[发明专利]视频人脸识别方法、系统及存储介质

说明书

本申请涉及一种视频人脸识别方法、系统及存储介质，包括：获取待跟踪视频的图像帧；对当前图像帧进行人脸检测；若当前图像帧包含有人脸特征，则获得当前图像帧的人脸特征，并执行下一步骤，否则，获取待跟踪视频的下一个图像帧，并返回上一步；将当前图像帧的人脸特征与人脸数据库中的人脸特征进行对比识别；若人脸数据库中不存在与当前图像帧的人脸特征相同的人脸特征，则将当前图像帧的人脸特征输入人脸数据库保存；重复上述所有步骤直至完成待跟踪视频的所有图像帧的人脸跟踪。本发明解决了在背景复杂、多人任意移动场景以及人脸随镜头时长消失的视频场景会彻底失效的问题，提高了人脸跟踪效果，降低了使用难度。

技术领域

本申请涉及视频图像处理技术领域，尤其涉及一种视频人脸识别方法、系统及存储介质。

背景技术

随着图像识别技术的发展，人脸跟踪技术的应用范围越来越广。其中，人脸跟踪技术指的是在视频数据中对每一个人脸的进行跟踪，对人脸进行跟踪可以方便后续对视频数据包括的图像帧图像的处理，因此多人脸跟踪的应用场景十分广泛，如美妆、人脸识别、监控和AR虚拟主播等。

目前多人脸跟踪技术中采用较多的算法具有以下几种：一、利用人脸质心的欧式距离来跟踪，其首先单人脸入库，然后再开始进行多人脸跟踪；二、对人脸检测框求iou来跟踪，其首先dlib库从视频帧中检测到人脸检测框，然后每连续两帧的检测框求iou，iou最大的就是同一张人脸，编码为同一个序号，若下一帧出现iou为零的检测框则为新人脸，增加新的编码序号；三、利用深度学习对人脸检测框来跟踪，其中，人脸跟踪方面的深度学习算法的代表是deepsort，其首先通过检测器得到人脸box，并生成detections，然后卡尔曼滤波预测前一帧中的tracks在当前帧的状态，再使用匈牙利算法将预测后的tracks和当前帧中的detecions进行匹配(级联匹配和IOU匹配)，最后卡尔曼滤波更新每个匹配成功的detection，并处理未匹配tracks和detections。

但是上述的这几种算法主要都是为了解决人脸识别的速度问题，所以都是单人完全正脸的情形，场景和待识别人脸都非常标准化，这些应用场景如果每一帧都识别将耗费大量的计算量，给人造成的感觉就是人脸识别非常卡，并且遇到的视频环境复杂的情况下，容易出现大量的误报和报错，导致很多检测框检测到的就不是人脸或者只是人脸的一点部分，跟踪效果差。

发明内容

为了解决上述技术问题，本申请提供了一种视频人脸识别方法、系统及存储介质。

第一方面，本申请提供了一种视频人脸识别方法，所述方法包括：所述方法包括：

获取待跟踪视频的图像帧，其中，所述图像帧包括初始图像帧和普通图像帧；对当前图像帧进行人脸检测；若当前图像帧包含有人脸特征，则获得当前图像帧的人脸特征，并执行下一步骤，否则，获取待跟踪视频的下一个图像帧，并返回上一步；将当前图像帧的人脸特征与人脸数据库中的人脸特征进行对比识别；若人脸数据库中不存在与当前图像帧的人脸特征相同的人脸特征，则将当前图像帧的人脸特征输入人脸数据库保存；重复上述步骤直至完成待跟踪视频的所有图像帧的人脸跟踪。

进一步地，若人脸数据库中不存在与当前图像帧的人脸特征相同的人脸特征，则将当前图像帧的人脸特征输入人脸数据库保存的步骤，包括：判断当前图像帧的类型；

若为初始图像帧，则将当前图像帧的人脸特征输入人脸数据库保存；

若为普通图像帧，则遍历当前图像帧的人脸特征，并计算出所述当前图像帧的人脸特征与比较图像帧的人脸特征的第一余弦距离最大值，以及在所述第一余弦距离最大值时的当前图像帧的人脸特征的宽高比；其中，所述比较图像帧的人脸特征是指通过变量暂存的方式暂存的当前图像帧的前一帧图像的各个人脸特征；当第一余弦距离最大值满足预设条件时，将当前图像帧的人脸特征识别为待加入人脸数据库的人脸特征。

进一步地，当第一余弦距离最大值满足预设条件时，将当前图像帧的人脸特征识别为待加入人脸数据库的人脸特征的步骤，包括：