[发明专利]一种基于头部照片的属性分析方法、系统和计算机设备

说明书

本发明公开了一种基于头部照片的属性分析方法、系统和计算机设备，方法包括：获取商场内图片或/和视频数据，从中提取单张图片；通过训练好的第一神经网络模型对所述单张图片进行人脸检测，获取人脸框位置和面部特征点位置；根据所述人脸框位置和面部特征点位置进行图片矫正和截取，获得人物人脸框图片；通过训练好的第二神经网络模型对所述人物人脸框图片进行人物头部属性分析，获得人物头部属性的置信度；根据人物头部属性选择策略确定人物头部属性，输出对应的属性及置信度。本发明能有效快速准确的检测视频内人物头部属性，进而统计分析各种场景下摄像头内的人物的头部属性信息，有助于帮助店家分析数据，制定销售策略，促进销售量。

技术领域

本发明涉及大数据处理技术领域，具体涉及一种基于头部照片的属性分析方法、系统和 计算机设备。

背景技术

在计算机视觉领域，人脸作为一个重要的分析指标，无论在检测还是分析方面，都能通 过数据的挖掘和利用起到重要的作用。目前，在日常生活中，在各种大型商场、商品专卖店 和超市等里面，经常可以看到各式各样的摄像头在进行视频数据的摄取，但是目前这些摄像 头的主要作用是做记录，防止一些犯罪的发生，可以做事后查证，产生的大量数据并没有得 到充分的挖掘利用，从而导致即使商家有视频数据，但是并没有进行高效利用，从顾客身上 挖掘有价值的信息，造成的一种资源浪费状况。

发明内容

本发明的主要目的在于提出一种基于头部照片的属性分析方法、系统和计算机设备，能 有效快速准确的检测视频内人物头部属性，进而统计分析各种场景下摄像头内的人物的情绪、 发型、发色、头部穿戴、胡子、脸型和化妆等信息，有助于帮助店家分析数据，制定销售策 略，促进销售量。

本发明采用如下技术方案：

一方面，本发明一种基于头部照片的属性分析方法，包括：

获取商场内图片或/和视频数据，从中提取单张图片；

通过训练好的第一神经网络模型对所述单张图片进行人脸检测，获取人脸框位置和面部 特征点位置；根据所述人脸框位置和面部特征点位置进行图片矫正和截取，获得人物人脸框 图片；

通过训练好的第二神经网络模型对所述人物人脸框图片进行人物头部属性分析，获得人 物头部属性的置信度；

根据人物头部属性选择策略确定人物头部属性，输出对应的属性及置信度。

优选的，所述通过训练好的第一神经网络模型对所述单张图片进行人脸检测，获取人脸 框位置和面部特征点位置；根据所述人脸框位置和面部特征点位置进行图片矫正和截取，获 得人物人脸框图片，具体包括：

步骤a1，通过训练好的第一神经网络模型对所述单张图片进行人物人脸框检测，获取人 物人脸框位置和面部特征点位置；其中，所述人物人脸框位置包括人物人脸框的左上角的坐 标和人物人脸框右下角的坐标；面部特征点包括左眼瞳孔、右眼瞳孔、鼻尖、嘴巴最左点和 嘴巴最右点；所述面部特征点位置包括上述五个面部特征点的坐标；

步骤a2，根据所述左眼瞳孔和右眼瞳孔的位置，计算双瞳孔的连线与水平线的夹角；将 双瞳孔连线的中点，与嘴巴最左点和嘴巴最右点两点连线的中点进行连接作为纵线，对所述 纵线从上到下去线段的预设值作为图像的中心点；以所述中心点为中心，逆向旋转所述夹角 的度数，得到双瞳水平的照片；

步骤a3，根据所述人脸框位置进行预设比例的扩增，截取扩增后的人脸框中的图片，获 得人物人脸框图片。

优选的，所述第一神经网络模型采用MTCNN模型，所述MTCNN模型包括P-Net网络、R-Net网络和O-Net网络。

优选的，所述第一神经网络模型的损失函数表示如下：