[发明专利]基于多目标跟踪的人脸筛选方法、装置、设备及存储介质

说明书

本发明实施例提供一种基于多目标跟踪的人脸筛选方法、装置、电子设备和存储介质，该方法包括：获取多目标跟踪算法输出的人脸跟踪结果，所述人脸跟踪结果包括置信度；根据所述置信度对第一预设时间内的多个人脸跟踪结果进行去重处理，得到待筛选人脸特征；将在第二预设时间内获取到的多个待筛选人脸特征输入预先训练好的卷积神经网络，得到目标人脸预测值，其中，所述第二预设时间为所述第一预设时间的大于1的整数倍；基于所述目标人脸预测值对目标人脸进行筛选。通过第一预设时间、第二预设时间获取待筛选人脸特征并输入预先训练好的卷积神经网络分类得到目标人脸预测值，最后根据目标人脸预测值筛选出目标人脸，从而提高人脸筛选的效率。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于多目标跟踪的人脸筛选方法、装置、设备及存储介质。

背景技术

人脸识别被认为是一种可广泛使用的生物特征识别技术，它在安全防范领域如刑侦破案、证件验证、视频监控等有着广阔的应用前景。人脸识别可分为基于静态图像的人脸识别和基于图像序列的人脸识别这两种方式。目前大部分有关人脸识别的研究也是基于图像序列的。基于图像序列的人脸识别方式中，自动人脸识别系统需要从采集到的图像序列中检测并截取出人脸图像并用于后续的人脸识别过程。在现有的人脸识别系统中，识别阶段需要利用已经采集到的人脸图像，因此人脸图像质量的好坏将直接影响到人脸识别系统的性能，模糊的人脸图像将导致识别错误率的上升。

然而，在现实环境中采集到的人脸图像的质量往往变化很大，例如可能会出现运动模糊、离焦模糊等情况。因此，为了保证人脸识别的准确性，在进入识别阶段之前，都有必要对得到的人脸图像进行筛选，将达到一定质量要求的图像进行后续的处理过程。

目前，人脸图像筛选的方法为：针对人脸图像组中的每一人脸图像，计算该人脸图像的清晰度、人脸大小以及人眼开合度这三个人脸属性，然后基于上述三个人脸属性确定该人脸图像的综合评价分数并将其中评分最高的确定为目标人脸图像。类似的方法是通过计算得到人脸属性，计算耗费时间长且过于粗糙，不适合人脸识别实时性和准确性要求，特别是在安防领域的实时视频监控。

发明内容

本发明实施例提供一种基于多目标跟踪的人脸筛选方法、装置、电子设备、和存储介质，能够提高人脸筛选的效率。

第一方面，本发明实施例提供一种基于多目标跟踪的人脸筛选方法，包括：

获取多目标跟踪算法输出的人脸跟踪结果，所述人脸跟踪结果包括置信度；

根据所述置信度对第一预设时间内的多个人脸跟踪结果进行去重处理，得到待筛选人脸特征；

将在第二预设时间内获取到的多个待筛选人脸特征输入预先训练好的卷积神经网络，得到目标人脸预测值，其中，所述第二预设时间为所述第一预设时间的大于1的整数倍；

基于所述目标人脸预测值对目标人脸进行筛选。

可选的，所述获取多目标跟踪算法输出的人脸跟踪结果，包括：

获取连续输入所述多目标跟踪算法的多帧图像的对应多个人脸跟踪结果，所述人脸跟踪结果还包括人脸标识。

可选的，所述根据所述置信度对第一预设时间内的多个人脸跟踪结果进行去重处理，得到待筛选人脸特征，包括：

在所述第一预设时间内，从具有相同人脸标识的人脸跟踪结果中选出置信度最大的一个人脸跟踪结果作为所述待筛选人脸特征，多个所述待筛选人脸特征组成一个具有相同人脸标识的待筛选人脸特征集。

可选的，所述将在第二预设时间内获取到的多个待筛选人脸特征输入预先训练好的卷积神经网络，得到目标人脸预测值，包括：

在第二预设时间内，从所述具有相同人脸标识的待筛选人脸特征集中获取待筛选人脸特征；

对所述第二预设时间内获取到的待筛选人脸特征进行预处理；