[发明专利]一种适用于非配合场景下的人脸识别方法和系统

权利要求书

1.一种适用于非配合场景下的人脸识别方法，其特征在于：包括以下步骤：

S1、视频流解析步骤：获取摄像机拍摄的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片；

S2、图像获取步骤：

S21、检测视频流解析得到的图像中是否有人脸，若有人脸，则计算五官坐标和包围盒位置；

S22、若没有人脸，或无法提取到M个关键点中的任意一个坐标，舍弃当前视频帧；

S3、侧脸评估步骤：根据获取到的M个人脸关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；根据一预先设定的规则选择其中一幅视频帧的RGB图片作为预识别图像。

S4、超分辨率处理步骤：采用超分辨率模型对预识别图像进行处理，得到高清识别图像。

2.根据权利要求1所述的一种适用于非配合场景下的人脸识别方法，其特征在于：所述侧脸评估步骤包括：

S31、评估点坐标提取步骤：分别提取当前人脸的左眼角位置坐标、右眼角位置坐标、鼻尖位置坐标、左嘴角位置坐标、右嘴角位置坐标。

S32、侧脸分值计算步骤：

2.1：计算鼻尖位置到左眼角和左嘴角连线的距离ds1；

2.2：计算鼻尖位置到左嘴角位置的距离ds2；

2.3：计算鼻尖位置到右眼角和右嘴角连线的距离ds3；

2.4：计算鼻尖位置到右嘴角位置的距离ds4；

2.5：根据下述公式计算侧脸分数S：

其中

3.根据权利要求1所述的一种适用于非配合场景下的人脸识别方法，其特征在于：所述超分辨率处理步骤包括：

S41、超分辨率模型训练：SRGAN算法将对抗学习用于基于单幅图像的高分辨重建，在构建好网络后，对现有的高清图片数据集进行处理，得到低分辨率的图片数据集，将这两个数据集作为训练集来训练网络；

S42、识别图像输出：将预识别图像输入到训练好的超分辨率模型中，得到高清的识别图像。

4.一种适用于非配合场景下的人脸识别系统，其特征在于：包括视频获取模块1、图像解析模块2、图像提取模块3、超分辨率处理模块4和人脸计算模块5，所述视频获取模块1用于获取摄像机拍摄的视频流，所述图像解析模块2将所述视频流解析成N幅视频帧，所述图像提取模块3用于将每一幅视频帧再解码成RGB图片，所述超分辨率处理模块4用于对预识别图像进行处理，得到高清识别图像，所述人脸计算模块5用于对人脸信息进行计算分析。