[发明专利]一种基于无人机动平台的人脸检测与跟踪方法

说明书

技术领域

本发明属于计算机视觉领域，是一种实时人脸检测与跟踪方法，尤其是一种针对特定人群对象的基于无人机动平台的人脸检测与跟踪的方法。

背景技术

人脸图像由于其直观性作为人类识别单个目标的主要手段得到越来越多的重视，在智能监控、感知接口、虚拟现实、视频搜索以及电子商务等领域有着广泛的应用，人脸的检测与跟踪技术一直是计算机视觉的研究热点。

目前人脸检测与跟踪主要都集中在固定视觉下的人脸检测与跟踪的解决方案，而针对无人机等动平台的多视觉以及移动视觉下的人脸检测与跟踪方法，却鲜见报道。

这主要是因为无人机等动平台所采集的视频图像序列通常属于动态背景下的人脸目标信息，即机载平台在飞行过程中由于不可避免的发生平台抖动，这种抖动势必会造成人脸目标与背景之间发生相对运动，这种相对运动会使得动平台下视场景下的人脸目标检测与跟踪技术将变得更加复杂。此外，无人机下视场景下人脸面积较小，且处在复杂的地面景物背景中，存在对比度差、遮挡、立体视觉效应等难题，这使得这种背景应用下的人脸检测与跟踪技术准确性和鲁棒性难以保证，这也是无人机动平台人脸检测与跟踪问题最突出的难点之一。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供一种基于动平台的人脸检测及跟踪方法。

本发明采用的技术方案包括：

离线学习步骤，以标准人脸库为样本空间进行离线学习得到人脸检测器，以目标人脸库为样本空间进行离线学习得到目标人脸识别器；

人脸检测步骤，接收无人机拍摄的视频帧，提取视频帧的特征值，将特征值送入人脸检测器，人脸检测器根据所述特征值判断是否检测到人脸，若是则进一步将视频帧的特征值送入目标人脸识别器，目标人脸识别器根据所述特征值判断是否检测到目标人脸；若是则将目标人脸的特征值进行标注并添加到跟踪列表；

人脸跟踪步骤，根据目标人脸在当前视频帧的坐标位置预测目标人脸在下一视频帧中的位置。

进一步，还包括在线学习步骤：

接收无人机当前获取的视频帧，提取当前视频帧的特征值，将特征值送给人脸检测器，如果人脸检测器根据当前视频帧的特征值判断检测到了人脸，则进一步将当前视频帧的特征值送入目标人脸识别器，目标人脸识别器根据所述当前视频帧的特征值判断是否检测到了目标人脸；

如果未检测到目标人脸则将当前视频帧的特征值及值为假的标签送入在线学习模块，如果检测到目标人脸则将当前视频帧的特征值及值为真的标签送入在线学习模块；

在线学习模块利用当前视频帧的特征值及标签值更新目标人脸识别器。

进一步，所述在线学习模块为P-N学习模块；P-N学习模块根据结构性约束条件纠正当前视频帧的标签值，并利用当前视频帧的特征值及纠正后的标签值更新目标人脸识别器。

所述人脸跟踪步骤进一步包括，利用光流法预测目标人脸在下一视频帧中的位置。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明首先采用人脸检测器对视频帧进行筛选，先找到具有人脸的视频帧，缩小了目标人脸识别的范围，再利用目标人脸识别器对目标人脸进行识别，提高了检测的准确性，节省了运算资源。

本发明在跟踪目标人脸的同时，将当前的视频帧及其标签作为新的样本训练并更新目标人脸识别器，进一步提高人脸识别的准确性，使人脸跟踪更加稳定。

本发明采用P-N学习方法对目标人脸的识别结果进行检查纠错，为目标人脸识别器的更新提供了更加可靠的样本，提高了系统的鲁棒性。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为本发明一个具体实施例的流程图。

图2为本发明中在线学习的流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。