CN103020607A - 一种人脸识别方法及装置 - Google Patents
一种人脸识别方法及装置 Download PDFInfo
- Publication number
- CN103020607A CN103020607A CN2012105794766A CN201210579476A CN103020607A CN 103020607 A CN103020607 A CN 103020607A CN 2012105794766 A CN2012105794766 A CN 2012105794766A CN 201210579476 A CN201210579476 A CN 201210579476A CN 103020607 A CN103020607 A CN 103020607A
- Authority
- CN
- China
- Prior art keywords
- distance
- offset
- test pattern
- face
- avertence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 108
- 230000001815 facial effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明适用于图像处理领域,提供了一种人脸识别方法及装置,所述方法包括:从测试图像中获取指定的若干特征点的坐标;将所述若干特征点分为多组;根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息;将所述测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度。本发明在获取测试图像的偏移信息后,将测试图像与预先存储的偏移信息相同的样本图像进行识别,因此不管采集到的测试图像中人脸如何偏移,都能在判定测试图像的人脸偏移信息后与样本图像库中偏移信息相同的样本图像进行识别,大大增强了人脸图像识别的准确性。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种人脸识别方法及装置。
背景技术
随着技术的不断发展,人脸识别已经被广泛的应用于各种领域。现有的人脸识别方法主要是针对一个正面的人脸进行特征提取和对比,因此在现有的人脸识别方法中,样本图像库中的人脸图像基本都是人脸的正面图像,而在实际情况中采集到的人脸图像却并非都是正面的人脸。因此,当将采集到的非正面的人脸图标与样本图像库中正面的人脸图像进行识别很可能会因单个人脸多角度下的人脸特征,使得人脸特征匹配混乱,错误的识别出人脸。
发明内容
本发明实施例的目的在于提供一种人脸识别方法及装置,旨在解决现有的人脸识别方法在采集到的非正面人脸图像与样本图像库中的正面人脸进行识别时容易识别错误问题。
本发明实施例是这样实现的,一种人脸识别方法,所述方法包括:
从测试图像中获取指定的若干特征点的坐标;
将所述若干特征点分为多组;
根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息;
将所述测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度。
本发明实施例的另一目的在于提供一种人脸识别装置,所述装置包括:
特征点提取单元,用于从测试图像中获取指定的若干特征点的坐标;
特征点分组单元,用于将所述若干特征点分为多组;
偏移信息判定单元,用于根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息;
人脸识别单元,用于将所述测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度。
在本发明实施例中,获取测试图像中提取的特征点的坐标后,对特征点进行分组,并根据各特征点的坐标计算出各组特征点的距离,通过比较各组特征点的距离判定测试图像的偏移信息,随后将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度,因此不管采集到的人脸图像中人脸如何偏移,都能在判定测试图像的人脸偏移信息后与样本图像库中偏移信息相同的样本图像进行识别,大大增强了人脸识别的准确性。
附图说明
图1是本发明一种人脸识别方法的第一实施例提供的流程图;
图2是本发明一种人脸识别方法的第一实施例提供的判定测试图像中人脸的偏移信息的一个具体示例;
图3是本发明一种人脸识别方法的第二实施例提供的流程图;
图4是本发明一种人脸识别装置的第一实施例提供的人脸识别装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
如图1所示为本发明一种人脸识别方法的第一实施例提供的流程图,为了便于说明,仅示出了与本发明实施例相关的部分。
在步骤S101中,从测试图像中获取指定的若干特征点的坐标。
在本发明实施例中,首先对需要识别的人脸图像采用adaboost算法对图像进行检测,获取到测试图像test_face。随后,通过AAM算法从测试图像中获取预先指定的若干特征点的坐标。
具体的,先在测试图像中标记出指定的若干个特征点,获知上述若干特征点的位置信息,然后根据若干特征点的位置信息建立AAM形状模型。其中,指定的若干个特征点是开发人员根据人脸表观确定的。
其中,根据标记好的若干个特征点的位置信息组成形状向量S{x1,y1,x2,y2......,xv,yv}(假设标记了V个特征点),由于形状向量S中含有平移、缩放和旋转变换作用的效果,为了消除这些变换的效果以便对形状向量S进行全局变换,因此采用主成分分析PCA方法对形状向量S进行降维,则任意形状的样本均可以被表达为基本形状S0与n个形状矢量Si的线性组合。因此,AAM形状模型可采用下述公式表示:
在本发明实施例中,建立了AAM形状模型后,通过调整AAM形状模型的形状参数拟合AAM形状模型,使得AM形状模型的表观越来越逼近测试图像,在拟合完成后获得与测试图像最为接近的人脸轮廓图像,并从人脸轮廓图像中提取指定的多个特征点的坐标。
在步骤S102中,将若干特征点分为多组。
