一种动态目标的面部识别方法与装置的制造方法
【技术领域】
[0001 ]本发明主要涉及对动态目标的面部特征识别。
【背景技术】
[0002] 生物特征识别技术作为一种比传统身份鉴别方法更加安全、方便的身份鉴别技 术，越来越受到各界的大力关注与投入。人脸识别技术是一种主要的生物特征识别技术之 一，近些年来取得了快速的发展和良好的应用。传统的人脸识别算法大部分是静态环境下， 配合的情形下运行。但是，许多具体的实际应用发生在动态非配合的场景中，比如在公共场 合某些犯罪分子的搜寻，而且静态配合的情况会降低用户的体验度和满意度，人会感觉受 控于设备。
【发明内容】
[0003] 针对上述现有技术中存在的问题，本发明的一个特定目的在于提供一种自动的动 态人脸识别方法和装置，能够在不同的人脸识别与验证的场合中进行应用。具体来说，本发 明可实现精确的人脸图形获取和识别，以及实现更为准确的人脸图形处理和验证。
[0004] 在一个方面，一种动态目标的面部识别方法包括:持续将获得的动态目标图形内 的生物形态特征图形中被确定为面部图形区域的面部图形进行数字化裁剪;计算所裁剪出 的面部图形以获得一个最佳面部图形；以及根据所述的最佳面部图形来验证该动态目标的 身份。
[0005] 在一个实施例中，所述的动态目标面部识别方法又包括:持续获取一个预设静态 可视区域范围内出现的动态目标图形;确定该动态目标的生物形态特征图形;通过对所述 生物形态特征图形的计算来确定该动态目标的面部图形区域；以及持续获取所述动态目标 的面部图形区域，以确定最佳面部特征图形区域。在另一个实施例中，所述的动态目标的面 部识别方法又包括:获取预设静态可视区域范围内出现的动态目标图形；以及通过面部检 测算法来确定该动态目标的面部图形区域。
[0006] 在另一个方面，一种实现前述动态目标的面部识别方法的装置包括处理器，被配 置为:持续将获得的动态目标图形内的生物形态特征图形中被确定为面部图形区域的面部 图形进行数字化裁剪;计算所裁剪出的面部图形以获得一个最佳面部图形；以及根据所述 的最佳面部图形来验证该动态目标的身份。
[0007] 在一个实施例中，所述的动态目标的面部识别装置又包括图形获取装置，被配置 为:持续获取一个预设静态可视区域范围内出现的动态目标图形；以及持续获取所述动态 目标的面部图形区域，以确定最佳面部特征图形区域。
【附图说明】
[0008] 图1是以绘画的形式表示了描绘本发明的面部识别方法的主要流程，其中同时标 示出了主要发明要素的标记；
[0009] 图2表示作为本发明一个实施例的体态识别方法的流程图；
[0010] 图3表示作为本发明一个实施例的仿射变换实现方式的流程图。
【具体实施方式】
[0011]下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描 述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于 描述，附图中仅示出了与本发明相关的部分而非全部结构。本发明所述的装置是可由软件 和/或硬件实现，也可内置在(例如)智能手机、平板电脑、笔记本电脑、台式电脑或个人数字 助理等电子设备中。
[0012] 在本发明的任一实施例中，"动态目标"是具体表示处于一个拍摄的静态场景下的 相对该静态场景移动的物体，尤其是指人或动物。"生物形态特征"是表示该移动的人或动 物的具体形态，例如外廓、体态、步态或动作等。在一个实施例中，动态目标是以人为例子来 描述，对应地，生物形态特征是指这个人的体形或体态。在其他实施例中，动态目标可以动 物为例。
[0013] 以识别人脸为例，参照图1，从一个总的方面来说，其面部识别方法主要包括：
[0014]步骤S100、持续(或多次地)将获得的动态目标图形3内的生物形态特征（例如，体 态）图形10中被确定为面部图形区域的面部图形11数字化裁剪出来。其中，获得的方式可以 是通过摄像设备或监控设备拍摄或录像实现，例如可以是连续的快门拍摄或持续的录影， 可提取其中的多个帧位的图形。多个帧位的图形结合在一起可构成动态目标(例如，人体） 的一个连续运动动作。
