CN112767436A - 一种人脸检测跟踪方法及装置 - Google Patents
一种人脸检测跟踪方法及装置 Download PDFInfo
- Publication number
- CN112767436A CN112767436A CN201911001834.3A CN201911001834A CN112767436A CN 112767436 A CN112767436 A CN 112767436A CN 201911001834 A CN201911001834 A CN 201911001834A CN 112767436 A CN112767436 A CN 112767436A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- frame
- identifier
- feature set
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013528 artificial neural network Methods 0.000 claims abstract description 48
- 230000015654 memory Effects 0.000 claims description 17
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种人脸检测跟踪方法及装置,该方法包括:获取包括M帧图像的视频流;根据第一神经网络、第一图像和特征集确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系,第一图像为M帧图像中的任一图像,第一人脸为第一图像包括的人脸中的任一人脸,特征集为N帧图像的特征的集合,N帧图像为视频流中与第一图像相邻的前N帧图像,第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像;根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识;根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识,以提高人脸检测跟踪效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种人脸检测跟踪方法及装置。
背景技术
随着计算机技术的不断发展,神经网络的应用越来越广泛,如人脸检测、人脸跟踪等。目前,在使用神经网络对人脸进行检测和跟踪时,先需要使用神经网络对人脸进行检测得到包括人脸框的图像,之后使用神经网络对包括人脸框的图像进行跟踪。上述方法中,由于人脸检测和人脸跟踪需要分成两个阶段,处理过程较多,以致降低了人脸检测跟踪效率。
发明内容
本发明实施例提供一种人脸检测跟踪方法及装置,用于提高人脸检测跟踪效率。
第一方面提供一种人脸检测跟踪方法,包括:
获取视频流,所述视频流包括M帧图像,所述M为大于1的整数;
根据第一神经网络、第一图像和特征集,确定第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系,所述第一图像为所述M帧图像中的任一图像,所述第一人脸为所述第一图像包括的人脸中的任一人脸,所述特征集为N帧图像的特征的集合,所述N帧图像为所述视频流中与所述第一图像相邻的前N帧图像,所述第二图像为所述N帧图像中存在所述第一人脸对应人脸的图像中的任一图像,所述N为大于或等于0的整数,所述M大于所述N;
根据所述第一人脸在所述第一图像中的位置以及所述对应关系,为所述第一人脸分配标识;
根据所述第一人脸在所述第一图像中的位置和所述第一人脸的标识为所述第一图像中的第一人脸标注人脸框和标识。
第一神经网络在对第一图像进行人脸检测,同时可以使用特征集和第一图像对第一图像中的人脸进行人脸跟踪,可见,人脸检测和人脸跟踪是一并处理的,并不需要分两个阶段进行,因此,可以提高人脸检测跟踪效率。
在一个实施例中,所述根据第一神经网络、第一图像和特征集,确定第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系包括;
将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、所述第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系;
所述方法还包括:
根据所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置更新所述特征集。
第一神经网络不仅可以检测人脸得到人脸的位置,还可以提取人脸的人脸特征,以便可以根据人脸特征进行人脸跟踪得到与其它帧图像中人脸的位置的对应关系。此外,基于视频流的帧之间有较大的相关性,可以将第一神经网络输出的前面一帧或多帧图像的特征作为输入与下一帧图像一起输入第一神经网络。由于第一神经网络的输入具有前面帧的信息,因此,可以确定下一帧图像与之前帧图像之间的相关性,实现对同一个人脸的跟踪。
