视频个体识别方法、系统、设备及可读存储介质技术方案

本发明专利技术公开了一种视频个体识别方法，包括步骤：人脸关键点坐标以及人脸框坐标进行检测，并将人脸进行对齐；通过人脸框坐标交并比关联前后帧图像中同一个人的人脸位置，当关联失效时使用人脸追踪算法对人脸框坐标进行重新跟踪；通过多个人脸图片的质量属性进行人脸质量评估，选取同一个人的预设数量张优质图片；提取所述优质图片的特征向量，与历史个体的人脸特征向量进行比对关联，完成人脸识别。本发明专利技术提供一种基于视频人脸质量分析的，综合人脸检测技术、人脸追踪技术以及人脸识别技术的视频个体分类方法。可有效使用于视频监控范畴，实现快速识别个体身份，关联个体相关信息，应用于诸如精准营销、历史行为分析等领域。

Methods, systems, devices and readable storage media of video individual recognition

【技术实现步骤摘要】
视频个体识别方法、系统、设备及可读存储介质
本专利技术涉及图像识别
，特别涉及一种视频个体识别方法、系统、设备及可读存储介质。
技术介绍
人脸识别技术被广泛应用于安防、销售行业、银行业务等多种领域。以在零售行业为例，进店消费者流动性强，每个消费者拥有个人的消费习惯，人脸识别技术可帮助快速认出消费者身份，关联历史消费记录，从而提供准确的推荐服务。目前基于视频中人脸的监控方案主要是通过抓取视频中的人脸图像，提取有效表达的数字特征，从而将人脸匹配的过程转换为数字特征计算的方式。但是，基于视频监控的人脸识别技术具有许多的缺点，其需要在理想的光照环境、用户主动配合的前提下，才会具有较好的性能，而传统人脸提取特征往往受到这些因素的影响，特征表达能力有限；视频数据中可使用的人脸图像数量较多，不合理的采样技术很容易抓取到低质量人脸图像，从而发生误检或漏检的现象；选择单一的评价标准或依赖于人工经验设置的硬性条件无法有效地选择优质的图像提取更具有代表性的人脸特征；监控视频捕获的人脸图像具有时间属性，随着时间的推移，图像数量呈现爆炸性增长趋势，简单的聚本文档来自技高网...

【技术保护点】
1.一种视频个体识别方法，其特征在于，包括步骤：/n人脸关键点坐标以及人脸框坐标进行检测，并将人脸进行对齐；/n通过人脸框坐标交并比关联前后帧图像中同一个人的人脸位置，当关联失效时使用人脸追踪算法对人脸框坐标进行重新跟踪；/n通过多个人脸图片的质量属性进行人脸质量评估，选取同一个人的预设数量张优质图片；/n提取所述优质图片的特征向量，与历史个体的人脸特征向量进行比对关联，完成人脸识别。/n

【技术特征摘要】
1.一种视频个体识别方法，其特征在于，包括步骤：
人脸关键点坐标以及人脸框坐标进行检测，并将人脸进行对齐；
通过人脸框坐标交并比关联前后帧图像中同一个人的人脸位置，当关联失效时使用人脸追踪算法对人脸框坐标进行重新跟踪；
通过多个人脸图片的质量属性进行人脸质量评估，选取同一个人的预设数量张优质图片；
提取所述优质图片的特征向量，与历史个体的人脸特征向量进行比对关联，完成人脸识别。


2.根据权利要求1所述的视频个体识别方法，其特征在于，将人脸进行对齐的过程包括：计算一图片的人脸关键点坐标与预存的标准人脸的关键点坐标之间的变换矩阵，并将所述变换矩阵作用于该图片，获得对齐后的人脸图像。


3.根据权利要求1所述的视频个体识别方法，其特征在于：使用人脸追踪算法对人脸框坐标进行重新跟踪的过程包括：根据前一帧图像分别建立相关的位置滤波器与尺度滤波器，根据当前帧图像及两个滤波器分别对当前帧的人脸框坐标与人脸框尺度进行估计。


4.根据权利要求1至3任一项所述的视频个体识别方法，其特征在于：人脸质量评估使用的质量属性包括人脸姿态、眼部状态、嘴部状态、妆容状态、整体亮度、左右脸亮度差异、模糊度、遮挡。


5.根据权利要求4所述的视频个体识别方法，其特征在于：人脸姿态、眼部状态、嘴部状态、妆容状态、模糊度及遮挡均采用MobileFaceNet结构作为主体构建多任务卷积神经网络，多个任务输出分别对应人脸的各个质量属性。


6.根据权利要求5所述的视频个体识别方法，其特征在于：
眼部状态、嘴部状态、妆容状态及人脸遮挡为分类任务，采用softmax损失函数作为目标函数；
人脸姿态、图像的光照度、图像模糊度为回归任务，采用Euclidean损失函数做为目标函数；
网...

【专利技术属性】
技术研发人员：王欢，刘小扬，王心莹，徐小丹，
申请(专利权)人：新大陆数字技术股份有限公司，
类型：发明
国别省市：福建;35