[发明专利]一种人脸识别和追踪方法

权利要求书

1.一种人脸识别和追踪方法，其特征在于，包括如下步骤：

S1：选择至少一个目标人像，并为同一个目标人像选择多幅样本图片，利用卷积神经网络进行分析、构建目标人像模型，并获取目标人像模型特征值；

S2：从视频流中提取样本帧，查找人脸样本，并确定所述人脸样本在所述样本帧中的位置；

S3：利用S1中的卷积神经网络对所述人脸样本进行分析，获取人脸样本特征值；

S4：将所述人脸样本特征值与所述目标人像模型特征值进行比对，判断所述人脸样本与所述目标人像模型是否属于同一人，如判断结果为“是”，则对所述人脸样本的运动特征进行提取，并根据所述运动特征继续在所述视频中位于所述样本帧之后的部分对所述人脸样本进行运动跟踪、提取所述人脸样本出现的疑似区域；如判断结果为“否”，则返回步骤S2；

S5：对所述疑似区域重复步骤S2～S4的操作，再次进行判断，如判断结果为“是”，则继续进行跟踪；如判断结果为“否”，则返回步骤S1；步骤S1的具体方法如下：

S1.1：选择至少一个目标人像，并为每个所述目标人像选择多幅不同角度的样本图片；

S1.2：对所述多幅不同角度的样本图片进行边缘检测、得到多幅不同角度的人像边缘图像，并对所述样本图片进行二值化处理，分别从每幅经过二值化处理的样本图片中去掉对应的人像边缘图像，得到多个不同角度的人像图像；

S1.3：通过卷积神经网络对多幅所述人像图像分别进行特征提取，并构建三维的目标人像模型；

S1.4：对多幅所述人像图像进行归一化处理，得到目标人像模型特征值；

步骤S1.3的具体方法如下：

S1.3.1：以多幅所述人像图像作为训练图像，在所述训练图像中标注线条像素点和底色像素点，根据所述线条像素点和所述底色像素点划分若干子块，并分别标记为训练子块，组成训练样本集合；

S1.3.2：将所述训练样本集合输入值所述卷积神经网络中进行分类模型的训练，所述卷积神经网络分别根据每个所述子块输出一个深度特征向量，组成深度特征向量集合；

S1.3.3：通过支持向量机对所述深度特征向量集合进行分类计算、得到每个所述深度特征向量在所述目标人像中的权重w；

S1.3.4：通过三维卷积构建3D人像模型，并根据所述权重得到增强的目标人像模型。

2.如权利要求1所述的人脸识别与追踪方法，其特征在于，所述卷积神经网络的卷积层根据所述训练子块输出深度特征向量的计算公式如下：

其中，是第l层的输入谱，是第m个输入和n个输出特征谱之间的卷积核，*是卷积操作,M^l-1是输入特征谱的数量,是第n个输出谱的偏移。

3.如权利要求1所述的人脸识别与追踪方法，其特征在于，步骤S1.4的具体方法如下：

S1.4.1：根据如下公式计算每个所述子块的一阶矩：

其中，V(i,j)为所述人像图像在(i,j)上的灰度值；

根据如下公式，计算每个所述子块的重心：

S1.4.2：根据如下公式计算每个所述子块的二阶矩：

根据如下公式，计算每个所述子块的旋转角度：

其中：

S1.4.3：利用所述重心与所述旋转角度对所述目标人像模型进行校正，得到空间重心以及各个所述子块相对于所述空间重心的空间旋转角度，并与每个所述子块的所述权重一一对应，得到子块特征数据集，即为所述目标人像模型特征值。

4.如权利要求3所述的人脸识别与追踪方法，其特征在于，步骤S3的具体方法如下：

S3.1：对所述人脸样本进行边缘检测、得到人脸样本边缘图像，并对所述人脸边缘图像进行二值化处理，从经过二值化处理的样本图片中去掉人脸样本边缘图像，得到人脸样本图像；

S3.2：对所述人脸样本图像划分若干子块，并分别标记为样本子块，分别计算每个所述样本子块之间的重心和旋转角度；

S3.3：在所述目标人像模型中查找与所述样本子块相匹配的子块，计算相应的两个子块重心的水平偏移距离d和竖直偏移距离h、以及两个子块的旋转角度之差α，即为所述人脸样本特征值。