CN103310187B - 基于面部质量分析的面部图像优先化 - Google Patents

Abstract

本文描述了基于面部质量分析的面部图像优先化的方法、机器可读介质以及设备。例如，一个或多个实施例包括在已经由监视场景的摄像机所获取的图像中探测面部图像；使面部图像通过多个质量分析滤波器，所述质量分析滤波器包括多个质量分析因子，其中与多个质量分析因子相关联的处理复杂度连续地增加；以及在确定了面部图像已经通过多个质量分析滤波器时，将面部图像提交给面部识别程序。

Description

基于面部质量分析的面部图像优先化

技术领域

本公开涉及基于面部质量分析的面部图像优先化的方法、机器可读介质以及设备。

背景技术

基于视频监控的面部识别能够用于某些位置中以确定受监视环境中个体的身份。视频监控可以涉及识别个体的出现和/或个体的位置。这可以通过处理图像以定位个人而完成。然而，处理图像以定位个人可能涉及复杂的处理。

在示例中，与图像相关联的数据的数量的量随着图像分辨率而增加。数据增加的结果是，处理的复杂度可增加。为了解决这些问题，某些系统已经采用第一个固定的、广角的、低分辨率的摄像机来获取图像以定位个体。低分辨率摄像机获取图像，所述图像由于低分辨率图像中相对小量的数据而被更快速处理。

一旦定位了个体，则位置将被提供给第二、更高分辨率的、电机驱动的摄像机，该摄像机能够环接并获取被定位个体的更高分辨率图像。随后将更高分辨率的图像提供给面板识别程序用于处理。然而，更高分辨率图像典型地包括不只是个体面部的场景，其是必须要通过面部识别过程消除或忽略的噪声，因此导致更为复杂的处理。

替代地，和/或附加地，在执行基于视频监控的面部识别时可由摄像机获取大量低分辨率和/或高分辨率图像。大量图像将会可引起必须被处理数据的增加，因此增加了处理的复杂度。

替代地，和/或附加地，更高分辨率摄像机能够环接以获取被定位个体的更高分辨率图像的速度，由于摄像机的机械驱动系统而被限制。例如，更高分辨率的摄像机可能必须摇动镜头到已经由低分辨率摄像机所识别的个体的位置。

结果，由于机械驱动系统移动更高分辨率摄像机所花费的时间，更高分辨率摄像机可能不能摇动镜头到个体的位置。

附图简述

图1图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的方法。

图2图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的方法。

图3图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的设备。

发明详述

在此描述了基于面部质量分析的面部图像优先化的方法、机器可读介质以及设备。例如，一个或多个实施例包括：在监测场景的摄像机所已经获取的图像中探测面部图像、使面部图像通过多个质量分析滤波器，所述滤波器包括多个质量分析因子，其中与多个质量分析因子相关联的处理复杂度连续增加、以及在确定了面部图像已经通过多个质量分析滤波器时，来将面部图像提交给面部识别程序。

面部识别程序可以处理大量数据，例如，摄像机可以获取摄像机正监视的特殊场景的多个(例如，上百、上千)帧，其例如可以随后被面部识别程序处理以确定每帧中的一个或多个个体的身份和/或位置。在多个帧中所包括的数据量可引起处理操作的复杂度增加，其转而可减缓面部识别程序在每帧中识别和/或定位一个或多个个体的速度。

本公开的一些实施例可以降低处理操作的复杂度，该处理操作涉及在面部识别系统中处理一个或多个体的面部图像。在示例中，实施例可以用质量分析滤波器来对被提交给面部识别程序的图像进行滤波。例如，满足与每个质量分析滤波器的相关联的质量分析因子的图像可以被提交给面部识别程序。替代地和/或附加地，不满足质量分析因子的图像将被引导离开面部识别程序(例如，抛弃或存储在存储器中)。

如此，提供给面部识别程序的数据量可减小，因为基于图像的滤波可以进行对提交给面部识别程序的面部图像的优先化。这可允许面部识别程序的更快速的面部识别。

本公开的一些实施例可以对面部图像的轨迹进行优先化，以降低处理操作的复杂度，该处理操作涉及在面部识别系统中处理一个或多个个体的面部图像。面部图像的轨迹被定义为来自不同帧的很可能是同一个体的一组面部图像。在一示例中，相对于尚未完成任何处理的面部图像的轨迹(其可分配有高优先级)，将较低优先级分配给已经识别和/或具有可接受质量的面部图像的轨迹。进一步的图像处理可对已经分配有高优先级的面部图像的轨迹而完成，而不对已经分配有低优先级的面部图像的轨迹，从而保存了由面部识别程序所使用的处理资源。

