基于平滑矩阵的人脸识别方法、装置和计算机设备制造方法及图纸

本申请揭示了一种基于平滑矩阵的人脸识别方法、装置、计算机设备和存储介质，所述方法包括：获取原始视频，并提取出两张原始帧图片；调取多张参照图片；人脸特征向量提取处理，得到两个人脸特征向量集合；进行人脸特征向量提取处理，从而得到多个人脸特征向量；计算出初始相似矩阵S，获取第一初始相似矩阵S

【技术实现步骤摘要】
基于平滑矩阵的人脸识别方法、装置和计算机设备
本申请涉及到计算机领域，特别是涉及到一种基于平滑矩阵的人脸识别方法、装置、计算机设备和存储介质。
技术介绍
人脸识别是人工智能和模式识别领域非常重要的技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术，利用摄像机或摄像头采集含有人脸的图像，并在图像中检测人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。传统的人脸识别技术是针对于静态图片(例如一张单独的照片，或者一张从视频中提取出的单独图片)的识别，若静态图片中展现的人脸特征足够丰富，那么传统的人脸识别技术能够进行准确地识别，但是部分静态图片中展现的人脸特征较少，例如在静态图片中的人脸数量大、清晰度低、拍摄光线和角度差、人脸部分遮挡、视频压缩损失等情境下时，传统的人脸识别技术无法进行准确的识别。因此，传统的人脸识别技术的识别适应性低，识别准确性不足。
技术实现思路
本申请的主要目的为提供一种基于平滑矩阵的人脸识别方法、装置、计算机设备和存储介质，旨在提高整体的人脸识别效率与准确性。为了实现上述专利技术目的，本申请提出一种基于平滑矩阵的人脸识别方法，包括以下步骤：获取原始视频，并从所述原始视频中提取出两张原始帧图片，所述两张原始帧图片在时间上连续，所述两张原始帧图片包括前帧图片和后帧图片，每个所述原始帧图片中均包括至少一个人体；调取预设的人脸数据库中的多张参照图片，每张参照图片中均包括一张人脸；对所述原始帧图片进行人脸特征向量提取处理，从而得到与所述两张原始帧图片分别对应的两个人脸特征向量集合，其中每个人脸特征向量集合至少包括一个人脸特征向量；对所述参照图片进行人脸特征向量提取处理，从而得到与所述多张参照图片分别对应的多个人脸特征向量；根据公式：计算出初始相似矩阵S，从而获取与所述前帧图片对应的第一初始相似矩阵St-1，以及获取与所述后帧图片对应的第二初始相似矩阵St；其中，Fprobe，i为原始帧图片中第i个人脸特征向量，Fgallery，j为第j个参照图片的人脸特征向量，所述原始帧图片中共包括M个人脸，所述参照图片共有N张；根据预设的矩阵平滑处理方法，利用所述第一初始相似矩阵，对所述第二初始相似矩阵进行平滑处理，从而得到平滑矩阵；根据预设的矩阵解析方法，解析所述平滑矩阵，从而得到与所述后帧图片对应的人脸识别结果。进一步地，所述获取与所述前帧图片对应的第一初始相似矩阵St-1，以及获取与所述后帧图片对应的第二初始相似矩阵St的步骤之前，包括：对所述原始帧图片进行人体关键点检测处理，从而得到与所述原始帧图片对应的人体关键点集合，其中人体关键点集合至少包括一套人体关键点；从每一套人体关键点集合中均提取出头部的鼻子、双眼和双耳关键点，并利用所述鼻子、双眼和双耳关键点计算出头部中心位点置，从而得到与所述原始帧图片中每个人体的头部中心点位置；从原始帧图片中的人脸特征向量中获取对称人脸特征向量，并利用所述对称人脸特征向量计算出脸部中心点位置，从而得到与所述原始帧图片中每个人脸对应的脸部中心点位置；根据公式：Duv＝||Cface，u-Chead，v||，生