一种基于无人机航拍的人脸实时检测识别方法技术

本发明专利技术公开了一种基于无人机航拍的人脸实时检测识别方法，包括如下步骤：加载数据处理模型，摄像头采集数据，写入图像数据；数据预处理；压缩转换后的图像数据，并存储于共享内存；处理器读取图像数据；对数据进行卷积处理；池化层对数据进行降维处理；对数据进行非线性映射；对数据加权求和进行分类处理；对数据进行非极大值抑制；对相邻视频帧进行人脸匹配，通过固定的帧数检测更新跟踪模板；计算获取的目标和检测目标的相关度增强匹配的正确率；叠加人脸框并进行人脸计数；推流显示。本发明专利技术能够实现实时人脸检测识别，同时能够大幅降低误检率。

A real-time face detection and recognition method based on UAV aerial photos

【技术实现步骤摘要】
一种基于无人机航拍的人脸实时检测识别方法
本专利技术涉及无人机监控
，尤其涉及一种基于无人机航拍的人脸实时检测识别方法。
技术介绍
传统人脸识别主要应用在基于固定摄像头的识别场景，人脸识别效果差、灵活性差，一旦人员移动或者摄像头移动，便会出现人脸识别数据不准确；在摄像头与人员相对移动中，人脸识别的实时性差。
技术实现思路
本专利技术的目的就在于为了解决上述问题而提供一种基于无人机航拍的人脸实时检测识别方法，包括如下步骤：S1：检测模块加载数据处理模型，等待接收图像数据；S2:摄像头采集数据，写入内存；S3:数据预处理：转换图像数据格式，并对图像数据归一化处理，将数据转换为RGB数据；S4:压缩转换后的图像数据，并存储于共享内存；S5:检测模块读取图像数据，进行数据处理；S6:卷积层神经网络通过卷积核对数据进行卷积处理；S7:池化层对数据进行降维处理，选卷积核内最大像素值作为降维后的值；S8:激励层对卷积处理的输出数据进行非线性映射：设α为斜率系数，x为横坐标值，g(x)为函数结果，则g(x)＝max(αx，x)；S9:全连接层把提取的特征数据通过加权求和进行分类：y＝Wx，其中W为权重向量，x为特征向量；S10:对检测结果进行非极大值抑制，去除同一目标的重复检测；S11:读取视频中每一帧数据，根据场景设定需要间隔帧数的参考值；判断当前帧数是否为参考值的倍数；若是，则对下一帧进行人脸检测，更新跟踪模板；若不是，则与前面检测的人脸进行匹配，从而进行人脸跟踪；S12:通过归一化互相关匹配算法进行判断前后两帧中目标的相关度，如果在一定阈值范围内，则是相同人脸目标，否则为不同人脸目标，达到人脸跟踪的目的；S13:叠加人脸框并进行人脸计数；并通过推流显示。本专利技术的有益效果在于：本专利技术基于无人机视角，能够实现移动拍摄，进行实时深度学习网络，针对摄像机数据格式进行的网络优化与训练，进一步降低网络运算量，实现实时人脸检测识别，同时能够大幅降低误检率。附图说明图1是本专利技术的流程图。具体实施方式下面结合附图对本专利技术作进一步说明：如图1所示，本专利技术一种基于无人机航拍的人脸实时检测识别方法，包括如下步骤：S1：检测模块加载数据处理模型，等待接收图像数据；S2:摄像头采集数据，写入内存；S3:数据预处理：转换图像数据格式，并对图像数据归一化处理，将数据转换为RGB数据；S4:压缩转换后的图像数据，并存储于共享内存；S5:检测模块读取图像数据，进行数据处理；S6:卷积层神经网络通过卷积核对数据进行卷积处理；S7:池化层对数据进行降维处理，选卷积核内最大像素值作为降维后的值；S8:激励层对卷积处理的输出数据进行非线性映射：设α为斜率系数，x为横坐标值，g(x)为函数结果，则g(x)＝max(αx，x)；S9:全连接层