一种人脸实时跟踪方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种人脸实时跟踪方法、设备及计算机可读存储介质，其中，该方法包括：获取获取人脸区域图像的帧数据；然后，在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；再然后，在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；最后，根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。实现了一种更为完善的人脸识别和人脸追踪结合方案，节省了处理时间与资源开销，提升了用户体验。

【技术实现步骤摘要】
一种人脸实时跟踪方法、设备及计算机可读存储介质
本专利技术涉及电子
，尤其涉及一种人脸实时跟踪方法、设备及计算机可读存储介质。
技术介绍
现有技术中，对于人员的跟踪广泛应用于各种安防场景中，例如，在写字楼门口跟踪人员的进出、在学校教室内跟踪人员的走动。随着技术的日新月异与发展，人们对安防场景的安防技术，人们对安防产品的相关安防技术要求越来越高。通过捕捉一些公开的身份识别的信息，例如人脸信息指纹信息、声纹信息，安防等级较高的场景中，甚至还有虹膜信息，来增强安防等级，同时也是对另外一些隐私信息的保护，例如身份证信息等。在公开的身份信息中，获取人脸信息最为简便快捷，也即，通过人脸识别技术，对人脸进行识别，确定人员的身份。但是，在现有技术中，将人脸识别和人脸追踪结合起来的方案还不够完善。
技术实现思路
为了解决现有技术中的上述技术缺陷，本专利技术提出了一种人脸实时跟踪方法，该方法包括：获取获取人脸区域图像的帧数据；在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。可选的，本方法还包括：对连续的丢失所述帧数据执行复检测操作。可选的，所述对连续的丢失所述帧数据执行复检测操作，包括：在人脸检测的帧数范围内，执行人员身份确定操作。可选的，本方法还包括：在所述人脸区域的跟踪阶段，去除在所述人脸区域内的人脸识别计算操作。可选的，本方法还包括：在所述人脸区域的跟踪阶段，执行所述人脸区域的图像渲染操作以及所述人脸区域的姿态估计操作。本专利技术还提出了一种人脸实时跟踪设备，该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现：获取获取人脸区域图像的帧数据；在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。可选的，所述计算机程序被所述处理器执行时实现：对连续的丢失所述帧数据执行复检测操作。可选的，所述计算机程序被所述处理器执行时实现：在人脸检测的帧数范围内，执行人员身份确定操作。可选的，所述计算机程序被所述处理器执行时实现：在所述人脸区域的跟踪阶段，去除在所述人脸区域内的人脸识别计算操作；在所述人脸区域的跟踪阶段，执行所述人脸区域的图像渲染操作以及所述人脸区域的姿态估计操作。本专利技术还提出了一种计算机可读存储介质，该计算机可读存储介质上存储有人脸实时跟踪程序，人脸实时跟踪程序被处理器执行时实现如上述任一项所述的人脸实时跟踪方法的步骤。实施本专利技术的人脸实时跟踪方法、设备及计算机可读存储介质，通过获取获取人脸区域图像的帧数据；然后，在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；再然后，在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；最后，根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。实现了一种更为完善的人脸识别和人脸追踪结合方案，节省了处理时间与资源开销，提升了用户体验。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术人脸实时跟踪方法第一实施例的流程图；图2是本专利技术人脸实时跟踪方法第二实施例的流程图；图3是本专利技术人脸实时跟踪方法第三实施例的流程图；图4是本专利技术人脸实时跟踪方法第四实施例的流程图；图5是本专利技术人脸实时跟踪方法第五实施例的流程图；图6是本专利技术人脸实时跟踪方法第六实施例的流程图；图7是本专利技术人脸实时跟踪方法第七实施例的结构框图。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。实施例一图1是本专利技术人脸实时跟踪方法第一实施例的流程图。一种人脸实时跟踪方法，该方法包括：S1、获取获取人脸区域图像的帧数据；S2、在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；S3、在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；S4、根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。在本实施例中，首先，获取获取人脸区域图像的帧数据；然后，在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；再然后，在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；最后，根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。可选的，在本实施例中，将本方案的代码写为neon汇编源码，利用了ARM平台的汇编指令集加速；可选的，在本实施例中，将Pnet-Rnet-Onet的网络结构的头部Pnet收紧，降低后面两个级联网络Rnet、Onet的计算成本；可选的，在本实施例中，当只检测一张最大人脸时，在算法流程上进行改进，也即，当前面的网络筛选出符合要求的最大人脸时便不再进行后面的检测备选框的计算，从而节省时间与资源开销。可选的，本实施例可应用于armv7、armv8等嵌入式平台；可选的，本实施例可应用于RK3288(armv7)嵌入式平台，其实时率可达42帧/秒。可选的，在本实施例中，本方法还包括：对连续的丢失所述帧数据执行复检测操作。可选的，所述对连续的丢失所述帧数据执行复检测操作，包括：在人脸检测的帧数范围内，执行人员身份确定操作。可选的，在本实施例中，本方法还包括：在所述人脸区域的跟踪阶段，去除在所述人脸区域内的人脸识别计算操作。可选的，在本实施例中，本方法还包括：在所述人脸区域的跟踪阶段，执行所述人脸区域的图像渲染操作以及所述人脸区域的姿态估计操作。本实施例的有益效果在于，通过获取获取人脸区域图像的帧数据；然后，在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；再然后，在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；最后，根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。实现了一种更为完善的人脸识别和人脸追踪结合方案，节省了处理时间与资源开销，提升了用户体验。实施例二图2是本专利技术人脸实时跟踪方法第二实施例的流程图，基于上述实施例，本实施例提供了一种人脸识别的系统安装与初始化方案。具体的，在本实施例中，首先，将人脸识别终端接入网络，然后，由终端向服务器发送特定格式的信息，继而判断服务器是否接收并响应该信息，若未接收，则提示用户未连接，等待预设时间后重新连接和验证，若已接收，则在终端接收到服务器响应时，提示用户已连接，此时，超级管理员可以登录管理系统，执行添加设备、添加管理员以及人员录入等操作。可以理解的是，上述实施例的人脸实时跟踪方案可以建立在本实施例的经安装与初始化的系统之上，同样可以实现上述人脸实时跟踪方案相同的技术效果。实本文档来自技高网...

