CN111523467A - 人脸跟踪方法和装置 - Google Patents
人脸跟踪方法和装置 Download PDFInfo
- Publication number
- CN111523467A CN111523467A CN202010326877.5A CN202010326877A CN111523467A CN 111523467 A CN111523467 A CN 111523467A CN 202010326877 A CN202010326877 A CN 202010326877A CN 111523467 A CN111523467 A CN 111523467A
- Authority
- CN
- China
- Prior art keywords
- current frame
- face key
- frame
- key points
- coordinates
- 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.)
- Granted
Links
Images
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- 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
Abstract
本申请公开了人脸跟踪方法和装置:从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。该实施方式解耦了帧间的依赖关系,有效提高了人脸关键点跟踪系统的整体稳定性。
Description
技术领域
本申请涉及图像处理领域,具体涉及图像识别技术领域,尤其涉及一种人脸跟踪方法和装置。
背景技术
随着人脸检测和关键点技术的不断成熟,人脸特效也逐渐进入我们的生活。视频级别的人脸关键点跟踪需要足够稳定,当前的技术方案是采用帧间的滤波平滑,即采用的是上一帧的关键点位置与当前帧关键点位置的加权和作为当前帧的关键点位置输出。
发明内容
本申请实施例提供了一种人脸跟踪方法、装置、设备以及存储介质。
根据第一方面,提供了一种人脸跟踪方法,该方法包括:从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
在一些实施例中,从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧,包括:依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到距离值大于预设距离值,则将得到距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
在一些实施例中,从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧,包括:响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
在一些实施例中,根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标包括:根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
在一些实施例中,人脸关键点包括五官关键点。
根据第二方面,提供了一种人脸跟踪装置,该装置包括:更新模块,被配置成从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;确定模块,被配置成将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;获取模块,被配置成根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
在一些实施例中,更新模块进一步被配置成:依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到距离值大于预设距离值,则将得到距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
在一些实施例中,更新模块进一步被配置成:响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
在一些实施例中,获取模块进一步被配置成:根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
在一些实施例中,人脸关键点包括五官关键点。
根据第三方面,提供了一种电子设备,该电子设备包括一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被该一个或多个处理器执行,使得一个或多个处理器实现如第一方面的任一实施例的人脸跟踪方法。
根据第四方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面的任一实施例的人脸跟踪方法。
本申请通过从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标,解耦了帧间的依赖关系,即当前帧的人脸关键点的坐标由当前帧之前进行更新的视频帧确定,当前帧之前进行更新的视频帧可以是当前帧的上一帧,也可以是当前帧之前的其他视频帧,避免了因前后帧的依赖关系而导致的视频帧的人脸关键点的抖动,有效提高了人脸关键点跟踪系统的整体稳定性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的人脸跟踪方法的一个实施例的流程图;
图3是根据本申请的人脸跟踪方法的一个应用场景的示意图;
图4是根据本申请的人脸跟踪方法的又一个实施例的流程图;
图5是根据本申请的人脸跟踪装置的一个实施例的示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的人脸跟踪方法的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像识别类应用、图像处理类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供人脸跟踪服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的视频帧序列(例如,拍摄人脸所得到的人脸视频帧序列)进行识别,确定出当前帧之前进行更新的视频帧,并将之前进行更新的视频帧的人脸关键点的坐标确定为当前帧的人脸关键点的初始位置,进而获取当前帧的人脸关键点的坐标。