本公开的某些实施例可以将被分段的和/或与未识别的面部图像相关联的面部图像的轨迹链接到面部图像的轨迹以以允许面部图像的连续轨迹。这可以向用户提供观察个体已经出现的地方(例如，个体所采用的路径)的能力。

本公开的某些实施例可以基于确定何时将改善面部图像总体图像质量，来延迟面部图像的滤波。环境因子能够影响总体图像质量。例如，具有沿着走廊而间距设置的灯的走廊，可以向走廊的不同区域提供不同的光照。

如此，例如，当个体处于多盏灯之一之下的位置时，面部图像的质量可更好，而不是当个体处于两盏灯之间的位置时。基于总体图像质量的模型，本公开的实施例可以延迟对面部图像的处理，直至个体出现在某个位置，该位置提供了适于由面部识别程序进行处理的总体图像质量。结果是，更少面部图像和/或更佳总体质量的面部图像可被提供给面部识别程序，其可导致面部识别程序进行更少处理并且更快速的面部识别。

在本公开的如下详细说明书中，将参照附图，其中附图作为说明书的一部分并且其中通过图释的方式示出了本公开的一个或多个实施例如何被实践。这些实施例足以足够的细节被描述以使本领域技术人员能够实践本公开的实施例，并且应该理解的是，在不脱离本公开范围的情况下可以利用其它实施例并且可以进行过程、电的、和/或结构的改变。

如所理解到的，在本文各个实施例中所示的元件可以增加、交换、和/或消除以提供本公开的多种额外实施例。此外，如所理解到的，附图中所提供的元件比例或相对比率旨在图释本公开的实施例，而并不应该起限制作用。

如本文中所使用的，“一”或“多个”某物可以指的是一个或多个该物。例如，“多个差别”可以指的是一个或多个差别。

图1图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的方法。在块102，该方法可以包括在已经由监视场景的摄像机所获取的图像中探测面部图像。

场景可以包括人的出现。摄像机可以是具有合适光学器件的数字视频摄像机和/或数字静止图像摄像机，以基于特定实施例和安装的要求按需获得场景的图像。在一些实施例中，光学器件可以自动地或按照指令而可调整的变焦和聚焦。摄像机可以是静止的或者能够自动地或按照指令而摇镜头和倾斜。当对光学器件和摄像机的这样的调整被包括在特定实施例中时，可以基于所编程的观察模式、响应于输入到控制系统中的手动命令、或者基于由控制系统根据在所分配场景内所确定的环境变化而确定的指令，自动进行这样的调整。

在某些实施例中，通过面部模型可探测图像中的面部。该面部模型可以包括例如形状、运动、颜色、和/或纹理。例如，在模型中可以使用形状来探测面部的独特特征，诸如由包括方形、矩形、三角形、椭圆形、和/或圆形的形状所限定的眼、嘴、鼻和/或耳。例如，可以使用运动来探测独特的面部动作，其包括眨眼、张嘴、和/或眉毛的移动。例如，可以使用颜色来探测在面部中发现的独特的颜色图案，诸如头发和/或皮肤颜色。例如，可以使用纹理来探测包含独特纹理的面部特征，诸如皮肤、嘴唇和/或头发。

在探测图像中的面部时，面部可以与图像的其余部分相分离以创建面部图像。面部图像可以由面部和/或环绕面部的区域(诸如，头发、脖、耳朵)所构成。

摄像机获取的某些图像，以及随之得到的面部图像，可以具有可变的图像质量。例如，整体图像质量可以受到面部图像中面部的面部尺寸、面部图像的亮度、面部图像上的像素的动态范围和/或面部图像的锐度的影响。由于摄像机所获取的图像的变化总体图像质量，某些图像并不适于用面部识别程序进行处理。

当大量图像被提交给面部识别程序时，可变的总体图像质量的图像可提出挑战。在示例中，图像识别程序可在处理不具备执行面部识别所需质量的图像时存在困难。此外，大量图像被提交给面部识别程序，其可引起面部识别程序上增加的负载，该增加的负载促成执行面部识别而花费的时间的增加。

例如，当摄像机是在短暂时间周期(例如，具有快速帧率)内获取多个图像(例如，帧)的摄像机，诸如视频摄像机时，可以在每帧内探测面部图像并且随后将其提交给面部识别程序。如本文中所讨论的，这导致执行面部识别所花费的时间的增加。

在一些实施例中，每帧中所探测的面部图像可以用多个质量分析滤波器进行滤波。在示例中，该方法包括，在块104，使面部图像通过多个质量分析滤波器，所述质量分析滤波器包括多个质量分析因子，其中与多个质量分析因子相关联的处理复杂度连续地增加。多个质量分析因子中的每个可与多个质量分析滤波器中的每个相对应。

