一种实时人脸识别方法、装置及电子设备制造方法及图纸

本申请实施例提供一种实时人脸识别方法、装置及电子设备，能够在保证识别结果准确的前提下，大大减少数据计算量，提高识别速度。所述方法包括：对视频流数据进行目标跟踪检测，确定所述视频流数据中相邻帧图像的人脸目标数据是否存在差异；响应于相邻帧图像的所述人脸目标数据存在差异，对所述人脸目标数据对应的身份信息进行更新。所述装置包括跟踪检测模块与身份信息更新模块。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行以实现所述人脸识别方法的计算机程序。行以实现所述人脸识别方法的计算机程序。行以实现所述人脸识别方法的计算机程序。

【技术实现步骤摘要】
一种实时人脸识别方法、装置及电子设备


[0001]本申请一个或多个实施例涉及智能识别
，尤其涉及一种实时人脸识别方法、装置及电子设备。

技术介绍

[0002]近年来，生物特征作为身份验证和识别依据受到越来越多关注与重视。其中，人脸识别作为非接触式的生物识别技术，具有使用便捷、应用友好的特点，目前已经被广泛研究及应用。现有人脸识别技术需要耗用大量计算资源，由于受到硬件处理能力限制往往识别速度较低，难以满足要求，为提高识别速度又往往会增加应用成本，实用性差。

