人脸抓拍方法、装置、电子设备及存储介质与流程

1.本发明涉及人脸识别技术领域，具体涉及一种人脸抓拍方法、装置、电子设备及存储介质。


背景技术：

2.随着人工智能技术的逐渐成熟，人工智能已经深入我们的日常生活和工作，应用在方方面面，例如人脸识别门禁机、车辆检测和识别、疾病诊断等。传统的健身器材不具备数据自动记录的功能，现有的健身器材大部分具备数据记录功能，但是需要人工参与，例如需要扫描二维码，并手动输入个人信息，然后通过后台将健身数据进行归档，过程较为繁琐，用户参与度积极性不高，只有在健身者真正在使用健身器材的时候抓拍到的人脸才是有效的，也就是说只有健身器材被使用的时候才需要抓拍人脸，即按需抓拍。
3.随着人们生活水平的提高，人们更加关注自身健康，运动健身称为很多人的业余爱好，但大多数情况下并没有记录健身数据，不能形成一份完整的健身档案，并且由于目前的健身器材只有一个人参与，不存在多人使用同一个健身器材的情况，也就是健身器材抓拍相机只可抓拍同时抓拍一个人脸。但是实际使用中，也难以避免有其他人干扰抓拍的情况存在，在多个人处于抓拍画面时，容易导致在人脸识别准确度不佳，造成健身的建档数据记录不完整。


技术实现要素：

4.第一方面，本发明的主要目的是提供一种人脸抓拍方法，包括：
5.在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；
6.确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像；
7.对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像；
8.将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。
9.优选地，所述确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像，包括：
10.对所述人脸图像进行质量评估，得到最优评估结果的人脸图像；
11.确定所述最优评估结果的人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像。
12.优选地，所述对所述人脸图像进行质量评估，得到最优评估结果的人脸图像包括：
13.对所述人脸图像进行检测，确定所述人脸图像的清晰度及姿态角；
14.根据预设算法对所述人脸图像的清晰度及姿态角进行计算，得到所述人脸图像的质量评估值；其中，所述质量评估值越大，所述评估结果越优；
15.根据所述质量评估值，确定最优评估结果的人脸图像。
16.优选地，所述确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像包括：
17.获取所述视频流中的至少一个人脸图像；
18.对至少一个所述人脸图像所包含的人脸区域在所述视频流中的占用面积进行计算，判断所述人脸图像的占用面积是否达到最大值；
19.当所述人脸图像的占用面积达到最大值时，确定所述人脸图像为满足预设条件的初始目标人脸图像。
20.优选地，所述对至少一个所述人脸图像所包含的人脸区域在所述视频流中的占用面积进行计算，判断所述人脸图像的占用面积是否达到最大值包括：
21.根据至少一个所述人脸图像在所述视频流中的人脸区域，生成所述人脸区域对应的像素框；
22.根据所述人脸区域对应的像素框，计算所述像素框在所述视频流中的占用面积，得到计算结果；
23.根据所述计算结果，判断所述人脸图像的占用面积是否达到最大值。
24.优选地，所述对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像包括：
25.对抓拍时间段内的所述视频流进行检测，确定所述初始目标人脸图像在所述视频流中的多个图像帧；
26.判断每个所述图像帧在所述视频流中的图像质量，确定出图像质量最优的图像帧；
27.根据所述图像质量最优的图像帧，确定为所述最优目标人脸图像。
28.优选地，所述方法还包括：
29.对抓拍时间段内的所述视频流进行检测，判断所述初始目标人脸图像在所述视频流中是否消失；
30.在所述初始目标人脸图像在所述视频流中消失的情况下，提取所述初始目标人脸图像的人脸特征信息；
31.将所述人脸特征信息与所述视频流中的当前人脸特征信息进行比对；
32.当所述人脸特征信息与所述视频流中的当前人脸特征信息在预设时间内比对成功时，将比对成功的人脸图像确定为最优目标人脸图像；
33.当所述人脸特征信息与所述视频流中的当前人脸特征信息在预设时间内比对失败时，重新对视频流中的人脸图像进行目标跟踪。
34.第二方面，本发明实施例提供了一种人脸抓拍装置，包括：
35.跟踪模块，用于在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；
36.确定模块，用于确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像；
37.检测模块，用于对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像；