多个质量分析因子可以是与面部图像的质量相关联的因子。在示例中，多个质量分析因子可以包括面部尺寸；面部图像的亮度；面部图像上的像素的动态范围；锐度度量；模糊估算；来自眼、鼻和嘴的界标估算；面部姿态；形状拟合残差；和/或总体图像质量，尽管示例并不限于此。

面部尺寸可以被定义为面部图像中的面部的尺寸。面部图像的亮度可以被定义为对于每单位突起面积在给定方向上的面部图像的照度。面部图像上的像素的动态范围可以被定义为面部图像的最大和最小可测量光强度(例如分别为白和黑)之间的比率。面部图像的锐度可以被定义为面部图像细节有多清楚。

模糊估算可以包括表示为数值的面部图像模糊量的估算。由于摄像机曝光速度和/或摄像机正获取图像的对象的速度导致模糊的存在。

来自眼、鼻和嘴的界标估算可以包括计算面部上的界标(例如特征)之间的距离。例如，眼、鼻和嘴可以被识别为面部上的界标以及可以计算眼、鼻和/或嘴之间的距离来确定是否距离处于面部识别程序处理所需求的范围内。

面部姿态可以被定义为从正常位置(例如，正面姿态)旋转了一偏差度的面部的姿态。在计算面部姿态时，可以确定面部是否从正常位置旋转了过远的偏差度以用于由面部识别程序进行处理。

形状拟合残差可以被定义为一组形状观察值的平均值和与面部图像相关联的的当前形状观察值之间的差。例如，数值可以与面部图像中的面部形状(例如鼻)相关联并且可以与面部组相关联的平均数值进行比较以确定与面部图像中的面部的形状相关联的数值是否处在由面部识别程序进行处理所需范围内。

总体图像质量可以被定义为与每个各自质量分析因子相关联的一个或多个值的总和和/或平均。总体图像质量可以表示面部图像是否有可能从面部识别程序中提供有用或可靠的结果。

多个质量分析滤波器可以串联布置使得面部图像可以通过例如第一、第二和第三质量分析滤波器。当面部图像通过每个相应的质量分析滤波器时，可以依据相应的质量分析因子来分析面部图像。在依据每个相应的质量分析因子分析面部图像时，该方法可以包括确定面部图像是否通过了多个质量分析滤波器。

在一些实施例中，该方法可以包括当面部图像没有通过至少一个质量分析滤波器时将该面部图像丢弃。例如，当面部图像没有通过多个质量分析滤波器中的至少一个时，该面部图像可能不满足与质量分析滤波器相关联阈值并且可能被认为不适于提交给面部识别程序。不适于提交给面部识别程序的面部图像可以是这样一种面部图像，其如果被提交则将不可能提供有用或可靠的结果。因此，该面部图像可被丢弃。

丢弃面部图像可以包括删除面部图像和/或将面部图像从处理中移除以及防止面部图像被提交给面部识别程序。替代的和/或附加的，当面部图像没有通过第一数量的质量分析滤波器中的至少一个时，该面部图像可以被存储在存储器中。将面部图像存储在存储器中可允许该面部图像被参照和/或随后被分析。

在一些实施例中，该方法可以包括按照与多个质量分析滤波器中的每个相关联的质量分析因子的递增的复杂度的顺序来排列多个质量分析滤波器。在例子中，与第一质量分析因子相关联的处理没有与第二质量分析因子相关练的处理那么复杂。

例如，面部尺寸可以是与第一质量分析滤波器相关联的第一质量分析因子；亮度可以是与第二质量分析滤波器相关联的第二质量分析因子；面部图像上的像素动态范围可以是与第三质量分析滤波器相关联的第三质量分析因子；以及快速锐度度量可以是与第四质量分析滤波器相关联的第四质量分析因子。替代的和/或附加的，第一、第二、第三、以及第四质量分析因子可以与单个质量分析滤波器相关联。

通过按照质量分析因子的递增的复杂度的顺序排列多个质量分析滤波器，在不具有由面部识别程序进行处理所需质量的图像上可以执行最少量的处理。例如，不具有由面部识别程序进行处理的所需面部尺寸的图像可以被丢弃和/或存储在存储器中。在丢弃面部图像和/或将面部图像存储在存储器的过程中，可以使用最低限度的处理资源，因为确定面部图像中的面部尺寸太小所涉及的处理的强度低于用面部识别程序处理面部图像和/或例如确定面部图像不具有所需锐度度量(以及其它的质量因子)。

使用更少处理资源的结果在于，面部识别程序可以更快速地执行面部识别，因为那些不满足所需质量的图像将从提交给面部识别程序的一系列图像中被过滤。结果，具有高质量的图像可以被提供给面部识别程序和/或更少图像将被提供给面部识别程序。替代的和/或附加的，当过滤面部图像时可以使用更少的处理资源，因为面部图像由多个质量分析滤波器按照质量分析因子的递增的复杂度的顺序进行过滤。

