CN109325463A - 一种人脸实时跟踪方法 - Google Patents

一种人脸实时跟踪方法 Download PDF

Info

Publication number
CN109325463A
CN109325463A CN201811200486.8A CN201811200486A CN109325463A CN 109325463 A CN109325463 A CN 109325463A CN 201811200486 A CN201811200486 A CN 201811200486A CN 109325463 A CN109325463 A CN 109325463A
Authority
CN
China
Prior art keywords
face
frame
real time
image
tracking method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811200486.8A
Other languages
English (en)
Inventor
刘中秋
张伟
陈高曙
梁敏
占海花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Miaxis Biometrics Co Ltd
Original Assignee
Miaxis Biometrics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Miaxis Biometrics Co Ltd filed Critical Miaxis Biometrics Co Ltd
Priority to CN201811200486.8A priority Critical patent/CN109325463A/zh
Publication of CN109325463A publication Critical patent/CN109325463A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种人脸实时跟踪方法，用于出入人员多的有监控需求的各类场所，可对应用场景中出现的人脸进行正确有效的实时跟踪。本发明通过对首帧检测到的人脸分配唯一标识，通过对比前后两帧人脸位置的变化，判断是否为同一人脸，随后根据人脸对应的唯一标识进行后续的实时跟踪，在人脸识别环节仅根据唯一标识识别一次，从而提高人脸识别环节的效率，大大减少工作人员进行人员身份核查的工作量，具有广泛的推广应用价值。