在本发明实施例中,获取若干特征点的坐标后,根据这些特征点在人脸图像中所处的位置(如:处于左边眉毛、右边眉毛、鼻头、鼻翼等位置),对这些特征点进行分类,可分为左偏移组,右偏移组,上偏移组及下偏移组。
以图2中的10个特征点为例,其中,A1为左眼的左眼角点位置,B1为右眼的右眼角点位置,C2为左眼的中心,D2为右眼的中心,A2为在水平方向上与A1距离相等于A1C2的点,B2为在水平方向上与B1距离相等于B1D2的点,C1、D1为以C2D2为水平线到下巴距离的1/4的鼻子左右点,F1为左嘴角点,F2为右嘴角点,根据这些特征点在人脸图像中所处的位置,可将A1、A2分为左偏移组,B1、B2分为右偏移组,C1、C2、D1及D2分为上偏移组,C1、C2、F1及F2分为下偏移组。
在步骤S103中,根据若干特征点坐标计算出各组特征点的距离,并通过比较各组特征点的距离判定测试图像中人脸的偏移信息。
在本发明实施例中,在对若干特征点进行分组后,根据这些特征点的坐标分别计算左偏移组、右偏移组,上偏移组及下偏移组的特征点的距离,获得左偏距离,右偏距离、上偏距离以及下偏距离。随后,通过比较左偏距离,右偏距离、上偏距离以及下偏距离判定测试图像中人脸的偏移信息。
具体的,预设两个阈值,分别为水平阈值及垂直阈值,其中,当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向右偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向左偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为正角度;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向下偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向上偏移;当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向下偏移;当左偏距离与右偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向上偏移;当右偏距离与左偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向上偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向下偏移。
继续以图2为例来说明如何根据若干特征点坐标计算出各组特征点的距离,并通过比较各组特征点的距离判定测试图像中人脸的偏移信息。
在图2中,分别计算出A1A2、B1B2、C1C2、C1F1、D1F2及D1D2后,
根据实验进行分析得到指定的一个阀值m1、m2,用于区分各个偏移的临界条件
若(B1B2-A1A2)>m1、|C1C2-C1F1|<m2、|D1F2-D1D2|<m2,则判定人脸向左偏移;
若(A1A2-B1B2)>m1、|C1C2-C1F1|<m2、|D1F2-D1D2|<m2,则判定人脸向右偏移;
若(C1F1-C1C2)>m2、(D1F2-D1D2)>m2、|A1A2-B1B2|<m1,则判定人脸向上偏移;
若(C1C2-C1F1)>m2、(D1D2-D1F2)>m2、|A1A2-B1B2|<m1,则判定人脸向下偏移;
若(B1B2-A1A2)>m1、(C1C2-C1F1)>m2、(D1D2-D1F2)>m2,则判定人脸向左向下偏移;
若(A1A2-B1B2)>m1、(C1C2-C1F1)>m2、(D1D2-D1F2)>m2,则判定人脸向右向下偏移;
若(B1B2-A1A2)>m1、(C1F1-C1C2)>m2、(D1F2-D1D2)>m2,则判定人脸向左向上偏移;
若(A1A2-B1B2)>m1、(C1F1-C1C2)>m2、(D1F2-D1D2)>m2,则判定人脸向右向上偏移;
若|A1A2-B1B2|<m1、|C1C2-C1F1|<m2、|D1F2-D1D2|<m2,则判定人脸为正角度。
在步骤S104中,将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度。
在本发明实施例中,确定了测试图像中人脸的偏移信息后,然后采用相应的人脸特征提取算法获取测试图像的人脸特征,并把所获取的测试图像的人脸特征该特征与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度。其中,人脸特征提取算法及样本图像和测试图像的形似度比对算法此处不予限制。
在本发明实施例中,获取测试图像中提取的特征点的坐标后,对特征点进行分组,并根据各特征点的坐标计算出各组特征点的距离,通过比较各组特征点的距离判定测试图像的偏移信息,随后将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度,因此不管采集到的人脸图像中人脸如何偏移,都能在判定测试图像的人脸偏移信息后与样本图像库中偏移信息相同的样本图像进行识别,大大增强了人脸识别的准确性。
实施例二:
如图3所示为本发明一种人脸识别方法的第二实施例提供的流程图,为了便于说明,仅示出了与本发明实施例相关的部分。
在步骤S301中,建立样本图像库,样本图像库中每个用户的样本图像包括多幅人脸偏移信息不同的样本图像。
在本发明实施例中,建立样本图像库中具有不同人脸偏移信息样本图像的方法与实施例一中获取测试图像偏移信息的方法相同。
具体为,从样本图像中获取指定的若干特征点的坐标,在将若干特征点分为多组后,根据若干特征点坐标计算出各组特征点的距离,并通过比较各组特征点的距离判定样本图像中人脸的偏移信息,最终将样本图标标记偏移信息后存储至样本图像库中。
在本发明实施例中,由于样本图像库中存储有各种偏移信息的样本图像,大大丰富了样本图像库。
在步骤S302中,从测试图像中获取指定的若干特征点的坐标。
在步骤S303中,将若干特征点分为多组。
在步骤S304中,根据若干特征点坐标计算出各组特征点的距离,并通过比较各组特征点的距离判定测试图像中人脸的偏移信息。
在步骤S305中,根据偏移信息,将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度。
