[发明专利]一种基于人脸对齐的人脸跟踪和人脸图像捕获方法

说明书

本发明公开了一种基于人脸对齐的人脸跟踪和人脸图像捕获方法，所述方法包括：步骤1：计算t时刻每一个人脸的质心；步骤2：计算出t时刻中检测出的人脸的质心最可能出现的预测位置；步骤3：对于每一个t时刻的人脸质心，计算与所有人脸质心预测结果之间的欧氏距离，将距离小于阈值的人脸质心与该质心初步匹配；计算对应的人脸68点关键点数据与所有初步匹配的人脸对应的之间每个点的平均欧氏距离；若最小欧式距离小于阈值，则认为人脸与初步匹配人脸匹配成功，将此人脸图像入库，实现了能高效地对视频流中的人脸图像进行提取，为在线实时人脸识别提供冗余较少的人脸图像数据和跟踪结果的技术效果。

技术领域

本发明涉及人脸识别检测领域，具体地，涉及一种基于人脸对齐的人脸跟踪和人脸图像捕获方法。

背景技术

随着计算机视觉的相关理论与应用研究的快速发展，计算机视觉技术在日常生活中应用的优越性也日益突显出来。用计算机对图像进行识别是计算机从相关的视频或图像序列中提取出相应的特征，从而让计算机“理解”图像的内容，并能正确分类的技术。人脸识别在身份识别与验证上的作用日趋明显。对于在线视频流的人脸识别系统，基本程序框架如图1所示。

在线实时人脸识别的基本流程：

(1)视频流解析成帧序列，对每一帧利用人脸检测方法检测出人脸，标记人脸框，图像预处理，人脸特征的提取

(2)提取的人脸特征与人脸库特征对比验证

(3)存储相应的人脸图像做日志记录

(4)对帧序列中同一个人更新对应的人脸框

通过以上基本流程可以看出，若对视频流中每一帧图像都不加选择地做人脸检测，图像的预处理，特征提取，人脸识别，最后再存储相应的人脸，每一步都需要复杂的矩阵运算，GPU的计算压力非常大，每一帧进行人脸图像的存储和更新，会导致数据库存储压力巨大。因此对每帧进行暴力计算的方式会消耗巨大的计算和存储资源，难以保证视频中人脸检测的实时性和大规模部署的可行性。

发明内容

本发明提供了一种基于人脸对齐的人脸跟踪和人脸图像捕获方法，解决了现有的在线实时人脸识别存在计算量较大的技术问题，实现了能高效地对视频流中的人脸图像进行提取，为在线实时人脸识别提供冗余较少的人脸图像数据和跟踪结果的技术效果。

人脸质心：根据openCVDlib库的68点人脸特征点对齐算法计算出的68点人脸关键点的质心

人脸图像入库：根据人脸关键点数据计算合适的人脸边框，将t时刻(当前帧)人脸图像截取并存储，以供人脸识别系统调用。

在视频流中，一个人脸从进入画面到离开画面范围，其轨迹为一条连续的曲线。要对该人脸进行识别，在理想情况下只需要对其中某一帧的人脸图像进行处理即可，并不需要对每一帧的图像中的每一个人脸都进行识别。

人脸的移动符合一定的运动规律(速度，加速度)，并且在相邻的两帧之间，人脸边框的移动距离不大，因此能够采用一定的方法将视频不同帧中出现的同一个人脸联系起来，从而实现的对人脸的跟踪和高效捕获提取。

为解决上述技术问题，本申请提供了一种基于openCV的人脸跟踪和人脸图像捕获方法，所述方法包括：

步骤1：获得具有人脸图像的视频流数据，将视频流解析成帧序列，计算t时刻每一个人脸的质心；

步骤2：依据基于动量的人脸位置预测方法，依据历史数据计算出t时刻中检测出的人脸的质心最可能出现的预测位置；

设同一人脸两帧间时间间隔为Δt,则定义时刻速度为v_t，时刻速度为：