CN103679159A - 人脸识别方法 - Google Patents
人脸识别方法 Download PDFInfo
- Publication number
- CN103679159A CN103679159A CN201310753080.3A CN201310753080A CN103679159A CN 103679159 A CN103679159 A CN 103679159A CN 201310753080 A CN201310753080 A CN 201310753080A CN 103679159 A CN103679159 A CN 103679159A
- Authority
- CN
- China
- Prior art keywords
- feature
- key point
- template
- point
- face
- 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
Images
Abstract
本发明提供了一种人脸识别方法,包括:检测待识别的人脸图像中的至少一个关键点;提取所述至少一个关键点中每个关键点的特征;根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。通过本发明的技术方案,可以准确地对待识别的人脸图像进行识别,解决了由于每个人的人脸模板较少,导致识别错误率较高,甚至不进行识别的问题。同时,在待识别的人脸图像的分辨率较小时,也能够准确地检测出面部关键点,提高了小分辨率人脸图像的识别率。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种人脸识别方法。
背景技术
人脸识别技术是生物特征识别技术的一种。人脸识别系统首先采集人脸图像并检测人脸区域,然后将检测到的人脸图像与预先存储的人脸模板图像进行对比,从而对检测到的人脸图像进行识别。
相关技术中的人脸识别技术一般是采集每个人的多张注册图像,其中每张注册图像对应于一种面部姿态,但是在实际应用中的很多情况下只有一张正脸注册图像,例如公安系统中只有一张身份证照片(称为小注册样本),在这种情况下,由于没有足够的注册样本,因此很难对采集到的不同姿态的人脸图像做出正确的识别。
此外,相关技术中的人脸识别技术通常是在待识别的人脸图像上用SIFT(Scale-invariant feature transform,尺度不变特征转换)技术检测到SIFT特征点,然后根据SIFT特征点的位置与人脸模板图像中相应的点进行匹配,以对待识别的人脸图像进行识别。但是在待识别的人脸图像的分辨率较低时,使用SIFT技术检测出点的特征点的位置和数量不稳定,并且检测到的特征点较少,因此识别的正确率较低。
因此,如何在小注册样本的情况下实现对人脸图像的识别,并且提高人脸识别的正确率成为亟待解决的技术问题。
发明内容
本发明正是基于上述技术问题至少之一,提供了一种新的人脸识别技术,可以准确地对待识别的人脸图像进行识别,解决了由于每个人的人脸模板较少,导致识别错误率较高,甚至不进行识别的问题。同时,在待识别的人脸图像的分辨率较小时,也能够准确地检测出面部关键点,提高了小分辨率人脸图像的识别率。
有鉴于此,本发明提供了一种人脸识别方法,包括:检测待识别的人脸图像中的至少一个关键点;提取所述至少一个关键点中每个关键点的特征;根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。
在该技术方案中,由于人脸图像中的关键点位置是已知的,例如围绕人脸眼睛的关键点,因此通过对待识别的人脸图像中的关键点进行检测,并根据每个关键点的特征在每张人脸模板中匹配相对应的目标关键点,以通过待识别的人脸图像中的关键点的特征,以及在每张人脸模板中匹配到的目标关键点的特征,对待识别的人脸图像进行识别,使得在小注册样本(即每个人的人脸模板较少)的情况下,也能够通过人脸图像中的关键点匹配到相对应的目标关键点,从而准确地对待识别的人脸图像进行识别,解决了由于每个人的人脸模板较少,导致识别错误率较高,甚至不进行识别的问题。同时,在待识别的人脸图像的分辨率较小时,也能够准确地检测出面部关键点,提高了小分辨率人脸图像的识别率。
在上述技术方案中,优选地,所述根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别的步骤具体为:根据所述至少一个关键点的特征,生成所述待识别的人脸图像的特征,以及根据所述至少一个目标关键点的特征,生成所述每张人脸模板的特征;计算所述待识别的人脸图像的特征与所述每张人脸模板的特征之间的欧式距离;选择特征与所述待识别的人脸图像的特征之间的欧式距离最短的人脸模板作为识别到的人脸图像。
在该技术方案中,具体来说,每个关键点的特征和每个目标关键点的特征都可以通过一个向量来表示,在待识别的人脸图像中检测到多个关键点时,可以将多个关键点的特征进行串联,即将多个向量串联,以得到待识别的人脸图像的特征(一个向量),并将从每张人脸模板中匹配到的目标关键点的特征进行串联,以得到每张人脸模板的特征(一个向量),通过对待识别的人脸图像的特征与每张人脸模板的特征求欧式距离,以从人脸模板中查找与待识别的人脸图像相匹配的人脸模板。
在上述技术方案中,优选地,还包括:判断所述识别到的人脸图像的特征与所述待识别的人脸图像的特征之间的欧式距离是否大于或等于预定数值,若是,则判定识别失败,否则,判定识别成功。
