[发明专利]一种基于联合人脸质量评估的陌生人脸聚类方法

说明书

一种基于联合人脸质量评估的陌生人脸聚类方法，包括：利用人脸中的关键点，对人脸进行检测，并提取人脸的关键特征，获取人脸图像；将人脸图像与未知人物库进行特征比对，判断是未知人物库中的人物，如果是，则进行未知人物库更新步骤，如果不是，则进入图像质量评估步骤；未知人物库更新为，根据人脸图像与未知人物库中的人物识别判断的结果，得到未知人物ID，并将图像结果存入未知人物库；图像质量评估为，对人脸图像进行模糊检测、姿态识别、人脸特征质量评估，从而判断所述人脸图像是否属于优质图像；当为优质图像时新增到未知人物数据库中。本发明能够提高未知人物聚类的正确率，并运用于视频图像分析系统和视频监控系统，具有广泛的运用前景。

技术领域

本发明涉及图像处理领域，具体的，涉及计算机视觉技术领域中的基于联合人脸质量评估的陌生人脸聚类方法。本发明可用于监控安防、视频分析、公安系统人物追踪系统中人物识别。

背景技术

人脸是区分人物身份的重要特征，基于人脸特征的人物识别相比于虹膜、指纹识别具有更便捷、更自然、非接触的优势，因此具有广阔的应用市场，包括监控安防、视频分析、公安系统人物追踪等。

人脸识别过程是先将图像或视频帧中的人脸检测出来，然后对截出的人脸图像进行特征提取，提取出人脸的关键特征信息，再与数据库中已保存的模板人脸特征进行比对，计算与模板库中人脸的相似度，以此来识别图像中人脸是否为模板中人脸。

数据库中的模板人脸特征通常是事先存入的已知人物，对于模板库中不存在的人脸，系统无法识别该人物身份。对于门禁系统，人脸识别的需求只要识别模板库中的已知人物，其他未知人物不需要处理；对于某些监控系统，有时需要新增模板人物，通常新增人物采用人脸注册的方式，要求手动添加人物的高清照片和身份信息，或者使用注册系统主动采集人物信息。

对于视频分析系统，为了能尽量获取视频内容，需要将视频内的关键人物都尽可能多的识别出来。但由于视频可能来源于各种网络数据，很难将所有可能出现的人物身份信息都通过人工的方式添加到模板人物库，因此，要求系统能智能的完成对模板库中不存在的未知人物进行甄别并对同一人物进行聚类，形成未知人物数据库，随着需要识别的人物范围不断扩大，某些未知人物的身份会被确认，确认身份的未知人物就可以直接转到模板人物库中。

由于视频图像中的人脸可能存在各种光照变化、角度变化、姿态变化、模糊低分辨率的问题，直接将检测到的未知人脸存入未知人物模板库则会导致未知人物库数据庞大，且聚类效果差。因此，如何能够智能的完成未知人物聚类是目前人物识别系统的难点。

发明内容

本发明的目的在于针对视频分析系统中未知人脸聚类难的问题，提出一种基于联合人脸质量评价的未知人物聚类方法，

为达此目的，本发明采用以下技术方案：

一种基于联合人脸质量评估的陌生人脸聚类方法，其特征在于，包括如下步骤：

人脸特征检测提取步骤S110，利用人脸中的关键点，对人脸进行检测，并提取人脸的关键特征，获取人脸图像；

未知人物识别步骤S120，将人脸图像与未知人物库进行特征比对，判断是未知人物库中的人物，如果是，则进行未知人物库更新步骤S130，如果不是，则进入图像质量评估步骤S140；

未知人物库更新步骤S130，根据人脸图像与未知人物库中的人物识别判断的结果，得到未知人物ID，并将图像结果存入未知人物库，所述未知人物ID是未知人物库中的人物身份标识；

图像质量评估步骤S140，对人脸图像进行模糊检测、姿态识别、人脸特征质量评估，从而判断所述人脸图像是否属于优质图像；

优质图像识别步骤S150：当图像模糊度、姿态角度、人脸特征质量和图片像素值满足阈值时，所述图像为优质图像，并新增到未知人物数据库中。