在一个实施例中,所述根据所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置更新所述特征集包括:
使用第二神经网络对所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置进行上采样和降维处理;
根据处理后的第一人脸的人脸特征、第一人脸在所述第一图像中的位置以及所述第一图像在所述视频流中的序号更新所述特征集。
由于第一神经网络输出的特征与直接提取的人脸特征之间存在维度等的差异,因此,在将特征集中的特征输入第一神经网络之前,先要对特征进行处理,以便可以保证与原来图的特征的一致性。
在一个实施例中,所述根据所述第一人脸在所述第一图像中的位置以及所述对应关系,为所述第一人脸分配标识包括:
在所述第一人脸存在所述对应关系的情况下,将所述第一人脸在所述第二图像中的标识确定为所述第一人脸的标识;
在所述第一人脸不存在所述对应关系的情况下,为所述第一人脸分配第一标识,所述第一标识为与已分配标识不同的标识。
为人脸分配标识时,对于已出现的人脸,可以将原来的标识分配给它,对于新出现的人脸,可以分配新的标识,可以避免同一人脸分配多个标识。
在一个实施例中,所述方法还包括:
提取标注后的第一图像中的标识;
根据所述标识统计人流量。
可以通过图像中标注的人脸的标识来统计人流量。
在一个实施例中,所述方法还包括:
提取标注后的第一图像中的人脸框;
所述根据所述标识统计人流量包括:
根据提取的标识和人脸框确定人的运动轨迹;
根据所述运动轨迹统计不同方向的人流量。
可以通过图像中标注的人脸的人脸框和标识来统计不同方向的人流量,可以提高人流量统计的准确性。
第二方面提供一种人脸检测跟踪装置,包括用于执行第一方面或第一方面的任一实施例提供的人脸检测跟踪方法的单元。
第三方面提供一种人脸检测跟踪装置,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于调用所述程序指令执行第一方面或第一方面的任一实施例提供的人脸检测跟踪方法。
第四方面提供了一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面或第一方面的任一实施例提供的人脸检测跟踪方法。
第五方面提供了一种应用程序,该应用程序用于在运行时执行第一方面或第一方面的任一实施例提供的人脸检测跟踪方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人脸检测跟踪方法的流程示意图;
图2是本发明实施例提供的另一种人脸检测跟踪方法的流程示意图;
图3是本发明实施例提供的一种人脸检测跟踪装置的结构示意图;
图4是本发明实施例提供的另一种人脸检测跟踪装置的结构示意图;
图5是本发明实施例提供的一种人脸检测跟踪示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种人脸检测跟踪方法及装置,可以提高人脸检测跟踪效率。以下分别进行详细说明。
请参阅图1,图1是本发明实施例提供的一种人脸检测跟踪方法的流程示意图。根据不同的需求,图1所示的流程图中的某些步骤可以拆分为几个步骤。如图1所示,该人脸检测跟踪方法可以包括以下步骤。
101、获取包括M帧图像的视频流。
当需要对视频流进行人脸检测跟踪时,获取视频流。视频流包括M帧图像,M为大于1的整数。视频流可以是本地存储的视频流,也可以是从网络或服务器获取的视频流,还可以是通过采集装置采集的视频流。其中,视频流可以是需要检测跟踪的所有视频流,也可以是需要检测跟踪的视频流中的部分视频流。
102、根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系。
获取到视频流之后,可以根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与第一人脸在第二图像中的位置的对应关系。第一人脸在第一图像中的位置与在第二图像中的位置的对应关系,即第一位置与第二位置对应的人脸为同一人的人脸,也即将两张图像中同一人脸对应的位置联系起来,以便可以根据这个联系对已分配标识的人脸将这个标识分配给后续图像中出现这个人的人脸,而不需要为作为一个新出现的人脸重新分配标识,可以避免为不同图像中同一人的人脸分配不同的标识。第一位置为第一人脸在第一图像中的位置,第二位置为第一人脸在第二图像中的位置。可以将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系。其中,第一图像为M帧图像中的任一图像,第一人脸为第一图像包括的人脸中的任一人脸,特征集为N帧图像的特征的集合,N帧图像为视频流中与第一图像相邻的前N帧图像,第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像,N为大于或等于0的整数,M大于N。