(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利地址310051浙江省杭州市濱江區(qū)濱安路事務(wù)所(普通合伙)44280GO6V40儲介質(zhì)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)2響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將所述當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像的相似度；響應(yīng)于所述當(dāng)前人臉圖像與所述歷史人臉圖像的相似度達(dá)到相似度閾值，將所述當(dāng)前人臉圖像與所述歷史人臉圖像歸類到相同的人臉軌跡圖像集；對所述人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從所述人臉圖像集中選取所述目標(biāo)對象的最優(yōu)人臉圖像；基于所述最優(yōu)人臉圖像對所述目標(biāo)對象進(jìn)行人臉識別；所述對所述人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，計算得到所述人臉軌跡圖像集中各所述人臉圖像之間的相似度；響應(yīng)于所述相似度超過預(yù)設(shè)相似度，則將所述相似度對應(yīng)的兩個所述人臉圖像歸類到相同的類別圖像集；遍歷所述類別圖像集中的所述人臉圖像分別與所述類別圖像集中包含的其它各所述人臉圖像的相似度，確定所述類別圖像集中各所述人臉圖像的類別得分；將所述類別圖像集中最高的所述類別得分作為所述類別圖像集對應(yīng)的類別評分；將最高的所述類別評分對應(yīng)的所述類別圖像集作為所述目標(biāo)對象的人臉圖像集。2.根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，所述響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將所述當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像的相似度，包括：計算得到所述當(dāng)前人臉圖像的人臉區(qū)域與所述歷史人臉圖像的人臉區(qū)域的交并比；響應(yīng)于所述交并比大于預(yù)設(shè)交并比，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像的相似度超過相似度閾值。3.根據(jù)權(quán)利要求2所述的人臉識別方法，其特征在于，所述計算得到所述當(dāng)前人臉圖像的人臉區(qū)域與所述歷史人臉圖像的人臉區(qū)域的交并計算得到所述當(dāng)前視頻幀的人臉圖像與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比；所述響應(yīng)于所述交并比大于預(yù)設(shè)交并比，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像響應(yīng)于所述相鄰幀交并比大于所述預(yù)設(shè)交并比，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像的所述相似度超過所述相似度閾值；響應(yīng)于所述相鄰幀交并比不大于所述預(yù)設(shè)交并比，新建立一個人臉軌跡圖像集，并將所述當(dāng)前人臉圖像歸類到新建的所述人臉軌跡圖像集中。4.根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，還包括：計算得到所述人臉軌跡圖像集中包含的各所述人臉圖像的質(zhì)量評估值；所述從所述人臉圖像集中選取所述目標(biāo)對象的最優(yōu)人臉圖像，包括：選取所述目標(biāo)對象的人臉圖像集中最高所述質(zhì)量評估值對應(yīng)的所述人臉圖圖像作為所述目標(biāo)對象的最優(yōu)人臉圖像。35.根據(jù)權(quán)利要求4所述的人臉識別方法，其特征在于，所述計算得到所述人臉軌跡圖像集中包含的各所述人臉圖像的質(zhì)量評估值，包括：基于所述人臉圖像的人臉遮擋程度、人臉完整程度和人臉清晰程度，確定所述人臉圖像的質(zhì)量評估值。6.根據(jù)權(quán)利要求4或5所述的人臉識別方法，其特征在于，所述計算所述人臉軌跡圖像集中各所述人臉圖像的質(zhì)量評估值，包括：基于所述人臉圖像中人臉的俯仰角、偏航角和翻滾角，確定所述人臉圖像的質(zhì)量評估值。7.根據(jù)權(quán)利要求4所述的人臉識別方法，其特征在于，所述對所述人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從所述人臉圖像集中選取所述目標(biāo)對象的最優(yōu)人臉圖像，還包括：判斷所述當(dāng)前視頻幀與歸屬的所述人臉軌跡圖像集中的起始視頻幀之間的時間間隔是否超過預(yù)設(shè)時間；如果所述時間間隔超過所述預(yù)設(shè)時間，則對所述人臉軌跡圖像集中包含所述人臉圖像進(jìn)行聚類。8.根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，所述基于所述最優(yōu)人臉圖像對所述目標(biāo)對象進(jìn)行人臉識別，包括：對所述最優(yōu)人臉圖像進(jìn)行特征提取，得到人臉特征；將所述人臉特征與預(yù)設(shè)人臉特征進(jìn)行比對；響應(yīng)于所述人臉特征與所述預(yù)設(shè)人臉特征之間的相似度超過閾值，則將所述預(yù)設(shè)人臉特征對應(yīng)的預(yù)設(shè)目標(biāo)確定為所述最優(yōu)人臉圖像對應(yīng)的目標(biāo)對象。9.一種人臉識別裝置，其特征在于，所述人臉比對模塊，用于響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將所述當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定所述當(dāng)前人臉圖像與所述歷史人臉圖像的相跟蹤模塊，用于響應(yīng)于所述當(dāng)前人臉圖像與所述歷史人臉圖像的相似度達(dá)到相似度閾值，將所述當(dāng)前人臉圖像與所述歷史人臉圖像歸類到相同的人臉軌跡圖像集；聚類模塊，用于對所述人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從所述人臉圖像集中選取所述目標(biāo)對象的最優(yōu)人臉圖像；還用于計算得到所述人臉軌跡圖像集中各所述人臉圖像之間的相似度；響應(yīng)于所述相似度超過預(yù)設(shè)相似度，則將所述相似度對應(yīng)的兩個所述人臉圖像歸類到相同的類別圖像集；遍歷所述類別圖像集中的所述人臉圖像分別與所述類別圖像集中包含的其它各所述人臉圖像的相似度，確定所述類別圖像集中各所述人臉圖像的類別得分；將所述類別圖像集中最高的所述類別得分作為所述類別圖像集對應(yīng)的類別評分；將最高的所述類別評分對應(yīng)的所述類別圖像集作為所述目標(biāo)對象的人臉圖像集；識別模塊，用于基于所述最優(yōu)人臉圖像對所述目標(biāo)對象進(jìn)行人臉識別。10.一種終端，其特征在于，所述終端包括存儲器、處理器以及存儲于所述存儲器中并在所述處理器上運行的計算機程序，所述處理器用于執(zhí)行程序數(shù)據(jù)以實現(xiàn)如權(quán)利要求1～8任一項所述的人臉識別方法中的步驟。411.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1～8任一項所述的人臉識別方法中的步驟。5技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，特別是涉及一種人臉識別方法、裝置、終端及計算機可讀存儲介質(zhì)。背景技術(shù)[0002]隨著人工智能技術(shù)的不斷發(fā)展，人臉識別技術(shù)逐漸被應(yīng)用到安防、金融、交通等監(jiān)控領(lǐng)域中。人臉識別主要包括人臉檢測和人臉比對等一系列流程，而人臉檢測環(huán)節(jié)會產(chǎn)生大量重復(fù)的人臉圖片，從而導(dǎo)致計算量過大和內(nèi)存占用過高的問題。發(fā)明內(nèi)容[0003]本發(fā)明主要解決的技術(shù)問題是提供人臉識別方法、裝置、終端及計算機可讀存儲介質(zhì)，解決現(xiàn)有技術(shù)中人臉識別速度慢的問題。[0004]為解決上述技術(shù)問題，本發(fā)明采用的第一個技術(shù)方案是：提供一種人臉識別方法，人臉識別方法包括：響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度；響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集；對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像；基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。[0005]其中，響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度，包括：計算得到當(dāng)前人臉圖像的人臉區(qū)域與歷史人臉圖像的人臉區(qū)域的交并比；響應(yīng)于交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值。[0006]其中，計算得到當(dāng)前人臉圖像的人臉區(qū)域與歷史人臉圖像的人臉區(qū)域的交并比，包括：計算得到當(dāng)前視頻幀的人臉圖像與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比；響應(yīng)于交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值，包括：響應(yīng)于相鄰幀交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值；響應(yīng)于相鄰幀交并比不大于預(yù)設(shè)交并比，新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中。[0007]其中，計算得到人臉軌跡圖像集中包含的各人臉圖像的質(zhì)量評估值；對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像，包括：對人臉軌跡圖像集中包含的人臉圖像進(jìn)行聚類，得到目標(biāo)對象的人臉圖像集；選取目標(biāo)對象的人臉圖像集中最高質(zhì)量評估值對應(yīng)的人臉圖圖像作為目標(biāo)對象的最優(yōu)人臉圖像。[0008]其中，計算得到人臉軌跡圖像集中包含的各人臉圖像的質(zhì)量評估值，包括：基于人臉圖像的人臉遮擋程度、人臉完整程度和人臉清晰程度，確定人臉圖像的質(zhì)量評估值。6[0009]其中，計算人臉軌跡圖像集中各人臉圖像的質(zhì)量評估值，包括：基于人臉圖像中人臉的俯仰角、偏航角和翻滾角，確定人臉圖像的[0010]其中，對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像，還包括：判斷當(dāng)前視頻幀與歸屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔是否超過預(yù)設(shè)時間；如果時間間隔超過預(yù)設(shè)時間，則對人臉軌跡圖像集中包含人臉圖像進(jìn)行聚類。[0011]其中，對人臉軌跡圖像集中包含的人臉圖像進(jìn)行聚類，得到目標(biāo)對象的人臉圖像集，包括：計算得到人臉軌跡圖像集中各人臉圖像之間的相似度；響應(yīng)于相似度超過預(yù)設(shè)相似度，則將相似度對應(yīng)的兩個人臉圖像歸類到相同的類別圖像集；遍歷類別圖像集中的人臉圖像分別與類別圖像集中包含的其它各人臉圖像的相似度，確定類別圖像集中各人臉圖像的類別得分；將類別圖像集中最高的類別得分作為類別圖像集對應(yīng)的類別評分；將最高的類別評分對應(yīng)的類別圖像集作為目標(biāo)對象的人臉圖像集。[0012]其中，基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別，包括：對最優(yōu)人臉圖像進(jìn)行特征提取，得到人臉特征；將人臉特征與預(yù)設(shè)人臉特征進(jìn)行比對；響應(yīng)于人臉特征與預(yù)設(shè)人臉特征之間的相似度超過閾值，則將預(yù)設(shè)人臉特征對應(yīng)的預(yù)設(shè)目標(biāo)確定為最優(yōu)人臉圖像對應(yīng)的目標(biāo)對象。[0013]為解決上述技術(shù)問題，本發(fā)明采用的第二個技術(shù)方案是：提供一種人臉識別裝置，人臉識別裝置包括：比對模塊，用于響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度；跟蹤模塊，用于響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集；聚類模塊，用于對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像；識別模塊，用于基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。[0014]為解決上述技術(shù)問題，本發(fā)明采用的第三個技術(shù)方案是：提供一種終端，終端包括存儲器、處理器以及存儲于存儲器中并在處理器上運行的計算機程序，處理器用于執(zhí)行程序數(shù)據(jù)以實現(xiàn)如上述的人臉識別方法中的步驟。[0015]為解決上述技術(shù)問題，本發(fā)明采用的第四個技術(shù)方案是：提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)上存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)如上述的人臉識別方法中的步驟。[0016]本發(fā)明的有益效果是：區(qū)別于現(xiàn)有技術(shù)的情況，提供的一種人臉識別方法、裝置、終端及計算機可讀存儲介質(zhì)，人臉識別方法包括：響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度；響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集；對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像；基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。本申請通過獲取當(dāng)前人臉圖像的人臉軌跡圖像集，對人臉軌跡圖像集中的人臉圖像進(jìn)行聚類處理，確定目標(biāo)對象的人臉圖像集，在目標(biāo)對象的人臉圖像集中確定最優(yōu)人臉圖像，去除人臉軌跡圖像集中重復(fù)的人臉圖像，減少計算量且降低內(nèi)存占用率，進(jìn)而提高識別速度；且基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)7行人臉識別，可以提高目標(biāo)對象的識別準(zhǔn)確率。