38.上传模块，用于将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。
39.第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所
述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的人脸抓拍方法的步骤。
40.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的人脸抓拍方法的步骤。
41.本发明的上述方案至少包括以下有益效果：
42.本发明首先在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像；对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像；将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。由此可以使得在健身时人脸识别更准确，健身的建档数据记录更完整，操作过程简单，可以提升用户参与的积极性。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
44.图1为本发明实施例提供的人脸抓拍方法的网络架构图；
45.图2为本发明实施例提供的人脸抓拍方法的流程示意图；
46.图3为本发明实施例提供的步骤s30的具体流程示意图；
47.图4为本发明实施例提供的步骤s32的具体流程示意图；
48.图5为本发明实施例提供的步骤s40的具体流程示意图；
49.图6为本发明实施例提供的人脸抓拍装置的结构框图；
50.图7为本发明实施例提供的电子设备的结构框图。
51.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
52.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
54.首先结合相关附图来举例介绍下本技术实施例的方案可能应用到的网络架构。
55.如图1所示，上述网络架构涉及到健身器材、设置于健身器材的人脸抓拍相机以及云平台。其中，健身器材与人脸抓拍相机连接，人脸抓拍相机通过互联网与云平台连接。健
身器材与人脸抓拍相机负责采集健身数据和人脸数据，云平台对人脸抓拍相机抓拍到的人脸图片进行人脸识别，识别成功之后，将健身数据归档在此健身者名下，并将健身数据进行统计分析，以便提供给健身者查看。
56.其中，人脸抓拍相机可以安装在健身器材内部，由于人脸抓拍相机和健身器材之间的物理距离很短，例如可以在2米以内，且二者之间的数据传输量较少，主要涉及一些控制信息以及一些健身数据，因此采用人脸抓拍相机和健身器材之间可以采用rs485进行数据传输，健身器材可以设置传感器及单片机，当健身器材启动之后，单片机收集传感器的数据并通知人脸抓拍相机进行人脸抓拍，使其可以按需求进行抓拍。
57.如图2所示，本发明的具体实施例提供了一种人脸抓拍方法，包括：
58.s10、在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪。
59.在本实施例中，抓拍信号可以是在健身者开始使用健身器材时被触发，例如可以通过健身器材上的传感器感应到健身器材启动之后，并通过语音播报提示健身者面向人脸抓拍相机，然后可以设置成在启动后的预定时间之后触发抓拍信号，例如可以设置成3秒、4秒或5秒后触发抓拍信号，进而通知人脸抓拍相机启动抓拍，避免因行人误触健身器材而触发抓拍信号，可以理解的是，只有健身器材在被使用的时候才需要抓拍人脸，因此，在健身器材被使用的时候抓拍人脸，实现其按需抓拍的要求。
60.进一步的，人脸抓拍相机的抓拍范围可以根据实际需求进行设置，例如抓拍范围可以在健身器材的周围2平米的范围内，因此在抓拍过程中，为避免多人造成抓拍干扰的情况，在触发抓拍信号时，可以通过对视频流中的某一个人脸图像进行跟踪，例如在视频流中存在多个人脸图像时，可以只对其中一个人脸图像进行跟踪捕捉，进而识别该人脸图像是否为需要的人脸图像。
61.s20、确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像。
62.在本实施例中，预设条件表示人脸图像的占用面积达到最大值，由于健身者离镜头最近时，在视频流中其人脸图像的占用面积最大，因此可以确定视频流中出现的最大脸即为健身者；在确定出质量最优的人脸图像后，可以根据该人脸图像在视频流中的占用面积，以判断出该人脸图像是否为最大脸，例如可以通过视频流中的多帧人脸图像进行检测，在该人脸图像为最大脸时，则将其确定为初始目标人脸图像并进行暂存以供后续使用；由此，可以使健身者的人脸图像在更清晰标准的前提下，还能快速被识别出健身者的身份，以便对健身者提供问候及建议。
63.其中，上述步骤s20的具体实现方式包括：
64.步骤一，对所述人脸图像进行质量评估，得到最优评估结果的人脸图像；
65.步骤二，确定所述最优评估结果的人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像。
66.其中，上述步骤对人脸图像进行质量评估，得到最优评估结果的人脸图像包括：对人脸图像进行检测，确定人脸图像的清晰度及姿态角；并根据预设算法对人脸图像的清晰度及姿态角进行计算，得到人脸图像的质量评估值；最后根据质量评估值，确定最优评估结果的人脸图像。
67.在本实施例中，由于在健身器材使用过程中，人脸抓拍相机只可对一个人脸图像
进行抓拍，因此，在视频流中出现多个人脸图像时，需要识别出最优评估结果的人脸图像，在计算人脸图像的姿态角时，可以首先定义人脸图像上的多个关键点，例如可以是左眼角，右眼角，鼻尖，左嘴角，右嘴角，下颌，然后可以采用人脸检测以及面部关键点检测得到人脸图像对应的人脸关键点，通过采用solvepnp函数解出旋转向量，将旋转向量转换为欧拉角，进而计算出人脸图像的姿态偏转角度，以针对不同的姿态偏转角度生成对应的分数值，然后结合人脸图像的清晰度进行计分，从而得到人脸图像的质量评估值；可以理解的是，质量评估值可以由姿态偏转角度和清晰度的分数值共同生成，质量评估值的范围可以设置成0-1，并且质量评估值越大时，则代表人脸图像的评估结果越优，也就是说，在对人脸图像进行姿态角计算时，可以通过计算出面部关键点的数量以计算出姿态角，如此，可以使采集的人脸图像的质量最佳，避免出现人脸图像出现歪头及模糊等问题，在确定出质量最佳的人脸图像后，则确定得到最优评估结果的人脸图像。
68.其中，预设算法可以采用人脸姿态估计算法，以对人脸图像的质量进行预测评估；其中，人脸姿态估计主要是获得脸部朝向的角度信息，一般可以用旋转矩阵、旋转向量、四元数或欧拉角表示；例如可以采用欧拉角表示，欧拉角定义为，pitch(俯仰角-围绕x轴旋转)，yaw(偏航角-围绕y轴旋转)和roll(滚转角-围绕z轴旋转)；对应人脸分别为抬头、摇头和转头。可以理解的是，预设算法也可以采用其他算法进行替换，在此不作任何限定。
69.举例来说，在健身者a和b均处于视频流中，当健身者a面对人脸抓拍相机，而健身者b侧脸面对人脸抓拍相机时，且当健身者a的头部出现俯仰运动时，计算其人脸图像的姿态偏转角度可以打分为0.4，并且图像清晰度可以打分为0.2，由此可以计算出健身者a的质量评估值为0.6；而健身者b的人脸图像的姿态偏转角度可以打分为0.2，且图像清晰度可以打分为0.1，由此可以计算出健身者b的质量评估值为0.3，由此可以确定出最优评估结果的人脸图像为健身者a；在一个可选的实施例中，姿态偏转角度和清晰度的分数值也可以按平均值计算以得到质量评估值，在此仅为一个示例。
70.如图3所示，上述步骤s20的具体实现方式还包括：
71.s21、获取视频流中的至少一个人脸图像；
72.s22、对至少一个人脸图像所包含的人脸区域在视频流中的占用面积进行计算，判断人脸图像的占用面积是否达到最大值；
73.s23、当人脸图像的占用面积达到最大值时，确定人脸图像为满足预设条件的初始目标人脸图像。
74.在本实施例中，在视频流中为一个人时，则可以只获取对应的一个人的人脸图像，在视频流中存在多个人脸图像时，可以对质量最优且占用面积最大的人脸图像进行计算，通过计算出质量最优且占用面积最大的人脸图像，可以将其确定为初始目标人脸图像，并可以记为m，在将初始目标人脸图像记为m后，在健身器材中，需要对健身者后续的健身过程进行检测以提出科学合理的建议，以使健身者的体验感更佳。
75.如图4所示，上述步骤s22的具体实现方式包括：
76.s221、根据至少一个人脸图像在视频流中的人脸区域，生成人脸区域对应的像素框；
77.s222、根据人脸区域对应的像素框，计算像素框在视频流中的占用面积，得到计算结果；
78.s223、根据计算结果，判断人脸图像的占用面积是否达到最大值。
79.在本实施例中，可以按帧读取视频流，并在对视频流中的至少一个人脸图像进行质量评估时，可以同时生成对应该人脸图像的像素框，在生成像素框时，可以通过检测出人脸图像的关键点，并根据关键点的位置以确定出像素框的中心点以及长宽，例如可以通过左眼，右眼，鼻子，嘴部，脸颊确定关键点的位置，在确定出像素框后，可以通过像素框的长和宽计算出像素框在视频流中的占用面积，由此，通过计算像素框的占用面积，以判断出该人脸图像的占用面积是否达到最大值，以确定出该人脸图像是否为初始目标人脸图像。
80.举例来说，在健身者a和b处于视频流中，健身者a与人脸抓拍相机之间的距离更近，健身者b与人脸抓拍相机之间的距离更远，因此通过检测健身者a的人脸图像的关键点，并生成健身者a的人脸图像对应的像素框，并可以计算其对应的像素框的占用面积在视频流中达到最大值，由此可以确定健身者a的人脸图像为初始目标人脸图像，而对于健身者b则直接放弃计算，由此可以使云平台快速识别出健身者a的身份信息，并对健身者a提供建议。
81.s30、对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像。
82.如图5所示，上述步骤s30的具体实现方式包括：
83.s31、对抓拍时间段内的所述视频流进行检测，确定所述初始目标人脸图像在所述视频流中的多个图像帧；
84.s32、判断每个所述图像帧在所述视频流中的图像质量，确定出图像质量最优的图像帧；
85.s33、根据图像质量最优的图像帧，确定出最优目标人脸图像。
