【技术实现步骤摘要】
人脸跟踪方法、装置及电子设备
本公开涉及人脸跟踪
，尤其涉及一种人脸跟踪方法、装置及电子设备。
技术介绍
近年来，随着人工智能技术的不断发展，人工智能技术在人们的生活中的应用日益广泛，特别是在安防领域中，人脸识别、性别、年龄等属性作为人脸分析的重要组成部分，为人脸分析提供高质量的人脸数据显得格外重要。传统的方法是先使用检测技术将人脸检测出来，然后在接下来的帧中使用传统机器学习算法(如：核相关滤波算法)或者深度学习的跟踪方法(如：孪生网络)提取人脸的表观特征来对人脸进行跟踪，最后将跟踪到的人脸送给人脸分析模块进行分析，尽管这些方法在精度上比较高或者鲁棒性比较强，但是这其中的一些方法是以牺牲速度为代价或者需要在特定的硬件平台上速度才可以达到实时性的要求，但是当部署在移动端平台上的时候，其都存在速度较慢的缺点，并不能满足实习性的要求，而且其只能对人脸进行跟踪，而不能对跟踪到的人脸进行分类，从而不能对提供给人脸分析的人脸进行质量分析，给后续的人脸属性分析带来了困难。可见，现有的人脸跟踪方法中存在处理速度慢、分析
【技术保护点】
1.一种人脸跟踪方法，其特征在于，包括：/n获取视频图像；/n根据所述预设模型对所述视频图像进行人脸关键点定位，获得人脸关键点信息；/n根据所述预设模型和所述人脸关键点信息获取人脸外接框信息；/n根据所述预设模型和所述人脸外接框信息得到人脸质量分类信息。/n
【技术特征摘要】
1.一种人脸跟踪方法，其特征在于，包括：
获取视频图像；
根据所述预设模型对所述视频图像进行人脸关键点定位，获得人脸关键点信息；
根据所述预设模型和所述人脸关键点信息获取人脸外接框信息；
根据所述预设模型和所述人脸外接框信息得到人脸质量分类信息。
2.根据权利要求1所述的人脸跟踪方法，其特征在于，所述获取视频图像的步骤之前，所述方法还包括：
根据样本数据建立基于深度学习方法训练的预设模型。
3.根据权利要求2所述的人脸跟踪方法，其特征在于，所述根据样本数据建立基于深度学习方法训练的预设模型的步骤，包括：
收集包括人脸图像的样本数据；
构建神经网络；
将所述样本数据输入至所述神经网络进行训练，直到训练收敛，得到预设模型。
4.根据权利要求3所述的人脸跟踪方法，其特征在于，所述将所述样本数据输入至所述神经网络进行训练，直到训练收敛，得到预设模型的步骤，包括：
将所述样本数据输入至神经网络进行训练，所述神经网络用于基于人脸关键点信息输出人脸外接框位置；
若所述神经网络对所述人脸外接框位置的训练完成，生成基于所述人脸关键点信息和人脸外接框位置的目标数据；
将所述目标数据输入至所述神经网络进行训练，所述神经网络还用于输出人脸质量类别；
若所述神经网络对所述人脸类别的训练完成，生成预设模型。
5.根据权利要求4所述的人脸跟踪方法，其特征在于，所述将所述样本数据输入至神经网络进行训练的步骤之前，还包括：
对所述人脸图像进行扩宽处理，所述扩宽处理包括将前一帧训练图像...
【专利技术属性】
技术研发人员：郑东，林科军，赵拯，
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。