在本发明实施例中,步骤S202至步骤S205的执行过程与实施例一中步骤S101至步骤S104的执行过程一致,此处不再赘述。
实施例三:
图4为本发明一种人脸识别装置的第一实施例提供的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部份。其中:
样本库建立单元41,用于建立样本图像库,该样本图像库中每个用户的样本图像包括多幅人脸偏移信息不同的样本图像。
特征点提取单元42,用于从测试图像中获取指定的若干特征点的坐标。
在本发明实施例中,特征点提取单元42包括:
特征点指定单元421,用于在测试图像中标记出指定的多个特征点;
形状模型建立单元422,用于根据标记的多个特征点的位置信息建立AAM形状模型;
拟合单元423,用于通过调整AAM形状模型的形状参数拟合AAM形状模型获得人脸轮廓图像,并从人脸轮廓图像中提取指定的多个特征点的坐标。
特征点分组单元43,用于将若干特征点分为多组。
在本发明实施例中,特征点分组单元43包括一个子单元:
特征点分组子单元431,用于将若干特征点分为左偏移组,右偏移组,上偏移组及下偏移组。
偏移信息判定单元44,用于根据若干特征点坐标计算出各组特征点的距离,并通过比较各组特征点的距离判定测试图像中人脸的偏移信息。
在本发明实施例中,偏移信息判定单元44包括:
特征点距离计算单元441,用于分别计算左偏移组、右偏移组,上偏移组及下偏移组的特征点的距离,获得左偏距离,右偏距离、上偏距离以及下偏距离;
偏移信息确定单元442,用于预设水平阈值及垂直阈值,当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向右偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向左偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为正角度;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向下偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向上偏移;当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向下偏移;当左偏距离与右偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向上偏移;当右偏距离与左偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向上偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向下偏移。
人脸识别单元45,用于将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度。
在本发明实施例中,获取测试图像中提取的特征点的坐标后,对特征点进行分组,并根据各特征点的坐标计算出各组特征点的距离,通过比较各组特征点的距离判定测试图像的偏移信息,随后将测试图像与预先存储的偏移信息相同的样本图像进行比较,识别测试图标与样本图标的相似度,因此不管采集到的人脸图像中人脸如何偏移,都能在判定测试图像的人脸偏移信息后与样本图像库中偏移信息相同的样本图像进行识别,大大增强了人脸识别的准确性。
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步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人脸识别方法,其特征在于,所述方法包括:
从测试图像中获取指定的若干特征点的坐标;
将所述若干特征点分为多组;
根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息;
将所述测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度。
2.如权利要求1所述的方法,其特征在于,所述从测试图像中获取预先指定的若干特征点的坐标之前,所述方法还包括:
建立样本图像库,所述样本图像库中每个用户的样本图像包括多幅人脸偏移信息不同的样本图像。
3.如权利要求1或2所述的方法,其特征在于,所述从测试图像中获取预先指定的若干特征点的坐标包括:
在测试图像中标记出指定的多个特征点;
根据所述标记的多个特征点的位置信息建立AAM形状模型;
通过调整所述AAM形状模型的形状参数拟合所述AAM形状模型获得人脸轮廓图像,并从所述人脸轮廓图像中提取所述指定的多个特征点的坐标。
4.如权利要求1或2所述的方法,其特征在于,所述将所述若干特征点分为多组包括:
将所述若干特征点分为左偏移组,右偏移组,上偏移组及下偏移组。
5.如权利要求4所述的方法,其特征在于,所述根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息包括:
分别计算左偏移组、右偏移组,上偏移组及下偏移组的特征点的距离,获得左偏距离,右偏距离、上偏距离以及下偏距离;
预设水平阈值及垂直阈值;
当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向右偏移;
当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向左偏移;
当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为正角度;
当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向下偏移;
当左偏距离与右偏距离的差的绝对值小于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向上偏移;
当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向下偏移;
当左偏距离与右偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向上偏移;
