[发明专利]一种基于嵌入式系统的快速多人脸检测和跟踪方法

说明书

本发明公开了一种基于嵌入式系统的快速多人脸检测和跟踪方法，在嵌入式系统中嵌入摄像头模块和专用协处理器或VPU，首先对嵌入式系统进行初始化配置，并初始化获取得到包含人脸对应位置信息的全局缓冲队列；通过摄像头模块采集人脸图像数据，并对人脸图像数据经过预处理后输入到专用协处理器或VPU中，由专用协处理器或VPU得到人脸图像数据对应的位置信息，并将位置信息与全局缓冲队列中的位置信息对对比，判断是否在全局缓冲队列中有与之相匹配的位置信息；最后，所有获取得到的人脸图像数据的全局缓冲队列处理得到质量最优的人脸图像数据，并输出存储；本发明可有效提升对人脸图像数据的处理效率。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于嵌入式系统的快速多人脸检测和跟踪方法。

背景技术

基于成本和功耗考虑，嵌入式设备，尤其是监控摄像头多使用低成本的ARM处理器作为系统的核心处理平台。与x86平台相比，ARM处理器使用RISC指令集，执行效率高，功耗少。但是ARM处理器的主频偏低，计算资源有限，计算能力较弱，难以完成复杂的计算工作。

传统的监控摄像头主要完成视频编解码、传输以及其他软件层面的工作。随着人工智能技术的迅猛发展，越来越多的AI功能，例如人脸识别技术，被集成到前端的监控摄像头上。基于视频流的人脸识别技术需要首先解析视频流，从视频帧中检测出人脸，确定人脸位置信息，并根据初始人脸位置信息，执行后续的人脸跟踪和其他识别工作。传统人脸识别算法识别准确性低，且无法做到实时处理，无法满足用户实战要求。

基于深度学习的人脸识别算法可以很好解决识别准确性低的问题，但是深度学习网络需要大量的计算资源，单一使用ARM处理器来进行人脸检测、人脸质量评估等推理工作，也会带来诸如处理速度慢，处理效率低的问题，系统实时性无法保证，识别效果差，用户体验也不好。

发明内容

针对上述现有技术中人脸识别准确性低、识别计算量大的问题，本发明于提出一种基于嵌入式系统的快速多人脸检测和跟踪方法，该方法的具体技术方案如下：

一种基于嵌入式系统的快速多人脸检测和跟踪方法，所述嵌入式系统包括一用于人脸检测和人脸跟踪的摄像头模块和一用于对人脸检测数据处理和计算的专用协处理器，包括步骤：

S1.初始化所述嵌入式系统，并初始化获得人脸数据的全局缓冲队列；

S2.并设定一预设时长的检测周期，采用所述摄像头模块采集人脸图像数据；

S3.对所述人脸图像数据预处理操作后传送至所述专用协处理器，由所述专用协处理器获取所述人脸图像数据对应人脸的位置信息；

S4.将所述位置信息与所述全局缓冲队列匹配，判断是否有相同的所述位置信息，若有，则将对应的所述位置信息加入对应的所述全局缓冲队列中，否则，建立新的与所述位置信息对应的全局缓冲队列；

S5.在所述检测周期时间内重复使用所述摄像头模块采集人脸图像数据，经过预处理操作后传送至所述专用协处理器，并由所述专用协处理器执行人脸跟踪，获取所述人脸图像数据对应人脸的位置信息；

S6.在所述检测周期时间内重复使用所述摄像头模块采集人脸图像数据并重复步骤S5；

S7.在所述检测周期结束前，采用所述专用协处理器处理所有所述人脸图像数据，并基于深度学习网络获取不同人脸在所述检测周期内的最优质量的所述人脸图像数据；

S8.检测所述摄像头模块可采集的人脸数据，并将已离开所述摄像头模块采集范围内的所述人脸图像数据从所述专用协处理器输出存储至指定数据库中，并删除对应的所述全局缓冲队列。

作为优选，所述步骤S4还包括步骤：采用所述专用协处理器对每个人对应的所述全局缓冲队列编号。

作为优选，所述专用协处理器可采用VPU代替。