在该技术方案中,通过判断识别到的人脸图像的特征与待识别的人脸图像的特征之间的欧式距离是否大于或等于预定数值,可以降低对人脸图像的误识别率,提高人脸图像识别的正确率。具体来说,在人脸模板中不存在于待识别的人脸图像相匹配的人脸模板,即没有存储待识别的人脸图像的注册样本时,通过计算并比较欧式距离,也会得到一个识别结果,造成识别错误,因此可以对欧式距离与预定数值进行比较,以提高对人脸图像识别的正确率。
在上述技术方案中,优选地,在计算所述欧式距离之前还包括:对所述待识别的人脸图像的特征和所述每张人脸模板的特征进行均方归一化处理。
在该技术方案中,通过对待识别的人脸图像的特征和每张人脸模板的特征进行均方归一化处理,使得计算待识别的人脸图像的特征与每张人脸模板的特征之间的欧式距离的结果更加精确,从而提高了对人脸图像识别的正确率。
在上述技术方案中,优选地,所述提取所述至少一个关键点中每个关键点的特征的步骤具体为:对所述待识别的人脸图像进行放大和/或缩小处理,以得到所述待识别的人脸图像的多张不同尺寸的图像;针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个关键点的预定区域的特征,以作为所述每个关键点在所述每张图像上的特征;根据所述每个关键点在所述多张图像中每张图像上的特征生成所述每个关键点的特征。
在该技术方案中,由于人脸模板的尺寸与待识别的人脸图像的尺寸可能不同,而对于不同尺寸的图像,在提取相同关键点的特征时,也会存在差异(尺寸相差越大,相同关键点的特征的差异也越大),因此,通过对同一张人脸图像的多张不同尺寸的图像,分别提取同一关键点的特征,并通过在每张图像上提取到的特征生成该关键点的特征,使得得到的该关键点的特征能够更加准确。其中,可以将每个关键点在多张图像中的特征串联(即将多个向量串联),以得到每个关键点的特征。
在上述技术方案中,优选地,在所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤之前,还包括:检测所述每张人脸模板中的至少一个模板关键点;针对所述至少一个模板关键点中的每个模板关键点,分别选取包括所述每个模板关键点的第一预定区域中的至少一个像素点,将所述至少一个像素点作为所述每个模板关键点的扩展点;提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征;所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤具体为:从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点。
在该技术方案中,由于人脸模板的尺寸,以及待识别的人脸图像的尺寸和/或分辨率可能不同,造成同一关键点的位置可能存在偏差,因此通过选取包括每个模板关键点的第一预定区域内的至少一个像素点,以将至少一个像素点作为每个模板关键点的扩展点,并从每张人脸模板中的模板关键点和每个模板关键点的扩展点中匹配目标关键点,扩展了模板库中关键点的数量,使得匹配到的目标关键点能够更加准确,从而能够提高对整个人脸图像识别的正确率。
在上述技术方案中,优选地,所述提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征的步骤具体为:对所述每张人脸模板进行放大和/或缩小处理,以得到所述每张人脸模板的多张不同尺寸的图像;针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个模板关键点的第二预定区域的特征,以作为所述每个模板关键点在所述每张图像上的特征,以及分别提取包括所述每个模板关键点的每个扩展点的第三预定区域内的特征,以作为所述每个扩展点在所述每张图像上的特征,根据所述每个模板关键点在所述多张图像中的每张图像上的特征生成所述每个模板关键点的特征,以及根据所述每个扩展点在所述多张图像中的每张图像上的特征生成所述每个扩展点的特征。
在该技术方案中,通过对同一张人脸模板的多张不同尺寸的图像,分别提取同一模板关键点和模板关键点的扩展点的特征,并通过在每张图像上提取到的特征生成该目标关键点的特征,以及模板关键点的扩展点的特征,使得得到的该模板关键点的特征和模板关键点的扩展点的特征能够更加准确。其中,可以将每个模板关键点在多张图像中的特征串联(即将多个向量串联),以得到每个目标关键点的特征,并将模板关键点的每个扩展点在多张图像中的特征串联,以得到每个扩展点的特征。
在上述技术方案中,优选地,从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点的步骤具体为:计算所述每个关键点的特征与所述每个模板关键点的特征之间的欧式距离,以及所述每个关键点的特征与所述每个模板关键点的扩展点的特征之间的欧式距离;选取特征与所述每个关键点的特征之间的欧式距离最短的关键点和/或扩展点作为所述目标关键点。
在上述技术方案中,优选地,在计算所述欧式距离之前还包括:对所述每个关键点的特征、所述每个模板关键点的特征和所述每个模板关键点的扩展点的特征进行均方归一化处理。
在该技术方案中,通过对每个关键点的特征、每个模板关键点的特征和每个模板关键点的扩展点的特征进行均方归一化处理,使得计算每个关键点的特征与每个模板关键点的特征之间的欧式距离,以及每个关键点的特征与每个模板关键点的扩展点的特征之间的欧式距离的结果更加精确,提高了匹配目标关键点的准确性,从而提高了对人脸图像识别的正确率。
