人脸识别方法及装置的制造方法
【技术领域】
[0001] 本发明设及视频监控技术的人脸识别技术领域，尤其设及一种人脸识别方法及装 置。
【背景技术】
[0002] 在视频监控系统的人脸识别技术领域，一般可通过拍摄视频数据，选择最优人脸 和进行人脸比对对实现人脸的识别。
[0003] 现有技术中，视频管理服务器可对目标人员经过时摄像机所拍摄的所有视频帖图 像进行人脸特征质量判断，根据人脸特征质量选择最优人脸。由于进行人脸特征质量判断 的过程有一定的计算量，因此现有技术对目标人员经过时摄像机所拍摄的所有视频帖图像 进行人脸特征质量判断将耗费非常大的计算资源。在处理大量人流的视频数据时，人脸识 别的性能可能非常低，而且现有技术的方案是在目标人员通过后才可选择出最优人脸，人 脸识别的时延比较大。
【发明内容】
[0004] 本发明提供一种人脸识别方法及装置，W解决现有技术中在人脸识别过程中将耗 费非常大的计算资源选择最优人脸，并且人脸识别的时延较大的问题。
[0005] 根据本发明实施例的第一方面，提供一种人脸识别方法，所述方法包括：
[0006] 根据已知关键帖的位置，确定平稳序列预测公式；
[0007] 根据所述平稳序列预测公式，W及已知关键帖的位置，计算下一个疑似关键帖的 预测位置；
[000引根据所述下一个疑似关键帖的预测位置W及所述已知关键帖的位置，调整泊松分 布的合成因子；
[0009] 根据所述泊松分布和所述下一个疑似关键帖的预测位置，获取所述下一个关键帖 的待检测范围；
[0010] 对所述下一个关键帖的待检测范围对应的图像帖进行人脸检测，根据所述待检测 范围内的各个图像帖的人脸置信度的比较结果，确定人脸置信度最高的图像帖的位置作为 所述下一个关键帖的位置；
[0011] 根据所检测出的下一个关键帖进行人脸识别。
[0012] 根据本发明实施例的第二方面，提供一种人脸识别装置，所述装置包括：
[0013] 确定单元，用于根据已知关键帖的位置，确定平稳序列预测公式；
[0014] 计算单元，用于根据所述平稳序列预测公式，W及已知关键帖的位置，计算下一个 疑似关键帖的预测位置；
[0015] 调整单元，用于根据所述下一个疑似关键帖的预测位置W及所述已知关键帖的位 置，调整泊松分布的合成因子；
[0016] 获取单元，用于根据所述泊松分布和所述下一个疑似关键帖的预测位置，获取所 述下一个关键帖的待检测范围；
[0017] 检测单元，用于对所述下一个关键帖的待检测范围对应的图像帖进行人脸检测， 根据所述待检测范围内的各个图像帖的人脸置信度的比较结果，确定人脸置信度最高的图 像帖的位置作为所述下一个关键帖的位置；
[0018] 识别单元，用于根据所检测出的下一个关键帖进行人脸识别。
[0019]应用本发明实施例，通过根据已知关键帖的位置，确定平稳序列预测公式，根据该 平稳序列预测公式W及已知关键帖的位置，计算下一个疑似关键帖的预测位置;根据下一 个疑似关键帖的预测位置W及已知关键帖的位置，调整泊松分布的合成因子;根据泊松分 布和下一个疑似关键帖的预测位置，获取下一个关键帖的待检测范围；对下一个关键帖的 待检测范围对应的图像帖进行人脸检测，根据待检测范围内的各个图像帖的人脸置信度的 比较结果，确定人脸置信度最高的图像帖的位置作为下一个关键帖的位置;根据所检测出 的关键帖W及已知关键帖进行人脸识别，从而保证可W只对预测的关键帖进行人脸特征提 取和置信度计算，减小了计算资源，并且可W预测选择出最优人脸，不需要在目标人员通过 后再选择最优人脸，缩短了人脸识别的时延。
【附图说明】
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施 例，并与说明书一起用于解释本发明的原理。
[0021 ]图1为本发明实施例的应用场景示意图；
[0022] 图2为本发明一种实施方式中人脸识别方法流程图；
[0023] 图3为本发明一种实施方式中人脸识别装置运行的硬件环境架构图；
[0024] 图4为本发明一种实施方式中人脸识别装置框图。
【具体实施方式】
[0025] 本发明中的关键帖是在从视频中捕获的人脸图像帖中选择的，已知关键帖是指已 经确定为关键帖的图像帖，包括根据捕获到的某些图像帖的人脸置信度选择的统计关键 帖，和已经预测到的关键帖;位置用于标示图像帖在视频中的位置，可W为图像帖的帖号， 也可W为图像帖对应在视频中的时间点。参见图1，为本发明实施例的应用场景示意图：