需要说明的是,本申请实施例所提供的人脸跟踪方法一般由服务器105执行,相应地,用于人脸跟踪装置一般设置于服务器105中。
需要指出的是,服务器105的本地也可以直接存储视频帧序列,服务器105可以直接提取本地的视频帧序列进行人脸跟踪,此时,示例性系统架构100可以不包括终端设备101、102、103和网络104。
还需要指出的是,终端设备101、102、103中也可以安装人脸跟踪类应用,终端设备101、102、103也可以基于视频帧序列对视频帧中的人脸进行跟踪,此时,人脸跟踪方法也可以由终端设备101、102、103执行,相应地,人脸跟踪装置也可以设置于终端设备101、102、103中。此时,示例性系统架构100也可以不包括服务器105和网络104。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供人脸跟踪服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示出了可以应用于本申请的人脸跟踪方法的实施例的流程示意图200。人脸跟踪方法包括以下步骤:
步骤201,从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧。
在本实施例中,视频帧序列的各视频帧可以包括一个或多个人脸图像的多个人脸关键点的坐标。执行主体(例如,图1中的服务器101或终端设备101、102、103)从当前帧之前的视频帧序列中,将视频帧的人脸关键点的坐标相较于在其之前的视频帧的人脸关键点的坐标发生较大变化的视频帧确定为当前帧之前进行更新的视频帧。
其中,当前帧之前进行更新的视频帧可以是当前帧的上一帧,也可以是时序在前的其他视频帧,本申请对此不作限定。
这里,人脸关键点指的是能够反映人脸特征的信息,比如眼睛、眉毛、鼻子、嘴巴以及脸部轮廓等。人脸关键点的坐标指的是这些人脸关键点的坐标,每个人脸关键点的坐标可以用一个二维数组表示,例如,(x1,y1)、(x2,y2)等。
需要指出的是,这里视频帧的人脸关键点的坐标相较于在其之前的视频帧的人脸关键点的坐标发生较大变化,可以是视频帧中的全部人脸关键点的坐标与在其之前的视频帧的相应的全部人脸关键点坐标之间的距离值均大于预设距离值,也可以是视频帧中的部分人脸关键点的坐标与在其之前的视频帧的相应的部分人脸关键点坐标之间的距离值均大于预设距离值,本申请对此不作限定。
在一些可选的方式中,人脸关键点包括五官关键点。
在本实现方式中,五官关键点主要包括眼睛、眉毛、鼻子、嘴巴和耳朵。
该实现方式通过根据人脸五官关键点的初始位置,获取当前帧的人脸的五官关键点的坐标,计算量小,有效提高了人脸关键点跟踪的效率。
步骤202,将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置。
在本实施例中,执行主体将视频帧的人脸关键点的坐标相较于在其之前的视频帧的人脸关键点的坐标发生较大变化的视频帧的人脸关键点的坐标确定为当前帧的人脸关键点的初始位置。
步骤203,根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
在本实施例中,执行主体可以采用人脸关键点定位技术根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
这里,人脸关键点定位主要是一个迭代优化的过程,对于测试图片,先随机给个关键点的分布,然后根据当前关键点附近的纹理特征和结构特征信息,进行一步步迭代优化,最终获得精确的人脸关键点坐标。
人脸关键点定位技术可以为现有技术或未来发展技术中的关键点定位技术,例如,AAM(Active Appearnce Model,主动外观模型)、ASM(Active Shape Model,主动形状模型)、CLM(Constrained Local Model,受限局部模型)、基于卷积神经网络的人脸关键点定位技术等,本申请对此不作限定。
在一些可选的方式中,根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标包括:根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
在本实现方式中,执行主体利用卷积神经网络对当前帧的人脸关键点的初始位置,即初始的人脸关键点的坐标,进行迭代更新,并在每一次迭代时,记录迭代次数,当迭代次数等于预设迭代次数时,或者根据实际人脸关键点的坐标与预测人脸关键点的坐标构造损失函数,进行迭代更新,直到损失函数满足预设的收敛条件,确定迭代结束,并在最后一次迭代时得到的人脸关键点的位置确定为当前帧的人脸关键点的坐标。
这里,在采用卷积神经网络进行人脸关键点定位任务之前,可预先准备已标定人脸关键点的图像作为训练样本,对卷积神经网络进行深度学习训练,在训练完成后,采用所得到的卷积神经网络根据当前帧的人脸关键点的初始位置进行人脸关键点定位,即得到当前帧的人脸关键点的坐标。
其中,卷积神经网络是一种前馈神经网络,在模式分类等领域,由于该网络避免了对图像的复杂的前期预处理,可以直接输入原始图像,因而得到了更广泛的应用。卷积神经网络主要包括两层,其一是特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征,一旦该局部特征被提取后,它与其他特征间的位置关系也随之确定下来;其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。
此外,卷积神经网络可以包括多个不同的卷积神经网络模型,各模型通过不同的处理任务训练得到,例如,针对人脸关键点所指示的不同人脸部位,对应训练出不同的卷积神经网络模型等。
需要说明的是,在采用卷积神经网络进行人脸关键点定位之前,还可以对人脸区域图像进行预处理,具体的预处理过程可以根据实际应用和卷积神经网络的训练过程而确定,例如,对训练图像进行对齐裁剪、灰度处理、将每个像素点的像素值减去均值等等。
该实现方式,通过根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标,由于卷积神经网络利用深度学习技术而获得,其计算能力更强,精确度更高,因而有效提升了得到的当前帧的人脸关键点的坐标的准确度。
