[发明专利]一种改良的视频人脸检测提升稳定性的方法

说明书

一种改良的视频人脸检测提升稳定性的方法，包括以下步骤：(1)视频输入；(2)获取当前视频的帧率或者摄像头采集到视频的帧率；(3)以单帧为单位对视频进行分解，形成每一次输入均为1帧的数字图像矩阵；(4)输入1帧数字图像矩阵到人脸检测器中，计算后返回人脸检测的结果，并储存到ARRAY中；(5)使用简单的数学运算对视频中的人脸检测进行上下帧之间的结果关联计算；多个人脸相近框进行权重偏移计算，与当前帧人脸框取平均值；(6)将当前帧人脸检测的结果和经过计算后的人脸位置标注框追加到该数组中；(7)输入下一帧图像矩阵，从步骤5开始执行该流程直到视频帧处理结束。本发明算法简单、检测速率高、适用性广的优点。

技术领域

本发明涉及视频人脸检测技术领域，具体涉及一种改良的视频人脸检测提升稳定性的方法。

背景技术

人脸检测、人脸识别在近20年来得到了前所未有的发展，通过哈儿特征、积分图进行的人脸检测，通过颜色模板匹配进行的人脸检测到目前流行的利用神经网络结构进行的人脸检测，其准确性和稳定性正在逐步的提升。

视频人脸检测作为一个流行的课题，越来越多的场景需要使用到该技术。如数字化的监控系统、智能移动化设备中的自拍系统、活体识别系统等。而在大部分的视频人脸检测中确保输出的人脸位置的稳定性是具有重大意义的。在连续的10个视频帧中，输入人脸基本保持位置不变的情况下，得到的人脸位置信息也应该基本保持不变。但是由于目前数字摄像头采集的视频帧中无可避免的存在电子信号的干扰、环境光线的干扰、感光元件的质量差异等等因素，在每一帧的输入视频中几乎无法保证图像的像素是一致的，也因为此，人脸检测器通过计算得到的人脸位置信息往往也是不一致的，会产生上下左右之间的偏移或者偏差。为了确保人脸检测的稳定性，通常做法是在编写或者训练检测器的时候对输入的数据进行各种情况的模拟，如神经网络的训练中，对输入样本进行添加图像噪声、修改图像的对比度、更改亮度等方法进行模拟。而在检测前则使用各种方法对输入图像进行降噪处理，如常见的多帧取平均和添加各种降噪的滤波器或者修改图像的对比度、亮度等方法。这样可以确保有效的提升人脸检测结果的准确性，在连续视频帧中人脸检测的稳定性。但是此类方法需要通过对图像预处理，在此过程中消耗一定的时间资源和CPU(中心处理器)资源，导致人脸检测器性能在一定程度上下降。而且在编写或者训练人脸检测器的时候由于需要对数据进行模拟噪音加入，而这种模拟处理容易导致检测器出现不可以预估的偏差甚至错误。

在连续帧的视频中，上一帧的人脸检测结果对于下一帧具有极大的参考价值，基于此原理文献《Learning to Track at 100FPS with Deep Regression Networks》中提出了一种视频人脸追踪的方法，当前帧的人脸位置信息根据上一帧的位置信息为基准，在上一帧的人脸位置信息中随机放大人脸检测位置坐标作为当前帧的人脸位置的参考，利用神经网络对预测的人脸位置进行神经网络回归校准，得到最终的结果。这种方法充分的利用了视频中帧与帧之间的相关性，大大的提升了人脸检测的效率。但是该方法只能作为单目标检测跟踪，以人脸为检测跟踪的目标，那么同一时间该方法只能检测跟踪一张人脸。在专利申请号《CN201711494696.8》提出一种利用上下帧人脸检测结果计算相交面积(IOU)而判断人脸位置的移动情况，这种方法利用单帧人脸检测的方法，通过计算每一帧的人脸检测结果对比其IOU来判断输出的人脸位置信息，方法高效，效果稳定。但是利用该方法得到的人脸检测结果在人脸在短时间内(例如1秒内)快速移动的时候，会出现人脸位置(人脸位置标注框)滞后的情况，也就是快速移动的过程中人脸位置无法及时更新到更为准确的位置，并且帧与帧之间的人脸位置差异大的时候人脸位置标注框出现“生硬”的过度，影响使用的效果。

因此，本发明提出一种更优的解决方法，通过位置距离偏移权重的计算来优化连续帧的人脸检测稳定性，使得视频人脸检测中提升其人脸检测的稳定性，过度的平滑性，利用视频帧中的人脸检测结果有效的确保人脸位置的准确性。

发明内容