[0026] 图1中，视频管理服务器通过网络与监控前端设备通信，当视频管理服务器需要启 动人脸识别应用时，可向监控前端设备发送视频请求消息，请求某个时间段内的视频数据。 当监控前端设备向视频管理服务器发送该时间段内的视频数据后，视频管理服务器可从该 视频数据中捕获图像帖，并且提取所捕获的图像帖中的某几帖图像的特征信息，计算人脸 置信度，并选择置信度高的Μ帖图像作为统计关键帖，然后基于该统计关键帖确定平稳序列 预测公式，然后根据该平稳序列预测公式预测下一个关键帖的位置。为了预测关键帖的准 确性，可基于泊松分布确定下一个关键帖的待检测范围，检测该待检测范围内的图像帖的 人脸置信度进而确定下一个关键帖的位置。然后将确定位置的下一个关键帖作为已知关键 帖，继续循环执行上述预测下一个关键帖的操作步骤，直到所预测的下一个关键帖达到捕 获的图像帖的上限值时，停止预测。
[0027] 下面通过具体实施例对本发明方案进行详细说明。
[00%]参见图2,为本发明一种实施方式中人脸识别方法流程图：
[0029] 步骤200:开始执行人脸识别操作。
[0030] 步骤201:设定捕获的图像帖的帖数上限值。
[0031] 在进行人脸识别时，针对同一人脸，可限定通过捕获不超过N个图像帖的方式来识 别人脸。本发明并不对N的数值作具体的限定。
[0032] 步骤202:对捕获到的某些图像帖计算人脸置信度，并根据人脸置信度选择统计关 键帖。
[0033] 使用现有的方案先对一定数量图像帖的人脸计算置信度，根据运些图像帖的人脸 置信度，选择人脸置信度超过阔值的图像帖作为统计关键帖。
[0034] 步骤203:根据已知关键帖的位置，确定平稳序列预测公式。
[0035] 在第一次确定关键帖的概率分布范围时，已知关键帖为统计关键帖，可W选择Μ个 统计关键帖通过平稳时间序列确定关键帖的概率分布范围。
[0036] 可利用Μ个统计关键帖的位置数据对ARAM(Aut〇-Regressive and Moving Average Model,自回归滑动平均模型）的相关参数进行估计，确定关键帖的平稳序列预测 公式。
[0037] 关键帖的平稳序列预测公式如下：
[00；3 引
[0039] 其中，Φl，Φ,2，…，Φq称自回归系数，θl，θ2，…，θq为移动平均系数，都是模型的待 估参数;at为(人为、环境等）白噪声项，kt为同一人脸的帖号。
[0040] 利用已知的Μ个已知关键帖对上述预测公式的相关参数进行估计：
[0041 ] kt+m- Φ lkt+m-l+ Φ 2kt+m-2+·.Φ qkt+m-q+Qt -目lQt+m-1 - ·..-目qQt+m-q [0042]对上式的两侧求条件期望，得到：
[004引 E [ kt+m]二 Φ lE [ kt+m-l ] + Φ 2E [ kt+m-2 ] ^-----Φ lE [ kt+m-1 ] +E [日1 ]-目lE [日t+m-1 ]-----白lE
[Qt+m-1 ]
[0044] 由条件均值的性质可知：
[0045]
[0046] A
./二〇，1，2，·'· >利用Μ个统计关键帖的位置确定ARMA模型的类型和 阶数，用矩估计法确定模型的参数，贝阿得到i(W)用满表示的表达式，由此 可计算下一个关键帖的预测位置。
[0047] 步骤204:根据所述平稳序列预测公式，W及已知关键帖的位置，计算下一个疑似 关键帖的预测位置。
[004引具体可根据确定的ARAM模型，W及已知关键帖的位置，计算下一个关键帖的预测 位置。
[0049] 步骤205:根据所述下一个疑似关键帖的预测位置W及所述已知关键帖的位置，调 整泊松分布的合成因子。
[0050]所采集的视频数据受到应用场景光线、摄像机视角等合成因子λ的影响，对大量的 视频帖图像进行定时统计，可得出不同人脸的最优人脸的图像帖的位置k满足离散随机泊 松分布：
[0化1 ]
[0052] 其中，N为捕获的图像帖的帖数上限值，C为已知关键帖的位置和下一个疑似关键 帖的预测位置的集合。
[0053] 每次根据步骤204预测到下一个疑似关键帖的预测位置后，可自适应调整合成因 子λ值，使之不超过设定的捕获的图像帖的帖数。
[0054] 步骤206:根据所述泊松分布和所述下一个疑似关键帖的预测位置，获取所述下一 个关键帖的待检测范围。
[0055] 根据泊松分布合成因子和所述下一个疑似关键帖的预测位置，即可确定下一个疑 似关键帖的检测范围，例如如果下一个疑似关键帖的预测位置为第五帖，则根据泊松分布 可能确定出下一个关键帖的待检测范围为第3~7帖。
[0056] 步骤207:对所述下一个关键帖的待检测范围对应的图像帖进行人脸检测，根据所 述待检测范围内的各个图像帖的人脸置信度的比较结果，确定人脸置信度最高的图像帖的 位置作为