例如,第一图像为视频流中的第十帧图像,N帧图像可以为视频流中的第一帧图像到第九帧图像,也可以为第二帧图像到第九帧图像,还可以为第三帧图像到第九帧图像,还可以为第四帧图像到第九帧图像,还可以为第五帧图像到第九帧图像,还可以为第六帧图像到第九帧图像,还可以为第七帧图像到第九帧图像,还可以为第八帧图像到第九帧图像,还可以为第九帧图像。在第一图像之前没有图像的情况下,N为0,在第一图像之前有图像的情况下,N为大于或等于1的整数。第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像,即第二图像中有与第一图像中相同的人的人脸,也即第二图像为N帧图像中具有与第一图像具有同一人对应的人脸的任一图像。第二图像可以为N帧图像中的第一帧图像,也可以为N帧图像中的第N帧图像,还可以N帧图像中的其它帧图像。其中,第一神经网络可以为移动互联网(MobileNet)网络,也可以为残差网络(residualnetwork,ResNet),还可以为其它具有同等功能的神经网络。
103、根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识。
根据第一神经网络、第一图像和特征集,确定出第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系之后,可以根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识。在第一人脸存在对应关系的情况下,将第一人脸在第二图像中的标识确定为第一人脸的标识,即在第一人脸不是新出现的人脸的情况下,由于之前已经为第一人脸分配了标识,因此,可以直接将之前为第一人脸分配的标识分配给第一人脸。在第一人脸不存在对应关系的情况下,即在第一人脸是新出现的人脸的情况下,由于之前没有为第一人脸分配标识,因此,可以为第一人脸分配第一标识,第一标识为与已经分配的标识不同的标识。第一人脸在第一图像中的位置与在第二图像中的位置的对应关系表明这两帧图像中对应位置的人脸均为同一人的人脸。
104、根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识。
根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识之后,可以根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识,即在第一图像中为每个人脸标注人脸框和标识。
在图1所描述的人脸检测跟踪方法中,第一神经网络在对第一图像进行人脸检测,同时可以使用特征集和第一图像对第一图像中的人脸进行人脸跟踪,可见,人脸检测和人脸跟踪是一并处理的,并不需要分两个阶段进行,因此,可以提高人脸检测跟踪效率。
请参阅图2,图2是本发明实施例提供的另一种人脸检测跟踪方法的流程示意图。根据不同的需求,图2所示的流程图中的某些步骤可以拆分为几个步骤。如图2所示,该人脸检测跟踪方法可以包括以下步骤。
201、获取包括M帧图像的视频流。
当需要对视频流进行人脸检测跟踪时,获取视频流。视频流包括M帧图像,M为大于1的整数。视频流可以是本地存储的视频流,也可以是从网络或服务器获取的视频流,还可以是通过采集装置采集的视频流。其中,视频流可以是需要检测跟踪的所有视频流,也可以是需要检测跟踪的视频流中的部分视频流。
202、根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系。
获取到视频流之后,可以根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系。可以将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系。其中,第一图像为M帧图像中的任一图像,第一人脸为第一图像包括的人脸中的任一人脸,特征集为N帧图像的特征的集合,N帧图像为视频流中与第一图像相邻的前N帧图像,第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像,N为大于或等于0的整数,M大于N。例如,第一图像为视频流中的第十帧图像,N帧图像可以为视频流中的第一帧图像到第九帧图像,也可以为第二帧图像到第九帧图像,还可以为第三帧图像到第九帧图像,还可以为第四帧图像到第九帧图像,还可以为第五帧图像到第九帧图像,还可以为第六帧图像到第九帧图像,还可以为第七帧图像到第九帧图像,还可以为第八帧图像到第九帧图像,还可以为第九帧图像。在第一图像之前没有图像的情况下,N为0,在第一图像之前有图像的情况下,N为大于或等于1的整数。
203、根据第一人脸的人脸特征以及第一人脸在第一图像中的位置更新特征集。