把提取的特征数据通过加权求和进行分类：y＝Wx，其中W为权重向量，x为特征向量；S10:对检测结果进行非极大值抑制，去除同一目标的重复检测；S11:读取视频中每一帧数据，根据场景设定需要间隔帧数的参考值；判断当前帧数是否为参考值的倍数；若是，则对下一帧进行人脸检测，更新跟踪模板；若不是，则与前面检测的人脸进行匹配，从而进行人脸跟踪；S12:通过归一化互相关匹配算法进行判断前后两帧中目标的相关度，如果在一定阈值范围内，则是相同人脸目标，否则为不同人脸目标，达到人脸跟踪的目的；S13:叠加人脸框并进行人脸计数；并通过推流显示。进一步的，所述S3中对数据归一化处理具体包括：设x*为当前像素值归一化的值，x为当前像素值，max为当前帧所有像素中的最大值，则：x*＝log10(x)/log10(max)。进一步的，所述S2步骤转换数据格式具体包括：将1920*1080*2的uyvy数据转换为1920*1080*3的RGB数据：其中：y为明亮度，u和v表示色度，R表示红色通道，G表示绿色通道，B表示蓝色通道。进一步的，所述S6中卷积处理具体包括：其中，R(i,j)为图像(i,j)处的卷积值，k为n*n的卷积核，n＝2a，f(i,j)为图像(i,j)处的像素值。进一步的，所述S7具体过程为：y(u，v)＝max{f(u+i，v+j)，i∈(0，n)，j∈(0，n)}；其中：n表示核的大小，y(u，v)表示图像中(u，v)处附近n*n范围内最大的像素值作为max-pooling之后的结果。进一步的，所述S10具体过程为：其中intersection为两个目标框的交集，Union为两个目标框的并集，若IoU超过设定阈值则为同一目标框；进一步的，所述S11中进行相邻帧的人脸匹配具体包括：其中：T为匹配模板，S为图像矩阵，D为(i，j)处的匹配结果。进一步的，所述S12中归一化积相关算法处理具体过程：其中：E(Si，j)为(i，j)处子图的平均灰度值，E(T)为模板的平均灰度值，M*N为匹配模板大小，T为匹配模板。具体过程如下：检测模块加载数据处理模型，等待接收图像数据；摄像头采集数据，写入内存。预处理：机载摄像头采集的数据为固定格式、固定分辨率，采集的数据为uyvy格式，1920x1080的两通道数据，需要对数据进行预处理，包括数据格式转换和归一化，具体包括：设x*为当前像素值归一化的值，x为当前像素值，max为当前帧所有像素中的最大值，则：x*＝log10(x)/log10(max)。归一化后将1920*1080*2的uyvy数据转换为1920*1080*3的rgb数据：其中：y为明亮度，u和v表示色度，R表示红色通道，G表示绿色通道，B表示蓝色通道。为减少计算量和保持目标检测的精度，将1920x1080的分辨率压缩为640*640：设Q11、Q12、Q21和Q22为图像中相邻的像素点，其像素坐标位置分别为(x1，y1)、(x1，y2)、(x2，y1)和(x2，y2)，P为待估算的点，R1为Q11和Q21的近似估算点，R2为Q12和Q22的近似估算点，P为R1和R2的近似估算点，则：通过上述归一化处理和双线性插值计算，将原始数据处理为适用于人脸检测算法的格式存储于共享内存，如附图1所示流程图。处理器读取图像数据，加载数据处理模型，进行数据处理。卷积处理：神经网络中通过卷积核对数据进行卷积处理：设x*为当前像素值归一化的值，x为当前像素值，max为当前帧所有像素中的最大值，则：x*＝log10(x)/log10(max)。池化处理：池化层对数据进行降维处理，选取max-pooling方式进行降维，能够减少计算量，选取卷积核内数据最大的值本文档来自技高网...