86.在本实施例中，在将初始目标人脸图像记为m后，需要确定初始目标人脸图像是否从视频流中消失，以确定健身者是否离开或产生其他动作；由此可以实时检测视频流中的多个图像帧，从而可以在抓拍时间段内对视频流中的人脸图像的多个图像帧进行实时检测并跟踪，通过比对抓拍时间段内初始目标人脸图像m的多个图像帧的图像质量，以确定出图像质量最优的图像帧；可以理解的是，在比对抓拍时间段内初始目标人脸图像m的多个图像帧的质量时，需要在抓拍时间段内内完成，例如从对视频流中的人脸图像进行目标跟踪到确定出最优目标人脸图像的抓拍时间段内可以设置成20秒；也就是说，可以在获取初始目标人脸图像m时开始计时，然后在计时完成前比对初始目标人脸图像m的多个图像帧之间的图像质量，以确定出最优目标人脸图像，并且，在计时完成前如果确定出最优目标人脸图像时，则可以将其暂存；如此，可以使健身者在后续健身过程中能够快速识别其身份以提出问候及建议，提升健身者的体验感。
87.s40、将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。
88.在本实施例中，在确定出最优目标人脸图像后，将最优目标人脸图像进行编码，也就是说，将最优目标人脸图像进行编码，使得使其占用内存更小，进而在上传过程中可以缩短时间，提升上传速率，进而使云平台可以将最优目标人脸图像进行建档登记以形成健身档案；可以理解的是，图片编码可以表示为图片压缩，是指在满足一定质量(信噪比的要求或主观评价得分)的条件下，以较少比特数表示图像或图像中所包含信息的方式。
89.优选的，上述方法还包括：
90.步骤一，对抓拍时间段内的所述视频流进行检测，判断所述初始目标人脸图像在所述视频流中是否消失；
91.步骤二，在所述初始目标人脸图像在所述视频流中消失的情况下，提取初始目标人脸图像的人脸特征信息；
92.步骤三，将人脸特征信息与视频流中的人脸特征信息进行比对；
93.步骤四，当人脸特征信息与视频流中的当前人脸特征信息在预设时间内比对成功时，将比对成功的人脸图像确定为最优目标人脸图像；
94.步骤五，当人脸特征信息与视频流中的当前人脸特征信息在预设时间内比对失败时，重新对视频流中的人脸图像进行目标跟踪。
95.在本实施例中，为了确定健身者是否离开或是处于暂停休息的过程，以对健身者的运动时间进行准确记录，可以实时检测在健身者进行健身的过程中的初始目标人脸图像m，当初始目标人脸图像m不处于视频流中时，可以通过提取出初始目标人脸图像m的各个关键点特征，例如鼻子、眼睛、嘴部，耳朵等，以得到初始目标人脸图像m对应的人脸特征信息；通过将初始目标人脸图像m对应的人脸特征信息与视频流中的当前人脸特征信息进行比对，以确定视频流中的当前人脸特征信息是否为初始目标人脸图像m，对此，可以通过在预设时间内进行判断，可选的，预设时间可以设置成9秒、10秒、11秒等。
96.其中，在预设时间内比对成功时，则确定视频流中的当前人脸特征信息为初始目标人脸图像m对应的人脸特征信息，则可以将视频流中的当前人脸特征信息对应的人脸图像确定为最优目标人脸图像m
′
，表示当前时间处于健身器材前的健身者并未改变；在预设时间内比对失败时，则可以确定视频流中的当前人脸特征信息改变，进而可以确定当前时间处于健身器材前的健身者可能更换，如此，可以重新对视频流中的人脸图像进行目标跟踪，并重复上述的过程以获取最新健身者的人脸图像。
97.在一个可选的实施例中，在人脸图像不能被识别时，则可以表示为健身者为非会员，并且在历史时间内未进行登记，如此会无法识别的情况，另外，在人脸识别相机抓拍到的人脸姿态不正，或者模糊导致无法识别，则可能表示健身者处于运动中，对此可以通过反复抓拍识别来处理，也就是说，在人脸图像无法识别时，可以通知人脸抓拍相机重新抓拍人脸，如此循环往复，直到人脸图像识别成功或者健身者离开。
98.本发明首先在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像；对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像；将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。由此可以使得在健身时人脸识别更准确，健身的建档数据记录更完整，操作过程简单，可以提升用户参与的积极性。
99.如图6所示，本发明实施例提供了一种人脸抓拍装置10，包括：
100.跟踪模块11，用于在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；
101.确定模块12，用于确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像；
102.检测模块13，用于对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像；
103.上传模块14，用于将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。
104.本发明提供的人脸抓拍装置10，首先在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像；对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像；将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。由此可以使得在健身时人脸识别更准确，健身的建档数据记录更完整，操作过程简单，可以提升用户参与的积极性。