当右偏距离与左偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向上偏移;
当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向下偏移。
6.一种人脸识别装置,其特征在于,所述装置包括:
特征点提取单元,用于从测试图像中获取指定的若干特征点的坐标;
特征点分组单元,用于将所述若干特征点分为多组;
偏移信息判定单元,用于根据所述若干特征点坐标计算出各组特征点的距离,并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息;
人脸识别单元,用于将所述测试图像与预先存储的偏移信息相同的样本图像进行比较,识别所述测试图标与所述样本图标的相似度。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
样本库建立单元,用于建立样本图像库,所述样本图像库中每个用户的样本图像包括多幅人脸偏移信息不同的样本图像。
8.如权利要求6或7所述的装置,其特征在于,所述特征点提取单元包括:
特征点指定单元,用于在测试图像中标记出指定的多个特征点;
形状模型建立单元,用于根据所述标记的多个特征点的位置信息建立AAM形状模型;
拟合单元,用于通过调整所述AAM形状模型的形状参数拟合所述AAM形状模型获得人脸轮廓图像,并从所述人脸轮廓图像中提取所述指定的多个特征点的坐标。
9.如权利要求6或7所述的装置,其特征在于,所述特征点分组单元包括:
特征点分组子单元,用于将所述若干特征点分为左偏移组,右偏移组,上偏移组及下偏移组。
10.如权利要求9所述的装置,其特征在于,所述偏移信息判定单元包括:
特征点距离计算单元,用于分别计算左偏移组、右偏移组,上偏移组及下偏移组的特征点的距离,获得左偏距离,右偏距离、上偏距离以及下偏距离;
偏移信息确定单元,用于预设水平阈值及垂直阈值,当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向右偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为向左偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差的绝对值小于垂直阈值时,判定测试图像中人脸的偏移信息为正角度;当左偏距离与右偏距离的差的绝对值小于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向下偏移;当左偏距离与右偏距离的差的绝对值小于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向上偏移;当左偏距离与右偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向下偏移;当左偏距离与右偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向右向上偏移;当右偏距离与左偏距离的差大于水平阈值,下偏距离与上偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向上偏移;当右偏距离与左偏距离的差大于水平阈值,上偏距离与下偏距离的差大于垂直阈值时,判定测试图像中人脸的偏移信息为向左向下偏移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210579476.6A CN103020607B (zh) | 2012-12-27 | 2012-12-27 | 一种人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210579476.6A CN103020607B (zh) | 2012-12-27 | 2012-12-27 | 一种人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020607A true CN103020607A (zh) | 2013-04-03 |
CN103020607B CN103020607B (zh) | 2017-05-03 |
Family
ID=47969198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210579476.6A Expired - Fee Related CN103020607B (zh) | 2012-12-27 | 2012-12-27 | 一种人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020607B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077585A (zh) * | 2014-05-30 | 2014-10-01 | 小米科技有限责任公司 | 图像校正方法、装置及终端 |
CN104598872A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 一种面部比对的方法、设备及一种面部识别的方法、系统 |
CN104850820A (zh) * | 2014-02-19 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 一种脸部识别方法及装置 |
CN105701786A (zh) * | 2016-03-21 | 2016-06-22 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
WO2016202027A1 (zh) * | 2015-06-18 | 2016-12-22 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
CN107358163A (zh) * | 2017-06-14 | 2017-11-17 | 广东数相智能科技有限公司 | 基于人脸识别的游客线路跟踪统计方法、电子设备及存储介质 |