在一些实施例中，该方法可以包括当面部图像没有通过多个质量分析滤波器中的至少一个时，丢弃面部图像和/或将面部图像存储在存储器中。在示例中，该方法包括当面部图像没有通过多个质量分析滤波器之一时，丢弃和/或存储面部图像。例如，当面部图像没有通过与面部图像的面部尺寸相关联的质量分析滤波器时，将该面部图像丢弃和/或存储。

替代的和/或附加的，当面部图像没有通过多个质量分析滤波器时将面部图像丢弃和/或存储。例如，在使用三个质量分析滤波器作为多个质量分析滤波器的情况下，在面部图像无法通过三个质量分析滤波器中的两个时，面部阻像继续通过第三个质量分析滤波器。

在一些实施例中，该方法可以包括用多个质量分析滤波器来过滤面部图像。使用多个质量分析滤波器可允许在面部图像由面部识别程序处理之前增加面部图像的过滤。例如，依据总体图像质量而更为细化的面部图像可以被提交给面部识别程序，因为面部图像可以通过额外的滤波器。

在一些实施例中，该方法可包括确定面部图像的整体图像质量是否已经收敛。在示例中，通过分析总体图像质量的趋势，可以确定总体图像质量是否已经收敛。例如，当总体图像质量收敛于设定值或者配置值时，可以确定面部图像的总体图像质量为收敛。

替代地和/或附加的，该方法可以包括确定面部图像的整体图像质量是否将收敛。在示例中，如此处所讨论的，通过分析总体图像质量的趋势，可以确定总体图像质量是否将收敛。例如，可以分析面部图像的总体图像质量趋势来确定面部图像的总体图像质量是否持续增加、减少和/或保持相同。

在块106，该方法包括在确定了面部图像已经通过多个质量分析滤波器时，将面部图像提交给面部图像识别程序。由面部识别程序执行的面部识别所涉及的处理可以考虑面部图像和存储在数据库中的已知个体的身份数据。

在一些实施例中，该方法可以包括当面部图像通过多个质量分析滤波器时，响应于提交面部图像给面部识别程序而从面部识别程序接收身份数据。在示例中，当面部图像通过多个质量分析滤波器时，面部图像可以被提供给面部识别程序，使该程序能够产生身份数据。替代的和/或附加的，面部识别程序可以返回指明个体身份的精确度的身份几率。

图2图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的方法。在块212中，该方法包括在从第一时刻开始由摄像机所获取的一系列帧中探测一系列面部图像。每个面部图像可以被包含在摄像机所获取的每个相应的帧中。

在如参照图1所讨论的方式中，在块214，该方法可以包括使面部图像系列中的每个图像通过多个质量分析滤波器，其中与包含在每个质量分析滤波器中的质量分析因子相关联的处理复杂度连续增长。在示例中，通过相对于与多个质量分析滤波器中的每个相关联的质量分析因子分析面部图像系列中的每个图像，而可在每个质量分析滤波器处确定是否面部图像系列中的每个图像都通过每个质量分析滤波器。

如果面部图像没有通过多个质量分析滤波器中的至少一个，面部图像可以被丢弃和/或存储在存储器中。在示例中，面部图像系列中的每个图像可以通过多个质量分析滤波器，并且没有通过多个质量分析滤波器的面部图像可被丢弃。

质量分析滤波器可以串联布置使得面部图像系列中的每个图像都可以通过多个质量分析滤波器中的每个。由于面部图像系列中的每个图像都通过多个质量分析滤波器，每个面部图像可以经受增加了处理复杂度的质量分析因子。例如，处理复杂度可以在与多个质量分析滤波器中的每个相关联的质量分析因子之间连续地增加。

在一些实施例中，该方法可包括存储具有超出阈值图像质量的总体图像质量的多个面部图像，以及丢弃没有超过阈值图像质量的附加图像。丢弃那些没有超过阈值图像质量的附加图像，可以减少由面部分析程序所利用的处理资源，因为该图像被丢弃而不是被面部分析程序处理。

在一些实施例中，该方法可以包括基于对面部图像处理的要求而改变所存储的所述多个面部图像。在示例中，该方法可以包括基于对面部图像处理的要求而增加和/或减少所存储的面部图像的数目。例如，在场景内的多个个体需要被识别并且因此对面部识别程序的处理资源要求为高的情况下，所存储的面部图像数量数目可以减少。替代的和/或增加的，在场景内的较少个体需要被识别并且因此对面部识别程序的处理资源要求为低的情况下，所存储的面部图像数量数目可以增加。

