围获取跟踪区域；步骤3：滑窗使用深度全卷积网络提取区域内所有位置的特征；步骤4：使用孪生网络架构和匹配算法计算相似度，找出相似度最高的几个区域；步骤5：拟合区域，精准定位目标人脸；步骤6：更新跟踪区域，执行步骤1‑5。

【技术特征摘要】
1.一种基于深度全卷积孪生网络的实时人脸跟踪方法，其特征在于：包括如下步骤：步骤1：在视频中给出需要跟踪的目标人脸；步骤2：在目标人脸的周围获取跟踪区域；步骤3：滑窗使用深度全卷积网络提取区域内所有位置的特征；步骤4：使用孪生网络架构和匹配算法计算相似度，找出相似度最高的几个区域；步骤5：拟合区域，精准定位目标人脸；步骤6：更新跟踪区域，执行步骤1-5。2.根据权利要求1所述的一种基于深度全卷积孪生网络的实时人脸跟踪方法，其特征在于：所述步骤3中，深度全卷积网络采用三层全卷积神经网络，每一层使用Inception结构来进行降维，每个卷积层后添加激励层与BN层，用于网络的稀疏化，卷积网络最后为全局平均池化层，不使用任何参数的情况下直接将特征图降为一维。3.根据权利要求1所述的一种基于深度全卷积孪生网络的实时人...

【专利技术属性】
技术研发人员：刘琰，王思俊，王国峰，顾竟潇，
申请(专利权)人：天津天地伟业信息系统集成有限公司，
类型：发明
国别省市：天津,12