Description

一种人脸实时跟踪方法
【技术领域】
本发明涉及目标跟踪方法，具体涉及一种人脸实时跟踪方法，属于人脸检测技术领域。
【背景技术】
目标跟踪是计算机视觉、图像处理、人工智能等领域广泛关注的内容之一，在智能监控、智能交通等领域有着极其重要的应用价值。通常在人流量庞大的公众场所，为确保人员安全，视频监控是不可或缺的，通过视频监控对当前场景中人员进行实时识别，采用人脸实时跟踪方法可有效实现人在视场中时仅对此人识别一次,后续仅跟踪不再识别,从而有效提高人脸识别的效率，大大减少工作人员进行人员身份核查的工作量。
【发明内容】
本发明提供了一种人脸实时跟踪方法，用于出入人员多的有监控需求的各类场所，可对应用场景中出现的人脸进行正确有效的实时跟踪。
本发明是通过以下技术方案实现的，包括以下步骤：
一种人脸实时跟踪方法，包含步骤如下：
步骤1：搭建人脸检测模型；
步骤2：开启摄像头实时获取监控图像；
步骤3：采用人脸检测模型对步骤2中的序列图像按照采集顺序进行人脸检测；
步骤4：步骤3中首次检测到人脸的图像为第n帧，获取此帧中所检测到的各人脸图像的位置，并对不同位置的人脸分配唯一标识；
步骤5：对第n+1帧进行人脸检测，获取此帧中所检测到的各人脸图像的位置，并对不同位置的人脸随机分配标识；
步骤6：计算第n+1帧中各人脸位置与第n帧中所有人脸位置的交并比及交并比之和，根据计算结果更新第n+1帧的人脸分配标识；
步骤7：对第n+2帧到图像序列最后一帧中的后续所有帧逐帧重复步骤5和步骤6中对第n+1帧的操作，最终完成对所有帧中人脸标识的更新。
进一步的，步骤1中，通过构建卷积神经网络对标记好的人脸图像进行训练，训练完成后，得到人脸检测模型。
进一步的，步骤2中，通过函数回调实时获取摄像头所拍摄的图像，得到图像序列。
作为一种技术方案，步骤4中，设定步骤3中首次检测到人脸图像为第n帧，第n帧中检测得到人脸个数FaceNum1，FaceNum1取值范围为1,2,…,i，i为正整数，各人脸的检测位置用矩形Rect(i)表示，并对不同位置的人脸分配唯一标识id1，id1取自然数。在计算机内存中开辟空间ID1，保存以上参数。
作为一种技术方案，步骤5中，第n+1帧中检测得到人脸个数FaceNum2，FaceNum2取值范围为1,2…,j，j为正整数，各人脸的检测位置用矩形Rect(j)表示，并对所检测到的不同位置的人脸随机分配标识id2，id2取自然数。在计算机内存中开辟空间ID2，保存以上参数。
作为一种技术方案，步骤6中，第n+1帧中各人脸位置与第n帧中所有人脸位置的交并比及交并比之和通过计算两位置矩形集合之间的交集与并集之商来实现。
本发明提供一种人脸实时跟踪方法，对首帧检测到的人脸分配唯一标识，通过对比前后两帧人脸位置的变化，判断是否为同一人脸，随后根据人脸对应的唯一标识进行后续的实时跟踪，在人脸识别环节仅根据唯一标识识别一次，从而提高人脸识别环节的效率，具有广泛的推广应用价值。
【附图说明】
图1为本发明的总体流程图。
【具体实施方式】
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实时例1
如图1所示，一种人脸实时跟踪方法，包含如下步骤：
(1)通过构建卷积神经网络对标记好的人脸图像进行训练，训练完成后，得到人脸检测模型；
(2)开启摄像头，通过函数回调实时获取摄像头所拍摄的图像，得到图像帧序列；
(3)用步骤(1)的人脸检测模型对步骤(2)的图像帧序列按照采集顺序进行人脸检测；
(4)步骤(3)中首次检测到人脸的图像为第n帧，第n帧中检测出人脸个数FaceNum1，FaceNum1取值范围为1,2,…,i，i为正整数，每个人脸的检测位置用矩形Rect(i)表示，对不同位置的人脸分配唯一标识id1，id1为自然数。在计算机内存中开辟空间ID1保存第n帧中涉及的相关参数；
(5)对第n+1帧进行人脸检测，第n+1帧中检测出人脸个数FaceNum2，FaceNum2取值范围为1,2…,j，j为正整数，每个人脸的检测位置用矩形Rect(j)表示，并对所检测到的不同位置的人脸随机分配标识id2，id2取自然数。在计算机内存中开辟空间ID2保存第n+1帧中涉及的相关参数；
(6)计算第n+1帧中各人脸位置与第n帧中所有人脸位置的交并比及交并比之和，具体计算方法如下：
设定第n帧中人脸位置ID1.Rect(i)的左下角坐标为(X0,Y0)，右上角坐标为(X1,Y1)，
设定第n+1帧中人脸位置ID2.Rect(j)的左下角坐标为(A0,B0)，右上角坐标为(A1,B1)，
则：
两矩形交集的宽W＝min(X1,A1)－max(X0,A0),
两矩形交集的高H＝min(Y0,B0)－max(Y1,B1),
人脸位置矩形ID1.Rect(i)的面积SID1＝|X0-X1|*|Y0-Y1|，
人脸位置矩形ID2.Rect(j)的面积SID2＝|A0-A1|*|B0-B1|，
由以上公式可得出，
第n+1帧中各人脸位置与第n帧中所有人脸位置的交并比计算公式如下：
IOU(i,j)＝W*H/(SID1+SID2-W*H)
第n+1帧中第j张人脸位置与第n帧中所有人脸位置的交并比之和计算公式如下：
设定阈值T，当第n+1帧中第j张人脸位置与第n帧中第i张人脸位置的交并比IOU大于等于阈值T时，判定第n+1帧中第j张人脸与第n帧中第i张人脸为同一人脸，随后将ID1中对应第i张人脸的唯一标识(ID1.id1)赋予ID2中对应的人脸标识(ID2.id2)；当第n+1帧中第j张人脸位置与第n帧中所有人脸位置的交并比之和IOUSj小于阈值T时，则认为在第n+1帧中有新的人脸被检测到，设定新进人脸个数为Newnum，则将ID2中新进人脸的id赋值为max(ID1.id1)+m，其中m取值次序为1,2…Newnum，Newnum为正整数。待第n+1帧中所有人脸标识(ID2.id2)更新完成后，将ID2中的所有信息复制到ID1中，完成第n+1帧中人脸标识的更新。
(7)完成第n+1帧中人脸标识的更新后，对第n+2帧到图像序列最后一帧中的后续所有帧逐帧重复步骤(5)和步骤(6)中对第n+1帧的操作，最终完成对图像帧序列中其余所有帧中人脸标识的更新。

Claims (4)