继续参见图3,图3是根据本实施例的人脸跟踪方法的应用场景的一个示意图。
在图3的应用场景中,执行主体301获取视频帧序列302,视频帧序列302中包括多个视频帧,例如,多个视频帧按照时序依次为视频帧303、视频帧304、视频帧305、视频帧306和视频帧307,其中,视频帧303为当前帧,每个视频帧包括一个或多个人脸图像的人脸关键点的坐标。执行主体301从当前帧303之前的视频帧序列中,视频帧的人脸关键点的坐标相较于在其之前的视频帧的人脸关键点的坐标发生较大变化的视频帧确定为当前帧之前进行更新的视频帧,例如,视频帧305。然后,执行主体将当前帧303之前进行更新的视频帧305的人脸关键点的坐标,确定为当前帧303的人脸关键点的初始位置,得到视频帧308,根据包含当前帧的人脸关键点的初始位置的视频帧308,采用人脸关键点定位技术309,获取当前帧的人脸关键点的坐标310。
本公开的实施例提供的人脸跟踪方法,通过从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;根据当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标,解耦了帧间的依赖关系,有效提高了人脸关键点跟踪系统的整体稳定性。
进一步参考图4,其示出了人脸跟踪方法的又一个实施例的流程400。本实施例的人脸跟踪方法的流程400,可包括以下步骤:
步骤401,依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到距离值大于预设距离值,则将得到距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
在本实施例中,执行主体依次由近及远获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标,并计算两两相邻的视频帧的各相应的人脸关键点之间的坐标的距离值,将各两两相邻的视频帧的各相应的人脸关键点之间的坐标的距离值中的最小值与预设的距离值进行比较,直到距离值中的最小值大于预设的距离值,并将距离值中最小值大于预设的距离值对应的两个相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧,即将当前帧之前的距离当前帧最近的两个视频帧之间各相应的人脸关键点之间的距离值中的最小值大于预设距离值的两个视频帧的时序在后的视频帧作为当前帧之前进行更新的视频帧。
此外,需要指出的是,若一直无法得到各相应的人脸关键点之间的坐标的距离值中的最小值大于预设距离值的两两相邻的视频帧,则将视频帧序列中的首帧确定为当前帧之前进行更新的视频帧。
在一个具体的实施例中,视频帧序列共存在五个视频帧,分别为视频帧F1、视频帧F2、视频帧F3、视频帧F4和视频帧F5,当前帧为视频帧F5,依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的相应的各人脸关键点之间的坐标的距离值,即分别计算视频帧F4和视频帧F3之间对应的各人脸关键点之间的坐标的距离值,视频帧F3和视频帧F2之间对应的各人脸关键点之间的坐标的距离值,视频帧F2和视频帧F1之间对应的各人脸关键点之间的坐标的距离值,并且上述两两相邻视频帧之间对应的各人脸关键点之间的坐标的距离值的最小值分别为D43、D32和D21,将最小值D43、D32和D21分别与预设的距离值D进行比较。
若D32大于预设的距离值D,即视频帧F3和视频帧F2之间对应的各人脸关键点之间的坐标的距离值的最小值大于预设距离值D,则将视频帧F3确定为当前帧之前进行更新的视频帧。若D43、D32和D21均小于等于预设距离值,将视频帧F1确定为当前帧之前进行更新的视频帧。
在一些可选的实现方式中,从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧,包括:响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
在本实现方式中,执行主体响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,例如,获取功能异常导致无法获取当前帧图像之前的上上帧,当前帧为视频帧序列中的第二视频帧不存在上上帧等等,则将当前帧的上一帧作为当前帧之前进行更新的视频帧。
在一个具体的实施例中,视频帧序列共存在两个视频帧,分别为视频帧F1和视频帧F2,当前帧为视频帧F2,执行主体无法获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标,则将当前帧的上一帧即F1作为当前帧之前进行更新的视频帧。
该实现方式通过响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧,最大限度的保证了在无法获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标的情况下,获取的当前帧的人脸关键点的初始位置的准确性,进而保证了当前帧的人脸关键点坐标的准确性。
步骤402,将所述当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置。
在本实施例中,步骤402的实现细节和技术效果,可以参考对步骤202的描述,在此不再赘述。
步骤403,根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
在本实施例中,步骤403的实现细节和技术效果,可以参考对步骤203的描述,在此不再赘述。
本申请的上述实施例,通过依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到距离值大于预设距离值,则将得到距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧,即将当前帧之前的距离当前帧最近的两个视频帧之间各相应的的人脸关键点之间的距离值中的最小值大于预设距离值的两个视频帧的时序在后的视频帧作为当前帧之前进行更新的视频帧,进而依据当前帧之前进行更新的的视频帧及当前帧,获得当前帧的人脸关键点的坐标,在有效解耦帧间的依赖关系,避免了获得的人脸关键点的坐标不必要抖动的同时保证了获取的当前帧的人脸关键点的坐标的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种人脸跟踪装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的人脸跟踪装置500包括:更新模块501、确定模块502、获取模块503。