在上述技术方案中,优选地,在所述检测待识别的人脸图像中的至少一个关键点的步骤之前,还包括:从待识别的图片中获取所述待识别的人脸图像。
在该技术方案中,可以通过基于AdaBoost方法(一种迭代算法)的人脸检测器检测出待识别的图片中的人脸图像。
附图说明
图1示出了根据本发明的实施例的人脸识别方法的示意流程图;
图2示出了根据本发明的实施例的人脸模板图像的注册过程示意图;
图3示出了根据本发明的一个实施例的人脸图像中的关键点位置示意图;
图4示出了根据本发明的一个实施例的人脸识别过程的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明并不限于下面公开的具体实施例的限制。
图1示出了根据本发明的实施例的人脸识别方法的示意流程图。
如图1所示,根据本发明的实施例的人脸识别方法,包括:步骤102,检测待识别的人脸图像中的至少一个关键点;步骤104,提取所述至少一个关键点中每个关键点的特征;步骤106,根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;步骤108,根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。
在该技术方案中,由于人脸图像中的关键点位置是已知的,例如围绕人脸眼睛的关键点,因此通过对待识别的人脸图像中的关键点进行检测,并根据每个关键点的特征在每张人脸模板中匹配相对应的目标关键点,以通过待识别的人脸图像中的关键点的特征,以及在每张人脸模板中匹配到的目标关键点的特征,对待识别的人脸图像进行识别,使得在小注册样本(即每个人的人脸模板较少)的情况下,也能够通过人脸图像中的关键点匹配到相对应的目标关键点,从而准确地对待识别的人脸图像进行识别,避免了由于每个人的人脸模板较少,导致识别错误率较高,甚至不进行识别。同时,在待识别的人脸图像的分辨率较小时,也能够准确地检测出面部关键点,提高了小分辨率人脸图像的识别率。
在上述技术方案中,优选地,所述根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别的步骤具体为:根据所述至少一个关键点的特征,生成所述待识别的人脸图像的特征,以及根据所述至少一个目标关键点的特征,生成所述每张人脸模板的特征;计算所述待识别的人脸图像的特征与所述每张人脸模板的特征之间的欧式距离;选择特征与所述待识别的人脸图像的特征之间的欧式距离最短的人脸模板作为识别到的人脸图像。
在该技术方案中,具体来说,每个关键点的特征和每个目标关键点的特征都可以通过一个向量来表示,在待识别的人脸图像中检测到多个关键点时,可以将多个关键点的特征进行串联,即将多个向量串联,以得到待识别的人脸图像的特征(一个向量),并将从每张人脸模板中匹配到的目标关键点的特征进行串联,以得到每张人脸模板的特征(一个向量),通过对待识别的人脸图像的特征与每张人脸模板的特征求欧式距离,以从人脸模板中查找与待识别的人脸图像相匹配的人脸模板。
在上述技术方案中,优选地,还包括:判断所述识别到的人脸图像的特征与所述待识别的人脸图像的特征之间的欧式距离是否大于或等于预定数值,若是,则判定识别失败,否则,判定识别成功。
在该技术方案中,通过判断识别到的人脸图像的特征与待识别的人脸图像的特征之间的欧式距离是否大于或等于预定数值,可以降低对人脸图像的误识别率,提高人脸图像识别的正确率。具体来说,在人脸模板中不存在于待识别的人脸图像相匹配的人脸模板,即没有存储待识别的人脸图像的注册样本时,通过计算并比较欧式距离,也会得到一个识别结果,造成识别错误,因此可以对欧式距离与预定数值进行比较,以提高对人脸图像识别的正确率。
在上述技术方案中,优选地,在计算所述欧式距离之前还包括:对所述待识别的人脸图像的特征和所述每张人脸模板的特征进行均方归一化处理。
在该技术方案中,通过对待识别的人脸图像的特征和每张人脸模板的特征进行均方归一化处理,使得计算待识别的人脸图像的特征与每张人脸模板的特征之间的欧式距离的结果更加精确,从而提高了对人脸图像识别的正确率。
在上述技术方案中,优选地,所述提取所述至少一个关键点中每个关键点的特征的步骤具体为:对所述待识别的人脸图像进行放大和/或缩小处理,以得到所述待识别的人脸图像的多张不同尺寸的图像;针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个关键点的预定区域的特征,以作为所述每个关键点在所述每张图像上的特征;根据所述每个关键点在所述多张图像中每张图像上的特征生成所述每个关键点的特征。
在该技术方案中,由于人脸模板的尺寸与待识别的人脸图像的尺寸可能不同,而对于不同尺寸的图像,在提取相同关键点的特征时,也会存在差异(尺寸相差越大,相同关键点的特征的差异也越大),因此,通过对同一张人脸图像的多张不同尺寸的图像,分别提取同一关键点的特征,并通过在每张图像上提取到的特征生成该关键点的特征,使得得到的该关键点的特征能够更加准确。其中,可以将每个关键点在多张图像中的特征串联(即将多个向量串联),以得到每个关键点的特征。