附圖說明[0017]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。[0018]圖1是本發(fā)明提供的人臉識別方法的流程示意圖；[0019]圖2是本發(fā)明提供的人臉識別方法一實施例的流程示意圖；[0020]圖3是本發(fā)明提供的人臉識別方法一具體實施例的流程示意圖；[0021]圖4是本發(fā)明提供的人臉識別裝置的示意框圖；[0022]圖5是本發(fā)明提供的終端一實施方式的示意框圖；[0023]圖6是本發(fā)明提供的計算機可讀存儲介質(zhì)一實施方式的示意框圖。具體實施方式[0024]下面結(jié)合說明書附圖，對本申請實施例的方案進(jìn)行詳細(xì)說明。[0025]以下描述中，為了說明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、接口、技術(shù)之類的具體細(xì)節(jié)，以便透徹理解本申請。[0026]本文中術(shù)語“和/或”,僅僅是一種描述關(guān)聯(lián)對象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)多于兩個。[0027]為使本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖和具體實施方式對本發(fā)明所提供的一種人臉識別方法做進(jìn)一步詳細(xì)描述。[0028]請參閱圖1,圖1是本發(fā)明提供的人臉識別方法的流程示意圖。本實施例中提供一種人臉識別方法，該人臉識別方法包括如下步驟。[0029]S11:響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度。[0030]具體地，計算得到當(dāng)前人臉圖像的人臉區(qū)域與歷史人臉圖像的人臉區(qū)域的交并比；響應(yīng)于交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值。[0031]在一具體實施例中，計算得到當(dāng)前視頻幀的人臉圖像與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比；響應(yīng)于相鄰幀交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值；響應(yīng)于相鄰幀交并比不大于預(yù)設(shè)交并比，新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中。[0032]S12:響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集。[0033]具體地，如果當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，則將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集，進(jìn)而將當(dāng)前視頻幀中的當(dāng)前人臉8圖像與歷史視頻幀中與當(dāng)前人臉圖像相似的歷史人臉圖像的跟蹤軌跡進(jìn)行關(guān)聯(lián)，進(jìn)而確定當(dāng)前人臉圖像的跟蹤軌跡。[0034]S13:對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像。[0035]具體地，計算得到人臉軌跡圖像集中包含的各人臉圖像的質(zhì)量評估值。對人臉軌跡圖像集中包含的人臉圖像進(jìn)行聚類，得到目標(biāo)對象的人臉圖像集；選取目標(biāo)對象的人臉圖像集中最高質(zhì)量評估值對應(yīng)的人臉圖圖像作為目標(biāo)對象的最優(yōu)人臉圖像。[0036]在一具體實施例中，基于人臉圖像的人臉遮擋程度、人臉完整程度和人臉清晰程度，確定人臉圖像的質(zhì)量評估值。更進(jìn)一步，還可以基于人臉圖像中人臉的俯仰角、偏航角和翻滾角，確定人臉圖像的質(zhì)量評估值。[0037]在一實施例中，判斷當(dāng)前視頻幀與歸屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔是否超過預(yù)設(shè)時間；如果時間間隔超過預(yù)設(shè)時間，則對人臉軌跡圖像集中包含人臉圖像進(jìn)行聚類。[0038]在一具體實施例中，計算得到人臉軌跡圖像集中各人臉圖像之間的相似度；響應(yīng)于相似度超過預(yù)設(shè)相似度，則將相似度對應(yīng)的兩個人臉圖像歸類到相同的類別圖像集；遍歷類別圖像集中的人臉圖像分別與類別圖像集中包含的其它各人臉圖像的相似度，確定類別圖像集中各人臉圖像的類別得分；將類別圖像集中最高的類別得分作為類別圖像集對應(yīng)的類別評分；將最高的類別評分對應(yīng)的類別圖像集作為目標(biāo)對象的人臉圖像集。[0039]S14:基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。