[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

说明书

本发明公开了一种级联式人脸图像优选方法，通过多任务级联卷积神经网进行人脸检测及坐标估计；过滤分辨率低于阈值的图片；过滤人脸姿态过歪的图片；通过分辨率得分、人脸头部姿态得分、人脸遮挡得分、表情得分、清晰度得分、光照强度得分，对图片进行综合分计算，综合分最高的图片为最优人脸；对人脸图像进行追踪，推送最优人脸，当最优人脸被更新时或者同一人脸连续预设数量帧内没有更新最优人脸且综合分大于预设分数时，推送最优人脸至识别模块。除了第一次出现人脸需要经过完整的优选步骤以外，在级联中途可以提前筛除不合格的图像，加快优选进度，减少内存资源占用。

技术领域

本发明涉及图像识别技术领域，特别涉及一种级联式人脸图像优选方法、系统、设备及可读存储介质。

背景技术

随着AI时代的到来，人脸识别技术在各个行业领域得到了广泛的应用，如智慧交通、治安管理、门禁系统、卡口系统、电子护照、公安、银行自助系统、信息安全等。而人脸识别系统的基础是人脸检测技术，当前的人脸检测效率已经实现30fps全帧率和全画幅的人脸检测，每帧视频图像最多可抓拍的人脸图像也超过了100张。如果全部检测到的人脸图像都输入到人脸识别中，不仅会造成严重的CPU压力和内存占用，而且识别率会因为输入图像的质量，如角度，光照等因素的影响导致识别结果不稳定。因此输入一张质量高的人脸图像进行识别，会产生更加准确可靠的匹配结果输出。目前对人脸图像的筛查主要采用的主观评价的方法，通过人为参与评估过程，对人像进行评分，从而判断图像质量的好坏。但是这种方法存在着人工成本高、实时性差的缺点，无法进行大批量的评价。

发明内容

本发明要解决的技术问题是如何提供一种计算量小，且质量较高的级联式人脸图像优选方法、系统、设备及可读存储介质。

为了解决上述技术问题，本发明的技术方案为：

第一方面，本发明提出了一种级联式人脸图像优选方法，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。

优选地，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。

优选地，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。

优选地，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。