其中,更新模块501,可被配置成从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧。
确定模块502,可被配置成将当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置。
获取模块503,可被配置成根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
在本实施例的一些可选的方式中,更新模块进一步被配置成:依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到距离值大于预设距离值,则将得到距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
在本实施例的一些可选的方式中,更新模块进一步被配置成:响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
在本实施例的一些可选的方式中,获取模块进一步被配置成:根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
在本实施例的一些可选的方式中,人脸关键点包括五官关键点。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的人脸跟踪方法的电子设备的框图。
600是根据本申请实施例的人脸跟踪方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的人脸跟踪方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的人脸跟踪方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的人脸跟踪方法对应的程序指令/模块(例如,附图5所示的更新模块501、确定模块502和获取模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的人脸跟踪方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储人脸跟踪的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至人脸跟踪的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
人脸跟踪方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与直播视频流的质量监控的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,有效解耦了帧间的依赖关系,有效提高了人脸关键点跟踪系统的整体稳定性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种人脸跟踪方法,其特征在于,包括:
从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;
将所述当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;
根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
2.根据权利要求1所述的方法,其中,所述从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧,包括:
依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到所述距离值大于预设距离值,则将得到所述距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
3.根据权利要求1所述的方法,所述从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧,包括:
响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
4.根据权利要求1所述的方法,所述根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标包括:
根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
5.根据权利要求1所述的方法,所述人脸关键点包括五官关键点。
6.一种人脸跟踪装置,其特征在于,包括:
更新模块,被配置成从当前帧之前的视频帧序列中,确定当前帧之前进行更新的视频帧;
确定模块,被配置成将所述当前帧之前进行更新的视频帧的人脸关键点的坐标,确定为当前帧的人脸关键点的初始位置;
获取模块,被配置成根据所述当前帧的人脸关键点的初始位置,获取当前帧的人脸关键点的坐标。
7.根据权利要求6所述的装置,所述更新模块进一步被配置成:
依次由近及远计算当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点之间的坐标的距离值,直到所述距离值大于预设距离值,则将得到所述距离值的两两相邻的视频帧中时序在后的视频帧确定为当前帧之前进行更新的视频帧。
8.根据权利要求6所述的装置,所述更新模块进一步被配置成:
响应于获取当前帧之前的视频帧序列中两两相邻的视频帧的人脸关键点的坐标失败,将当前帧的上一帧作为当前帧之前进行更新的视频帧。
9.根据权利要求6所述的装置,所述获取模块进一步被配置成:
根据当前帧的人脸关键点的初始位置,利用卷积神经网络迭代更新人脸关键点的初始位置,得到当前帧的人脸关键点的坐标。
