[发明专利]一种基于深度学习的人脸检测与跟踪方法

说明书

本发明公开了一种基于深度学习的人脸检测与跟踪方法，涉及视频图像处理技术领域。本方法是：①人脸检测，进行该帧图像数据的人脸检测任务，对于检测到的目标信息，包括人脸矩形框、人脸类别和人脸特征点，形成队列输出；②人脸跟踪，将人脸检测得到的结果队列进行匹配和更新，完成人脸跟踪的任务；③人脸判定，对跟踪列表中的最新跟踪人脸进行人脸正脸判定，如满足一定条件即可作为检测到的高质量人脸进行输出。本发明对人脸遮挡和旋转而造成跟踪失败的问题都进行了全面解决，减少了人脸图像数据重复上报的问题；对人脸是否为正脸以达到上传的目的判别方法进行了设计和训练，达到了预期的效果；对人脸比对等算法提供了可靠的、信息含量高的人脸图像。

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种基于深度学习的人脸检测与跟踪方法。

背景技术

在传统的人脸检测与跟踪方法中，人脸检测只对正脸效果较好，对侧脸或部分遮挡的效果不佳，并且受光照强弱的影响；人脸跟踪过程中，人脸容易遭遮挡或转身等行为而丢失，造成人脸跟踪终止，从而再次检测后作为新目标再次被跟踪，使得人脸重复抓拍。

对人脸识别系统中的人脸比对的限制，即抓拍人脸图片为正脸，则比对效果会更好。但是现有技术中进行人脸特征点提取后，然后对人脸进行旋转而获取的人脸会让信息产生失真，从而导致人脸比对不正确，

发明内容

本发明的目的就在于克服现有技术存在的缺点和不足，提供一种基于深度学习的人脸检测与跟踪方法

本发明的目的是这样实现的：

使用人脸和非人脸样本，对其提取特征进行训练后，对人脸检测与跟踪过程中产生的人脸图像进行判断，获取质量最高的人脸并完成人脸输出。

本发明所要解决的技术问题是：

1)人脸检测中对人脸采取什么样的检测，防止人脸检测过程中，对人脸的丢失；

2)人脸跟踪过程中，人脸跟踪易遭遮挡或转身等行为而丢失，同一目标多次抓拍；

3)对人脸图片中人脸朝向的判定问题，即什么样的人脸图片才适合输出。

具体地说，本方法包括下列步骤：

①人脸检测

进行该帧图像数据的人脸检测任务，对于检测到的目标信息，包括人脸矩形框、人脸类别和人脸特征点，形成队列输出；

②人脸跟踪

将人脸检测得到的结果队列进行匹配和更新，完成人脸跟踪的任务；

③人脸判定对跟踪列表中的最新跟踪人脸进行人脸正脸判定，如满足一定条件即可作为检测到的高质量人脸进行输出。

本发明具有下列优点和积极效果：

①对人脸遮挡和旋转而造成跟踪失败的问题都进行了全面解决，减少了人脸图像数据重复上报的问题；

②对人脸是否为正脸以达到上传的目的的判别方法进行了设计和训练，达到了预期的效果；

③对人脸比对等算法提供了可靠的、信息含量高的人脸图像。

附图说明

图1是本方法的步骤总图；

图2是人脸检测算法流程图；

图3是人脸跟踪算法流程图；

图4是人脸判定算法流程图；

图5是人脸特征点坐标图；

图6是人脸大数据实战系统图。

英译汉：