【技术保护点】
1.一种基于无人机航拍的人脸实时检测识别方法，其特征在于，包括如下步骤：/nS1：检测模块加载数据处理模型，等待接收图像数据；/nS2:摄像头采集数据，写入内存；/nS3:数据预处理：转换图像数据格式，并对图像数据归一化处理，将数据转换为RGB数据；/nS4:压缩转换后的图像数据，并存储于共享内存；/nS5:检测模块读取图像数据，进行数据处理；/nS6:卷积层神经网络通过卷积核对数据进行卷积处理；/nS7:池化层对数据进行降维处理，选卷积核内最大像素值作为降维后的值；/nS8:激励层对卷积处理的输出数据进行非线性映射：设α为斜率系数，x为横坐标值，g(x)为函数结果，则/ng(x)＝max(αx，x)；/nS9:全连接层把提取的特征数据通过加权求和进行分类：y＝Wx，其中W为权重向量，x为特征向量；/nS10:对检测结果进行非极大值抑制，去除同一目标的重复检测；/nS11:读取视频中每一帧数据，根据场景设定需要间隔帧数的参考值；判断当前帧数是否为参考值的倍数；若是，则对下一帧进行人脸检测，更新跟踪模板；若不是，则与前面检测的人脸进行匹配，从而进行人脸跟踪；/nS12:通过归一化互相关匹配算法进行判断前后两帧中目标的相关度，如果在一定阈值范围内，则是相同人脸目标，否则为不同人脸目标，达到人脸跟踪的目的；/nS13:叠加人脸框并进行人脸计数；并通过推流显示。/n...

【技术特征摘要】
1.一种基于无人机航拍的人脸实时检测识别方法，其特征在于，包括如下步骤：
S1：检测模块加载数据处理模型，等待接收图像数据；
S2:摄像头采集数据，写入内存；
S3:数据预处理：转换图像数据格式，并对图像数据归一化处理，将数据转换为RGB数据；
S4:压缩转换后的图像数据，并存储于共享内存；
S5:检测模块读取图像数据，进行数据处理；
S6:卷积层神经网络通过卷积核对数据进行卷积处理；
S7:池化层对数据进行降维处理，选卷积核内最大像素值作为降维后的值；
S8:激励层对卷积处理的输出数据进行非线性映射：设α为斜率系数，x为横坐标值，g(x)为函数结果，则
g(x)＝max(αx，x)；
S9:全连接层把提取的特征数据通过加权求和进行分类：y＝Wx，其中W为权重向量，x为特征向量；
S10:对检测结果进行非极大值抑制，去除同一目标的重复检测；
S11:读取视频中每一帧数据，根据场景设定需要间隔帧数的参考值；判断当前帧数是否为参考值的倍数；若是，则对下一帧进行人脸检测，更新跟踪模板；若不是，则与前面检测的人脸进行匹配，从而进行人脸跟踪；
S12:通过归一化互相关匹配算法进行判断前后两帧中目标的相关度，如果在一定阈值范围内，则是相同人脸目标，否则为不同人脸目标，达到人脸跟踪的目的；
S13:叠加人脸框并进行人脸计数；并通过推流显示。


2.根据权利要求1所述一种基于无人机航拍的人脸实时检测识别方法，其特征在于，所述S3中对数据归一化处理具体包括：
设x*为当前像素值归一化的值，x为当前像素值，max为当前帧所有像素中的最大值，则：x*＝log10(x)/log10(max)。


3.根据权利要求1所述一种基于无人机航拍的人脸实时检测识别方法，其特征在于，所述S3步骤转换数据...

【专利技术属性】
技术研发人员：刘洋，冉欢欢，李毅捷，谢雨峰，时翔，唐柯，
申请(专利权)人：成都携恩科技有限公司，
类型：发明
国别省市：四川;51