人脸跟踪方法及其系统技术方案

本发明专利技术涉及人脸跟踪技术领域，尤其涉及人脸跟踪方法及其系统。人脸跟踪方法，处理视频中的图像，包括以下步骤：在第一帧图像中检测人脸，得到第一人脸框；用第一人脸框里的人脸初始化跟踪模型，初始化的跟踪模型在第二帧图像中搜索人脸，得到的人脸框经校正后输出第二人脸框；用第二人脸框里的人脸更新跟踪模型，更新的跟踪模型在第三帧图像中搜索人脸，得到的人脸框经校正后输出第三人脸框；用上一帧图像输出的人脸框中的人脸继续更新跟踪模型，更新的跟踪模型在下一帧图像中搜索人脸，得到的人脸框经校正后输出，以此迭代处理。该方法能及时抓住新出现的人脸，跟踪验证速度快，耗时耗能少。

Face tracking method and system

【技术实现步骤摘要】
人脸跟踪方法及其系统
本专利技术涉及人脸跟踪
，尤其涉及人脸跟踪方法及其系统。
技术介绍
人脸跟踪，是指在给定视频或图像序列中确定人脸的运动轨迹和大小变化。长期以来，人脸跟踪技术在安防抓拍、人脸检索以及视频结构化等领域起着至关重要的作用。现有的人脸跟踪方法分为两种，一种是基于检测的跟踪，即通过对视频或图像序列逐帧进行人脸检测，然后再做人脸框的匹配和跟踪。另一种方法是采用传统的Meanshift、KCF等跟踪算法在关键帧检测之后做非关键帧的跟踪。
技术实现思路
基于检测的跟踪，通常需要在图像中较大范围内进行搜索，计算量大，在嵌入式硬件上很难做到实时运行。而传统的Meanshift、KCF等算法运行速度较快，跟踪精度不高，特别是当人脸大小迅速变化时，不能精确地跟踪人脸位置，得到的人脸框通常偏大或偏小。鉴于目前人脸跟踪技术存在的问题，本专利技术提供一种人脸跟踪方法和装置，能够精确跟踪人脸运动和大小变化，同时能够在嵌入式硬件上实时运行。本专利技术第一方面的技术方案提供了人脸跟踪方法，处理视频中的图像，包本文档来自技高网...

【技术保护点】
1.人脸跟踪方法，其特征在于，处理视频中的图像，包括以下步骤：/n(a)在第一帧图像中检测人脸，得到第一人脸框；/n(b)用所述第一人脸框里的人脸初始化跟踪模型，初始化的跟踪模型在第二帧图像中搜索人脸，得到的人脸框经校正后输出第二人脸框；/n(c)用所述第二人脸框里的人脸更新跟踪模型，更新的跟踪模型在第三帧图像中搜索人脸，得到的人脸框经校正后输出第三人脸框；/n(d)用上一帧图像输出的人脸框中的人脸继续更新跟踪模型，更新的跟踪模型在下一帧图像中搜索人脸，得到的人脸框经校正后输出，以此迭代处理。/n

【技术特征摘要】
1.人脸跟踪方法，其特征在于，处理视频中的图像，包括以下步骤：
(a)在第一帧图像中检测人脸，得到第一人脸框；
(b)用所述第一人脸框里的人脸初始化跟踪模型，初始化的跟踪模型在第二帧图像中搜索人脸，得到的人脸框经校正后输出第二人脸框；
(c)用所述第二人脸框里的人脸更新跟踪模型，更新的跟踪模型在第三帧图像中搜索人脸，得到的人脸框经校正后输出第三人脸框；
(d)用上一帧图像输出的人脸框中的人脸继续更新跟踪模型，更新的跟踪模型在下一帧图像中搜索人脸，得到的人脸框经校正后输出，以此迭代处理。


2.根据权利要求1所述的人脸跟踪方法，其特征在于，步骤(a)-步骤(d)共处理n帧图像，n不小于15；
进一步地，所述n帧图像处理完成后，循环步骤(a)-步骤(d)；
进一步地，n帧图像为视频一秒的图像帧数；
进一步地，n为15-60，优选为20-45。


3.根据权利要求1-2任一项所述的人脸跟踪方法，其特征在于，所述检测采用FasterRCNN检测模型、SSD检测模型、YOLO检测模型、FPN检测模型、AnchorFree类型的目标检测框架模型、DPM检测模型中的任一种进行；
进一步地，所述AnchorFree类型的目标检测框架模型包括CornerNet检测模型、CenterNet检测模型。


4.根据权利要求1-2任一项所述的人脸跟踪方法，其特征在于，所述跟踪模型包括以下中的任一种：Meanshift模型、CamShift模型和KCF模型。


5.根据权利要求1-2任一项所述的人脸跟踪方法，其特征在于，步骤(b)-步骤(d)中的校正采用轻量级卷积神经网络实现。


6.根据权利要求5所述的人脸跟踪方法，其特征在...

【专利技术属性】
技术研发人员：王震，
申请(专利权)人：杭州涂鸦信息技术有限公司，
类型：发明
国别省市：浙江;33