成距离矩阵D，其中下标face表示人脸，下标head表示人体中的头部，Duv为距离矩阵D中第u行第v列的元素，Cface，u为第u个人脸的脸部中心点位置，Chead，v为第v个人体的头部中心位置；根据公式：vu＝argmin(D，axis＝1)，v为自变量，从而生成人脸的追踪序号Iface，u；其中，表示位于距离矩阵D中横行为u且竖列为vu的元素的人体编号，THr为预设的差值阈值，表示位于距离矩阵D中横行为u且竖列为vu的元素的数值，vu表示在距离矩阵D中的第u行中数值最小的元素所处的竖列编号，axis＝1表示对矩阵的横行进行函数计算；生成初始相似矩阵计算指令，所述初始相似矩阵指令用于指示根据公式：计算出初始相似矩阵S；其中所述初始相似矩阵的横行采用所述追踪序号进行编号。进一步地，所述根据预设的矩阵平滑处理方法，利用所述第一初始相似矩阵，对所述第二初始相似矩阵进行平滑处理，从而得到平滑矩阵的步骤，包括：根据公式：计算出与所述后帧图片对应的中间矩阵其中，为中间矩阵中第i行的元素，αi为第i行元素对应的预设的加权系数，为第二初始相似矩阵St中第i行的元素，为第一初始相似矩阵St-1中第i行的元素；根据公式：生成平滑矩阵Pt，其中为所述平滑矩阵Pt中第i行的元素，是人脸的所述追踪序号。进一步地，所述根据公式：计算出与所述后帧图片对应的中间矩阵的步骤之前，包括：根据公式：计算出所述后帧图片对应的中间矩阵中第i行对应的加权系数αi，其中，K为预设的惩罚因子，αbase为预设的初始加权系数，clamp函数限定返回的数值在0与1之间，表示第二初始相似矩阵St中第i行的元素中最大的数值，表示第一初始相似矩阵中第i行的元素中最大的数值。进一步地，所述根据预设的矩阵解析方法，解析所述平滑矩阵，从而得到与所述后帧图片对应的人脸识别结果的步骤，包括：在所述平滑矩阵中生成路径L，所述路径L包括路径节点L1、L2、…、Lm，节点L1、L2、…、Lm分别位于所述平滑矩阵中的第一行、第二行、…、第m行，并且节点L1、L2、…、Lm分别位于所述平滑矩阵中不同列，并且所述节点L1、L2、…、Lm的数值之和大于其他路径中的节点的数值之和，共有m个待识别人脸；获取所述路径节点L1、L2、…、Lm分别对应的横行编号H1、H2、…、Hm，以及获取所述路径节点L1、L2、...、Lm分别对应的竖列编号G1、G2、...、Gm；构建人脸对应关系，并将所述人脸对应关系作为与所述后帧图片对应的人脸识别结果，其中所述人脸对应关系包括横行编号H1对应的人脸对应于竖列编号G1对应的参照图片，横行编号H2对应的人脸对应于竖列编号G2对应的参照图片，…，横行编号Hm对应的人脸对应于竖列编号Gm对应的参照图片。本申请提供一种基于平滑矩阵的人脸识别装置，包括：原始帧图片提取单元，用于获取原始视频，并从所述原始视频中提取出两张原始帧图片，所述两张原始帧图片在时间上连续，所述两张原始帧图片包括前帧图片和后帧图片，每个所述原始帧图片中均包括至少一个人体；参照图片调取单元，用于调取预设的人脸数据库中的多张参照图片，每张参照图片中均包括一张人脸；人脸特征向量集合获取单元，用于对所述原始帧图片进行人脸特征向量提取处理，从而得到与所述两张原始帧图片分别对应的两个人脸特征向量集合，其中每个人脸特征向量集合至少包括一个人脸特征向量；多个人脸特征向量获取单元，用于对所述参照图片进行人脸特征向量提取处理，从而得到与所述多张参照图片分别对应的多个人脸特征向量；初始相似矩阵获取单元，用于根据公式：计算出初始相似矩阵S，从而获取与所述前帧图片对应的第一初始相似矩阵St-1，以及获取与所述后本文档来自技高网...