10.根据权利要求6所述的装置,所述人脸关键点包括五官关键点。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326877.5A CN111523467B (zh) | 2020-04-23 | 2020-04-23 | 人脸跟踪方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326877.5A CN111523467B (zh) | 2020-04-23 | 2020-04-23 | 人脸跟踪方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523467A true CN111523467A (zh) | 2020-08-11 |
CN111523467B CN111523467B (zh) | 2023-08-08 |
Family
ID=71903302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010326877.5A Active CN111523467B (zh) | 2020-04-23 | 2020-04-23 | 人脸跟踪方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523467B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950672A (zh) * | 2021-03-03 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | 确定关键点的位置的方法、装置和电子设备 |
CN113221841A (zh) * | 2021-06-02 | 2021-08-06 | 云知声(上海)智能科技有限公司 | 一种人脸检测和跟踪的方法、装置、电子设备和存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254154A (zh) * | 2011-07-05 | 2011-11-23 | 南京大学 | 一种基于三维模型重建的人脸身份认证方法 |
CN104036240A (zh) * | 2014-05-29 | 2014-09-10 | 小米科技有限责任公司 | 人脸特征点的定位方法和装置 |
US9111134B1 (en) * | 2012-05-22 | 2015-08-18 | Image Metrics Limited | Building systems for tracking facial features across individuals and groups |
CN105760826A (zh) * | 2016-02-03 | 2016-07-13 | 歌尔声学股份有限公司 | 一种人脸跟踪方法、装置和智能终端 |
CN105812942A (zh) * | 2016-03-31 | 2016-07-27 | 北京奇艺世纪科技有限公司 | 一种数据交互方法及装置 |
CN106874826A (zh) * | 2015-12-11 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 人脸关键点跟踪方法和装置 |
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 |
CN109034099A (zh) * | 2018-08-14 | 2018-12-18 | 华中师范大学 | 一种表情识别方法及装置 |
CN109241979A (zh) * | 2018-08-24 | 2019-01-18 | 武汉光庭信息技术股份有限公司 | 一种基于高速视觉特征点匹配的车辆相对位置推测方法 |
CN109711304A (zh) * | 2013-05-21 | 2019-05-03 | 深圳市腾讯计算机系统有限公司 | 一种人脸特征点定位方法及装置 |
WO2019145411A1 (en) * | 2018-01-26 | 2019-08-01 | Iee International Electronics & Engineering S.A. | Method and system for head pose estimation |
CN110147742A (zh) * | 2019-05-08 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种关键点定位方法、装置及终端 |
US20190370530A1 (en) * | 2017-06-21 | 2019-12-05 | Tencent Technology (Shenzhen) Company Limited | Facial feature point tracking method, apparatus, storage medium, and device |
CN110852254A (zh) * | 2019-11-08 | 2020-02-28 | 杭州网易云音乐科技有限公司 | 人脸关键点跟踪方法、介质、装置和计算设备 |
-
2020
- 2020-04-23 CN CN202010326877.5A patent/CN111523467B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254154A (zh) * | 2011-07-05 | 2011-11-23 | 南京大学 | 一种基于三维模型重建的人脸身份认证方法 |
US9111134B1 (en) * | 2012-05-22 | 2015-08-18 | Image Metrics Limited | Building systems for tracking facial features across individuals and groups |
CN109711304A (zh) * | 2013-05-21 | 2019-05-03 | 深圳市腾讯计算机系统有限公司 | 一种人脸特征点定位方法及装置 |
CN104036240A (zh) * | 2014-05-29 | 2014-09-10 | 小米科技有限责任公司 | 人脸特征点的定位方法和装置 |
CN106874826A (zh) * | 2015-12-11 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 人脸关键点跟踪方法和装置 |
CN105760826A (zh) * | 2016-02-03 | 2016-07-13 | 歌尔声学股份有限公司 | 一种人脸跟踪方法、装置和智能终端 |