【技术保护点】
1.一种人脸实时跟踪方法，其特征在于，所述方法包括：获取人脸区域图像的帧数据；在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。

【技术特征摘要】
1.一种人脸实时跟踪方法，其特征在于，所述方法包括：获取人脸区域图像的帧数据；在所述帧数据中，若前一帧的置信度高于预设阈值，则扩展所述人脸区域，作为后一帧的候选兴趣区域；在所述候选兴趣区域内计算得到所述后一帧的人脸矩阵尺寸及坐标；根据所述人脸矩阵尺寸及坐标筛选得到所述人脸区域的置信度最高、面积最大人脸。2.根据权利要求1所述的人脸实时跟踪方法，其特征在于，还包括：对连续的丢失所述帧数据执行复检测操作。3.根据权利要求2所述的人脸实时跟踪方法，其特征在于，所述对连续的丢失所述帧数据执行复检测操作，包括：在人脸检测的帧数范围内，执行人员身份确定操作。4.根据权利要求3所述的人脸实时跟踪方法，其特征在于，还包括：在所述人脸区域的跟踪阶段，去除在所述人脸区域内的人脸识别计算操作。5.根据权利要求4所述的人脸实时跟踪方法，其特征在于，还包括：在所述人脸区域的跟踪阶段，执行所述人脸区域的图像渲染操作以及所述人脸区域的姿态估计操作。6.一种人脸实时跟踪设备，其特征在于，所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述...

【专利技术属性】
技术研发人员：杨泽霖，郭思佳，杨坚，
申请(专利权)人：深圳禾思众成科技有限公司，
类型：发明
国别省市：广东,44