[发明专利]级联式人脸图像优选方法、系统、设备及可读存储介质

权利要求书

1.一种级联式人脸图像优选方法，其特征在于，包括步骤：

获取视频图像，通过多任务级联卷积神经网络进行人脸检测及坐标估计；

进行图像的分辨率得分计算，过滤分辨率低于阈值的图片；

进行人脸姿态得分计算，过滤人脸姿态过歪的图片；

对图像分别进行人脸遮挡得分、表情得分、清晰度得分及光照强度得分的计算；

通过对分辨率得分、人脸姿态得分、人脸遮挡得分、表情得分、清晰度得分及光照强度得分进行加权计算，将总得分最高的图片作为最优人脸；

对视频中的人脸图像进行人脸追踪，推送、更新所述最优人脸。

2.根据权利要求1所述的级联式人脸图像优选方法，其特征在于：进行人脸姿态得分计算过程为：

通过多任务级联卷积神经网络获取人脸的鼻子、左眼、右眼、左嘴角和右嘴角的点坐标；

当鼻子的横坐标大于左眼横坐标且小于右眼横坐标时获得预定分数；

当鼻子的纵坐标大于眼睛的纵坐标且小于嘴巴的纵坐标时获得预定分数；

鼻子距离左眼和左嘴角连线的最小距离为距离一、鼻子距离右眼和右嘴角连线的最小距离为距离二，所述距离一与所述距离二中较小的值除以人脸矩形框的宽度，该比值大于阈值时获得预定分数；

鼻子距离左眼和右眼连线的最小距离为距离三，鼻子距离左嘴角和右嘴角连线的最小距离为距离四，所述距离三与所述距离四中较小的值除以人脸矩形框高度，该比值大于阈值时获得预定分数。

3.根据权利要求1所述的级联式人脸图像优选方法，其特征在于：当视频中的图片出现人脸时，通过KCF目标跟踪算法对人脸进行跟踪，并对每张人脸图片进行过滤，过滤包括过滤分辨率低于阈值的图片以及过滤人脸姿态过歪的图片。

4.根据权利要求1所述的级联式人脸图像优选方法，其特征在于：当所述最优人脸被更新时或者同一人脸连续预设数量帧内未更新所述最优人脸，且所述最优人脸的总得分大于预设分数时，推送所述最优人脸至人脸识别模块。

5.根据权利要求1至4任一项所述的级联式人脸图像优选方法，其特征在于：所述清晰度得分通过Tenengrad梯度算法进行计算。

6.根据权利要求1至4任一项所述的级联式人脸图像优选方法，其特征在于：所述人脸遮挡得分及所述表情得分采用深度学习模型进行评估计算。

7.根据权利要求1至4任一项所述的级联式人脸图像优选方法，其特征在于：所述光照强度得分采用图片的灰度值均值来进行计算，所述灰度值均值在阈值范围内的光照强度得分高于阈值范围外的光照强度得分。

8.一种级联式人脸图像优选系统，其特征在于，包括：

级联检测模块：获取视频图像，通过多任务级联卷积神经网络进行人脸检测及坐标估计；

分辨率过滤模块：进行图像的分辨率得分计算，过滤分辨率低于阈值的图片；

姿态过滤模块：进行人脸姿态得分计算，过滤人脸姿态过歪的图片；

计算模块：对图像分别进行人脸遮挡得分、表情得分、清晰度得分及光照强度得分的计算；

最优人脸模块：通过对分辨率得分、人脸姿态得分、人脸遮挡得分、表情得分、清晰度得分及光照强度得分进行加权计算，将总得分最高的图片作为最优人脸；

推送模块：对视频中的人脸图像进行人脸追踪，推送、更新所述最优人脸。

9.一种级联式人脸图像优选设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1-7任一项所述的级联式人脸图像优选方法的步骤。

10.一种级联式人脸图像优选的可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时间实现权利要求1-7任一项所述的级联式人脸图像优选方法的步骤。