一种基于人脸检测跟踪ID的人脸识别方法技术

本发明专利技术提供一种基于人脸检测跟踪ID的人脸识别方法，所述方法包括以下步骤：S1，获取原图两个通道图片，第一通道为主码流，第二通道为次码流，将次码流灰度图送入人脸检测模块；S2，人脸检测模块输出次码流灰度图的人脸ID、角度值、模糊值；S3，根据角度值和/或模糊值过滤质量不合格人脸图片，并且根据同一人脸ID确定跟踪ID，根据跟踪ID选择性进行人脸识别。本发明专利技术方法在送入人脸识别的过程中，增加对人脸质量的判断，同时根据同一张人脸ID进行定位，减少送入人脸识别次数，提升人脸识别准确度。提升人脸识别准确度。提升人脸识别准确度。

【技术实现步骤摘要】
一种基于人脸检测跟踪ID的人脸识别方法


[0001]本专利技术涉及图像识别
，特别涉及一种基于人脸检测跟踪ID的人脸识别方法。

技术介绍

[0002]随着计算机技术和光学技术的快速发展，基于深度学习算法的人脸识别能够成功应用前端移动端，人脸检测、人脸识别的实时性得到大幅度提升，但是为保证人脸识别精度，人脸识别算法耗时明显高于人脸检测，因此需要在人脸检测过程中针对同一人脸确定跟踪ID，根据ID选择性人脸识别，降低前端人脸识别CPU，提升性能。
[0003]但是，人脸检测输出人脸，送入人脸识别，送入人脸识别图片未进行任何二次过滤，导致人脸识别实时性能差，人脸识别误识率高。换句话说，人脸检测输出人脸，直接送入人脸识别，由于人脸识别运行时间远大于人脸检测，无法达到实时性效果，同时送入人脸质量较差(模糊、角度倾斜等等)，导致人脸识别效果差，识别误识率较高。
[0004]现有技术中的常用术语如下：
[0005]人脸检测：参输入图片中的人脸进行检测并定位，输出完整人脸；
[0006]人脸跟踪：人脸实时检测，对同一个人脸输出同一ID，实现跟踪效果，为人脸识别起到标识作用；
[0007]人脸识别：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。YUV：是一种颜色编码方法。常使用在各个视频处理组件中。“Y”表示明亮度(Luminance、Luma)，“U”和“V”则是色度、浓度(Chrominance、Chroma)。
[0008]NV12是YUV的一种具体编码形式，以一个2*2像素大小的图为例，则排列为：NV12：YYYYUVUV。
[0009]BGRA是代表Blue(蓝色)Green(绿色)Red(红色)和Alpha的色彩空间。

技术实现思路

[0010]为了解决上述问题，本专利技术的目的在于：送入人脸识别的过程中，增加对人脸质量的判断，同时根据同一张人脸ID进行定位，减少送入人脸识别次数，提升人脸识别准确度。
[0011]一般在前端人脸识别过程中，基于人脸检测实时吐出人脸区域，但人脸识别一次耗时高，不可能达到实时效果，因此本申请依据人脸检测跟踪进行相同ID过滤，同时送入人脸识别图通过模糊值、角度值二次过滤，降低人脸识别次数，进一步达到降低CPU处理量，提升人脸识别性能。
[0012]具体地，本专利技术提供一种基于人脸检测跟踪ID的人脸识别方法，所述方法包括以下步骤：
[0013]S1，获取原图两个通道图片，第一通道为主码流，第二通道为次码流，将次码流灰度图送入人脸检测模块；
[0014]S2，人脸检测模块输出次码流灰度图的人脸ID、角度值、模糊值；
[0015]S3，根据角度值和/或模糊值过滤质量不合格人脸图片，并且根据同一人脸ID确定跟踪ID，根据跟踪ID选择性进行人脸识别。
[0016]所述的人脸ID、角度值、模糊值的获取分别由人脸跟踪模块、角度检测模块、模糊检测模块进行。
[0017]所述的步骤S3进一步包括：
[0018]S3.1，过滤质量不合格人脸图片，同时依据坐标定位至主码流BGRA图片抠图，以确保送入人脸识别模型图片像素值高；
[0019]S3.2，抠图缩放至人脸识别输入大小，送入人脸识别模型，依据跟踪ID进行人脸识别。
[0020]由此，本申请的优势在于：在送入人脸识别的过程中，增加对人脸质量的判断，同时根据同一张人脸ID进行定位，减少送入人脸识别次数，提升人脸识别准确度。过滤不合格人脸；提升人脸识别效果；使得人脸识别实时性提升。
附图说明
[0021]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的限定。
[0022]图1是本专利技术方法的流程示意图。
[0023]图2是本专利技术方法的步骤S3的流程示意图。
[0024]图3是本专利技术方法的具体实施方式的示意图。
具体实施方式
[0025]为了能够更清楚地理解本专利技术的
技术实现思路
及优点，现结合附图对本专利技术进行进一步的详细说明。
[0026]如图1所示，本专利技术涉及一种基于人脸检测跟踪ID的人脸识别方法，所述方法包括以下步骤：
[0027]S1，获取原图两个通道图片，第一通道为主码流，第二通道为次码流，将次码流灰度图送入人脸检测模块；
[0028]S2，人脸检测模块输出次码流灰度图的人脸ID、角度值、模糊值；
[0029]S3，根据角度值和/或模糊值过滤质量不合格人脸图片，并且根据同一人脸ID确定跟踪ID，根据跟踪ID选择性进行人脸识别。
[0030]所述的步骤S1中进一步包括采集的预览数据并获取原图NV12两个通道图片。
[0031]所述主码流为BGRA大图，所述次码流为GRAY小图。
[0032]所述的人脸ID、角度值、模糊值的获取分别由人脸跟踪模块、角度检测模块、模糊检测模块进行。
[0033]如图2所示，所述的步骤S3进一步包括：
[0034]S3.1，过滤质量不合格人脸图片，同时依据坐标定位至主码流BGRA图片抠图，以确保送入人脸识别模型图片像素值高；
[0035]S3.2，抠图缩放至人脸识别输入大小，送入人脸识别模型，依据跟踪ID进行人脸识别。
[0036]所述方法进一步包括：
[0037]S4，为了防止非活体人脸影响人脸识别效果，添加活体检测模块，过滤非活体人脸。
[0038]具体地，如图3所示，本专利技术提出优化人脸识别效果，提升人脸识别性能的方法，旨在克服人脸识别过程中存在检测出人脸质量差，同一人脸多次送入人脸识别过程，CPU资源严重浪费的问题，具体的方案如下：
[0039]一、获取原图NV12两个通道图片，第一通道主码流，第二通道次码流，次码流灰度图图送入人脸检测；
[0040]二、人脸检测输出次码流灰度图人脸ID，角度值，模糊值；
[0041]三、过滤质量不合格人脸图片，同时依据坐标定位至主码流BGRA图片抠图，确保送入人脸识别模型图片像素值高；
[0042]四、抠图缩放至人脸识别输入大小，送入人脸识别模型，依据跟踪ID进行人脸识别；
[0043]五、为了防止非活体人脸影响人脸识别效果，添加活体检测模块，过滤非活体人脸。
[0044]以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，对于本领域的技术人员来说，本专利技术实施例可以有各种更改和变化。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸检测跟踪ID的人脸识别方法，其特征在于，所述方法包括以下步骤：S1，获取原图两个通道图片，第一通道为主码流，第二通道为次码流，将次码流灰度图送入人脸检测模块；S2，人脸检测模块输出次码流灰度图的人脸ID、角度值、模糊值；S3，根据角度值和/或模糊值过滤质量不合格人脸图片，并且根据同一人脸ID确定跟踪ID，根据跟踪ID选择性进行人脸识别。2.根据权利要求1所述的一种基于人脸检测跟踪ID的人脸识别方法，其特征在于，所述的步骤S1中进一步包括采集的预览数据并获取原图NV12两个通道图片。3.根据权利要求1或2所述的一种基于人脸检测跟踪ID的人脸识别方法，其特征在于，所述主码流为BGRA大图，所述次码流为GRAY小图。4.根据权利要求1所述的一种基于人脸检测跟踪ID的人脸识别方法...

【专利技术属性】
技术研发人员：周飞飞，
申请(专利权)人：合肥君正科技有限公司，
类型：发明
国别省市：