[发明专利]一种人脸识别跟踪方法

权利要求书

1.一种人脸识别跟踪方法，提供图像采集装置获取连续的若干帧图像，其特征在于，包括：

在进行人脸识别跟踪前，预先训练形成JDA检测器的模型：采集得到多个训练样本图像，每个所述训练样本图像中包括对应的第一理想特征数据；通过所述JDA检测器筛选所述训练样本图像以得到第一采样特征数据；通过比对所述第一采样特征数据与所述第一理想特征数据以修正所述JDA检测器的模型；其具体包括如下子步骤：

子步骤1，训练JDA检测器的模型：准备训练数据并提取特征来训练JDA检测器的模型；

子步骤2，训练分类回归树：JDA检测器的模型训练分为T个阶段，每一阶段包含K棵分类回归树，对每棵树的非叶节点用一个概率p来决定使用分类节点还是回归节点；

构建分类节点：首先计算样本特征，形成两个一维特征向量，并计算特征范围，在特征范围内取N个阈值，计算每个阈值对应的误差；获得一个弱分类器；进入当前节点的样本被分成两部分，即样本特征值小于阈值部分和样本特征值大于阈值部分，把这两部分分别传递到当前节点的左子树根节点和右子树根节点，递归的分下去，直到不可分或者到达叶节点；

构建回归节点：利用具备真实形状的正样本来计算使偏移量方差最小的阈值作为弱分类器阈值；构建叶子节点，当树的深度到达指定深度阈值时或者进入结点的样本数量小于指定样本数量阈值时将结点构造为叶子节点，叶子节点的内容包含特征点偏移量和置信度增量；

子步骤3：置信度排序，并根据召回率计算置信度阈值；过滤正负样本，小于置信度阈值的全部从样本中去除；为了维持正负样本比例，需要扩充负样本，则用已训练的决策树去检测负样本库，检测为正的负样本加入负样本集，直到达到指定比率；最后更新样本的权值，根据置信度计算权值后还要进行均衡，使得正负样本的权值和都为1；利用全局回归来计算当前级别的所有决策树的每一个叶子节点的偏移量，然后分级按照之前的步骤进行训练，直到训练完JDA检测器的模型；

步骤S1，获取一帧图像作为当前帧图像，若被选取的该帧图像为初始图像或上一帧图像的判断结果为丢失，则转向步骤S2；否则将所述上一帧图像中获取的第二特征数据作为输入数据，随后转向步骤S3；

步骤S2，通过JDA检测器筛选所述当前帧图像中的人脸信息，训练好的JDA检测器的模型来检测人脸并初始化关键点，利用质心位置来判断人脸的朝向，并得到第一特征数据作为输入数据，随后转向步骤S3；所述的人脸信息包括特征点坐标和人脸朝向；

步骤S3，根据所述输入数据，通过SDM算法筛选所述当前帧图像中的所述人脸信息，直接在上一帧图片的SDM算法筛选基础上，利用质心位置来进行人脸朝向的判断，并得到所述第二特征数据；

步骤S4，预设一误差阈值、一累加阈值以及一基准阈值；提取图像的NPD特征向量，采用逻辑回归算法，计算得到所述当前帧图像的所述第二特征数据与所述上一帧图像的所述第二特征数据之间的判断值，并通过所述判断值判断得到用于表示人脸是否丢失的判断结果，随后返回所述步骤S1；

根据所述判断值判断所述人脸是否丢失的步骤具体包括：

步骤S41，判断所述判断值是否小于所述误差阈值，并在所述判断值小于所述误差阈值时将所述基准阈值加1；若所述判断值大于所述误差阈值时，则将所述基准阈值清零，并判断所述人脸未丢失；

步骤S42，判断所述基准阈值是否大于所述累加阈值，并在所述基准阈值大于所述累加阈值时判断所述人脸已经丢失。

2.根据权利要求1所述的一种人脸识别跟踪方法，其特征在于，获取所述人脸信息的步骤包括：

步骤A1，获取所述当前帧图像中的所有特征点的所述特征点坐标；

步骤A2，利用所述特征点坐标确定所述当前帧图像中的人脸的质心位置；

步骤A3，利用所述人脸的质心位置与对应的所述特征点坐标的关系获得所述人脸朝向，以获取所述人脸信息。

3.根据权利要求1所述的一种人脸识别跟踪方法，其特征在于，所述步骤S2中，在得到所述第一特征数据后，还包括对所述第一特征数据进行处理的步骤：

步骤S21，比较所述第一特征数据中的每一特征值以得到最小值；

步骤S22，将所述最小值分别与每一所述特征值进行比较后得到相应的差值，以得到经过处理的所述第一特征数据。