在上述技术方案中,优选地,在所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤之前,还包括:检测所述每张人脸模板中的至少一个模板关键点;针对所述至少一个模板关键点中的每个模板关键点,分别选取包括所述每个模板关键点的第一预定区域中的至少一个像素点,将所述至少一个像素点作为所述每个模板关键点的扩展点;提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征;所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤具体为:从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点。
在该技术方案中,由于人脸模板的尺寸,以及待识别的人脸图像的尺寸和/或分辨率可能不同,造成同一关键点的位置可能存在偏差,因此通过选取包括每个模板关键点的第一预定区域内的至少一个像素点,以将至少一个像素点作为每个模板关键点的扩展点,并从每张人脸模板中的模板关键点和每个模板关键点的扩展点中匹配目标关键点,扩展了模板库中关键点的数量,使得匹配到的目标关键点能够更加准确,从而能够提高对整个人脸图像识别的正确率。
在上述技术方案中,优选地,所述提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征的步骤具体为:对所述每张人脸模板进行放大和/或缩小处理,以得到所述每张人脸模板的多张不同尺寸的图像;针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个模板关键点的第二预定区域的特征,以作为所述每个模板关键点在所述每张图像上的特征,以及分别提取包括所述每个模板关键点的每个扩展点的第三预定区域内的特征,以作为所述每个扩展点在所述每张图像上的特征,根据所述每个模板关键点在所述多张图像中的每张图像上的特征生成所述每个模板关键点的特征,以及根据所述每个扩展点在所述多张图像中的每张图像上的特征生成所述每个扩展点的特征。
在该技术方案中,通过对同一张人脸模板的多张不同尺寸的图像,分别提取同一模板关键点和模板关键点的扩展点的特征,并通过在每张图像上提取到的特征生成该目标关键点的特征,以及模板关键点的扩展点的特征,使得得到的该模板关键点的特征和模板关键点的扩展点的特征能够更加准确。其中,可以将每个模板关键点在多张图像中的特征串联(即将多个向量串联),以得到每个目标关键点的特征,并将模板关键点的每个扩展点在多张图像中的特征串联,以得到每个扩展点的特征。
在上述技术方案中,优选地,从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点的步骤具体为:计算所述每个关键点的特征与所述每个模板关键点的特征之间的欧式距离,以及所述每个关键点的特征与所述每个模板关键点的扩展点的特征之间的欧式距离;选取特征与所述每个关键点的特征之间的欧式距离最短的关键点和/或扩展点作为所述目标关键点。
在上述技术方案中,优选地,在计算所述欧式距离之前还包括:对所述每个关键点的特征、所述每个模板关键点的特征和所述每个模板关键点的扩展点的特征进行均方归一化处理。
在该技术方案中,通过对每个关键点的特征、每个模板关键点的特征和每个模板关键点的扩展点的特征进行均方归一化处理,使得计算每个关键点的特征与每个模板关键点的特征之间的欧式距离,以及每个关键点的特征与每个模板关键点的扩展点的特征之间的欧式距离的结果更加精确,提高了匹配目标关键点的准确性,从而提高了对人脸图像识别的正确率。
在上述技术方案中,优选地,在所述检测待识别的人脸图像中的至少一个关键点的步骤之前,还包括:从待识别的图片中获取所述待识别的人脸图像。
在该技术方案中,可以通过基于AdaBoost方法(一种迭代算法)的人脸检测器检测出待识别的图片中的人脸图像。
图2示出了根据本发明的实施例的人脸模板图像的注册过程示意图。
如图2所示,根据本发明的实施例的人脸模板图像的注册过程,包括:
步骤202,获取所有要注册的正脸照片,在给定一张包含人脸的照片后,通过基于AdaBoost方法训练的人脸检测器检测出照片中的人脸,然后对人脸图片做直方图均衡的操作。当然,也可以通过其它方式检测照片中的人脸。
步骤204,对注册照片进行关键点检测。具体地,可以在检测出的人脸上使用基于SO-SVM(结构化输出-支持向量机)方法训练的检测器进行面部关键点检测,面部关键点的选取方法和选取的点的个数有多种,如图3所示,黑点为面部关键点(如图中关键点302所示),一般选取其中的部分点或全部点。当然,也可以通过其它方式检测面部关键点。
步骤206,扩展关键点,得到扩展点。具体来说,可以以关键点为中心,选取某一半径画圆,圆范围内的像素点作为该关键点的扩展点。其中半径的选择是根据人脸图像尺寸和点检测的准确率训练得到的。
步骤208,提取并保存关键点及扩展点的特征。具体来说,在关键点的基础上,以关键点为中心选取正方形,然后提取该方形区域内的SIFT描述子(用一个向量描述点的特征)作为特征,其中方形区域的大小是根据人脸图片尺寸选择的。在特征提取过程中通过对图像的缩小和/或放,得到不同尺寸的图像,图像的数量可以根据实际应用进行选取,在每一张图像上所取的方形区域大小相同,将从每一张图像上提取的SIFT描述子进行串联(即将多个向量串联),并将串联后的SIFT描述子(一个向量)作为此关键点的特征。类似地,可以得到每个扩展点的特征。
图4示出了根据本发明的一个实施例的人脸识别过程的示意图。
如图4所示,根据本发明的一个实施例的人脸识别过程,包括:
步骤402,获取待识别的照片,并检测照片中的人脸。具体地,可以在给定一张包含人脸的照片后,通过基于AdaBoost方法训练的人脸检测器检测出照片中的人脸,然后对人脸图片做直方图均衡的操作。当然,也可以通过其它方式检测照片中的人脸。
步骤404,对待识别的照片进行关键点检测。具体地,可以在检测出的人脸上使用基于SO-SVM(结构化输出-支持向量机)方法训练的检测器进行面部关键点检测。当然,也可以通过其它方式检测面部关键点。
步骤406,提取并保存每个关键点的特征。具体来说,在关键点的基础上,以关键点为中心选取正方形,然后提取该方形区域内的SIFT描述子(用一个向量描述点的特征)作为特征,其中方形区域的大小是根据人脸图片尺寸选择的。在特征提取过程中通过对图像的缩小和/或放,得到不同尺寸的图像,图像的数量可以根据实际应用进行选取,在每一张图像上所取的方形区域大小相同,将从每一张图像上提取的SIFT描述子进行串联(即将多个向量串联),并将串联后的SIFT描述子(一个向量)作为此关键点的特征。
步骤408,通过每个关键点的特征,从注册图片中匹配目标关键点。具体来说,根据从待识别的照片中检测到的每个关键点的特征与每张注册图片中的关键点,以及扩展点的特征进行相似性度量,以匹配到与上述每个关键点相对应的目标关键点。其中相似性度量是将每个关键点的特征进行均方归一化的操作后使用欧氏距离进行度量,并选取特征与识别照片中的每个关键点的特征的欧式距离最小的注册图片中的点作为目标关键点,并记录每张注册图片被匹配的到的目标关键点,和每个模板关键点的特征。其中,可以通过以下公式对每个关键点的特征进行均方归一化:
并通过以下公式求每个关键点与目标关键点的欧式距离:
步骤410,根据每张注册图片上被匹配到的目标关键点的特征生成该注册图片的特征。具体地,由于每个模板关键点的特征是一个向量,因此,可以将每张注册图片上被匹配的目标关键点的特征串联。
步骤412,计算待识别的照片的特征与每张注册图片的特征的欧式距离。
步骤414,选取特征与待识别的照片的特征的欧式距离最小的注册图片作为识别到的注册图片。
步骤416,判断待识别的照片的特征与识别到的注册图片的特征的欧式距离是否小于预定值,若是,则执行步骤418,否则,执行步骤420。
步骤418,在判定待识别的照片的特征与识别到的注册图片的特征的欧式距离小于预定值时,判定识别成功,并输出识别到的注册图片。
步骤420,在判定待识别的照片的特征与识别到的注册图片的特征的欧式距离大于或等于预定值时,判定识别失败。
以上结合附图详细说明了本发明的技术方案,本发明提供了一种新的人脸识别技术,可以准确地对待识别的人脸图像进行识别,解决了由于每个人的人脸模板较少,导致识别错误率较高,甚至不进行识别的问题。同时,在待识别的人脸图像的分辨率较小时,也能够准确地检测出面部关键点,提高了小分辨率人脸图像的识别率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、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,包括:
检测待识别的人脸图像中的至少一个关键点;
提取所述至少一个关键点中每个关键点的特征;
根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;
根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别的步骤具体为:
根据所述至少一个关键点的特征,生成所述待识别的人脸图像的特征,以及根据所述至少一个目标关键点的特征,生成所述每张人脸模板的特征;
计算所述待识别的人脸图像的特征与所述每张人脸模板的特征之间的欧式距离;
选择特征与所述待识别的人脸图像的特征之间的欧式距离最短的人脸模板作为识别到的人脸图像。
3.根据权利要求2所述的人脸识别方法,其特征在于,还包括:
判断所述识别到的人脸图像的特征与所述待识别的人脸图像的特征之间的欧式距离是否大于或等于预定数值,若是,则判定识别失败,否则,判定识别成功。
4.根据权利要求2所述的人脸识别方法,其特征在于,在计算所述欧式距离之前还包括:
对所述待识别的人脸图像的特征和所述每张人脸模板的特征进行均方归一化处理。
5.根据权利要求1中所述的人脸识别方法,其特征在于,所述提取所述至少一个关键点中每个关键点的特征的步骤具体为:
对所述待识别的人脸图像进行放大和/或缩小处理,以得到所述待识别的人脸图像的多张不同尺寸的图像;
针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个关键点的预定区域的特征,以作为所述每个关键点在所述每张图像上的特征;
根据所述每个关键点在所述多张图像中每张图像上的特征生成所述每个关键点的特征。
6.根据权利要求1所述的人脸识别方法,其特征在于,在所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤之前,还包括:
检测所述每张人脸模板中的至少一个模板关键点;
针对所述至少一个模板关键点中的每个模板关键点,分别选取包括所述每个模板关键点的第一预定区域中的至少一个像素点,将所述至少一个像素点作为所述每个模板关键点的扩展点;
提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征;
所述根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点的步骤具体为:
从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点。
7.根据权利要求6所述的人脸识别方法,其特征在于,所述提取所述每张人脸模板中的每个模板关键点的特征,以及所述每个模板关键点的扩展点的特征的步骤具体为:
对所述每张人脸模板进行放大和/或缩小处理,以得到所述每张人脸模板的多张不同尺寸的图像;
针对所述多张不同尺寸的图像中的每张图像,分别提取包括所述每个模板关键点的第二预定区域的特征,以作为所述每个模板关键点在所述每张图像上的特征,以及
分别提取包括所述每个模板关键点的每个扩展点的第三预定区域内的特征,以作为所述每个扩展点在所述每张图像上的特征;
根据所述每个模板关键点在所述多张图像中的每张图像上的特征生成所述每个模板关键点的特征,以及
根据所述每个扩展点在所述多张图像中的每张图像上的特征生成所述每个扩展点的特征。
8.根据权利要求6所述的人脸识别方法,其特征在于,从所述每张人脸模板中的所述至少一个模板关键点和所述每个模板关键点的扩展点中匹配所述目标关键点的步骤具体为:
计算所述每个关键点的特征与所述每个模板关键点的特征之间的欧式距离,以及所述每个关键点的特征与所述每个模板关键点的扩展点的特征之间的欧式距离;
选取特征与所述每个关键点的特征之间的欧式距离最短的关键点和/或扩展点作为所述目标关键点。
9.根据权利要求8所述的人脸识别方法,其特征在于,在计算所述欧式距离之前还包括:
对所述每个关键点的特征、所述每个模板关键点的特征和所述每个模板关键点的扩展点的特征进行均方归一化处理。
10.根据权利要求1至9中任一项所述的人脸识别方法,其特征在于,在所述检测待识别的人脸图像中的至少一个关键点的步骤之前,还包括:
从待识别的图片中获取所述待识别的人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753080.3A CN103679159B (zh) | 2013-12-31 | 2013-12-31 | 人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753080.3A CN103679159B (zh) | 2013-12-31 | 2013-12-31 | 人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679159A true CN103679159A (zh) | 2014-03-26 |
CN103679159B CN103679159B (zh) | 2017-10-17 |
Family
ID=50316649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310753080.3A Active CN103679159B (zh) | 2013-12-31 | 2013-12-31 | 人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679159B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095829A (zh) * | 2014-04-29 | 2015-11-25 | 华为技术有限公司 | 一种人脸识别方法及系统 |
CN105335691A (zh) * | 2014-08-14 | 2016-02-17 | 南京普爱射线影像设备有限公司 | 笑脸识别鼓励系统 |
CN105354527A (zh) * | 2014-08-20 | 2016-02-24 | 南京普爱射线影像设备有限公司 | 一种消极表情识别鼓励系统 |
CN106372616A (zh) * | 2016-09-18 | 2017-02-01 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置及终端设备 |
CN106778574A (zh) * | 2016-12-06 | 2017-05-31 | 广州视源电子科技股份有限公司 | 用于人脸图像的检测方法和装置 |
CN107122751A (zh) * | 2017-05-03 | 2017-09-01 | 电子科技大学 | 一种基于人脸对齐的人脸跟踪和人脸图像捕获方法 |
CN107992783A (zh) * | 2016-10-26 | 2018-05-04 | 上海银晨智能识别科技有限公司 | 人脸图像处理方法及装置 |
WO2018121567A1 (zh) * | 2016-12-27 | 2018-07-05 | 北京市商汤科技开发有限公司 | 用于检测物体关键点的方法、装置及电子设备 |
CN108268881A (zh) * | 2016-12-30 | 2018-07-10 | 中兴通讯股份有限公司 | 电子设备、目标图像识别方法及装置 |
CN109859485A (zh) * | 2018-12-27 | 2019-06-07 | 住友富士电梯有限公司 | 一种电梯提示停车位方法、电梯及存储装置 |
WO2019237548A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 图片识别方法、装置、计算机设备及存储介质 |