1.一种人脸实时跟踪方法，其特征在于，包括以下步骤：
步骤1：搭建人脸检测模型；
步骤2：开启摄像头实时获取监控图像；
步骤3：采用人脸检测模型对步骤2中的序列图像按照采集顺序进行人脸检测；
步骤4：步骤3中首次检测到人脸的图像为第n帧，获取此帧中所检测到的各人脸图像的位置，并对不同位置的人脸分配唯一标识；
步骤5：对第n+1帧进行人脸检测，获取此帧中所检测到的各人脸图像的位置，并对不同位置的人脸随机分配标识；
步骤6：计算第n+1帧中各人脸位置与第n帧中所有人脸位置的交并比及交并比之和，根据计算结果更新第n+1帧的人脸分配标识；
步骤7：对第n+2帧到图像序列最后一帧中的后续所有帧逐帧重复步骤5和步骤6中对第n+1帧的操作，最终完成对所有帧中人脸标识的更新。
2.如权利要求1所述的一种人脸实时跟踪方法，其特征在于，所述步骤1中，通过构建卷积神经网络对标记好的人脸图像进行训练，训练完成后，得到人脸检测模型。
3.如权利要求1所述的一种人脸实时跟踪方法，其特征在于，所述步骤2中，通过函数回调实时获取摄像头所拍摄的图像，得到图像序列。
4.如权利要求1所述的一种人脸实时跟踪方法，其特征在于，所述各人脸图像的位置用矩形表示。
CN201811200486.8A 2018-10-16 2018-10-16 一种人脸实时跟踪方法 Pending CN109325463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811200486.8A CN109325463A (zh) 2018-10-16 2018-10-16 一种人脸实时跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811200486.8A CN109325463A (zh) 2018-10-16 2018-10-16 一种人脸实时跟踪方法

Publications (1)

Publication Number Publication Date
CN109325463A true CN109325463A (zh) 2019-02-12

Family

ID=65262765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811200486.8A Pending CN109325463A (zh) 2018-10-16 2018-10-16 一种人脸实时跟踪方法

Country Status (1)

Country Link
CN (1) CN109325463A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977906A (zh) * 2019-04-04 2019-07-05 睿魔智能科技（深圳）有限公司 手势识别方法及系统、计算机设备及存储介质
CN111222399A (zh) * 2019-10-30 2020-06-02 腾讯科技（深圳）有限公司 一种图像中的对象标识信息识别方法、装置及存储介质
CN111523424A (zh) * 2020-04-15 2020-08-11 上海摩象网络科技有限公司 人脸跟踪方法及人脸跟踪设备
CN112232186A (zh) * 2020-10-14 2021-01-15 盈合(深圳)机器人与自动化科技有限公司 防疫监测方法与系统
CN113095232A (zh) * 2021-04-14 2021-07-09 浙江中正智能科技有限公司 一种目标实时跟踪方法
CN116778487A (zh) * 2023-08-11 2023-09-19 四川汉唐云分布式存储技术有限公司 一种在监控界面为个人头部增加独特标识符的系统和方法
WO2023241058A1 (zh) * 2022-06-13 2023-12-21 马上消费金融股份有限公司 图像活体检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090141949A1 (en) * 2007-12-03 2009-06-04 Samsung Electronics Co., Ltd. Method and apparatus for recognizing a plural number of faces, and method and apparatus for registering face, and an image capturing method and system
CN107644204A (zh) * 2017-09-12 2018-01-30 南京凌深信息科技有限公司 一种用于安防系统的人体识别与跟踪方法
CN108197604A (zh) * 2018-01-31 2018-06-22 上海敏识网络科技有限公司 基于嵌入式设备的快速人脸定位跟踪方法
CN108491774A (zh) * 2018-03-12 2018-09-04 北京地平线机器人技术研发有限公司 对视频中的多个目标进行跟踪标注的方法和装置
CN108596955A (zh) * 2018-04-25 2018-09-28 Oppo广东移动通信有限公司 一种图像检测方法、图像检测装置及移动终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090141949A1 (en) * 2007-12-03 2009-06-04 Samsung Electronics Co., Ltd. Method and apparatus for recognizing a plural number of faces, and method and apparatus for registering face, and an image capturing method and system
CN107644204A (zh) * 2017-09-12 2018-01-30 南京凌深信息科技有限公司 一种用于安防系统的人体识别与跟踪方法
CN108197604A (zh) * 2018-01-31 2018-06-22 上海敏识网络科技有限公司 基于嵌入式设备的快速人脸定位跟踪方法
CN108491774A (zh) * 2018-03-12 2018-09-04 北京地平线机器人技术研发有限公司 对视频中的多个目标进行跟踪标注的方法和装置
CN108596955A (zh) * 2018-04-25 2018-09-28 Oppo广东移动通信有限公司 一种图像检测方法、图像检测装置及移动终端