在一些实施例中，该方法可以包括当多个超出阈值图像质量的图像被获得时，停止与面部图像的轨迹相关联的面部图像的处理。通过停止面部图像的轨迹的处理，处理资源可以被用于处理与面部图像的其他轨迹相关联的面部图像。

在块216，该方法包括将已经通过多个质量分析滤波器的面部图像系列中的每个图像提交给面部识别程序，并且响应于此而接收身份数据。通过将面部图像系列通过多个质量分析滤波器，不满足要由面部识别程序处理的所需质量的面部图像中的一些将被丢弃和/或存储在存储器中，因此减少了提交给面部识别程序的面部图像的数目。替代的和/或附加的，通过将不具有由面部识别程序处理的所需质量的图像丢弃和/或存储在存储器中，可以增加提交给面部识别程序的图像的总体图像质量。

在块218，该方法包括在已经接收到身份数据的面部图像系列之间关联轨迹。如在此所讨论的，面部图像的轨迹可以被定义为来自不同帧的很可能是同一个体的一组面部图像。在示例中，可以比较已经为面部图像系列中的每个图像所接收的身份数据。基于为面部图像系列中的每个图像的对身份数据的比较，面部图像可以被链接在一起和/或关联为面部图像的轨迹。

在块220，该方法包括将在第一时刻之前的时间已经由摄像机所获取并且已经通过滤波器的面部图像系列中的每个图像提交给面部识别程序，并且响应于此而接收身份数据。在第一时刻之前的时间已经由摄像机所获取的面部图像系列可以被重组。例如，面部图像系列可以不与轨迹相关联，和/或，面部图像系列和/或面部图像系列中的多个面部图像可以与不完整的轨迹相关联。

当在图像正在由摄像机获取时有两个或更多个个体面部穿过时，可引起重组的和/或不完整的轨迹。重组和/或不完整的轨迹可能在确定由与面部图像系列相关联的个体已经采用的路径时带来挑战。例如，当在图像正在由摄像机获取时有两个或更多个个体面部穿过时，可给出一个或多个轨迹已经终止的虚假指示。

在块222，该方法包括将在第一时刻之前的时间已经由摄像机所获取的面部图像系列中的每个图像与在面部图像系列之间相关联的轨迹相链接。在示例中，为在第一时刻之前的时间已经由摄像机所获取的面部图像系列而接收的身份数据可以与从第一时刻开始由摄像机所获取的面部图像系列相关联的身份数据进行比较。随后可以在为在第一时刻之前时间所已经由摄像机所获取的面部图像系列而接收的身份数据和与从第一时刻开始由摄像机所获取的面部图像系列相关联的身份数据之间进行匹配操作。在身份数据之间进行匹配时，两个图像系列可以被链接为单个轨迹。

图3图释了依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化的设备。如图3所示，计算设备324包括用户界面326。用户界面326可以是图形用户界面(GUI)，其可以提供(例如显示和/或呈现)和/或接收信息(例如，数据和/或图像)给和/或源自计算设备324的用户(例如，操作者)。例如，用户界面326可以包括屏幕，其能够提供信息给计算设备324的用户和/或接收由用户在屏幕的显示器上输入的信息。然而，本公开的实施例并不限于特定类型的用户界面。

如图3所示，计算设备324包括处理器328和与处理器328耦接的存储器330。存储器330可以是易失性或非易失性存储器。存储器330还可以是可移除(例如便携式)存储器，或非可移除(例如内部)存储器。例如，存储器330可以是随机访问存储器(RAM)(例如，动态随机访问存储器(DRAM)和/或相变随机访问存储器(PCRAM))、只读存储器(ROM)(例如电可擦只读存储器(EEPROM)和/或光盘只读存储器(CD-ROM))、闪存、激光盘、数字化视频光盘(DVD)或者其它光学磁盘存储器，和/或磁介质，诸如磁卡、磁带、或者磁盘，以及其他类型存储器。

而且，尽管存储器330图释为置于计算设备324中，但是本公开并不限于此。例如，存储器330还可以置于其他计算资源的内部(例如，使计算机可读指令能够通过英特网或者另一有线或无线连接而被下载)。

存储器330还可以存储可执行指令，举例来说，诸如计算机可读指令(例如软件)，用于依照本公开的一个或多个实施例的基于面部质量分析的面部图像优先化。

依照本公开的一个或多个实施例，处理器328可执行存储在存储器330中的可执行指令。例如，处理器328可以执行存储在存储器330中的可执行指令以从面部图像的第一轨迹中探测面部图像。

在一些实施例中，可以执行指令来采用第一多个质量分析滤波器来过滤面部图像，所述第一多个质量分析滤波器包括第一多个质量分析因子。第一多个质量分析因子中的每个都可以与第一多个质量分析滤波器椎间盘每个的每个相关联。