[0015] 步骤S200、计算所裁剪出的面部图形11以获得一个最佳面部图形110。计算的操作 可以是重复多次进行的，在一个例子里，针对于步骤S100中所述持续获得的方式，可对持续 动作中的（例如)每一帧图形进行数字化裁剪，从而获得复数张裁剪后的面部图形11或者是 面部图形组，可选取其中的一个作为最佳面部图形，或者也可以使用算法叠加的方式将这 多张面部图形整理为一个最佳面部图形。在另一个例子里，对这复数张面部图形的整理操 作也包括了再次对每一帧图形加以裁剪的方式。
[0016] 步骤S300、根据裁剪后的最佳面部图形110来验证这个人的身份。其中，裁剪后的 最佳面部图形110也可以是多个或者一个组，也可以是被确定为最佳色度值的图形。
[0017] 例如，所述的摄像设备或监控设备电连接至处理器或计算机，在所述处理器的存 储设备中预设了面部模型数据库，所述验证的方式可利用图形数据序列比对或矢量评分的 方式来实现。在一个例子里，监控设备可拍摄多张主要体现人的面部图形的照片，处理器可 根据该面部照片进行更为精确的裁剪，或者根据上述动态目标图形来确定人所处的角度或 位置。
[0018] 实施例1:
[0019] 具体来说，为了更有效地获取上述面部图形11，在上述步骤S100之前，对面部识别 的方法可包括：
[0020] 步骤S010、持续获取一个预设静态可视区域范围2内出现的动态目标图形3,在本 实施例中，动态目标是正在行走的人。实施本方法的计算机或处理器可通过色度阈值判断 的方式来检测是否出现了正在移动的目标1，若在表示预设的静态可视区域范围2的图形的 色度值发生变化时，则处理器将开启拍摄或录影。如此，处理器将开启判断该移动的目标是 否为人。
[0021]其中区别于以往技术地，所述的摄像设备或监控设备将无需通过移动或调整(例 如)镜头的拍摄角度来追踪该移动中的目标1，处理器可通过多角度多次拍摄的方式来获得 有效的生物形态特征(例如，体态）图形10,对于不同类别的监控设备来说是特别通用的。技 术人员也可在此基础上使用多个监控设备或组合来持续地追踪移动中的目标1。
[0022]在一个例子里，为了有效地获取生物形态特征图形10,摄像设备可将拍摄距离(例 如焦距）调节至合适参数，从而获得更好的图形样本。进一步来说，对拍摄距离的调节也可 以是连续变化的。
[0023]步骤S020、确定该动态目标的生物形态特征图形。在本实施例中，生物形态特征指 人的体形特征。参照图1，处理器可将拍摄到的目标1的图形进行数据处理，例如，可按照前 述色度阈值判断的方式，将静态可视范围2在生物形态特征图形10中除过目标1的部分加以 消除，得到一个完整的体形特征，并判断该目标1为人。
[0024]在图1中，处理器200将根据预设体形参数来判断图形中的目标的形状，例如判断 出目标具有四肢躯干图形12和面部图形11。在一个实施例中，再消除所述静态可视范围2的 部分后，可将初步得到的生物形态特征图形10进行再次选取以得到更准确的体形特征。 [0025] 步骤S030、通过对所述生物形态特征图形的计算来确定该动态目标的面部图形区 域。在本实施例中，处理器根据预设阈值将上述四肢躯干图形12加以去除，从而获得面部图 形11，去除的方式可使用色彩空间转换方式实现。
[0026] 摄像设备可拍摄包含移动中目标1的多帧照片，针对每一帧照片，移动目标1的体 态将会不同，摄像设备可持续跟踪目标1在静态可视区域范围2内的位置变化，或者缩小拍 摄的范围，以使得生物形态特征图形10在静态可视区域范围2中占有最大的面积比例。例 如，动态目标1的面部图形13和面部图形11存在于相对于所述静态可视区域图形2中不同的 位置，摄像设备将仅拍摄生物形态特征图形10的最小区域，即必须至少包含具有四肢躯干 图形12和面部图形11的图形区域。这样的一种效果是，可以大幅度减少处理器的图形处理 流量和运行速度。
[0027] 步骤S040、持续(或多次地)获取所述动态目标1的面部图形区域，以确定最佳面部 特征图形区域。按照上述步骤S030的方式，同样地可对面部图形11进行持续追踪，摄像设备 可持续跟踪目标1的面部在静态可视区域范围2内的位置变化，或者更进一步缩小拍摄的范 围，以使得面部图形11或13在生物形态特征图形10中占有最大和有效的面积比例。
[