[发明专利]基于多目标跟踪的人脸筛选方法、装置、设备及存储介质

权利要求书

1.一种基于多目标跟踪的人脸筛选方法，其特征在于，包括下述步骤：

获取多目标跟踪算法输出的人脸跟踪结果，所述人脸跟踪结果包括置信度，所述人脸跟踪结果包括：第一预设时间的人脸跟踪结果和第二预设时间的人脸跟踪结果；

根据所述置信度对第一预设时间内的多个人脸跟踪结果进行去重处理，得到待筛选人脸特征；

将在第二预设时间内获取到的多个待筛选人脸特征输入预先训练好的卷积神经网络，得到目标人脸预测值，其中，所述第二预设时间为所述第一预设时间的大于1的整数倍，或者所述第二预设时间为所述第一预设时间的间隔的图像帧数的两倍以上的时间；

基于所述目标人脸预测值对目标人脸进行筛选；

其中，所述根据所述置信度对第一预设时间内的多个人脸跟踪结果进行去重处理，得到待筛选人脸特征的步骤具体包括：

在所述第一预设时间内，从具有相同人脸标识的人脸跟踪结果中选出置信度最大的一个人脸跟踪结果作为所述待筛选人脸特征，多个所述待筛选人脸特征组成一个具有相同人脸标识的待筛选人脸特征集。

2.如权利要求1所述方法，其特征在于，所述获取多目标跟踪算法输出的人脸跟踪结果的步骤具体包括：

获取连续输入所述多目标跟踪算法的多帧图像的对应多个人脸跟踪结果，所述人脸跟踪结果还包括人脸标识。

3.如权利要求1所述方法，其特征在于，所述将在第二预设时间内获取到的多个待筛选人脸特征输入预先训练好的卷积神经网络，得到目标人脸预测值的步骤具体包括：

在第二预设时间内，从所述具有相同人脸标识的待筛选人脸特征集中获取待筛选人脸特征；

对所述第二预设时间内获取到的待筛选人脸特征进行预处理；

将所述预处理后的待筛选人脸特征输入预先训练好的卷积神经网络中进行分类，得到所述目标人脸预测值，所述目标人脸预测值包括人脸概率、人脸角度、人脸清晰度。

4.如权利要求3所述方法，其特征在于，所述基于所述目标人脸预测值对目标人脸进行筛选的步骤具体包括：

将所述目标人脸的人脸预测值中的人脸概率和预先设置的人脸概率阈值进行比较，如果所述人脸预测值中的人脸概率小于所述人脸概率阈值，则丢弃对应的目标人脸，得到第一目标人脸集；

在第一目标人脸集中，将所述目标人脸的人脸预测值中的人脸清晰度和预先设置的清晰度阈值进行比较，如果所述人脸预测值中的人脸清晰度小于所述清晰度阈值，则丢弃对应的目标人脸，得到第二目标人脸集；

根据所述人脸预测值中的人脸角度，对第二目标人脸集进行筛选，得到最优的目标人脸。

5.如权利要求4所述方法，其特征在于，所述根据所述人脸预测值中的人脸角度，对第二目标人脸集进行筛选，得到最优的目标人脸的步骤具体包括：

在所述第二目标人脸集中，基于所述目标人脸的人脸预测值中的人脸角度计算每个目标人脸的角度分数；

比较所述第二目标人脸集的每个目标人脸的角度分数，筛选出其中角度分数最小的目标人脸作为所述最优的目标人脸。

6.如权利要求5所述方法，其特征在于，所述卷积神经网络的训练步骤包括：

获取训练数据集；

对所述训练数据集进行标注、打标签、加噪声处理后输入所述卷积神经网络模型进行训练。