一种多人脸快速识别方法及处理终端与流程

本发明涉及人脸识别技术领域，具体是一种多人脸快速识别方法及处理终端。

背景技术：

传统的人脸识别方法通常是在单张的人脸图像上进行识别，从而导致对原始图像进行人脸识别时，需要较长的时间，从而导致人脸识别效率低下。例如，拍摄车站或商场等公共场合的含有多张人脸的图像，采用现有人脸识别方法往往需要较长的时间(可能长达十几秒)才能识别出图中的每个人脸，这不满足需要快速识别人脸的场合。诸如车站安检、商场入口安检等应用场景，若人脸识别时间较长，容易导致人群聚集，易引发安全事故。因此，需要能够对多人脸进行快速识别。

技术实现要素：

针对现有技术的不足，本发明的目的之一提供一种保护隐私下的校园抽烟行为识别方法，其能够解决保护隐私下的抽烟行为识别的问题；

本发明的目的之二提供一种处理终端，其能够解决抠像过程中计算量复杂的问题。

实现本发明的目的之一的技术方案为：一种多人脸快速识别方法，包括如下步骤：

步骤1：获得原始图像，将原始图像缩放至不同大小的若干张图像，得到缩放图像；

步骤2：采用第一预设截图窗口分别对每张缩放图像进行滑动截取，直至将缩放图像的所有区域均截取完成，每张缩放图像经过截取后得到若干张截取图像；

步骤3：分别将各张截取后的截取图像输入至神经网络进行分类处理，每一张截取图像对应得到一张分类图像，每一张分类图像均包含三个结果：有无人脸、人脸边框在截取图像中的相对坐标a和人脸关键点在截取图像中的坐标b，根据相对坐标a和坐标b最终确定人脸在原始图像中坐标，得到人脸坐标，

若同一张缩放图像下至少有一张截取图像存在人脸，则该缩放图像保留，否则，舍弃该缩放图像，保留后的缩放图像记为有效缩放图像，

对包括人脸的多张截取图像进行判定为是否同属于同一张人脸，从而确定出每一张缩放图像的人脸数量；

步骤4：采用第二预设截图窗口对有效缩放图像重新依次按步骤2和步骤3进行处理，得到新的有效缩放图像；

步骤5：采用第三预设截图窗口对步骤4得到的新的有效缩放图像再次按步骤2和步骤3进行处理，得到最终的有效缩放图像，

最终的有效缩放图像中，若各张缩放图像的人脸数量不相同，则取最多人脸数量作为最终识别出的人脸数量，并确定出每个人脸的人脸坐标，

其中，第一预设截图窗口、第二预设截图窗口和第三预设截图窗口的窗口尺寸依次递增；

步骤6：根据人脸坐标，将原始图像中的每个单独的人脸裁剪下来，得到对应的单人脸图像，并将所有的单人脸图像转换为统一格式，转换为统一格式后的单人脸图像作为训练数据，输入至卷积神经网络进行训练，得到训练后的卷积神经网络，训练后的卷积神经网络作为人脸分类神经网络，

其中，按如下步骤对卷积神经网络进行训练，以得到训练后的卷积神经网络，即得到人脸分类神经网络：

对原始图像上的各个人脸进行标定，作为训练用的训练数据，

卷积神经网络对训练按步骤2-步骤5进行训练，得到训练结果，并根据训练结果和训练数据进行比较，根据比较结果进行重复训练，以不断校正比较结果，直至训练结果达标；

步骤7：将待测人脸图像作为原始图像按步骤1-步骤5进行处理，得到待测的人脸图像，然后将待测的单人脸图像输入至人脸分类神经网络进行识别，完成多人脸识别。

进一步地，所述步骤6中，采用opencv将原始图像中的每个单独的人脸裁剪下来。

进一步地，所述步骤3中，对包括人脸的多张截取图像进行判定为是否同属于同一张人脸，从而确定出每一张缩放图像的人脸数量，其具体实现过程包括如下步骤：

根据相对坐标a和坐标b计算出任意两张截取图像的距离，记为相距距离，若相距距离在预设距离范围内，判定当前两张截取图像属于同一张人脸，否则，判定当前两张截取图像分属于不同人脸。

进一步地，所述第一预设截图窗口的大小为12*12。

进一步地，所述步骤2中，采用第一预设截图窗口分别对每张缩放图像进行滑动截取的实现过程按如下步骤进行：

第一预设截图窗口从缩放图像的某个位置依次向相邻区域进行滑动，以使得当前第一预设截图窗口当前所占区域和下一个所占区域不重叠且紧相贴，第一预设截图窗口在缩放图像上的区域形成截取后的图像，相邻区域是指，第一预设截图窗口所占位置的紧邻的下一个第一预设截图窗口所占区域，相邻的两个所占位置不重叠且紧相贴。

