[发明专利]多人脸跟踪方法及跟踪系统

说明书

本发明公开了一种多人脸跟踪方法及跟踪系统，本发明方法包括：根据初始帧图像建立多个人脸跟踪模型，多个人脸跟踪模型与多个人脸目标一一对应；采用单人脸跟踪算法分别对多个人脸目标进行跟踪；跟踪过程中对多个人脸跟踪模型进行更新；采用更新后的多个人脸跟踪模型及单人脸跟踪算法进行多个人脸目标的连续跟踪。通过对每个人脸目标建立对应的人脸跟踪模型以及定期的人脸跟踪模型更新实现了长期的多人脸跟踪，并且通过人脸跟踪模型的更新，提高了多人脸跟踪的准确性及跟踪响应速度，适用于安防监控领域多人脸的长时间跟踪，具有广泛的推广应用价值。

技术领域

本发明涉及人脸检测技术领域，特别地，涉及一种多人脸跟踪方法及跟踪系统。

背景技术

随着社会的不断发展，安全问题成为了大家关注的重心。而在涉及到公共安全领域的安防问题中，监控视频的多人脸跟踪(Multiple Faces Tracking)技术的重要性日益凸显。

多人脸跟踪需要对于每次检测到的多个人脸在后续的每帧中更新人脸的位置。由于多数场景下监控摄像头所拍摄视频画面较为复杂，存在复杂的背景干扰以及前景其余行人车辆的遮挡。另外就行人而言，人脸的姿态以及角度也会存在很大的变化，所以多人脸跟踪算法的鲁棒性至关重要。

目前的目标跟踪问题可以分为单目标跟踪与多目标跟踪，而对于单目标跟踪算法的研究尤为热烈。在单目标跟踪中，由于相关滤波方法具有较快的跟踪速度，所以受到关注较多。在2012年，F.Henriques等人提出了CSK(Circulant Structure Kernal，循环结构的核)算法，该方法通过引入具有循环结构的核，减少了跟踪算法的计算复杂度，很大程度加快了目标跟踪速度。之后2014年Martin Danelljan等人提出利用CN(Color Names，多颜色特征)作为原始特征进行跟踪，将算法中的单通道原始特征推广到了多通道原始特征，在CSK跟踪算法的基础上添加了彩色信息。利用CSK中同样的跟踪模型结构，将原算法中单通道的灰度值作为原始特征的方法拓展到利用一个10维颜色通道加1维灰度值通道的11维原始特征。该方法跟踪效果相比CSK有所提升。2015年，F.Henriques等人提出了KCF(Kernelized Correlation Filter，核的相关滤波方法)，利用HOG(Histograms ofOrientation Gradient，梯度方向直方图)作为原始特征，提高了跟踪算法的准确性。Martin Danelljan等人也提出了SRDCF(Spatially Regularized DiscriminativeCorrelation Filter，空间正规化分辨性相关滤波)方法来解决多尺度问题。

现有技术中，对于多目标跟踪算法的研究主要集中在粒子滤波上，该方法通过对于粒子集的重新分配，利用粒子集的密集度来表示目标在该处出现的概率，从而实现目标跟踪。且上述CSK、CN和KCF单目标跟踪算法虽然跟踪速度快，跟踪准确度较高，但均为单目标跟踪方法，并且仅适用于短期目标的跟踪。这些算法只在视频初始帧做目标模板的更新，对于后期视频中出现的新目标无法生成模型。并且当存在较大噪声导致目标跟丢时无法进行跟踪结果的矫正，且只能处理尺度不变物体的跟踪。SRDCF虽然解决了尺度变化目标的跟踪问题，但跟踪速度较慢，无法完成实时的跟踪任务。粒子滤波方法虽然可以完成多目标跟踪，但该方法跟踪结果的准确性较差，对于人脸这种小目标的跟踪无法给出准确的目标边框。

发明内容

本发明提供了一种多人脸跟踪方法及跟踪系统，以解决现有的多人脸跟踪存在准确性较差、跟踪响应速度较慢，且无法实现长时间有效跟踪的技术问题。

本发明采用的技术方案如下：

根据本发明的一个方面，提供一种多人脸跟踪方法，用于对视频数据中的多帧连续图像进行多人脸跟踪监测，本发明方法包括：

根据初始帧图像建立多个人脸跟踪模型，多个人脸跟踪模型与多个人脸目标一一对应；

采用单人脸跟踪算法分别对多个人脸目标进行跟踪；