人脸检测表面向量数据加速方法、系统、计算机设备和存储介质技术方案

本申请涉及一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。方法包括以下步骤：获取多张连续帧深度图像；选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；根据平均后的最小人脸区域图像数据计算人脸的表面向量。本发明专利技术通过使用最小人脸区域，对深度图像的部分区域而非全部区域进行图像的与处理，以减少计算人脸表面向量的耗时，提高整体系统的运行速度。

【技术实现步骤摘要】
人脸检测表面向量数据加速方法、系统、计算机设备和存储介质
本申请涉及人脸识别
，特别是涉及一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。
技术介绍
随着物联网、人工智能等技术的不断发展和广泛应用，加上国内房地产市场的火爆和短租市场的兴起，曾经只在电视剧中出现的智能门锁也逐渐进入寻常百姓家。智能门锁具有应用高频、更新换代周期长和身份识别等特征，满足了现代人生活对安全和便捷的需求，市场前景广阔。人脸门锁在市场的需求越来越大。在目前的人脸门锁方案中,通过深度图像检测人脸的表面向量进行人脸识别。而在以往由深度数据计算获得表面向量的过程中，需要对深度图像的整幅画面进行预处理，导致整个计算耗时较为漫长，拖慢人脸门锁的运行速度和识别时间。
技术实现思路
基于此，有必要针对上述技术问题，提供一种人脸检测表面向量数据加速方法、系统、计算机设备和存储介质。一种人脸检测表面向量数据加速方法，包括以下步骤：获取多张连续帧深度图像；选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；根据平均后的最小人脸区域图像数据计算人脸的表面向量。作为一种实施方式，还包括以下步骤：对根据人脸坐标划出的最小人脸区域进行扩展。作为一种实施方式，所述对最小人脸区域进行扩展，具体包括以下步骤：沿着最小人脸区域的边缘向外扩展至少2个像素。作为一种实施方式，所述最小人脸区域的边缘向外扩展为4个像素。作为一种实施方式，还包括以下步骤：对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波；抠出滤波后的数据中的原最小人脸区域。作为一种实施方式，所述获取的连续帧深度图像为至少三张。作为一种实施方式，所述获取深度图像中人脸的坐标，并根据人脸坐标划出最小人脸区域，具体包括以下步骤：检测所述面部红外图像中的所述人脸关键点所在的位置，所述人脸关键点至少包括：左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角；建立直角坐标系，记录所述人脸关键点在该直角坐标系中的位置坐标；通过所述人脸关键点的位置坐标计算对应的标尺参数，所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数；根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数，获取最小人脸区域。一种人脸检测表面向量数据加速系统，包括：图像获取单元，用于获取多张连续帧深度图像；人脸区域单元，用于选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；图像处理单元，用于依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；计算单元，用于根据平均后的最小人脸区域图像数据计算人脸的表面向量。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现人脸检测表面向量数据加速方法中任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利人脸检测表面向量数据加速方法中任一项所述的方法的步骤。上述人脸检测表面向量数据加速方法、系统、计算机设备和存储介质，通过使用最小人脸区域，对深度图像的部分区域而非全部区域进行图像的预处理，以减少计算人脸表面向量的耗时，提高整体系统的运行速度。附图说明图1为一个实施例中人脸检测表面向量数据加速方法的应用环境图；图2为一个实施例中人脸检测表面向量数据加速方法的流程示意图；图3为一个实施例中人脸检测表面向量数据加速系统的结构框图；图4为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的人脸检测表面向量数据加速方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种人脸检测表面向量数据加速方法，包括以下步骤：S100：获取多张连续帧深度图像，在本实施例中，获取的连续帧深度图像为至少三张；S200：选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；S300：依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；在本实施例中，以三张连续帧深度图像为例，由步骤S200划出最近一帧深度图像的最小人脸区域，以该最小人脸区域为标准，将三张深度图像的该区域抠出，然后做平均处理。S400：根据最小人脸区域图像数据计算人脸的表面向量。其中，步骤S200中获取最小人脸区域的流程具体包括以下步骤：S201：检测所述面部红外图像中的所述人脸关键点所在的位置，所述人脸关键点至少包括：左眼瞳孔、右眼瞳孔、左嘴角以及右嘴角；S202：建立直角坐标系，记录所述人脸关键点在该直角坐标系中的位置坐标；S203：通过所述人脸关键点的位置坐标计算对应的标尺参数，所述标尺参数至少包括左右瞳孔之间水平距离参数、左右嘴角之间水平距离参数；S204：根据左眼瞳孔位置坐标、右眼瞳孔位置坐标、左右瞳孔之间水平距离参数、以及左右嘴角之间水平距离参数，获取最小人脸区域。除上述步骤外，还包括对最小人脸区域图像数据处理步骤，具体包括以下步骤：S400：对根据人脸坐标划出的最小人脸区域进行扩展。具体为沿着最小人脸区域的边缘向外扩展至少2个像素。在本实施例中为向外扩展4个像素。该步骤的目的为避免后续图像处理出现边缘数据无法处理的情况。在另一实施例中，步骤S300的抠图标准的最小人脸区域为扩展后的最小人脸区域，依据扩展后的所有最小人脸区域图像进行均值处理。S500：对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波。S600：抠出滤波后的数据中的原最小人脸区域，即抠出扩展之前大小的最小人脸区域。在一个实施例中，提供了一种人脸检测表面向量数据加速系统，如图3所示，包括图像获取单元1、人脸区域单元2、图像处理单元3及计算单元4，图像获取单元1用于获取多张连续帧深度图像；人脸区域单元2用于选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；图像处理单元3用于依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；计算单元4用于根据平均后的最小人本文档来自技高网...

【技术保护点】
1.一种人脸检测表面向量数据加速方法，其特征在于，包括以下步骤：/n获取多张连续帧深度图像；/n选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；/n依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；/n根据平均后的最小人脸区域图像数据计算人脸的表面向量。/n

【技术特征摘要】
1.一种人脸检测表面向量数据加速方法，其特征在于，包括以下步骤：
获取多张连续帧深度图像；
选取最近一帧深度图像，获取其人脸坐标，并根据人脸坐标划出最小人脸区域；
依据所述最小人脸区域对所有深度图像进行抠图，将抠出的所有深度图像的最小人脸区域图像进行平均；
根据平均后的最小人脸区域图像数据计算人脸的表面向量。


2.根据权利要求1所述的人脸检测表面向量数据加速方法，其特征在于，还包括以下步骤：
对根据人脸坐标划出的最小人脸区域进行扩展。


3.根据权利要求2所述的人脸检测表面向量数据加速方法，其特征在于，所述对最小人脸区域进行扩展，具体包括以下步骤：
沿着最小人脸区域的边缘向外扩展至少2个像素。


4.根据权利要求3所述的人脸检测表面向量数据加速方法，其特征在于，所述最小人脸区域的边缘向外扩展为4个像素。


5.根据权利要求2所述的人脸检测表面向量数据加速方法，其特征在于，还包括以下步骤：
对扩展后的最小人脸区域图像数据进行中值滤波和均值滤波；
抠出滤波后的数据中的原最小人脸区域。


6.根据权利要求1所述的人脸检测表面向量数据加速方法，其特征在于，所述获取的连续帧深度图像为至少三张。


7.根据权利要求1所述的人脸检测表面向量数据加速方法，其特征在于，所述获取深度图像中...

【专利技术属性】
技术研发人员：方利红，李军军，包建意，徐韡，
申请(专利权)人：杭州艾芯智能科技有限公司，
类型：发明
国别省市：浙江;33