CN105812942A (zh) * | 2016-03-31 | 2016-07-27 | 北京奇艺世纪科技有限公司 | 一种数据交互方法及装置 |
US20190370530A1 (en) * | 2017-06-21 | 2019-12-05 | Tencent Technology (Shenzhen) Company Limited | Facial feature point tracking method, apparatus, storage medium, and device |
WO2019145411A1 (en) * | 2018-01-26 | 2019-08-01 | Iee International Electronics & Engineering S.A. | Method and system for head pose estimation |
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 |
CN109034099A (zh) * | 2018-08-14 | 2018-12-18 | 华中师范大学 | 一种表情识别方法及装置 |
CN109241979A (zh) * | 2018-08-24 | 2019-01-18 | 武汉光庭信息技术股份有限公司 | 一种基于高速视觉特征点匹配的车辆相对位置推测方法 |
CN110147742A (zh) * | 2019-05-08 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种关键点定位方法、装置及终端 |
CN110852254A (zh) * | 2019-11-08 | 2020-02-28 | 杭州网易云音乐科技有限公司 | 人脸关键点跟踪方法、介质、装置和计算设备 |
Non-Patent Citations (3)
Title |
---|
HIYAM HATEM等: "A Survey of Feature Base Methods for Human Face Detection" * |
管春苗: "基于机器视觉的运动目标轨迹跟踪技术研究" * |
赵刚强等: "基于注册和多尺度表观模型的三维头部跟踪" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950672A (zh) * | 2021-03-03 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | 确定关键点的位置的方法、装置和电子设备 |
CN112950672B (zh) * | 2021-03-03 | 2023-09-19 | 百度在线网络技术(北京)有限公司 | 确定关键点的位置的方法、装置和电子设备 |
CN113221841A (zh) * | 2021-06-02 | 2021-08-06 | 云知声(上海)智能科技有限公司 | 一种人脸检测和跟踪的方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111523467B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11587300B2 (en) | Method and apparatus for generating three-dimensional virtual image, and storage medium | |
CN113643412B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN110795569B (zh) | 知识图谱的向量表示生成方法、装置及设备 | |
EP3859604A2 (en) | Image recognition method and apparatus, device, and computer storage medium | |
CN111783870A (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
CN111598818A (zh) | 人脸融合模型训练方法、装置及电子设备 | |
CN112365876B (zh) | 语音合成模型的训练方法、装置、设备以及存储介质 | |
CN111968203B (zh) | 动画驱动方法、装置、电子设备及存储介质 | |
CN111931591A (zh) | 用于构建关键点学习模型的方法、装置、电子设备及可读存储介质 | |
CN111539897A (zh) | 用于生成图像转换模型的方法和装置 | |
CN111709875B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111553428A (zh) | 用于训练判别模型的方法、装置、设备及可读存储介质 | |
CN111860362A (zh) | 生成人脸图像校正模型及校正人脸图像的方法和装置 | |
CN111783605A (zh) | 一种人脸图像识别方法、装置、设备及存储介质 | |
CN111563855A (zh) | 图像处理的方法及装置 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN114386503A (zh) | 用于训练模型的方法和装置 | |
CN112149634A (zh) | 图像生成器的训练方法、装置、设备以及存储介质 | |
CN112508004A (zh) | 一种文字识别方法、装置、电子设备及存储介质 | |
CN111523467B (zh) | 人脸跟踪方法和装置 | |
CN112507833A (zh) | 人脸识别及模型训练的方法、装置、设备和存储介质 | |
CN112101552A (zh) | 用于训练模型的方法、装置、设备以及存储介质 | |
KR102488517B1 (ko) | 헤어스타일 변환 방법, 장치, 기기 및 저장 매체 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN112562045B (zh) | 生成模型和生成3d动画的方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |