[发明专利]人脸识别方法及系统

权利要求书

1.一种人脸识别方法，其特征在于：包括步骤：

S1：获取当前帧视频中所有人脸特征数据；

S2：分别计算该人脸特征数据与人脸数据库中的每个人脸特征数据之间相似度值，根

据计算得出的相似度值中，从人脸数据库中获取N个相似数值相对大所对应的注册人脸ID及相应的相似度值；

S3：获取前M帧视频中人脸特征数据组B；

S4：计算人脸特征数据A分别与前M帧视频人脸特征数据组中每个人脸特征数据之间相似度值，设定三个相似度阈值分别为阈值一、阈值二、阈值三，将计算得出的相似度值分别与阈值一进行对比，从前M帧视频中每个人脸特征数据获取相似数值大于或等于阈值一的人脸特征数据组C及相应的相似度值；

S5：合并N个注册人脸ID与人脸特征数据组以及其相对应的相似度值得到合并数据；

S6：根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库，若S5中，合并数据中，最大相似度数值大于阈值二且最大相似度数值除以第二大相似度数值大于阈值三，那么最大相似度对应的注册人脸ID存在人脸数据库中，否则该人脸不存在注册人脸底库。

2.根据权利要求1所述的人脸识别方法，其特征在于：步骤S1中，获取当前帧视频数据，检测当前帧中的所有人脸，分别对并提取人脸特征数据A，其中，人脸特征数据提取方法包括基于人脸特征点的识别算法、基于模板的识别算法和基于神经网络的识别的算法。

3.根据权利要求1所述的人脸识别方法，其特征在于：步骤S2、S3中，人脸特征数据之间的相似度计算可采用余弦距离或欧式距离计算，或者其他合适的距离计算方法。

4.根据权利要求1所述的人脸识别方法，其特征在于：步骤S3中，相似阈值的选择根据所选择的相似度计算方法和具体场景而定。

5.根据权利要求1的人脸识别方法，其特征在于：M的取值根据具体的场景条件而定。

6.根据权利要求1的人脸识别方法，其特征在于：步骤S4中，合并数据过程中，当人脸特征数据组中某个人脸特征数据已经存在N个注册人脸ID中某个ID对应时，那么该注册人脸ID对应的相似度将加上该人脸特征数据对应的相似度；当人脸特征数据组没有与N个注册人脸ID对应时，将该人脸特征数据添加到N个注册人脸ID中得到合并数据。

7.一种人脸识别系统，其特征在于：包括视频采集模块、计算模块、合并处理模块以及判断处理模块；

所述视频采集模块用于获取当前帧视频中所有人脸特征数据；

所述计算模块用于计算该人脸特征数据与人脸数据库中的每个人脸特征数据之间相似度值，根据计算得出的相似度值中，从人脸数据库中获取N个相似数值相对大所对应的注册人脸ID及相应的相似度值；

所述视频采集模块还用于获取前M帧视频中人脸特征数据组B；

所述计算模块还用于计算人脸特征数据A分别与前M帧视频人脸特征数据组中每个人脸特征数据之间相似度值，设定三个相似度阈值分别为阈值一、阈值二、阈值三，将计算得出的相似度值分别与阈值一进行对比，从前M帧视频中每个人脸特征数据获取相似数值大于或等于阈值一的人脸特征数据组C及相应的相似度值；

所述合并处理模块用于合并N个注册人脸ID与人脸特征数据组以及其相对应的相似度值得到合并数据；

所述判断处理模块用于根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库，若S5中，合并数据中，最大相似度数值大于阈值二且最大相似度数值除以第二大相似度数值大于阈值三，那么最大相似度对应的注册人脸ID存在人脸数据库中，否则该人脸不存在注册人脸底库。