[发明专利]一种人脸识别和追踪方法

说明书

本发明提供了一种人脸识别与追踪系统，首先通过多幅样本图片构建立体的目标人像模型，然后对人脸样本的特征进行分析，通过卷积神经网络对目标人像模型和人脸样本的面部特征进行提取、量化和比对，以此判断人脸样本与目标人像模型是否属于同一人；在确定为同一人的情况下，通过粒子滤波算法对后续的视频帧进行运动目标跟踪，并通过稀疏表示方法得到跟踪结果。该方法可以综合人面部的线条、底色、比例等特征信息对人脸样本和目标人像模型进行分析，能适应真实模型的各种角度、各种方向的判断分析，并能将定性比对转化为定量比对，从而大大提高了人脸识别判断的可靠性。

技术领域

本发明属于图像识别技术领域，特别涉及一种人脸识别和追踪方法。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。目前人脸识别主要用于身份验证(考勤、门禁、乘坐交通工具以及出入境的身份验证等)以及安全监控(如通过监控视频或其他视频信息查找嫌疑人等)等领域。随着人脸识别的适用范围不断扩大，对人脸识别方法的安全性和可靠性的要求逐渐提高，传统的平面图像识别已经不能满足需求，因此需要一种能适应真实人像模型的不同角度、不同方位的人脸识别方法。

发明内容

为了解决上述技术问题，本发明提供了一种人脸识别和追踪方法。

本发明具体技术方案如下：

本发明提供了一种人脸识别和追踪方法，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。

进一步地，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。

进一步地，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；