CN107423674A (zh) * | 2017-05-15 | 2017-12-01 | 广东数相智能科技有限公司 | 一种基于人脸识别的寻人方法、电子设备及存储介质 |
WO2018076495A1 (zh) * | 2016-10-28 | 2018-05-03 | 广州炒米信息科技有限公司 | 检索人脸图像的方法和系统 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN110851349A (zh) * | 2019-10-10 | 2020-02-28 | 重庆金融资产交易所有限责任公司 | 页面异常显示的检测方法、终端设备及存储介质 |
CN111783535A (zh) * | 2020-05-28 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 关键点数据增强方法和装置、以及关键点检测方法和装置 |
CN112183421A (zh) * | 2020-10-09 | 2021-01-05 | 江苏提米智能科技有限公司 | 一种人脸图像评估方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000113197A (ja) * | 1998-10-02 | 2000-04-21 | Victor Co Of Japan Ltd | 個人識別装置 |
CN101339607A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 人脸识别方法及系统、人脸识别模型训练方法及系统 |
CN101458763A (zh) * | 2008-10-30 | 2009-06-17 | 中国人民解放军国防科学技术大学 | 基于图像加权平均的自动人脸识别方法 |
CN101859371A (zh) * | 2009-04-10 | 2010-10-13 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及其物体识别方法 |
CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
-
2012
- 2012-12-27 CN CN201210579476.6A patent/CN103020607B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000113197A (ja) * | 1998-10-02 | 2000-04-21 | Victor Co Of Japan Ltd | 個人識別装置 |
CN101339607A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 人脸识别方法及系统、人脸识别模型训练方法及系统 |
CN101458763A (zh) * | 2008-10-30 | 2009-06-17 | 中国人民解放军国防科学技术大学 | 基于图像加权平均的自动人脸识别方法 |
CN101859371A (zh) * | 2009-04-10 | 2010-10-13 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及其物体识别方法 |
CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850820B (zh) * | 2014-02-19 | 2019-05-31 | 腾讯科技(深圳)有限公司 | 一种脸部识别方法及装置 |
CN104850820A (zh) * | 2014-02-19 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 一种脸部识别方法及装置 |
CN104077585B (zh) * | 2014-05-30 | 2017-09-22 | 小米科技有限责任公司 | 图像校正方法、装置及终端 |
CN104077585A (zh) * | 2014-05-30 | 2014-10-01 | 小米科技有限责任公司 | 图像校正方法、装置及终端 |
CN104598872B (zh) * | 2014-12-23 | 2018-07-06 | 深圳市君利信达科技有限公司 | 一种面部比对的方法、设备及一种面部识别的方法、系统 |
CN104598872A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 一种面部比对的方法、设备及一种面部识别的方法、系统 |
WO2016202027A1 (zh) * | 2015-06-18 | 2016-12-22 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
CN105701786B (zh) * | 2016-03-21 | 2019-09-24 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN105701786A (zh) * | 2016-03-21 | 2016-06-22 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
WO2018076495A1 (zh) * | 2016-10-28 | 2018-05-03 | 广州炒米信息科技有限公司 | 检索人脸图像的方法和系统 |
CN107423674A (zh) * | 2017-05-15 | 2017-12-01 | 广东数相智能科技有限公司 | 一种基于人脸识别的寻人方法、电子设备及存储介质 |
CN107358163A (zh) * | 2017-06-14 | 2017-11-17 | 广东数相智能科技有限公司 | 基于人脸识别的游客线路跟踪统计方法、电子设备及存储介质 |
WO2019136733A1 (zh) * | 2018-01-15 | 2019-07-18 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108235769B (zh) * | 2018-01-15 | 2020-01-21 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN110851349A (zh) * | 2019-10-10 | 2020-02-28 | 重庆金融资产交易所有限责任公司 | 页面异常显示的检测方法、终端设备及存储介质 |
CN110851349B (zh) * | 2019-10-10 | 2023-12-26 | 岳阳礼一科技股份有限公司 | 页面异常显示的检测方法、终端设备及存储介质 |
CN111783535A (zh) * | 2020-05-28 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 关键点数据增强方法和装置、以及关键点检测方法和装置 |
CN112183421A (zh) * | 2020-10-09 | 2021-01-05 | 江苏提米智能科技有限公司 | 一种人脸图像评估方法、装置、电子设备及存储介质 |
CN112183421B (zh) * | 2020-10-09 | 2024-07-26 | 江苏提米智能科技有限公司 | 一种人脸图像评估方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103020607B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020607A (zh) | 一种人脸识别方法及装置 | |
CN105243374B (zh) | 三维人脸识别方法、系统及应用其的数据处理装置 | |
Lu et al. | Automatic feature extraction for multiview 3D face recognition | |
JP6155306B2 (ja) | 顔認識方法、装置、プログラム、およびコンピュータ可読記録媒体 | |
Nair et al. | 3-D face detection, landmark localization, and registration using a point distribution model | |
CN109685013B (zh) | 人体姿态识别中头部关键点的检测方法及装置 | |
US8929595B2 (en) | Dictionary creation using image similarity | |
US20050226509A1 (en) | Efficient classification of three dimensional face models for human identification and other applications | |
CN106203294A (zh) | 基于人脸属性分析的人证合一身份验证方法 | |
KR100940902B1 (ko) | 손가락 기하학 정보를 이용한 바이오 인식 방법 | |
US9990538B2 (en) | Face recognition apparatus and method using physiognomic feature information | |
US9147130B2 (en) | Information processing method, information processing apparatus, and recording medium for identifying a class of an object by using a plurality of discriminators | |
CN105160331A (zh) | 一种基于隐马尔可夫模型的人脸几何特征识别方法 | |
CN113505717B (zh) | 一种基于人脸面部特征识别技术的在线通行系统 | |
Jaiswal et al. | Guided unsupervised learning of mode specific models for facial point detection in the wild | |
CN104008372A (zh) | 一种无线多媒体传感器网络中的分布式人脸识别方法 | |
Al-Osaimi | A novel multi-purpose matching representation of local 3D surfaces: A rotationally invariant, efficient, and highly discriminative approach with an adjustable sensitivity | |
CN111079684A (zh) | 一种基于粗糙-精细拟合的三维人脸检测方法 | |
CN110046602A (zh) | 基于分类的深度学习人脸检测方法 | |
CN109146913A (zh) | 一种人脸跟踪方法及装置 | |
JP2010504575A (ja) | 顔を認識するための方法と装置及び顔認識モジュール | |
EP1828959A1 (en) | Face recognition using features along iso-radius contours | |
Li et al. | Learning weighted sparse representation of encoded facial normal information for expression-robust 3D face recognition | |
JP2002208011A (ja) | 画像照合処理システムおよび画像照合方法 | |
Pan et al. | Robust metric and alignment for profile-based face recognition: An experimental comparison |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170503 |