动态人脸识别方法和装置制造方法及图纸

本发明专利技术公开了一种动态人脸识别方法和装置，该方法包括：将当前帧图像通过预定的卷积核计算窗口采样的图像；将采样的图像经过非线性激活函数映射后进行压缩得到压缩图像；将压缩图像转换为一维向量矩阵；根据一维向量矩阵判断当前帧图像是否是人脸图像；若当前帧图像是人脸图像，根据人脸五官分布特征将所述人脸图像分割为多个区域；分别将每区域的图像通过隐藏层的多个神经元进行学习得到每一区域图像对应的五官特征；根据不同区域图像对应的五官特征之间的联系将所有五官特征进行特征融合得到所述人脸图像对应的人脸特征。本发明专利技术的动态人脸识别方法可快速识别人脸，提高人脸特征提取的精确程度，算法准确度和效率优于当前同场景下的识别算法。

【技术实现步骤摘要】
动态人脸识别方法和装置
本专利技术涉及人工智能
，具体而言，涉及一种动态人脸识别方法和装置。
技术介绍
人脸识别技术越来越多地应用到各个领域，例如网上支付领域、出入管理、边检、门禁考勤、计算机安全防范、公安犯罪逃犯智能报警及社保医保安全认证等，并且越来越成为许多研究机构及企业的热门研究方向。现有的人脸识别技术往往基于肤色识别、特征提取及特征分类等等方法实现。然而这些方法均存在识别精度低、稳定性不足及识别速率慢等问题，难以应用到对安全性级别要求更高的应用场景中。
技术实现思路
本专利技术目的在于提出一种新的动态人脸识别方法和装置。本专利技术的一个实施方案提供一种动态人脸识别方法，包括：通过预定的卷积核对当前帧图像做卷积运算得到窗口采样图像的特征图；将所述窗口采样图像的特征图经过非线性激活函数映射后进行压缩得到压缩图像的特征图；将所述压缩图像的特征图转换为一维向量矩阵；根据所述一维向量矩阵判断所述当前帧图像是否是人脸正脸图像；若所述当前帧图像是人脸正脸图像，根据人脸五官分布特征将所述人脸正脸图像分割为多个区域；分别将每区域的图像通过隐藏层的多个神经元进行学习得到每一区域图像对应的五官特征；根据不同区域图像对应的五官特征之间的联系将所有五官特征进行特征融合得到人脸图像对应的人脸特征。在上述的动态人脸识别方法中，通过多进程方式同时对多张图像进行人脸识别及根据识别的人脸图像获取对应的人脸特征。在上述的动态人脸识别方法中，所述通过预定的卷积核对当前帧图像做卷积运算得到窗口采样图像的特征图之前还包括：将获取的当前帧图像进行预处理，所述预处理包括去均值、归一化、去相关或白化中的一种或几种。在上述的动态人脸识别方法中，在识别所述当前帧图像是人脸正脸图像后，还包括：将所述人脸图像的正脸五官特征点的坐标矩阵与当前帧之前的邻近帧图像中检测到的正脸五官特征点的坐标矩阵对比以求出位移向量矩阵；根据所述位移向量矩阵确定人脸是否移动；若人脸未移动，则根据检测出的人脸区域指定在下一帧中的检测范围；若人脸移动，则用所述当前帧的正脸五官特征点的坐标矩阵更新存储器中的正脸五官特征点的坐标矩阵并根据所述位移向量矩阵和检测出的人脸区域指定在下一帧中的检测范围；在下一帧中在所述检测范围内执行直至判断是否是人脸正脸图像的所有步骤。在上述的动态人脸识别方法中，在第一帧图像中检测到正脸五官特征点时，将第一帧的五官特征点的坐标矩阵写入存储器中；在第一帧图像中未检测到所述正脸五官特征点时，在第二帧图像中检测所述正脸五官特征点。在上述的动态人脸识别方法中，在所述当前帧图像不是人脸正脸图像时，则进行侧脸识别，并且将检测到的侧脸图像的五官特征点与邻近帧中检测到的正脸五官特征点进行关联，若检测到的侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联成功，则将该侧脸图像识别为当前帧的人脸图像；若检测到的侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联不成功，舍弃当前帧的所述侧脸图像。在上述的动态人脸识别方法中，将所述侧脸图像的五官特征点的坐标矩阵转换为正脸五官特征点的坐标矩阵，将转换后的坐标矩阵与所述邻近帧中检测到的正脸五官特征点的坐标矩阵进行匹配，若匹配度大于等于预定阈值，则所述侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联成功；若匹配度小于预定阈值，则所述侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联不成功。在上述的动态人脸识别方法中，在识别当前帧图像是人脸图像后，还判断所述人脸图像是否为模糊图像，所述模糊图像包括特征点缺失的图像；若所述人脸图像为模糊图像，舍弃当前帧的人脸图像。在上述的动态人脸识别方法中，若所述当前帧图像不是模糊图像，执行根据人脸五官分布特征将所述人脸正脸图像分割为多个区域之后的所有步骤。在上述的动态人脸识别方法中，若在所述当前帧图像不是人脸图像，对当前帧之后的所有帧图像进行人脸识别。在上述的动态人脸识别方法中，在得到所述人脸特征后，还将所述人脸特征与预定的人脸模板的特征进行对比，及根据对比结果确定该人脸图像对应的身份信息。在上述的动态人脸识别方法中，所述非线性映射函数为ReLU函数。本专利技术的另一个实施方案提供一种动态人脸识别装置，包括：运算模块，用于通过预定的卷积核对当前帧图像做卷积运算得到窗口采样图像的特征图；压缩模块，用于将所述窗口采样图像的特征图经过非线性激活函数映射后进行压缩得到压缩图像的特征图；转换模块，用于将所述压缩图像的特征图转换为一维向量矩阵；判断模块，用于根据所述一维向量矩阵判断所述当前帧图像是否是人脸正脸图像；分割模块，若所述当前帧图像是人脸正脸图像，所述分割模块用于根据人脸五官分布特征将所述人脸图像分割为多个区域；学习模块，用于分别将每区域的图像通过隐藏层的多个神经元进行学习得到每一区域图像对应的五官特征；特征融合模块，用于根据不同区域图像对应的五官特征之间的联系将所有五官特征进行特征融合得到人脸图像对应的人脸特征。本专利技术的又一个实施方案提供一种摄像头，包括：动态人脸识别模块和存储有指令的存储模块，在所述动态人脸识别模块执行所述指令时实施上述动态人脸识别方法。本专利技术的再一个实施方案提供一种计算机可读存储介质，该计算机存储介质中存储有计算机程序，所述计算机程序运行时使计算机执行权利要求1-8中任意一项所述的动态人脸识别方法。本专利技术的一个实施方式的动态人脸识别方法可实时动态的识别人脸，提高人脸特征提取及识别的精确程度及算法执行效率，增加算法鲁棒性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。图1示出了本专利技术第一实施例提供的一种动态人脸识别方法的流程示意图。图2a～图2c示出了本专利技术第二实施例提供的一种动态人脸识别方法的流程示意图。图3示出了本专利技术实施例提供的一种动态人脸识别装置的结构示意图。主要元件符号说明：500-动态人脸识别装置；510-运算模块；520-压缩模块；530-转换模块；540-判断模块；550-分割模块；560-学习模块；570-特征融合模块。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。本文中所用的术语“包含”、“包括”、“具有”、“含有”或其任何其它变形，意在覆盖非排它性的包括。例如，包含所列要素的组合物、步骤、方法、制品或装置不必仅限于那些要素，而是可以包括未明确列出的其它要素或此种组合物、步骤、方法、制品或装置所固有的要素。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的本文档来自技高网...

【技术保护点】
1.一种动态人脸识别方法，其特征在于，包括：通过预定的卷积核对当前帧图像做卷积运算得到窗口采样图像的特征图；将所述窗口采样图像的特征图经过非线性激活函数映射后进行压缩得到压缩图像的特征图；将所述压缩图像的特征图转换为一维向量矩阵；根据所述一维向量矩阵判断所述当前帧图像是否是人脸正脸图像；若所述当前帧图像是人脸正脸图像，根据人脸五官分布特征将所述人脸正脸图像分割为多个区域；分别将每区域的图像通过隐藏层的多个神经元进行学习得到每一区域图像对应的五官特征；根据不同区域图像对应的五官特征之间的联系将所有五官特征进行特征融合得到人脸图像对应的人脸特征。

【技术特征摘要】
1.一种动态人脸识别方法，其特征在于，包括：通过预定的卷积核对当前帧图像做卷积运算得到窗口采样图像的特征图；将所述窗口采样图像的特征图经过非线性激活函数映射后进行压缩得到压缩图像的特征图；将所述压缩图像的特征图转换为一维向量矩阵；根据所述一维向量矩阵判断所述当前帧图像是否是人脸正脸图像；若所述当前帧图像是人脸正脸图像，根据人脸五官分布特征将所述人脸正脸图像分割为多个区域；分别将每区域的图像通过隐藏层的多个神经元进行学习得到每一区域图像对应的五官特征；根据不同区域图像对应的五官特征之间的联系将所有五官特征进行特征融合得到人脸图像对应的人脸特征。2.根据权利要求1所述的动态人脸识别方法，其特征在于，通过多进程方式同时对多张图像进行人脸识别及根据识别的人脸图像获取对应的人脸特征。3.根据权利要求1所述的动态人脸识别方法，其特征在于，在识别所述当前帧图像是人脸正脸图像后，还包括：将所述人脸图像的正脸五官特征点的坐标矩阵与当前帧之前的邻近帧图像中检测到的正脸五官特征点的坐标矩阵对比以求出位移向量矩阵；根据所述位移向量矩阵确定人脸是否移动；若人脸未移动，则根据检测出的人脸区域指定在下一帧中的检测范围；若人脸移动，则用所述当前帧的正脸五官特征点的坐标矩阵更新存储器中的正脸五官特征点的坐标矩阵并根据所述位移向量矩阵和检测出的人脸区域指定在下一帧中的检测范围；在下一帧中在所述检测范围内执行直至判断是否是人脸正脸图像的所有步骤。4.根据权利要求1所述的动态人脸识别方法，其特征在于，在所述当前帧图像不是人脸正脸图像时，则进行侧脸识别，并且将检测到的侧脸图像的五官特征点与邻近帧中检测到的正脸五官特征点进行关联，若检测到的侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联成功，则将该侧脸图像识别为当前帧的人脸图像；若检测到的侧脸图像的五官特征点与所述邻近帧中检测到的正脸五官特征点关联不成功，舍弃当前帧的所述侧脸图像。5.根据权利要求...

【专利技术属性】
技术研发人员：林奕斌，胡伟韬，
申请(专利权)人：深圳市践一科技有限公司，
类型：发明
国别省市：广东,44