CN111523454A (zh) * | 2020-04-22 | 2020-08-11 | 华东师范大学 | 一种基于样本扩充和点集匹配的部分人脸识别方法 |
CN112270785A (zh) * | 2020-09-25 | 2021-01-26 | 浙江尼普顿科技股份有限公司 | 一种基于高清人脸识别的智能门禁控制方法及装置 |
CN112633250A (zh) * | 2021-01-05 | 2021-04-09 | 北京经纬信息技术有限公司 | 一种人脸识别检测实验方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050152604A1 (en) * | 2004-01-09 | 2005-07-14 | Nucore Technology Inc. | Template matching method and target image area extraction apparatus |
CN101452526A (zh) * | 2008-10-31 | 2009-06-10 | 电子科技大学 | 基于指纹和人脸的二维条码式身份认证方法 |
CN101964064A (zh) * | 2010-07-27 | 2011-02-02 | 上海摩比源软件技术有限公司 | 一种人脸比对方法 |
CN102004911A (zh) * | 2010-12-31 | 2011-04-06 | 上海全景数字技术有限公司 | 提高人脸识别正确率的方法 |
CN102654903A (zh) * | 2011-03-04 | 2012-09-05 | 井维兰 | 一种人脸比对方法 |
-
2013
- 2013-12-31 CN CN201310753080.3A patent/CN103679159B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050152604A1 (en) * | 2004-01-09 | 2005-07-14 | Nucore Technology Inc. | Template matching method and target image area extraction apparatus |
CN101452526A (zh) * | 2008-10-31 | 2009-06-10 | 电子科技大学 | 基于指纹和人脸的二维条码式身份认证方法 |
CN101964064A (zh) * | 2010-07-27 | 2011-02-02 | 上海摩比源软件技术有限公司 | 一种人脸比对方法 |
CN102004911A (zh) * | 2010-12-31 | 2011-04-06 | 上海全景数字技术有限公司 | 提高人脸识别正确率的方法 |
CN102654903A (zh) * | 2011-03-04 | 2012-09-05 | 井维兰 | 一种人脸比对方法 |
Non-Patent Citations (1)
Title |
---|
胡爱明等: "车牌图像的快速匹配识别方法", 《计算机工程与应用》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095829A (zh) * | 2014-04-29 | 2015-11-25 | 华为技术有限公司 | 一种人脸识别方法及系统 |
CN105095829B (zh) * | 2014-04-29 | 2019-02-19 | 华为技术有限公司 | 一种人脸识别方法及系统 |
CN105335691A (zh) * | 2014-08-14 | 2016-02-17 | 南京普爱射线影像设备有限公司 | 笑脸识别鼓励系统 |
CN105354527A (zh) * | 2014-08-20 | 2016-02-24 | 南京普爱射线影像设备有限公司 | 一种消极表情识别鼓励系统 |
CN106372616B (zh) * | 2016-09-18 | 2019-08-30 | Oppo广东移动通信有限公司 | 人脸识别方法、装置及终端设备 |
CN106372616A (zh) * | 2016-09-18 | 2017-02-01 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置及终端设备 |
CN107992783A (zh) * | 2016-10-26 | 2018-05-04 | 上海银晨智能识别科技有限公司 | 人脸图像处理方法及装置 |
CN106778574A (zh) * | 2016-12-06 | 2017-05-31 | 广州视源电子科技股份有限公司 | 用于人脸图像的检测方法和装置 |
US10885365B2 (en) | 2016-12-27 | 2021-01-05 | Beijing Sensetime Technology Development Co., Ltd | Method and apparatus for detecting object keypoint, and electronic device |
WO2018121567A1 (zh) * | 2016-12-27 | 2018-07-05 | 北京市商汤科技开发有限公司 | 用于检测物体关键点的方法、装置及电子设备 |