[0040]具體地，對最優(yōu)人臉圖像進(jìn)行特征提取，得到人臉特征；將人臉特征與預(yù)設(shè)人臉特征進(jìn)行比對；響應(yīng)于人臉特征與預(yù)設(shè)人臉特征之間的相似度超過閾值，則將預(yù)設(shè)人臉特征對應(yīng)的預(yù)設(shè)目標(biāo)確定為最優(yōu)人臉圖像對應(yīng)的目標(biāo)對象。[0041]本實施例提供的人臉識別方法包括：響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度；響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集；對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像；基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。本申請通過獲取當(dāng)前人臉圖像的人臉軌跡圖像集，對人臉軌跡圖像集中的人臉圖像進(jìn)行聚類處理，確定目標(biāo)對象的人臉圖像集，在目標(biāo)對象的人臉圖像集中確定最優(yōu)人臉圖像，去除人臉軌跡圖像集中重復(fù)的人臉圖像，減少計算量且降低內(nèi)存占用率，進(jìn)而提高識別速度；且基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別，可以提高目標(biāo)對象的識別準(zhǔn)確率。[0042]請參閱圖2和圖3,圖2是本發(fā)明提供的人臉識別方法一實施例的流程示意圖；圖3是本發(fā)明提供的人臉識別方法一具體實施例的流程示意圖。本實施例中提供一種人臉識別方法，該方法適用于實時對目標(biāo)對象的人臉進(jìn)行識別，也可以對離線獲取的視頻流中的人臉進(jìn)行識別。人臉識別方法具體包括如下步驟。[0043]S201:獲取當(dāng)前視頻幀。[0044]具體地，通過圖像采集設(shè)備實時獲取當(dāng)前視頻幀。也可以將獲取的離線視頻流中的每一視頻幀依次作為當(dāng)前視頻幀。其中，當(dāng)前視頻幀中包括至少一張人臉。9[0045]S202:對當(dāng)前視頻幀進(jìn)行人臉檢測，得到當(dāng)前視頻幀中的當(dāng)前人臉圖像。[0046]具體地，將當(dāng)前視頻幀輸入到人臉檢測網(wǎng)絡(luò)模型中，對當(dāng)前視頻幀中的人臉進(jìn)行檢測，得到當(dāng)前視頻幀對應(yīng)的人臉檢測框，提取當(dāng)前視頻幀中各人臉檢測框內(nèi)的圖像，得到當(dāng)前視頻幀中當(dāng)前人臉圖像。即得到包含各人臉的區(qū)域圖像。其中，一當(dāng)前人臉圖像包含一張人臉。在一具體實施例中，人臉檢測網(wǎng)絡(luò)模型對當(dāng)前視頻幀進(jìn)行人臉檢測，得到各人臉對應(yīng)的人臉檢測框，并確定各人臉檢測框內(nèi)包含的人臉的置信度。其中，人臉的置信度取值范圍為[0,1]。通過人臉對應(yīng)的人臉檢測框即可確定人臉在當(dāng)前視頻幀中的坐標(biāo)位置。[0047]S203:將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度。[0048]具體地，通過人臉重疊面積度量方法確定當(dāng)前人臉圖像與歷史人臉圖像的相似性。[0049]在一實施例中，計算得到當(dāng)前人臉圖像的人臉區(qū)域與歷史人臉圖像的人臉區(qū)域的交并比，進(jìn)而確定當(dāng)前人臉圖像與歷史人臉圖像的相似性。[0050]在一具體實施例中，計算得到當(dāng)前視頻幀的人臉圖像的人臉區(qū)域與預(yù)設(shè)幀數(shù)范圍內(nèi)的歷史視頻幀中包含的各人臉圖像的人臉區(qū)域的交并比，進(jìn)而確定當(dāng)前人臉圖像與歷史人臉圖像的相似性。[0051]在一具體實施例中，計算得到當(dāng)前視頻幀的人臉圖像的人臉區(qū)域與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比；進(jìn)而通過相鄰幀交并比確定當(dāng)前視頻幀的人臉圖像與前一視頻幀的人臉圖像的相似性。[0052]S204:判斷當(dāng)前人臉圖像與歷史人臉圖像的相似度是否超過相似度閾值。[0053]具體地，為了確定當(dāng)前人臉圖像與歷史人臉圖像是否屬于同一目標(biāo)，則將當(dāng)前人臉圖像與歷史人臉圖像的相似度與相似度閾值進(jìn)行比較。在一具體實施例中，將當(dāng)前視頻幀的人臉圖像的人臉區(qū)域與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比與預(yù)設(shè)交并比進(jìn)行比較。[0054]當(dāng)當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值，則直接跳轉(zhuǎn)至步驟S205;當(dāng)當(dāng)前人臉圖像與歷史人臉圖像的相似度不超過相似度閾值，則直接跳轉(zhuǎn)至步驟[0055]S205:將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集。