第一多个质量分析因子可以是与面部图像的质量相关联的因子。在示例中，第一多个质量分析因子可以包括面部尺寸、面部图像的亮度、面部图像上的像素的动态范围和/或锐度度量，但是示例并不限于此。

第一多个质量分析因子可以串联布置，使得面部图像例如通过第一、第二、以及第三质量分析滤波器。当面部图像通过每个相应的质量分析滤波器时，面部图像可以依据每个相应的质量分析因子而被分析。在依据每个相应的质量分析因子分析面部图像时，可以执行指令来确定面部图像是否通过第一多个质量分析滤波器。

在一些实施例中，可以执行指令，以按照与第一多个质量分析滤波器中的每个质量分析滤波器相关联的质量分析因子的递增的复杂度的顺序，来排列第一多个质量分析滤波器。例如，与第一质量分析因子相关联的处理没有与第二质量分析因子相关联的处理那么复杂，而与第二质量分析因子相关联的处理没有与第三质量分析因子相关联的处理那么复杂。例如，面部尺寸可以是与第一质量分析滤波器相关联的第一质量分析因子；亮度可以是与第二质量分析滤波器相关联的第二质量分析因子；面部图像上的像素的动态范围可以与第三质量分析滤波器相关联；以及快速锐度度量可以与第四质量分析滤波器相关联。

当面部图像通过第一多个质量分析滤波器时，如果面部图像通过所有质量分析滤波器和/或至少一质量分析滤波器，则面部图像可以被传递给第二多个质量分析滤波器，其包括第二多个质量分析因子。第二多个质量分析因子可以包括，例如，模糊估算；来自眼、鼻和嘴的界标估算；面部姿态；形状拟合残差；和/或总体图像质量，但是示例并不限于此。在示例中，与第二多个质量分析因子相关联的处理可比与第一质量分析因子相关联的处理更复杂。

在诸如相对于第一质量分析滤波器所讨论的方式中，该方法可以包括按照与第二多个质量分析滤波器中的每个质量分析滤波器相关联的质量分析因子的递增的复杂度的顺序而排列第二多个质量分析滤波器。在示例中，通过按照与质量分析因子的递增的复杂度的顺序来排列第二多个质量分析滤波器，来在不具有由面部识别程序进行处理的所需质量的图像上可以执行最少数的处理。

在一些实施例中，面部图像可以采用第二多个质量分析滤波器进行过滤。如本文中所讨论的，使用多个质量分析滤波器可以允许在它们被面部识别程序处理之前增加面部图像的过滤。例如，依据总体图像质量而更为细化的面部图像可以在面部图像已经通过更多滤波器时被提交给面部识别程序。

第一多个质量分析滤波器和第二多个质量分析滤波器可以串联布置使得面部图像从一个质量分析滤波器传到下一个质量分析滤波器。当面部图像从一个质量分析滤波器传到下一个质量分析滤波器时，相比于与在前质量分析滤波器相关联的质量分析因子，面部图像可以经受与更复杂的处理相关联的质量分析因子。

在一些实施例中，可以执行指令以基于第一多个质量分析因子和第二多个质量分析因子来确定面部图像的总体图像质量。如本文中所讨论的，总体图像质量可以被定义为与每个相应的质量分析因子相关联的一个或多个值的总和和/或平均。总体图像质量可以表示面部图像是否可能从面部识别程序中提供有用或可靠的结果。

在一些实施例中，可以执行指令以基于总体图像质量而用面部识别程序确定面部图像和所存储的面部图像之间的匹配置信度。在示例中，面部图像和所存储的面部图像之间的匹配置信度可以与总体图像质量有关。例如，随着面部图像整体质量的增加，面部特征例如可以变得更易可识别和/或辨别，因此允许面部识别程序在面部图像和所存储的面部图像之间产生更为置信的匹配。

在一些实施例中，可以执行指令以基于匹配置信度和面部图像的整体图像质量而给面部图像的第一轨迹分配优先级。分配给面部图像的第一轨迹的优先级可以包括与对在面部图像的第一轨迹中的面部图像执行面部识别相关联的优先级。例如，如果匹配置信度和/或面部图像的总体图像质量为高，那么低的优先级将被分配给面部图像的第一轨迹，因为已经获得了由面部识别程序进行处理的所需面部图像。替代的和/或附加的，如果匹配置信度和/或面部图像的总体图像质量为低，那么高优先级将被分配给面部图像的第一轨迹，因为并未获得由面部识别程序进行处理的所需面部图像。