将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系之后,可以根据第一人脸的人脸特征以及第一人脸在第一图像中的位置更新特征集。可以使用第二神经网络先对第一人脸的人脸特征以及第一人脸在第一图像中的位置进行上采样和降维处理,之后根据处理后的第一人脸的人脸特征、第一人脸在第一图像中的位置以及第一图像在视频流中的序号更新特征集。可以是直接将处理后的第一人脸的人脸特征、第一人脸在第一图像中的位置添加至特征集。在缓存空间有限的情况下,或者设定值需要存储固定数量帧的信息的情况下,如果特征集中存储的特征较多的情况下,在将处理后的第一人脸的人脸特征、第一人脸在第一图像中的位置添加至特征集之前,可以先将特征集中存在时间最长的人脸的信息删除。更新后的特征集可以与下一帧图像一起输入第一神经网络。第二神经网络可以是卷积层构成的网络。第一人脸与在第二图像中的位置,即第一人脸在第二图像中对应人脸在第二图像中的位置。
204、根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识。
根据第一神经网络、第一图像和特征集,确定出第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系之后,可以根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识。在第一人脸存在对应关系的情况下,将第一人脸在第二图像中的标识确定为第一人脸的标识,即在第一人脸不是新出现的人脸的情况下,由于之前已经为第一人脸分配了标识,因此,可以直接将之前为第一人脸分配的标识分配给第一人脸。在第一人脸不存在对应关系的情况下,即在第一人脸是新出现的人脸的情况下,由于之前没有为第一人脸分配标识,因此,可以为第一人脸分配第一标识,第一标识为与已经分配的标识不同的标识。第一人脸在第一图像中的位置与在第二图像中的位置的对应关系表明这两帧图像中对应位置的人脸均为同一人的人脸。
205、根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识。
根据第一人脸在第一图像中的位置以及对应关系为第一人脸分配标识之后,可以根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识,即在第一图像中为每个人脸标注人脸框和标识。
206、提取标注后的第一图像中的标识和人脸框,根据提取的标识和人脸框确定人的运动轨迹,根据运动轨迹统计不同方向的人流量。
根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识之后,可以提取标注后的第一图像中的标识,可以只通过提取的标识统计人流量。也可以提取标注后的第一图像中的标识和人脸框,根据提取的标识和人脸框确定人的运动轨迹,根据运动轨迹统计不同方向的人流量。可以根据运动轨迹确定用户是离开还是进来。
在图2所描述的人脸检测跟踪方法中,第一神经网络在对第一图像进行人脸检测,同时可以使用特征集和第一图像对第一图像中的人脸进行人脸跟踪,可见,人脸检测和人脸跟踪是一并处理的,并不需要分两个阶段进行,因此,可以提高人脸检测跟踪效率。
请参阅图5,图5是本发明实施例提供的一种人脸检测跟踪示意图。如图5所示,第一图像与第一图像之前的图像的特征集可以一起输入第一神经网络,之后可以将第一神经网络的输出分为两路,一路输入特征集,以便更新后的特征集和下一帧图像一起输入第一神经网络,可以根据下一帧图像和更新后的特征集实现对人脸识别的同时进行人脸跟踪,一路用于确定第一图像中每个人脸的位置和标识。
请参阅图3,图3是本发明实施例提供的一种人脸检测跟踪装置的结构示意图。如图3所示,该人脸检测跟踪装置可以包括:
获取单元301,用于获取视频流,视频流包括M帧图像,M为大于1的整数;
确定单元302,用于根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系,第一图像为M帧图像中的任一图像,第一人脸为第一图像包括的人脸中的任一人脸,特征集为N帧图像的特征的集合,N帧图像为视频流中与第一图像相邻的前N帧图像,第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像,N为大于或等于0的整数,M大于N;
分配单元303,用于根据第一人脸在第一图像中的位置以及对应关系,为第一人脸分配标识;
标注单元304,用于根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识。
在一个实施例中,确定单元302,具体用于将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系;
该人脸检测跟踪装置还可以包括:
更新单元305,用于根据第一人脸的人脸特征以及第一人脸在第一图像中的位置更新特征集。
在一个实施例中,更新单元305具体用于:
使用第二神经网络对第一人脸的人脸特征以及第一人脸在第一图像中的位置进行上采样和降维处理;
根据处理后的第一人脸的人脸特征、第一人脸在第一图像中的位置以及第一图像在视频流中的序号更新特征集。
在一个实施例中,分配单元303具体用于:
在第一人脸存在对应关系的情况下,将第一人脸在第二图像中的标识确定为第一人脸的标识;