[0056]具體地，當(dāng)當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值，則將相似度對應(yīng)的當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集。[0057]當(dāng)前視頻幀的人臉圖像的人臉區(qū)域與前一視頻幀的人臉圖像的人臉區(qū)域的相鄰幀交并比大于預(yù)設(shè)交并比，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度超過相似度閾值，則將相鄰幀交并比對應(yīng)的當(dāng)前人臉圖像與上一視頻幀中的歷史人臉圖像歸類到相同的人臉軌跡圖像集。[0058]具體地，當(dāng)前視頻幀的人臉圖像的人臉區(qū)域與預(yù)設(shè)幀數(shù)范圍內(nèi)的歷史視頻幀中包含的各人臉圖像的人臉區(qū)域的交并比大于預(yù)設(shè)交并比，則將交并比對應(yīng)的當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像歸類到相同的人臉軌跡圖像集，進(jìn)入確定當(dāng)前人臉圖像的人臉軌跡圖像集。[0059]S206:新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中。[0060]具體地，響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度未達(dá)到相似度閾值，則新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中，將當(dāng)前視頻幀作為該人臉軌跡圖像集中的起始視頻幀。[0061]如果當(dāng)前人臉圖像與預(yù)設(shè)幀數(shù)范圍內(nèi)的歷史人臉圖像的相似度均未超過相似度閾值，則表明當(dāng)前人臉圖像與歷史視頻幀中的所有人臉圖像均不相似，則新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中。[0062]在一具體實施例中，響應(yīng)于相鄰幀交并比不大于預(yù)設(shè)交并比，新建立一個人臉軌跡圖像集，并將當(dāng)前人臉圖像歸類到新建的人臉軌跡圖像集中。[0063]S207:判斷當(dāng)前視頻幀與所屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔是否超過預(yù)設(shè)時間。[0064]具體地，確定預(yù)設(shè)幀數(shù)范圍內(nèi)的人臉圖像的跟蹤軌跡，進(jìn)而需要判斷當(dāng)前視頻幀與所屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔是否超過預(yù)設(shè)時間。[0065]如果當(dāng)前視頻幀與所屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔超過預(yù)設(shè)時間，則直接跳轉(zhuǎn)至步驟S208;如果當(dāng)前視頻幀與所屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔未超過預(yù)設(shè)時間，則直接跳轉(zhuǎn)至步驟S201,獲取下一視頻幀。[0066]S208:對人臉軌跡圖像集中包含人臉圖像進(jìn)行聚類，得到類別圖像集。[0067]具體地，當(dāng)前視頻幀與所屬的人臉軌跡圖像集中的起始視頻幀之間的時間間隔超過預(yù)設(shè)時間，則確定當(dāng)前人臉圖像對應(yīng)的人臉軌跡圖像集。繼續(xù)對人臉軌跡圖像集中包含的人臉圖像進(jìn)行聚類，確定人臉軌跡圖像集中包含的各目標(biāo)的的類別圖像集。[0068]在一具體實施例中，計算人臉軌跡圖像集中各人臉圖像之間的相似度，將相似度超過預(yù)設(shè)相似度對應(yīng)的兩個人臉圖像歸屬于同一類別圖像，則表明兩個人臉圖像屬于同一目標(biāo)，可以歸屬于同一類別圖像集。也就是說，一個類別圖像集對應(yīng)一個目標(biāo)，類別圖像集中包含同一個目標(biāo)的多張人臉圖像。[0069]將一個人臉圖像作為一個節(jié)點，在相似度超過預(yù)設(shè)相似度的兩個人臉圖像分別對應(yīng)的節(jié)點之間建立關(guān)聯(lián)邊，且關(guān)聯(lián)邊的長度為根據(jù)相似度得到的權(quán)重值；在相似度不超過預(yù)設(shè)相似度的兩個人臉圖像分別對應(yīng)的節(jié)點之建立關(guān)聯(lián)邊，進(jìn)而得到類別圖像集的相似度矩陣。根據(jù)人臉圖像與其它人臉圖像之間的相似度確定人臉圖像最近鄰矩陣。[0070]S209:確定各類別圖像集的類別評分。[0071]具體地，任意選取類別圖像集中的一張人臉圖像，根據(jù)選取的人臉圖像與選取的人臉圖像所屬的類別圖像集中其它人臉圖像之間的相似度，確定選取的人臉圖像的類別得分。遍歷類別圖像集中各個人臉圖像，得到類別圖像集中各個人臉圖像的類別得分。將類別圖像集中最高的類別得分作為類別圖像集的類別評分。