[发明专利]一种基于神经网络的视频人脸捕捉方法

说明书

技术领域

本发明涉及一种视频图像处理方法，尤其涉及一种基于神经网络的视频人脸捕捉方法。

背景技术

目前市场常用的视频监控领域中，采用多为视频数据的存储和管理系统，该系统的构架一般是摄像头集群配合录像设备，存储集群及管理服务器。对于视频数据的分析功能上主流的方案有如下几种方式：1.区域的动态场景变化检测(用于检测固定场景的入侵)，2.光线的跟踪(用于检测遮挡入侵等)，3.大块色彩的采集和分类(用于简单跟踪物体)。传统的视频监控系统由于没有采用先进的人工智能分析算法，采集的视频数据除了做简单的数据分析外，必须长时间保留在存储系统中，而在监控存储的数据中，有效的数据占用比极低，视频场景存在大量的无用冗余数据，造成硬件设备成本的极大浪费。同时，传统的视频分析功能过于简单，存在大量的错误报警及错误判断的状况，比如区域的动态场景变化无法区分光照，气候等的影响，光线跟踪对阴影变化太过敏感，物体色块跟踪无法区别实际的物体是否为有效物体等问题。尤其是传统的视频监控分析系统无法区别人和其他移动物体，以及无法对人的生物特征进行有效的比对。现有的视频监控系统由于无法区分有效数据和冗余数据，在多路监控的场景中，网络带宽资源分配也有很大的压力，一般的视频监控系统为了更多的监控路数而牺牲每路的监控视频质量，造成的是监控的有效数据质量无法达到后期使用要求(比如人脸的识别和比对，甚至用肉眼也无法区别图像中的目标)，因此视频监控系统的应用效果大打折扣，甚至完全没有使用意义。

由上可见，现有的视频监控系统，需要解决以下几个技术难点：

1.尽量减少视频数据中的冗余数据，这样可以减少大量的存储成本和网络带宽成本；

2.尽量准确的判断监控系统中的有效数据；

3.提高视频数据的分析能力，提供高质量的分析结果(根据应用场景，比如场景需要的是清晰的人脸数据，或是清晰的物体图像等)。

发明内容

本发明所要解决的技术问题是提供一种基于神经网络的视频人脸捕捉方法，能够在视频监控数据中将清晰有效的人脸数据提取出来，同时最大限度地减少视频中的各种冗余数据。

本发明为解决上述技术问题而采用的技术方案是提供一种基于神经网络的视频人脸捕捉方法，包括如下步骤：S1：采用基于深度学习的MT-CNN的方案从原始图像中检测并定位所有的人脸位置；S2：对定位后的人脸图像进行预处理并提取人脸的特征信息；S3：根据人脸的特征信息进行分组归类。

上述的基于神经网络的视频人脸捕捉方法，其中，所述步骤S1中的MT-CNN采用三层网络结构对人脸区域进行检测定位，包括如下步骤：S11：首先采用P-Net网络结构获取人脸区域的候选窗口和边界框的回归向量，并用该边界框做回归，对候选窗口进行校准，然后通过非极大值抑制来合并高度重叠的候选框；S12：接着采用R-Net网络结构继续通过边界框回归和非极大值抑制去除false-positive区域；S13：最后采用O-Net网络结构对人脸区域进行更多的监督，同时输出地标定位。

本发明对比现有技术有如下的有益效果：本发明提供的基于神经网络的视频人脸捕捉方法，充分利用了高效率的基于GPU的深度学习方案，实时准确的进行在捕捉系统中直接进行人脸分组归类，从而能够在视频监控数据中将清晰有效的人脸数据提取出来，同时最大限度地减少视频中的各种冗余数据，缓解了后端人脸比对或者检索处理的计算压力，极大地提高了整个系统的效率。

附图说明

图1为本发明视频人脸捕捉方法中SDM关键点获取示意图；

图2为本发明视频人脸捕捉系统中Resnet的基本单元结构示意图；

图3为本发明基于神经网络的视频人脸分组归类流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

本发明提供的基于神经网络的视频人脸捕捉方法，包括如下步骤：

S1：从原始图像中检测并定位所有的人脸位置，本发明使用的方案是基于深度学习的MT-CNN(参考文献Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks Kaipeng Zhang,Zhanpeng Zhang,Zhifeng Li,Senior Member,IEEE,and Yu Qiao,Senior Member,IEEE)的方案。

a)MTCNN由3个网络结构组成(P-Net,R-Net,O-Net)。