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977906A (zh) * 2019-04-04 2019-07-05 睿魔智能科技（深圳）有限公司 手势识别方法及系统、计算机设备及存储介质
CN109977906B (zh) * 2019-04-04 2021-06-01 睿魔智能科技（深圳）有限公司 手势识别方法及系统、计算机设备及存储介质
CN111222399A (zh) * 2019-10-30 2020-06-02 腾讯科技（深圳）有限公司 一种图像中的对象标识信息识别方法、装置及存储介质
CN111222399B (zh) * 2019-10-30 2022-02-18 腾讯科技（深圳）有限公司 一种图像中的对象标识信息识别方法、装置及存储介质
CN111523424A (zh) * 2020-04-15 2020-08-11 上海摩象网络科技有限公司 人脸跟踪方法及人脸跟踪设备
CN112232186A (zh) * 2020-10-14 2021-01-15 盈合(深圳)机器人与自动化科技有限公司 防疫监测方法与系统
CN112232186B (zh) * 2020-10-14 2024-02-27 盈合(深圳)机器人与自动化科技有限公司 防疫监测方法与系统
CN113095232A (zh) * 2021-04-14 2021-07-09 浙江中正智能科技有限公司 一种目标实时跟踪方法
CN113095232B (zh) * 2021-04-14 2022-04-22 浙江中正智能科技有限公司 一种目标实时跟踪方法
WO2023241058A1 (zh) * 2022-06-13 2023-12-21 马上消费金融股份有限公司 图像活体检测方法及装置
CN116778487A (zh) * 2023-08-11 2023-09-19 四川汉唐云分布式存储技术有限公司 一种在监控界面为个人头部增加独特标识符的系统和方法

Similar Documents

Publication Publication Date Title
CN109325463A (zh) 一种人脸实时跟踪方法
CN107292813A (zh) 一种基于生成对抗网络的多姿态人脸生成方法
CN106548165A (zh) 一种基于图像分块加权的卷积神经网络的人脸识别方法
Merad et al. Fast people counting using head detection from skeleton graph
CN110188701A (zh) 基于人体关键节点预测的服饰识别方法、系统及终端
CN103530599A (zh) 一种真实人脸和图片人脸的区别方法和系统
CN104951773A (zh) 一种实时人脸识别监视系统
CN110363742A (zh) 一种基于cnn和图像处理的转辙机缺口检测方法
CN103795978B (zh) 一种多画面智能识别方法及其装置
CN110232379A (zh) 一种车辆姿态检测方法及系统
CN105760834A (zh) 一种人脸特征点定位方法
CN113903081A (zh) 一种水电厂图像视觉识别人工智能报警方法及装置
CN104036243A (zh) 一种基于光流信息的行为识别方法
CN108765468A (zh) 一种基于特征融合的目标跟踪方法和装置
CN107358163A (zh) 基于人脸识别的游客线路跟踪统计方法、电子设备及存储介质
CN107563299A (zh) 一种利用ReCNN融合上下文信息的行人检测方法
CN104021544A (zh) 一种温室蔬菜病害监控视频关键帧提取方法即提取系统
CN115880784A (zh) 基于人工智能的景区多人动作行为监测方法
CN114693746A (zh) 基于身份识别和跨摄像头目标追踪的智能监控系统及方法
CN106327525A (zh) 一种机房重地越界行为实时监测方法
CN103955889B (zh) 一种基于增强现实技术的制图类作业评阅方法
WO2021022698A1 (zh) 尾随检测方法、装置、电子设备及存储介质
CN111144465A (zh) 一种面向多场景的烟雾检测算法及应用该算法的电子设备
CN113095232B (zh) 一种目标实时跟踪方法
CN107392134A (zh) 一种基于联合分块的人脸识别方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190212