实现本发明的目的之二的技术方案为：一种处理终端，其包括：

存储器，用于存储程序指令；

处理器，用于运行所述程序指令，以执行所述的多人脸快速识别方法的步骤。

本发明的有益效果为：本发明能够在同一张图像上同时识别多个人脸，用时短。根据实测效果，可在1080*1920的图像上同时识别50个人脸，整个过程尽用时1.5秒。

附图说明

图1为本发明较佳实施例的的流程示意图；

图2为处理终端的示意图。

具体实施方案

下面，结合附图以及具体实施方案，对本发明做进一步描述：

如图1所示，一种多人脸快速识别方法，包括如下步骤：

步骤1：获得原始图像，将原始图像缩放至不同大小的若干张图像，得到缩放图像，缩放图像有多张。

步骤2：采用第一预设截图窗口分别对每张缩放图像进行滑动截取，直至将缩放图像的所有区域均截取完成，每张缩放图像经过截取后得到若干张截取图像。其中，第一预设截图窗口的大小为12*12，第一预设截图窗口从缩放图像的某个位置(例如左上角或右上角或其他位置)依次向相邻区域进行滑动，以使得当前第一预设截图窗口当前所占区域和下一个所占区域不重叠且紧相贴，第一预设截图窗口在缩放图像上的区域形成截取后的图像。相邻区域是指，第一预设截图窗口所占位置的紧邻的下一个第一预设截图窗口所占区域，相邻的两个所占位置不重叠且紧相贴。对缩放后的所有图像均进行滑动截取，从而使得每张缩放图像均得到对应的若干张截取图像。

步骤3：分别将各张截取后的截取图像输入至神经网络进行分类，每一张截取图像对应得到一张分类图像，每一张分类图像均包含三个结果：有无人脸、人脸边框在截取图像中的相对坐标a和人脸关键点在截取图像中的坐标b，根据相对坐标a和坐标b可以最终确定人脸在原始图像中坐标，得到人脸坐标。其中，人脸关键点是指人脸的一些关键部分，例如鼻子、眼睛、嘴巴等等。上述神经网络可以采用mtcnn神经网络算法，以得到上述三个结果，mtcnn(multi-taskconvolutionalneuralnetwork,多任务卷积神经网络)是一种神经网络算法，能够精确地确定人脸关键点。

多张截取图像均包括人脸，则根据相对坐标a和坐标b计算出任意两张截取图像的距离，记为相距距离，若相距距离在预设距离范围内，判定当前两张截取图像属于同一张人脸，否则，判定当前两张截取图像分属于不同人脸，也即不属于同一张人脸，从而判定出每一张缩放图像包含的人脸数量，每一张缩放图像包含的人脸数量可能相同也可能不同。

然后，若同一张缩放图像下至少有一张截取图像存在人脸，则该缩放图像保留，否则，舍弃该缩放图像，也即，若同一张缩放图像下的所有截图图像经过步骤3处理，得到的分类图像均不含人脸，意味着该缩放图像没有识别到人脸，应舍弃。从而对缩放图像进行筛选，只保留含有人脸的缩放图像，筛选后的缩放图像记为有效缩放图像，有效缩放图像中必然包含人脸。

步骤4：采用第二预设截图窗口对有效缩放图像重新依次按步骤2和步骤3进行处理，得到新的有效缩放图像。

步骤5：采用第三预设截图窗口对步骤4得到的新的有效缩放图像再次按步骤2和步骤3进行处理，得到最终的有效缩放图像，最终的有效缩放图像可能包括多张也可能只有一张缩放图像，各张缩放图像包含的人脸数量相同也可能不相同，若不相同，则取人脸数量最多的作为最终识别出的人脸数量，而每个人脸的人脸坐标也得到了确定。

其中，第一预设截图窗口、第二预设截图窗口和第三预设截图窗口的窗口尺寸依次递增。神经网络为卷积神经网络，其包括三层卷积层，每个卷积层后接一个池化层，最后连接一个全连接层。主要是利用神经网络对输入的图像进行不断分类。

步骤6：根据人脸坐标，采用opencv将原始图像中的每个单独的人脸裁剪下来，得到对应的单人脸图像，每张单人脸图像视为一张人脸，多张单人图像即有多张人脸，从而识别出一张原始图像中每一个人脸，完成多人脸识别。并将所有的单人脸图像转换为统一格式。转换为统一格式后的单人脸图像作为训练数据，输入至卷积神经网络进行训练，得到训练后的卷积神经网络，也即得到人脸分类神经网络。

其中，按如下步骤对卷积神经网络进行训练，以得到训练后的卷积神经网络，即得到人脸分类神经网络：

对原始图像上的各个人脸进行标定，作为训练用的训练数据，

卷积神经网络对训练按步骤2-步骤5进行训练，得到训练结果，并根据训练结果和训练数据进行比较，根据比较结果进行重复训练，以不断校正比较结果，直至训练结果达标，也即训练的人脸识别数量和标定的人脸数据一致或几乎一致，

其中，卷积神经网络包括五层卷积层，每个卷积层后接一个池化层，池化层后连接两个全连接层。通过这样的神经网络结构将输入数据处理得到一个一维数组。

卷积神经网络采用softmax损失函数，并采用梯度下降方法以优化卷积神经网络的各项参数，得到训练后的卷积神经网络，即作为人脸分类神经网络。

步骤7：将待测人脸图像作为原始图像按步骤1-步骤5进行处理，得到待测的人脸图像，然后将待测的单人脸图像输入至人脸分类神经网络进行识别，以识别出人脸，从而确定对应人员身份信息，从而完成多人脸识别。

如图2所示，本发明还提供一种处理终端100，其包括：

存储器101，用于存储程序指令；

处理器102，用于运行所述程序指令，以执行所述的多人脸快速识别方法的步骤。

本说明书所公开的实施例只是对本发明单方面特征的一个例证，本发明的保护范围不限于此实施例，其他任何功能等效的实施例均落入本发明的保护范围内。对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。