【技术保护点】
1.一种基于平滑矩阵的人脸识别方法，其特征在于，包括：/n获取原始视频，并从所述原始视频中提取出两张原始帧图片，所述两张原始帧图片在时间上连续，所述两张原始帧图片包括前帧图片和后帧图片，每个所述原始帧图片中均包括至少一个人体；/n调取预设的人脸数据库中的多张参照图片，每张参照图片中均包括一张人脸；/n对所述原始帧图片进行人脸特征向量提取处理，从而得到与所述两张原始帧图片分别对应的两个人脸特征向量集合，其中每个人脸特征向量集合至少包括一个人脸特征向量；/n对所述参照图片进行人脸特征向量提取处理，从而得到与所述多张参照图片分别对应的多个人脸特征向量；/n根据公式：

【技术特征摘要】
1.一种基于平滑矩阵的人脸识别方法，其特征在于，包括：
获取原始视频，并从所述原始视频中提取出两张原始帧图片，所述两张原始帧图片在时间上连续，所述两张原始帧图片包括前帧图片和后帧图片，每个所述原始帧图片中均包括至少一个人体；
调取预设的人脸数据库中的多张参照图片，每张参照图片中均包括一张人脸；
对所述原始帧图片进行人脸特征向量提取处理，从而得到与所述两张原始帧图片分别对应的两个人脸特征向量集合，其中每个人脸特征向量集合至少包括一个人脸特征向量；
对所述参照图片进行人脸特征向量提取处理，从而得到与所述多张参照图片分别对应的多个人脸特征向量；
根据公式：计算出初始相似矩阵S，从而获取与所述前帧图片对应的第一初始相似矩阵St-1，以及获取与所述后帧图片对应的第二初始相似矩阵St；其中，Fprobe，i为原始帧图片中第i个人脸特征向量，Fgallery，j为第j个参照图片的人脸特征向量，所述原始帧图片中共包括M个人脸，所述参照图片共有N张；
根据预设的矩阵平滑处理方法，利用所述第一初始相似矩阵，对所述第二初始相似矩阵进行平滑处理，从而得到平滑矩阵；
根据预设的矩阵解析方法，解析所述平滑矩阵，从而得到与所述后帧图片对应的人脸识别结果。


2.根据权利要求1所述的基于平滑矩阵的人脸识别方法，其特征在于，所述获取与所述前帧图片对应的第一初始相似矩阵St-1，以及获取与所述后帧图片对应的第二初始相似矩阵St的步骤之前，包括：
对所述原始帧图片进行人体关键点检测处理，从而得到与所述原始帧图片对应的人体关键点集合，其中人体关键点集合至少包括一套人体关键点；
从每一套人体关键点集合中均提取出头部的鼻子、双眼和双耳关键点，并利用所述鼻子、双眼和双耳关键点计算出头部中心位点置，从而得到与所述原始帧图片中每个人体的头部中心点位置；
从原始帧图片中的人脸特征向量中获取对称人脸特征向量，并利用所述对称人脸特征向量计算出脸部中心点位置，从而得到与所述原始帧图片中每个人脸对应的脸部中心点位置；
根据公式：Duv＝||Cface，u-Chead，v||，生成距离矩阵D，其中下标face表示人脸，下标head表示人体中的头部，Duv为距离矩阵D中第u行第v列的元素，Cface，u为第u个人脸的脸部中心点位置，Chead，v为第v个人体的头部中心位置；
根据公式：

vu＝argmin(D，axis＝1)，v为自变量，从而生成人脸的追踪序号Iface，u；其中，表示位于距离矩阵D中横行为u且竖列为vu的元素的人体编号，THr为预设的差值阈值，表示位于距离矩阵D中横行为u且竖列为vu的元素的数值，vu表示在距离矩阵D中的第u行中数值最小的元素所处的竖列编号，axis＝1表示对矩阵的横行进行函数计算；
生成初始相似矩阵计算指令，所述初始相似矩阵指令用于指示根据公式：



计算出初始相似矩阵S；其中所述初始相似矩阵的横行采用所述追踪序号进行编号。


3.根据权利要求2所述的基于平滑矩阵的人脸识别方法，其特征在于，所述根据预设的矩阵平滑处理方法，利用所述第一初始相似矩阵，对所述第二初始相似矩阵进行平滑处理，从而得到平滑矩阵的步骤，包括：
根据公式：

计算出与所述后帧图片对应的中间矩阵其中，为中间矩阵中第i行的元素，αi为第i行元素对应的预设的加权系数，为第二初始相似矩阵St中第i行的元素，为第一初始相似矩阵St-1中第i行的元素；
根据公式：

生成平滑矩阵Pt，其中Pit为所述平滑矩阵Pt中第i行的元素，是人脸的所述追踪序号。


4.根据权利要求3所述的基于平滑矩阵的人脸识别方法，其特征在于，所述根据公式：计算出与所述后帧图片对应的中间矩阵的步骤之前，包括：
根据公式：



计算出所述后帧图片对应的中间矩阵中第i行对应的加权系数αi，其中，K为预设的惩罚因子，αbase为预设的初始加权系数，clamp函数限定返回的数值在0与1之间，表示第二初始相似矩阵St中第i行的元素中最大的数值，表示第一初始相似矩阵中第i行的元素中最大的数值。


5.根据权利要求1所述的基于平滑矩阵的人脸识别方法，其特征在于，所述根据预设的矩阵解析方法，解析所述平滑矩阵，从而得到与所述后帧图片对应的人脸识别结果的步骤，包括：
在所述平滑矩阵中生成路径L，所述路径L包括路径节点L1、L2、…、Lm，节点L1、L2、...、Lm分别位于所述平滑矩阵中的第一行、第二行、...、第m行，并且节点L1、L2、…、Lm分别位于所述平滑矩阵中不同列，并且所述节点L1、L2、…、Lm的数值之和大于其他路径中的节点的数值之和，共有m个待识别人脸；
获...

【专利技术属性】
技术研发人员：高超，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44