在第一人脸不存在对应关系的情况下,为第一人脸分配第一标识,第一标识为与已分配标识不同的标识。
在一个实施例中,该人脸检测跟踪装置还可以包括:
提取单元306,用于提取标注后的第一图像中的标识;
统计单元307,用于根据提取的标识统计人流量。
在一个实施例中,提取单元306,还用于提取标注后的第一图像中的人脸框;
统计单元307具体用于:
根据提取的标识和人脸框确定人的运动轨迹;
根据运动轨迹统计不同方向的人流量。
有关上述获取单元301、确定单元302、分配单元303、标注单元304、更新单元305、提取单元306和统计单元307更详细的描述可以直接参考上述图1-图2所示的方法实施例中的相关描述直接得到,这里不加赘述。
请参阅图4,图4是本发明实施例提供的另一种人脸检测跟踪装置的结构示意图。如图4所示,该人脸检测跟踪装置可以包括处理器401、存储器402和总线403。存储器402可以是独立存在,也可以和处理器401集成在一起。总线403在上述组件之间传送信息。其中:
存储器402中存储有一组程序代码,处理器401用于调用存储器402中存储的程序代码执行以下操作:
获取视频流,视频流包括M帧图像,M为大于1的整数;
根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系,第一图像为M帧图像中的任一图像,第一人脸为第一图像包括的人脸中的任一人脸,特征集为N帧图像的特征的集合,N帧图像为视频流中与第一图像相邻的前N帧图像,第二图像为N帧图像中存在第一人脸对应人脸的图像中的任一图像,N为大于或等于0的整数,M大于N;
根据第一人脸在第一图像中的位置以及对应关系,为第一人脸分配标识;
根据第一人脸在第一图像中的位置和第一人脸的标识为第一图像中的第一人脸标注人脸框和标识。
在一个实施例中,处理器401根据第一神经网络、第一图像和特征集,确定第一人脸在第一图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系包括;
将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、第一人脸在一帧图像中的位置,以及第一人脸在第一图像中的位置与在第二图像中的位置的对应关系;
处理器401还用于调用存储器402中存储的程序代码执行以下操作:
根据第一人脸的人脸特征以及第一人脸在第一图像中的位置更新特征集。
在一个实施例中,处理器401根据第一人脸的人脸特征以及第一人脸在第一图像中的位置更新特征集包括:
使用第二神经网络对第一人脸的人脸特征以及第一人脸在第一图像中的位置进行上采样和降维处理;
根据处理后的第一人脸的人脸特征、第一人脸在第一图像中的位置以及第一图像在视频流中的序号更新特征集。
在一个实施例中,处理器401根据第一人脸在第一图像中的位置以及对应关系,为第一人脸分配标识包括:
在第一人脸存在对应关系的情况下,将第一人脸在第二图像中的标识确定为第一人脸的标识;
在第一人脸不存在对应关系的情况下,为第一人脸分配第一标识,第一标识为与已分配标识不同的标识。
在一个实施例中,处理器401还用于调用存储器402中存储的程序代码执行以下操作:
提取标注后的第一图像中的标识;
根据提取的标识统计人流量。
在一个实施例中,处理器401还用于调用存储器402中存储的程序代码执行以下操作:
提取标注后的第一图像中的人脸框;
处理器401根据提取的标识统计人流量包括:
根据提取的标识和人脸框确定人的运动轨迹;
根据运动轨迹统计不同方向的人流量。
其中,步骤101-104、步骤201-206可以由人脸检测跟踪装置中的处理器401和存储器402来执行。
其中,获取单元301、确定单元302、分配单元303、标注单元304、更新单元305、提取单元306和统计单元307可以由人脸检测跟踪装置中的处理器401和存储器402来实现。
上述人脸检测跟踪装置还可以用于执行前述方法实施例中执行的各种方法,不再赘述。
在一个实施例中提供了一种可读存储介质,该可读存储介质用于存储应用程序,应用程序用于在运行时执行图1或图2的人脸检测跟踪方法。
在一个实施例中提供了一种应用程序,该应用程序用于在运行时执行图1或图2的人脸检测跟踪方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random AccessMemory,RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种人脸检测跟踪方法,其特征在于,包括:
获取视频流,所述视频流包括M帧图像,所述M为大于1的整数;
根据第一神经网络、第一图像和特征集,确定第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系,所述第一图像为所述M帧图像中的任一图像,所述第一人脸为所述第一图像包括的人脸中的任一人脸,所述特征集为N帧图像的特征的集合,所述N帧图像为所述视频流中与所述第一图像相邻的前N帧图像,所述第二图像为所述N帧图像中存在所述第一人脸对应人脸的图像中的任一图像,所述N为大于或等于0的整数,所述M大于所述N;
