[发明专利]一种人脸识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：

获取目标区域的视频数据；

对所述目标区域的视频数据进行预处理，以得到所述目标区域的标准图片序列；

基于预设人脸检测模型以及预设目标跟踪模型处理所述标准图片序列，以得到连续的人脸图像序列；

根据预设参数评分算法在所述人脸图像序列中选取目标人脸图像，所述目标人脸图像为所述人脸图像序列中分数最高的人脸图像；

在预设的人脸图像库中查找所述目标人脸图像，当所述预设的图像数据库中包括所述目标人脸图像时，输出人脸识别通过的比对结果。

2.根据权利要求1所述的人脸识别方法，其特征在于，对所述目标区域的视频数据进行预处理，以得到所述目标区域的标准图片序列的步骤，包括：

对所述视频数据进行切帧处理，以得到连续的初始图片序列；

对所述初始图片序列进行预设标准化处理和预设滤波处理，以得到图片尺寸相同的标准图片序列。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述预设的人脸检测模型为RetinaFace人脸检测模型，所述预设目标跟踪模型为KCF人脸跟踪模型，基于预设人脸检测模型以及预设目标跟踪模型处理所述标准图片序列，以得到连续的人脸图像序列的步骤，包括：

将标准图像序列中每相邻两帧标准图像划分为一个备用图像组合，得到图像组合序列，其中，每个备用图像组合均包括前一帧图像和后一帧图像，每个备用图像组合的后一帧图像与后向邻接的备用图像组合的前一帧图像重合；

分别针对每个备用图像组合执行替换处理步骤，得到人脸图像序列；

其中，对每个备用图像组合执行替换处理步骤，包括：

根据所述RetinaFace人脸检测模型获取第一标准图像和第二标准图像中的初始人脸信息，其中，所述初始人脸信息包括第一人脸边界框和第一人脸关键点，所述第一标准图像为所述前一帧图像，所述第二标准图像为所述后一帧图像；

根据预设的KCF人脸跟踪模型在预设图像范围中进行跟踪预测，以得到对应所述第二标准图像的预测人脸信息，其中，所述预测人脸信息包括第二人脸边界框和第二人脸关键点，所述预设图像范围包括所述标准图片序列的第一标准图像及排序在所述第一标准图像之前的所有图像；

将所述第二标准图像的预测人脸信息和所述第二标准图像的初始人脸信息进行融合判断，以得到第二标准图像的目标人脸信息；

将所述第二标准图像的目标人脸信息添加至所述人脸图像序列中。

4.根据权利要求3所述的人脸识别方法，其特征在于，将所述第二标准图像的预测人脸信息和所述第二标准图像的初始人脸信息进行融合判断，以得到第二标准图像的目标人脸信息的步骤，包括：

计算所述第二标准图像的预测人脸信息与所述第二标准图像的初始人脸信息的交并比；

若所述交并比大于预设偏移阈值，将所述第二标准图像的预测人脸信息添加至所述人脸图像序列中；

若所述交并比小于预设偏移阈值且大于零，将所述第二标准图像的初始人脸信息添加至所述人脸图像序列中；

若所述交并比等于零，创建新的人脸图像序列，并重新跟踪所述第二标准图像。

5.根据权利要求3所述的人脸识别方法，其特征在于，所述RetinaFace人脸检测模型为RetinaFace单步人脸检测器，根据预设的RetinaFace人脸检测模型获取标准图像中的人脸信息的步骤，包括：

基于预设主干网络提取所述标准图像中的人脸特征；

基于特征金字塔网络和SSH人脸检测网络对所述人脸特征进行特征加强处理；

基于ClassHead网络、BoxHead网络、LandmarkHead网络三个并行的预测网络分别对所述人脸特征的人脸置信度、人脸边界框位置、人脸关键点位置进行检测；

对所述人脸边界框位置和所述人脸关键点位置的检测进行解码；

通过NMS非极大值抑制方法去除重复检测值，以得到所述人脸信息。