[发明专利]摄像装置、人脸识别的方法及计算机可读存储介质

权利要求书

1.一种摄像装置，其特征在于，所述摄像装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：

检测步骤：对视频数据进行人脸检测，得到人脸图像；

追踪步骤：对人脸图像进行追踪，获取一序列的人脸图像；

图像质量评分步骤：根据人脸图像中预定的点的梯度值及坐标值对该序列 中每张人脸图像的质量采用评分算法进行评分，获取评分靠前的预设数量的人脸图像，其中，所述预定的点包括眼部点、鼻部点及嘴部点，所述梯度值为眼部点、鼻部点及嘴部点的平均梯度，所述眼部点包括左眼球点及右眼球点，所述嘴部点包括左嘴角点及右嘴角点，所述评分算法为：

p＝((x_LeftEye-x_RightEye)∧2×grad)/|(x_LeftEye+x_RightEye)/2-x_Nose|；

p表示人脸图像的质量评分，x_LeftEye、x_RightEye表示左眼球、右眼球的X坐标，x_Nose表示鼻尖点的X坐标，grad为眼部点、鼻部点及嘴部点三者的平均梯度；

特征点定位步骤：对评分靠前的预设数量的人脸图像进行特征点定位，基于定位后的人脸图像进行校正；

特征向量输出步骤：将校正后的人脸图像输入至预先训练生成的深度神经网络模型中，并获取输出的人脸特征向量；

传输步骤：将人脸特征向量发送给服务器，以执行与人脸图像样本库中样本中的人脸图像进行比对运算的步骤。

2.根据权利要求1所述的摄像装置，其特征在于，在所述检测步骤之前，所述处理系统被所述处理器执行时，还实现如下步骤：

分析视频数据是压缩的视频数据还是非压缩的视频数据；

若是非压缩的视频数据，则将视频数据的格式转换为可进行人脸检测的格式；

若是压缩的视频数据，则对视频数据进行解码再将视频数据的格式转换为可进行人脸检测的格式。

3.根据权利要求1或2所述的摄像装置，其特征在于，所述追踪步骤，具体包括：

获取相邻两帧人脸图像中的人脸区域中心点的X、Y坐标值，以及人脸区域的高度H、宽度W值，根据相邻两帧人脸图像的X、Y坐标值，以及人脸区域的高度H、宽度W值，计算得到该相邻两帧人脸图像中人脸的相似度；

基于相邻两帧人脸图像中人脸的相似度进行人脸追踪。

4.一种人脸识别的方法，其特征在于，所述人脸识别的方法包括：

S1，对视频数据进行人脸检测，得到人脸图像；

S2，对人脸图像进行追踪，获取一序列的人脸图像；

S3，根据人脸图像中预定的点的梯度值及坐标值对该序列 中每张人脸图像的质量采用评分算法进行评分，获取评分靠前的预设数量的人脸图像，其中，所述预定的点包括眼部点、鼻部点及嘴部点，所述梯度值为眼部点、鼻部点及嘴部点的平均梯度，所述眼部点包括左眼球点及右眼球点，所述嘴部点包括左嘴角点及右嘴角点，所述评分算法为：

p＝((x_LeftEye-x_RightEye)∧2×grad)/|(x_LeftEye+x_RightEye)/2-x_Nose|；

p表示人脸图像的质量评分，x_LeftEye、x_RightEye表示左眼球、右眼球的X坐标，x_Nose表示鼻尖点的X坐标，grad为眼部点、鼻部点及嘴部点三者的平均梯度；

S4，对评分靠前的预设数量的人脸图像进行特征点定位，基于定位后的人脸图像进行校正；

S5，将校正后的人脸图像输入至预先训练生成的深度神经网络模型中，并获取输出的人脸特征向量；

S6，将人脸特征向量发送给服务器，以执行与人脸图像样本库中样本中的人脸图像进行比对运算的步骤。

5.根据权利要求4所述的人脸识别的方法，其特征在于，所述步骤S1之前，还包括：

分析视频数据是压缩的视频数据还是非压缩的视频数据；

若是非压缩的视频数据，则将视频数据的格式转换为可进行人脸检测的格式；

若是压缩的视频数据，则对视频数据进行解码再将视频数据的格式转换为可进行人脸检测的格式。