105.需要说明的是，本发明具体实施例提供的人脸抓拍装置10为与上述人脸抓拍方法对应的装置，上述人脸抓拍方法的所有实施例均适用于该人脸抓拍装置10，上述人脸抓拍装置10实施例中均有相应的模块对应上述人脸抓拍方法中的步骤，能达到相同或相似的有益效果，为避免过多重复，在此不对人脸抓拍装置10中的每一模块进行过多赘述。
106.如图7所示，本发明的具体实施例还提供了一种电子设备20，包括存储器202、处理器201以及存储在存储器202中并可在处理器201上运行的计算机程序，该处理器201执行计算机程序时实现上述的人脸抓拍方法的步骤。
107.具体的，处理器201用于调用存储器202存储的计算机程序，执行如下步骤：
108.在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；
109.确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像；
110.对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像；
111.将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。
112.可选的，处理器201执行的确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像，包括：
113.对人脸图像进行质量评估，得到最优评估结果的人脸图像；
114.确定最优评估结果的人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像。
115.可选的，处理器201执行的对人脸图像进行质量评估，得到最优评估结果的人脸图像包括：
116.对人脸图像进行检测，确定人脸图像的清晰度及姿态角；
117.根据预设算法对人脸图像的清晰度及姿态角进行计算，得到人脸图像的质量评估值；其中，质量评估值越大，评估结果越优；
118.根据质量评估值，确定最优评估结果的人脸图像。
119.可选的，处理器201执行的确定人脸图像所包含的人脸区域在视频流中的占用面积，得到满足预设条件的初始目标人脸图像包括：
120.获取视频流中的至少一个人脸图像；
121.对至少一个人脸图像所包含的人脸区域在视频流中的占用面积进行计算，判断人脸图像的占用面积是否达到最大值；
122.当人脸图像的占用面积达到最大值时，确定人脸图像为满足预设条件的初始目标人脸图像。
123.可选的，处理器201执行的对至少一个人脸图像所包含的人脸区域在视频流中的占用面积进行计算，判断人脸图像的占用面积是否达到最大值包括：
124.根据至少一个人脸图像在视频流中的人脸区域，生成人脸区域对应的像素框；
125.根据人脸区域对应的像素框，计算像素框在视频流中的占用面积，得到计算结果；
126.根据计算结果，判断人脸图像的占用面积是否达到最大值。
127.可选的，处理器201执行的对抓拍时间段内的初始目标人脸图像进行检测，以确定出最优目标人脸图像包括：
128.对抓拍时间段内的视频流进行检测，确定初始目标人脸图像在视频流中的多个图像帧；
129.判断每个图像帧在视频流中的图像质量，确定出图像质量最优的图像帧；
130.根据图像质量最优的图像帧，确定为最优目标人脸图像。
131.可选的，处理器201执行的方法包括：
132.对抓拍时间段内的视频流进行检测，判断初始目标人脸图像在视频流中是否消失；
133.在初始目标人脸图像在视频流中消失的情况下，提取初始目标人脸图像的人脸特征信息；
134.将人脸特征信息与视频流中的当前人脸特征信息进行比对；
135.当人脸特征信息与视频流中的当前人脸特征信息在预设时间内比对成功时，将比对成功的人脸图像确定为最优目标人脸图像；
136.当人脸特征信息与视频流中的当前人脸特征信息在预设时间内比对失败时，重新对视频流中的人脸图像进行目标跟踪。
137.即，在本发明的具体实施例中，电子设备20的处理器201执行计算机程序时实现上述人脸抓拍方法的步骤，由此可以使得在健身时人脸识别准确度更准确，健身的建档数据记录更完整，操作过程简单，可以提升用户参与的积极性。
138.需要说明的是，由于电子设备20的处理器201执行计算机程序时实现上述人脸抓拍方法的步骤，因此上述人脸抓拍方法的所有实施例均适用于该电子设备20，且均能达到相同或相似的有益效果。
139.本发明实施例中提供的计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的人脸抓拍方法或应用端人脸抓拍方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
140.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存取存储器(random access memory，简称ram)等。
141.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
142.以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本
发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

技术特征：
1.一种人脸抓拍方法，其特征在于，包括：在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像；对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像；将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。2.根据权利要求1所述的人脸抓拍方法，其特征在于，所述确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像，包括：对所述人脸图像进行质量评估，得到最优评估结果的人脸图像；确定所述最优评估结果的人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像。3.根据权利要求2所述的人脸抓拍方法，其特征在于，所述对所述人脸图像进行质量评估，得到最优评估结果的人脸图像包括：对所述人脸图像进行检测，确定所述人脸图像的清晰度及姿态角；根据预设算法对所述人脸图像的清晰度及姿态角进行计算，得到所述人脸图像的质量评估值；其中，所述质量评估值越大，所述评估结果越优；根据所述质量评估值，确定最优评估结果的人脸图像。4.根据权利要求1所述的人脸抓拍方法，其特征在于，所述确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像包括：获取所述视频流中的至少一个人脸图像；对至少一个所述人脸图像所包含的人脸区域在所述视频流中的占用面积进行计算，判断所述人脸图像的占用面积是否达到最大值；当所述人脸图像的占用面积达到最大值时，确定所述人脸图像为满足预设条件的初始目标人脸图像。5.根据权利要求4所述的人脸抓拍方法，其特征在于，所述对至少一个所述人脸图像所包含的人脸区域在所述视频流中的占用面积进行计算，判断所述人脸图像的占用面积是否达到最大值包括：根据至少一个所述人脸图像在所述视频流中的人脸区域，生成所述人脸区域对应的像素框；根据所述人脸区域对应的像素框，计算所述像素框在所述视频流中的占用面积，得到计算结果；根据所述计算结果，判断所述人脸图像的占用面积是否达到最大值。6.根据权利要求1所述的人脸抓拍方法，其特征在于，所述对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像包括：对抓拍时间段内的所述视频流进行检测，确定所述初始目标人脸图像在所述视频流中的多个图像帧；判断每个所述图像帧在所述视频流中的图像质量，确定出图像质量最优的图像帧；根据所述图像质量最优的图像帧，确定为所述最优目标人脸图像。7.根据权利要求6所述的人脸抓拍方法，其特征在于，所述方法还包括：
对抓拍时间段内的所述视频流进行检测，判断所述初始目标人脸图像在所述视频流中是否消失；在所述初始目标人脸图像在所述视频流中消失的情况下，提取所述初始目标人脸图像的人脸特征信息；将所述人脸特征信息与所述视频流中的当前人脸特征信息进行比对；当所述人脸特征信息与所述视频流中的当前人脸特征信息在预设时间内比对成功时，将比对成功的人脸图像确定为最优目标人脸图像；当所述人脸特征信息与所述视频流中的当前人脸特征信息在预设时间内比对失败时，重新对视频流中的人脸图像进行目标跟踪。8.一种人脸抓拍装置，其特征在于，包括：跟踪模块，用于在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定模块，用于确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像；检测模块，用于对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像；上传模块，用于将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的人脸抓拍方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的人脸抓拍方法的步骤。

技术总结
本发明公开了一种人脸抓拍方法、装置、电子设备及存储介质，该方法包括在触发抓拍信号时，对视频流中的人脸图像进行目标跟踪；确定所述人脸图像所包含的人脸区域在所述视频流中的占用面积，得到满足预设条件的初始目标人脸图像；对抓拍时间段内的所述初始目标人脸图像进行检测，以确定出最优目标人脸图像；将确定的最优目标人脸图像，作为人脸抓拍图像进行输出上传。本发明可以使得在健身时人脸识别更准确，健身的建档数据记录更完整，操作过程简单，可以提升用户参与的积极性。可以提升用户参与的积极性。可以提升用户参与的积极性。


技术研发人员：王三勇
受保护的技术使用者：深圳云天励飞技术股份有限公司
技术研发日：2021.11.05
技术公布日：2022/3/7