在一些实施例中，可以执行指令以通过将面部图像的第一轨迹的优先级和面部图像的第二轨迹的优先级进行比较，而确定是否继续处理来自面部图像的第一轨迹的图像。例如，如果面部图像的第二轨迹的优先级低于面部图像的第一轨迹的优先级，那么面部图像的第一轨迹的处理可以放缓和/或停止，和/或，开始面部图像的第二轨迹的处理和/或面部图像的第二轨迹的处理速度可以提高。处理具有最低优先级的面部图像的轨迹，可以确保处理资源不会浪费在来自已经获得的适于由面部识别程序进行分析的图像的那些面部图像的轨迹上。

在一些实施例中，可以执行指令以当面部图像的第二轨迹的优先级大于面部图像的第一轨迹的优先级时，处理面部图像的第二轨迹的图像。替代的和/或附加的，可以执行指令以当面部图像的第一轨迹的优先级大于面部图像的第二轨迹的优先级时，处理面部图像的第一轨迹的图像。

在一些实施例中，可以执行指令以基于面部图像中的面部尺寸来分配优先级给第一轨迹。面部尺寸可以指示个体多快将到达摄像机视场以外的区域。在示例中，相较于面部图像中的小面部尺寸，面部图像中的大面部尺寸可以指示与面部图像相关联的个体更靠近摄像机。例如，随着个体靠近摄像机，个体的面部尺寸可以增加，指示了个体正在靠近摄像机视场之外的位置。

如此，面部图像可以在具有小面部尺寸的面部图像之前被处理，具有小面部尺寸的面部图像可以指示个体更远离摄像机并且也远离摄像机视场外的位置。因为在具有小面部尺寸的个体靠近摄像机视场之外的位置之前存在更多的时间以及在具有大面部尺寸的个体靠近摄像机视场之外的位置之前存在更少的时间，因此较大面部尺寸可以被分配更高的优先级以确保较与大面部尺寸相关联的面部图像被处理。

替代的和/或附加的，可以执行指令以基于面部图像中的面部速度而分配优先级给第一轨迹。相比于与低面部速度相关联的面部图像，与高面部速度相关联的面部图像可以被分配更高的优先级。在示例中，相比于与具有较低速度的面部图像相关联的个体，具有高面部速度的面部图像可以暗示与面部图像的相关联的个体可更快地靠近摄像机视场外的位置。

例如，相比于具有低面部速度的个体，具有高面部速度的个体可以更快地行进。由于在具有低面部速度的个体靠近摄像机视场之外的位置之前存在更多的时间以及在具有高面部速度的个体靠近摄像机视场之外的位置之前存在更少的时间，因此与高面部速度相关联的面部图像可以被分配更高优先级以确保与高面部速度相关联的面部图像被处理。

在一些实施例中，可以执行指令以基于总体图像质量的模型来确定面部图像的总体图像质量何时改善，以及基于对面部图像的总体图像质量何时改善的确定而延迟面部图像的过滤。环境因子可以影响总体面部质量。例如，具有沿着走廊而间距设置的灯的走廊，可以向走廊的不同区域提供不同的光照。

例如，当个体沿着走廊移动时，光照条件可以例如从当个体位于灯之间时个体被遮光而变化到当个体位于灯下时的个体被照明。在一些实施例中，可以建立照明质量和/或总体图像质量的模型。照明质量和/或总体图像质量的模型可以对照明质量和/或总体图像质量的趋势进行建模。

在示例中，照明质量和/或总体图像质量的模型的建模趋势可以用于延迟对面部图像的处理直到个体到达一位置，该位置已经由照明质量和/或总体图像质量模型依据照明质量和/或总体图像质量而建模的合适位置。通过延迟对面部图像的处理，可以节约处理资源并且可以获得面部图像的更高的总体图像质量。

尽管已经在此图释和描述了特定实施例，但本领域技术人员应该意识到任意打算用以取得相同技术的布置可以取代所示出的特定实施例。本公开旨在覆盖本公开的各种实施例的任意和全部改编或变形。

应当理解的是，上述说明书以图释方式而不是约束方式给出。上述实施例的组合，以及没有在本文中特别描述的其它实施例，对于本领域技术人员来说在回顾上述说明书时将是显而易见的。

本公开的各种实施例的范围包括使用上述结构和方法的任意其它应用。因此，本公开的各种实施例的范围应当参照权利要求书连同向这些权利要求赋予权利的等价物的全部范围来确定。

Claims (17)

1.一种根据基于面部质量分析的面部图像优先化而进行面部图像优先化的方法：

从面部图像的第一轨迹探测面部图像；所述面部图像的轨迹包括来自不同帧的一组面部图像；

采用包括第一数目的质量分析因子的第一数目的质量分析过滤器来过滤面部图像；所述质量分析因子包括与面部图像的质量相关联的因子；

当面部图像通过第一数目的质量分析过滤器时，将面部图像传递到包括第二数目的质量分析因子的第二数目的质量分析过滤器，其中，与第二数目的质量分析因子相关联的处理比与第一数目的质量分析因子相关联的处理更复杂；