技术实现思路

[0003]有鉴于此，本申请一个或多个实施例的目的在于提出一种实时人脸识别方法、装置及电子设备，以解决识别速度慢、应用成本高的问题。
[0004]在第一方面，基于上述目的本申请一个或多个实施例提供了一种实时人脸识别方法，包括：
[0005]对视频流数据进行目标跟踪检测，确定所述视频流数据中相邻帧图像的人脸目标数据是否存在差异；
[0006]响应于相邻帧图像的所述人脸目标数据存在差异，对所述人脸目标数据对应的身份信息进行更新。
[0007]所述方法在对视频流数据进行目标跟踪检测前还包括：
[0008]从所述视频流数据中获取当前帧图像，从所述当前帧图像提取所述人脸目标数据；
[0009]对所述人脸目标数据进行特征分析，确定所述人脸目标数据对应的所述所述身份信息。
[0010]其中，所述从所述当前帧图像提取人脸目标数据，包括：
[0011]利用人脸检测模型对所述当前帧图像进行人脸目标识别，从所述当前帧图像中选取多个人脸目标；
[0012]确定所述每个人脸目标相应的ROI区域图像；
[0013]所述人脸目标数据包括所述ROI区域图像。
[0014]可选的，所述对所述人脸目标数据进行特征分析，确定所述人脸目标数据对应的所述身份信息，包括：
[0015]利用人脸关键点检测模型对所述ROI区域图像进行特征点检测，确定相应所述人脸目标的特征点数据；
[0016]利用深度残差网络对所述特征点数据进行处理，确定所述人脸目标的目标特征向量；
[0017]在预设人脸特征向量库中筛选确定与所述目标特征向量相匹配的人脸特征向量，
根据相匹配的人脸特征向量确定与所述人脸目标对应的所述人脸身份数据；
[0018]根据多个所述人脸目标相应所述人脸身份数据确定所述身份信息。
[0019]可选的，所述预设人脸特征向量库的构建方法，包括：
[0020]采集多项人脸图像数据并确定相应的人脸身份数据；
[0021]利用深度神经网络分别对多项所述人脸图像数据进行处理，从所述人脸图像数据中提取相应的人脸特征向量；
[0022]根据所述人脸特征向量与所述人脸身份数据构建所述人脸特征向量库。
[0023]可选的，所述对视频流数据进行目标跟踪检测，确定所述视频流数据中相邻帧图像的人脸目标数据是否存在差异，包括：
[0024]对相邻帧图像中的所述人脸目标进行跟踪统计，确定相邻帧图像中的人脸目标数量是否一致；
[0025]对相邻帧图像中的所述人脸目标进行跟踪定位，确定相邻帧图像中相对应所述ROI区域图像的中心点的位移距离；
[0026]根据所述位移距离确定相应所述人脸目标是否存在差异。
[0027]可选的，所述响应于相邻帧图像的所述人脸目标数据存在差异，对所述人脸目标数据对应的身份信息进行更新，包括：
[0028]响应于相邻帧图像中当前帧图像的人脸目标数量小于前一帧图像的人脸目标数量，确定消失人脸目标相应的人脸身份数据，将所述人脸身份数据从所述身份信息中删除；
[0029]响应于相邻帧图像中当前帧图像的人脸目标数量大于前一帧图像的人脸目标数量，确定新增人脸目标相应的人脸身份数据，将所述人脸身份数据添加入所述人脸身份信息。
[0030]可选的，所述响应于相邻帧图像的所述人脸目标数据存在差异，对所述人脸目标数据对应的身份信息进行更新，包括：
[0031]响应于所述位移距离大于预设位移阈值，确定当前帧图像中所述人脸目标相应的人脸身份数据，根据所述人脸身份数据对所述身份信息进行更重新。
[0032]在第二方面，基于上述目的本申请一个或多个实施例提供了一种实时人脸识别装置，包括：
[0033]跟踪检测模块，用于对视频流数据进行目标跟踪检测，确定所述视频流数据中相邻帧图像的人脸目标数据是否存在差异；
[0034]身份信息更新模块，用于在相邻帧图像的所述人脸目标数据存在差异时对所述人脸目标数据对应的身份信息进行更新。
[0035]在第三方面，基于上述目的本申请一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的实时人脸识别方法。
[0036]从上面所述可以看出，本申请一个或多个实施例提供的一种实时人脸识别方法、装置及电子设备，具有如下有益技术效果：
[0037]对所述视频流数据中各帧图像中的人脸目标进行跟踪检测，相邻帧图像中的人脸目标数据出现差异时才根据当前帧图像对所述人脸身份信息进行更新，仅在视频流的图像内容发生变化时更新相应的人脸身份信息，无需时刻对视频图像中的人脸目标进行分析识
别，能够在保证识别结果准确的前提下，大大减少数据计算量，提高识别速度，从而可以解决现有技术中以解决识别速度慢、应用成本高的问题。
附图说明
[0038]为了更清楚地说明本申请一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本申请一个或多个实施例所提供的一种实时人脸识别方法示意图；
[0040]图2为本申请一个或多个实施例所提供的一种实时人脸识别方法中确定人脸目标数据对应身份信息的方法示意图；
[0041]图3为本申请一个或多个实施例所提供的一种实时人脸识别方法中预设人脸特征向量库的构建方法示意图；
[0042]图4为本申请一个或多个实施例所提供的一种实时人脸识别装置结构示意图；
[0043]图5为本申请一个或多个实施例所提供的一种实时人脸识别电子设备结构示意图；
[0044]图6为根据本申请所述实时人脸识别方法对示例性视频流数据进行处理的工作效率示意图。
具体实施方式
[0045]为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
[0046]需要说明的是，除非另外定义，本申请一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本申请一个或多个实施例中使用的“第一”、“第二”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时人脸识别方法，其特征在于，包括：对视频流数据进行目标跟踪检测，确定所述视频流数据中相邻帧图像的人脸目标数据是否存在差异；响应于相邻帧图像的所述人脸目标数据存在差异，对所述人脸目标数据对应的身份信息进行更新。2.根据权利要求1所述的方法，其特征在于，在对视频流数据进行目标跟踪检测前还包括：从所述视频流数据中获取当前帧图像，从所述当前帧图像提取所述人脸目标数据；对所述人脸目标数据进行特征分析，确定所述人脸目标数据对应的所述身份信息。3.根据权利要求2所述的方法，其特征在于，所述从所述当前帧图像提取人脸目标数据，包括：利用人脸检测模型对所述当前帧图像进行人脸目标识别，从所述当前帧图像中选取多个人脸目标；确定所述每个人脸目标相应的ROI区域图像；所述人脸目标数据包括所述ROI区域图像。4.根据权利要求3所述的方法，其特征在于，所述对所述人脸目标数据进行特征分析，确定所述人脸目标数据对应的所述身份信息，包括：利用人脸关键点检测模型对所述ROI区域图像进行特征点检测，确定相应所述人脸目标的特征点数据；利用深度残差网络对所述特征点数据进行处理，确定所述人脸目标的目标特征向量；在预设人脸特征向量库中筛选确定与所述目标特征向量相匹配的人脸特征向量，根据相匹配的人脸特征向量确定与所述人脸目标对应的所述人脸身份数据；根据多个所述人脸目标相应所述人脸身份数据确定所述身份信息。5.根据权利要求4所述的方法，其特征在于，所述预设人脸特征向量库的构建方法，包括：采集多项人脸图像数据并确定相应的人脸身份数据；利用深度神经网络分别对多项所述人脸图像数据进行处理，从所述人脸图像数据中提取相应的人脸特征向量；根据所述人脸特征向量与所述人脸身份数据构建所述人脸特征向量库。6.根据权利要求3所述的...

【专利技术属性】
技术研发人员：邵宇鹰，翟登辉，楼晓东，许丹，丁雷青，彭鹏，张彦龙，倪伟，刘睿丹，柯楠，何诚硕，
申请(专利权)人：许继电气股份有限公司国家电网有限公司，
类型：发明
国别省市：