根据所述第一人脸在所述第一图像中的位置以及所述对应关系,为所述第一人脸分配标识;
根据所述第一人脸在所述第一图像中的位置和所述第一人脸的标识为所述第一图像中的第一人脸标注人脸框和标识。
2.根据权利要求1所述的方法,其特征在于,所述根据第一神经网络、第一图像和特征集,确定第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系包括:
将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、所述第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系;
所述方法还包括:
根据所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置更新所述特征集。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置更新所述特征集包括:
使用第二神经网络对所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置进行上采样和降维处理;
根据处理后的第一人脸的人脸特征、第一人脸在所述第一图像中的位置以及所述第一图像在所述视频流中的序号更新所述特征集。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述第一人脸在所述第一图像中的位置以及所述对应关系,为所述第一人脸分配标识包括:
在所述第一人脸存在所述对应关系的情况下,将所述第一人脸在所述第二图像中的标识确定为所述第一人脸的标识;
在所述第一人脸不存在所述对应关系的情况下,为所述第一人脸分配第一标识,所述第一标识为与已分配标识不同的标识。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
提取标注后的第一图像中的标识;
根据所述标识统计人流量。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
提取标注后的第一图像中的人脸框;
所述根据所述标识统计人流量包括:
根据提取的标识和人脸框确定人的运动轨迹;
根据所述运动轨迹统计不同方向的人流量。
7.一种人脸检测跟踪装置,其特征在于,包括:
获取单元,用于获取视频流,所述视频流包括M帧图像,所述M为大于1的整数;
确定单元,用于根据第一神经网络、第一图像和特征集,确定第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系,所述第一图像为所述M帧图像中的任一图像,所述第一人脸为所述第一图像包括的人脸中的任一人脸,所述特征集为N帧图像的特征的集合,所述N帧图像为所述视频流中与所述第一图像相邻的前N帧图像,所述第二图像为所述N帧图像中存在所述第一人脸对应人脸的图像中的任一图像,所述N为大于或等于0的整数,所述M大于所述N;
分配单元,用于根据所述第一人脸在所述第一图像中的位置以及所述对应关系,为所述第一人脸分配标识;
标注单元,用于根据所述第一人脸在所述第一图像中的位置和所述第一人脸的标识为所述第一图像中的第一人脸标注人脸框和标识。
8.根据权利要求7所述的装置,其特征在于,所述确定单元,具体用于将第一图像和特征集输入第一神经网络,得到第一人脸的人脸特征、所述第一人脸在所述第一图像中的位置,以及所述第一人脸在所述第一图像中的位置与在第二图像中的位置的对应关系;
所述装置还包括:
更新单元,用于根据所述第一人脸的人脸特征以及所述第一人脸在所述第一图像中的位置更新所述特征集。
9.一种人脸检测跟踪装置,其特征在于,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于调用所述程序指令执行如权利要求1-6任一项所述的人脸检测跟踪方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的人脸检测跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001834.3A CN112767436A (zh) | 2019-10-21 | 2019-10-21 | 一种人脸检测跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001834.3A CN112767436A (zh) | 2019-10-21 | 2019-10-21 | 一种人脸检测跟踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112767436A true CN112767436A (zh) | 2021-05-07 |
Family