CN108268881A (zh) * | 2016-12-30 | 2018-07-10 | 中兴通讯股份有限公司 | 电子设备、目标图像识别方法及装置 |
CN107122751A (zh) * | 2017-05-03 | 2017-09-01 | 电子科技大学 | 一种基于人脸对齐的人脸跟踪和人脸图像捕获方法 |
WO2019237548A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 图片识别方法、装置、计算机设备及存储介质 |
CN109859485A (zh) * | 2018-12-27 | 2019-06-07 | 住友富士电梯有限公司 | 一种电梯提示停车位方法、电梯及存储装置 |
CN109859485B (zh) * | 2018-12-27 | 2021-08-10 | 住友富士电梯有限公司 | 一种电梯提示停车位方法、电梯及存储装置 |
CN111523454A (zh) * | 2020-04-22 | 2020-08-11 | 华东师范大学 | 一种基于样本扩充和点集匹配的部分人脸识别方法 |
CN112270785A (zh) * | 2020-09-25 | 2021-01-26 | 浙江尼普顿科技股份有限公司 | 一种基于高清人脸识别的智能门禁控制方法及装置 |
CN112633250A (zh) * | 2021-01-05 | 2021-04-09 | 北京经纬信息技术有限公司 | 一种人脸识别检测实验方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103679159B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679159A (zh) | 人脸识别方法 | |
CN108009528B (zh) | 基于Triplet Loss的人脸认证方法、装置、计算机设备和存储介质 | |
US9361507B1 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
WO2016127734A1 (zh) | 指纹识别方法和装置 | |
JP3954484B2 (ja) | 画像処理装置およびプログラム | |
US10423848B2 (en) | Method, system, and computer-readable recording medium for long-distance person identification | |
US9740934B2 (en) | Image recognition device and method for registering feature data in image recognition device | |
WO2019071664A1 (zh) | 结合深度信息的人脸识别方法、装置及存储介质 | |
WO2015165365A1 (zh) | 一种人脸识别方法及系统 | |
KR101130817B1 (ko) | 얼굴 인식 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
KR101632912B1 (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
EP1374144A1 (en) | Non-contact type human iris recognition method by correction of rotated iris image | |
WO2019200872A1 (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN111931548B (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
Wang et al. | Study of hand-dorsa vein recognition | |
CN106991448A (zh) | 一种人像比对处理方法 | |
Si et al. | Detecting fingerprint distortion from a single image | |
JP6128910B2 (ja) | 学習装置、学習方法及びプログラム | |
WO2019062588A1 (zh) | 信息识别方法、装置及电子设备 | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
Li et al. | A novel approach used for measuring fingerprint orientation of arch fingerprint | |
CN111126102A (zh) | 人员搜索方法、装置及图像处理设备 | |
CN111476070A (zh) | 图像处理方法、装置、电子设备以及计算机可读存储介质 | |
US10915772B2 (en) | Apparatus and method for registering face pose for face recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |