[发明专利]一种自动跟踪人脸的摄像头转动控制方法

说明书

本发明公开了一种自动跟踪人脸的摄像头转动控制方法，该方法主要涉及摄像头人脸图像帧采集、人脸检测、步进电机控制等关键步骤。通过摄像头实时获取人脸图像帧，基于多任务卷积神经网络(MTCNN)模型对人脸图像帧实时运算，完成“人脸分类”、“边框回归”和“人脸关键点识别”，克服由于姿势、光照或遮挡等原因造成的人脸检测精度低的问题，计算得到每一帧中的最佳人脸，根据最佳人脸在视频框中的位置信息不断通过控制算法控制步进电机带动摄像头实现向上或者向下实时自动转动，保证检测出的最佳人脸始终保持在视频框的中间位置，当检测不到或人脸信息异常时，控制电机转动使摄像头位置进行自动复位，实现了人脸的自动跟踪。

技术领域

本发明涉及计算机视觉及深度学习领域，具体涉及一种自动跟踪人脸的摄像头转动控制方法。

背景技术：

随着生物识别技术的提高，特别是人脸识别作为最具有发展潜力的生物特征识别技术之一，在近几十年中得到了飞速的发展，具有广阔的应用前景。由于自助设备上摄像头安装位置和角度固定，难以满足各类人群都能采集到有效的人脸图像或视频流，因此设计一种摄像头自动跟踪人脸装置，使摄像头自动寻找并跟随人脸转动，保证自助设备能够获取高质量的人脸图片用于人脸识别和身份认证，重点考虑系统的实用性与实时性。

发明内容

本发明的目的在于提供一种自动跟踪人脸的摄像头转动控制方法，以解决现有技术中摄像装置固定无法对人脸进行跟踪拍摄的缺陷。

一种自动跟踪人脸的摄像头转动控制方法，所述方法包括如下步骤：

对获取的人脸图像进行预处理；

将处理后的人脸图像输入预先构建的模型，通过模型运算获得最终候选人脸边界框；

将最终候选人脸边界框与视频框的位置进行运算得到位置差值；

通过位置差值控制摄像头转动。

进一步的，对获取的人脸图像进行预处理的方法包括：

根据摄像头安装的角度对人脸图像进行相应角度的旋转或缩放。

进一步的，所述模型的构建方法包括如下步骤：

对输入的训练样本进行人脸与非人脸的判断，得到人脸候选框；

将人脸候选框与训练样本真实边框进行边界框回归运算；

对运算后的人脸候选框进行人脸特征点坐标预测；

将预测的人脸特征点坐标与真实人脸特征坐标进行运算获得损失值；

重复训练，直到损失值小于设定阈值时停止训练，完成模型的训练。

进一步的，所述模型包括多任务卷积神经网络模型，所述多任务卷积神经网络模型包括生成候选人脸边界框的P-Net网络，对候选人脸边界框进行过滤的R-Net网络以及生成最终候选人脸边界框的O-Net网络。

进一步的，所述生成候选人脸边界框的P-Net网络的计算方法包括如下步骤：

根据输入的人脸图像生成候选人脸边界框；

计算候选人脸边界框的交并比，通过非极大值抑制对候选人脸边界框进行筛选；

根据视频框，对筛选后的候选人脸边界框进行边框回归校正，并计算得到候选人脸边界框的人脸概率，输出带人脸概率的候选人脸边界框。

进一步的，所述对候选人脸边界框进行过滤的R-Net网络的计算方法包括如下步骤：

获取P-Net网络输出的候选人脸边界框；

对候选人脸边界框再次进行边框回归校正和非极大值抑制去重；