[0072]遍歷得到各類別圖像集對應(yīng)的類別評分。[0073]S210:確定目標(biāo)對象的人臉圖像集。[0074]具體地，在人臉軌跡圖像集中包含的各類別圖像集中確定目標(biāo)對象的人臉圖像集。根據(jù)各類別圖像集對應(yīng)的類別評分，確定目標(biāo)對象的人臉圖像集。在一具體實施例中，選取最高類別評分的類別圖像集作為目標(biāo)對象的人臉圖像集。[0075]S211:計算得到人臉圖像集中各人臉圖像的質(zhì)量評估值。11[0076]具體地，基于人臉圖像的人臉遮擋程度、人臉完整程度和人臉清晰程度，確定人臉圖像的質(zhì)量評估值。在一具體實施例中，將目標(biāo)對象的人臉圖像集中各人臉圖像與標(biāo)準(zhǔn)人臉圖像分別進(jìn)行比對，進(jìn)而確定人臉圖像的人臉遮擋度評分、人臉完整度評分和人臉清晰度評分，進(jìn)而根據(jù)人臉遮擋度評分、人臉完整度評分和人臉清晰度評分的加權(quán)和，確定人臉圖像集中各人臉圖像的質(zhì)量評估值。[0077]基于人臉圖像中人臉的俯仰角、偏航角和翻滾角，確定人臉圖像的質(zhì)量評估值。在一具體實施例中，將目標(biāo)對象的人臉圖像集中各人臉圖像與標(biāo)準(zhǔn)人臉圖像分別進(jìn)行比對，進(jìn)而確定各人臉圖像中人臉的俯仰角偏移量、偏航角偏移量和翻滾角偏移量，進(jìn)而根據(jù)人臉圖像中人臉的俯仰角偏移量、偏航角偏移量和翻滾角偏移量的加權(quán)和，確定人臉圖像集中各人臉圖像的質(zhì)量評估值。[0078]在一優(yōu)選實施例中，基于人臉圖像中人臉的人臉遮擋度評分、人臉完整度評分、人臉清晰度評分以及人臉的俯仰角偏移量、偏航角偏移量和翻滾角偏移量的加權(quán)和，確定人臉圖像集中各人臉圖像的質(zhì)量評估值。[0079]S212:從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像。[0080]具體地，選取目標(biāo)對象的人臉圖像集中最高質(zhì)量評估值對應(yīng)的人臉圖圖像作為目標(biāo)對象的最優(yōu)人臉圖像，得到目標(biāo)對象的高質(zhì)量人臉圖像，進(jìn)而提高目標(biāo)對象的人臉識別準(zhǔn)確率。[0081]S213:基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。[0082]具體地，對最優(yōu)人臉圖像進(jìn)行特征提取，得到人臉特征；將人臉特征與預(yù)設(shè)人臉特征進(jìn)行比對；響應(yīng)于人臉特征與預(yù)設(shè)人臉特征之間的相似度超過閾值，則將預(yù)設(shè)人臉特征對應(yīng)的預(yù)設(shè)目標(biāo)確定為最優(yōu)人臉圖像對應(yīng)的目標(biāo)對象。[0083]在一具體實施例中，為了進(jìn)一步提高目標(biāo)對象的人臉識別的準(zhǔn)確度，對最優(yōu)人臉圖像進(jìn)行屬性提取，確定目標(biāo)對象的性別等屬性特征。[0084]本實施例提供的人臉識別方法包括：響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度；響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集；對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像；基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。本申請通過獲取當(dāng)前人臉圖像的人臉軌跡圖像集，對人臉軌跡圖像集中的人臉圖像進(jìn)行聚類處理，確定目標(biāo)對象的人臉圖像集，在目標(biāo)對象的人臉圖像集中確定最優(yōu)人臉圖像，去除人臉軌跡圖像集中重復(fù)的人臉圖像，減少計算量且降低內(nèi)存占用率，進(jìn)而提高識別速度；且基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別，可以提高目標(biāo)對象的識別準(zhǔn)確率。[0085]參閱圖4,圖4是本發(fā)明提供的人臉識別裝置的示意框圖。在本實施例中提供一種人臉識別裝置60,人臉識別裝置60包括比對模塊61、跟蹤模塊62、聚類模塊63和識別模塊[0086]比對模塊61用于響應(yīng)于在當(dāng)前視頻幀中檢測到當(dāng)前人臉圖像，將當(dāng)前人臉圖像與歷史視頻幀中的歷史人臉圖像進(jìn)行比對，確定當(dāng)前人臉圖像與歷史人臉圖像的相似度。[0087]跟蹤模塊62用于響應(yīng)于當(dāng)前人臉圖像與歷史人臉圖像的相似度達(dá)到相似度閾值，將當(dāng)前人臉圖像與歷史人臉圖像歸類到相同的人臉軌跡圖像集。[0088]聚類模塊63用于對人臉軌跡圖像集中人臉圖像進(jìn)行聚類處理，得到目標(biāo)對象的人臉圖像集，并從人臉圖像集中選取目標(biāo)對象的最優(yōu)人臉圖像。[0089]識別模塊64用于基于最優(yōu)人臉圖像對目標(biāo)對象進(jìn)行人臉識別。[0090]