基于第一数目的质量分析因子和第二数目的质量分析因子来确定面部图像的总体图像质量；采用基于总体图像质量的面部识别程序来确定面部图像和所存储的面部图像之间的匹配置信度；

基于匹配置信度和面部图像的总体图像质量，分配优先级给面部图像的第一轨迹；以及

通过将面部图像的第一轨迹的优先级与面部图像的第二轨迹的优先级进行比较，来确定是否要继续处理来自面部图像的第一轨迹的图像。

2.如权利要求1所述的方法，其中第一和第二数目的质量分析因子中的至少之一包括如下中的至少一个：面部尺寸；面部图像的亮度；面部图像上的像素的动态范围；锐度度量；模糊估算；来自眼、鼻和嘴的界标估算；面部姿态；形状拟合残差；和总体图像质量。

3.如权利要求2所述的方法，还包括按照与多个质量分析滤波器中的每个质量分析滤波器相关联的质量分析因子的递增的复杂度的顺序来排列第一数目的质量分析滤波器。

4.如权利要求1所述的方法，还包括当面部图像没有通过多个质量分析滤波器中的至少一个时，将面部图像丢弃。

5.如权利要求1所述的方法，还包括当面部图像通过第一数目的质量分析滤波器时，响应于提交面部图像给面部识别程序而从面部识别程序接收身份数据。

6.如权利要求1所述的方法，其中采用第一数目的质量分析滤波器过滤面部图像包括采用复数个质量分析滤波器过滤面部图像。

7.如权利要求1所述的方法，还包括确定面部图像的总体图像质量是否已经收敛。

8.一种存储用于基于面部质量分析的面部图像优先化的指令的机器可读非瞬时介质，由机器执行指令时引起机器执行以下步骤：

从面部图像的第一轨迹探测面部图像；所述面部图像的轨迹包括来自不同帧的一组面部图像；

采用包括第一数目的质量分析因子的第一数目的质量分析过滤器过滤面部图像；所述质量分析因子包括与面部图像的质量相关联的因子；

当面部图像通过第一数目的质量分析过滤器时，将面部图像传递到包括第二数目的质量分析因子的第二数目的质量分析过滤器，其中，与第二数目的质量分析因子相关联的处理比与第一数目的质量分析因子相关联的处理更复杂；

基于第一数目的质量分析因子和第二数目的质量分析因子来确定面部图像的总体图像质量；采用基于总体图像质量的面部识别程序来确定面部图像和所存储的面部图像之间的匹配置信度；

基于匹配置信度和面部图像的总体图像质量，分配优先级给面部图像的第一轨迹；以及

通过将面部图像的第一轨迹的优先级与面部图像的第二轨迹的优先级进行比较，来确定是否要继续处理来自面部图像的第一轨迹的图像。

9.如权利要求8所述的介质，其中，第一数目的质量分析因子包括如下中的至少一个：面部尺寸；面部图像的亮度；面部图像上的像素的动态范围和锐度度量。

10.如权利要求9所述的介质，还包括由机器执行以下步骤的指令：按照与多个质量分析滤波器中的每个质量分析滤波器相关联的质量分析因子的递增的复杂度的顺序来排列第一数目的质量分析滤波器。

11.如权利要求8所述的介质，其中，第二数目的质量分析因子包括如下中的至少一个：模糊估算；来自眼、鼻和嘴的界标估算；面部姿态；形状拟合残差；和总体图像质量。

12.如权利要求11所述的介质，还包括由机器执行以下步骤的指令：按照与第二数目的质量分析滤波器中的每个质量分析滤波器相关联的质量分析因子的递增的复杂度的顺序来排列第二数目的质量分析滤波器。

13.如权利要求8所述的介质，还包括由机器执行以下步骤的指令：当面部图像的第二轨迹的优先级大于面部图像的第一轨迹的优先级时，处理面部图像的第二轨迹的图像。

14.如权利要求8所述的介质，还包括由机器执行以下步骤的指令：确定面部图像的总体图像质量将基于总体图像质量的模型来改善的时间；以及

还包括由机器执行以下步骤的指令：基于确定面部图像的总体图像质量将改善的时间来延迟面部图像的过滤。

15.如权利要求8所述的介质，还包括由机器执行以下步骤的指令：基于面部图像中的面部尺寸和面部图像中的面部速度中的至少一项来分配优先级给第一轨迹。

16.如权利要求8所述的介质，还包括由机器执行以下步骤的指令：

存储具有超出闽值图像质量的总体图像质量的多个面部图像；以及

丢弃超过闽值图像质量的附加图像。

17.如权利要求16所述的介质，还包括由机器执行以下步骤的指令：基于对面部图像处理的要求而改变所存储的多个面部图像。