[发明专利]基于深度二次树的视频监控中人脸去重方法

说明书

本发明公开了一种基于深度二次树的视频监控中人脸去重方法，该方法包括：（1）人脸检测部分：准备正负人脸样本使用训练好的深度二次树模型对监控视频中移动的行人进行人脸检测，获取其人脸位置，人脸置信度，人脸清晰度和人脸图像的分辨率；（2）人脸跟踪部分：根据获取的初始帧的人脸位置，进行人脸跟踪，获取同一个人的多张人脸；（3）人脸去重：针对同一个人的人脸子集，采用人脸质量评价法确定各张人脸的图像质量，然后根据评价值选择质量最好的人脸。人脸质量评价分数由人脸置信度、人脸清晰度和人脸图像分辨率三个指标加权得出。本发明能够有效地提高人脸识别的准确率效地提高人脸识别的准率。

技术领域

本发明涉及计算机视觉和人工智能领域，属于监控视频中人脸检测、跟踪、图像质量评价技术领域，具体设计是对监控视频下的人脸去重方法。

背景技术

近年来，以人脸识别为主的生物特征识别技术广泛地应用于日常生活中，尤其在金融、安防等领域发挥了重要的作用。虽然识别技术发展得很快，但在实际监控场景下的人脸识别效果却一直有所欠缺。其中一个非常重要的因素就是用于人脸识别的图像质量较低，主要体现在图像模糊，分辨率低等方面。因此将图像清晰，分辨率高，姿态较正的人脸图像用于人脸识别，可以有效地提升识别准确率。为了达到这一目标，就需要发展一种视频监控下的人脸去重方法，通常由人脸检测、人脸跟踪、人脸质量评价三部分构成，现有的算法中将这三个模块孤立开来，单独完成每一块的运算，这样没有充分利用前面的模块得到的人脸信息，因此如何将各个模块得到的信息联系起来，在保证实时性的同时，又要保证满意的效果，这个问题也是学术和实际应用的角度需要着重解决的。

发明内容

针对现有技术中存在的(1)检测率高的方法速度慢，难以实时应用于视频监控场景(2)能够实时应用的方法，在实际生活中的复杂场景下检测率低，误检率高，针对遮挡、光照变化的鲁棒性不强(3)人脸检测、人脸跟踪、人脸质量评价几个模块直接的信息交互利用不够(4)人脸清晰度评价耗时长、评价不准等问题。本发明提出了一种针对视频监控场景下，基于深度二次树模型的人脸去重方法。和现有技术相比，本发明利用深度二次树进行人脸检测和人脸清晰度评价，获得人脸置信度a、人脸分辨率评价值b、人脸清晰度评价值c，然后对这三个值加权得到人脸质量评价值p。并将检测得到的人脸位置用于人脸跟踪，获得同个人的多种人脸，用质量评价值选出最好的人脸。在进行人脸检测的同时将人脸清晰度的评价值也计算出来，这样大大地提高了这个算法的效率。

基于深度二次树的视频监控中人脸去重方法，其特征包括以下步骤：

步骤1：人脸检测部分：准备正负人脸样本使用训练好的深度二次树模型对监控视频中移动的行人进行人脸检测，获取其人脸位置，人脸置信度，人脸清晰度和人脸图像的分辨率；

步骤2：人脸跟踪部分：根据获取的初始帧的人脸位置，进行人脸跟踪，获取同一个人的多张人脸；

步骤3：人脸去重：针对同一个人的人脸子集，采用人脸质量评价法确定各张人脸的图像质量，然后根据评价值选择质量最好的人脸。人脸质量评价分数由人脸置信度、人脸清晰度和人脸图像分辨率三个指标加权得出。

进一步地，步骤1包括以下步骤：

步骤：1.1人脸检测器的样本数据集收集，通过监控视频自行收集不同姿态，光照，遮挡等复杂环境下的人脸正样本和非人脸的负样本。

步骤：1.2：人脸特征提取：针对所有的训练正负样本提取归一化像素差(NPD)特征，其计算公式如下：

其中x,y分别代图像中两个点的像素值。