ID=75691680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911001834.3A Pending CN112767436A (zh) | 2019-10-21 | 2019-10-21 | 一种人脸检测跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767436A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN108875480A (zh) * | 2017-08-15 | 2018-11-23 | 北京旷视科技有限公司 | 一种人脸特征信息的追踪方法、装置及系统 |
CN109344789A (zh) * | 2018-10-16 | 2019-02-15 | 北京旷视科技有限公司 | 人脸跟踪方法及装置 |
CN109871760A (zh) * | 2019-01-15 | 2019-06-11 | 北京奇艺世纪科技有限公司 | 一种人脸定位方法、装置、终端设备及存储介质 |
-
2019
- 2019-10-21 CN CN201911001834.3A patent/CN112767436A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN108875480A (zh) * | 2017-08-15 | 2018-11-23 | 北京旷视科技有限公司 | 一种人脸特征信息的追踪方法、装置及系统 |
CN109344789A (zh) * | 2018-10-16 | 2019-02-15 | 北京旷视科技有限公司 | 人脸跟踪方法及装置 |
CN109871760A (zh) * | 2019-01-15 | 2019-06-11 | 北京奇艺世纪科技有限公司 | 一种人脸定位方法、装置、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
张宁;伍萍辉;: "一种自下而上的人脸检测算法", 计算机应用研究, no. 06 * |
董胜;李凤;刘守印;: "基于人脸区域特征相关性的视频流人脸识别研究", 智能计算机与应用, no. 03 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875904A (zh) | 图像处理方法、图像处理装置和计算机可读存储介质 | |
CN110874594A (zh) | 基于语义分割网络的人体外表损伤检测方法及相关设备 | |
CN114746857B (zh) | 基于加权知识图的视频分段 | |
CN111898411A (zh) | 文本图像标注系统、方法、计算机设备和存储介质 | |
CN112749666B (zh) | 一种动作识别模型的训练及动作识别方法与相关装置 | |
CN109726678B (zh) | 一种车牌识别的方法及相关装置 | |
CN112052733A (zh) | 数据库构建方法、人脸识别方法、装置及电子设备 | |
CN109933610B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN106375771B (zh) | 图像特征匹配方法和装置 | |
CN110378278A (zh) | 神经网络的训练方法、对象搜索方法、装置以及电子设备 | |
JP2021135993A (ja) | テキスト認識方法及びテキスト認識装置、電子設備、記憶媒体 | |
CN112651997A (zh) | 地图构建方法、电子设备和存储介质 | |
CN112132130A (zh) | 一种面向全场景的实时性车牌检测方法及系统 | |
CN111369524B (zh) | 结节识别模型训练方法、结节识别方法及装置 | |
CN112861844A (zh) | 业务数据的处理方法、装置和服务器 | |
CN111950507B (zh) | 数据处理和模型训练方法、装置、设备及介质 | |
CN112101196B (zh) | 数据的处理方法、装置、设备以及存储介质 | |
CN112767436A (zh) | 一种人脸检测跟踪方法及装置 | |
CN113377998A (zh) | 数据加载的方法、装置、电子设备及存储介质 | |
CN113033408A (zh) | 数据队列动态更新方法、装置、电子设备及存储介质 | |
CN108416425A (zh) | 一种卷积方法及装置 | |
CN110781223A (zh) | 数据处理方法及装置、处理器、电子设备及存储介质 | |
CN114781517A (zh) | 风险识别的方法、装置及终端设备 | |
CN109784226B (zh) | 人脸抓拍方法及相关装置 | |
CN113887518A (zh) | 一种行为检测的方法、装置、电子设备及存储介质 |
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 |