[发明专利]动态人脸识别方法及计算机可读存储介质

说明书

本发明公开了一种动态人脸识别方法及计算机可读存储介质，方法包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。本发明可快速有效地识别出视频中的所有人脸，且可保证正识率和实时性。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种动态人脸识别方法及计算机可读存储介质。

背景技术

随着高清摄像头的快速普及与部署，每天都有海量的视频数据产生，而这庞大的数据库的处理要靠人力来完成是不现实的。于是，市场对于具有智能分析的视频应用的需求越来越大，尤其是视频中的人脸识别项目最多且按照应用场景的多样化具有许多不同的特性。要完成视频图像的人脸识别，对视频中出现的人脸进行提取是前提，且从中提取的人脸的正确性、清晰度、正面度会直接影响后续识别的正确性，因此是人脸识别的重要保证。

目前，领域内最近且最为流行的人脸检测方法是通过各种不同的神经网络的深度学习从视频中的每一帧得到其中包含的人脸，正识率一般可以达到99％以上，且对光线、人脸表情、遮挡和倾斜不敏感。但是由于视频中图片量巨大，不可避免的会存在不少对非人脸的误判。这些误判中大部分都是由背景中的静态干扰物引起的，去除这部分的噪声成了人脸检测中亟待解决的问题。

原有技术中针对视频中动态的人脸可以先通过运动检测算法对静态干扰物进行过滤，但是使用这种技术在实际应用方面存在以下几点问题：

1、在检测过程中会遗漏静止或移动缓慢的人脸；

2、为使运动检测算法达到好的效果，通常需要花费较长的计算时间，由于深度神经网络检测人脸的算法较为复杂、耗时长，再叠加运动检测的时间没有办法同时保证检测的实时性和正确性；

3、若为保证检测的实时性舍弃深度神经网络的检测算法，则系统对人脸的漏识率和误识率都会明显增高，即降低了系统正识率。

发明内容

本发明所要解决的技术问题是：提供一种动态人脸识别方法及计算机可读存储介质，可快速有效地识别出视频中的所有人脸，且可保证正识率和实时性。

为了解决上述技术问题，本发明采用的技术方案为：一种动态人脸识别方法，包括：

根据预设的采样率，依次从动态视频流中获取一帧静态图片；

对所述一帧静态图片进行人脸检测，得到人脸图片集；

获取所述人脸图片集中各人脸图片的关键信息，所述关键信息包括人脸图片对应的时间戳、人脸图片在所述一帧静态图片中的位置信息和指纹数组；

根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息，所述结构化信息包括首次检测到所述人脸类型的位置信息、最后检测到所述人脸类型的位置信息、最新保存至所述人脸类型的人脸图片的指纹数组以及所述人脸类型所保存的人脸图片的数量；

根据结构化信息，对各人脸类型进行筛选，得到人脸集合。

本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。