CN104268531A - 人脸特征数据获取系统 - Google Patents
人脸特征数据获取系统 Download PDFInfo
- Publication number
- CN104268531A CN104268531A CN201410518124.9A CN201410518124A CN104268531A CN 104268531 A CN104268531 A CN 104268531A CN 201410518124 A CN201410518124 A CN 201410518124A CN 104268531 A CN104268531 A CN 104268531A
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- face characteristic
- characteristic data
- acquisition system
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Abstract
本发明公开一种人脸特征数据获取系统,所述系统包括比较单元、编码单元、计算单元、校准单元和组合单元;所述比较单元获取并比较图像库中的人脸图像的各像素点及其周围像素点的灰度值;所述计算单元用于对所述灰度差值编码进行局部二值模式的计算,得到水平方向的特征向量和垂直方向的特征向量。本发明能很好地满足在线网络系统对人脸识别算法计算速度和识别精度的要求。并且,通过本发明提供的技术方案所得到的灰度差值编码更加精细,虽然计算复杂度并未提高,但识别率提高很多。
Description
技术领域
本发明涉及图像获取和处理领域,尤其涉及一种人脸特征数据获取系统。
背景技术
随着信息和网络技术的发展,人脸识别已经成为模式识别领域倍受关注的问题,是模式识别、图像处理和人工智能领域最具挑战性的研究方向之一,已被广泛应用于人机交互系统、安全验证系统、身份证件验证以及罪犯身份识别等方面。人脸识别包括三个主要技术环节,即预处理、人脸特征提取和分类器设计。所述人脸特征提取是在低维特征空间内对原高维空间的人脸模式进行描述、建模,从而提取出有利于分类的低维特征。特征提取是人脸识别的关键环节,有效的人脸特征提取系统和方法不仅使后续的分类器设计简化,而且使识别率大大提高。但是由于人脸模式的复杂性和多变性,在年龄、表情、姿态、视角和光照等条件变化下人脸图像的类内离散度远大于类间离散度,导致很难有效地提取分类特征。因此,人脸特征提取也是人脸识别的主要难点所在。
不同人的脸部识别方法不同之处在于人脸特征数据的获取方式。现有技术中,人脸特征提取和识别方法主要有基于几何特征的方法、基于统计的方法、弹性图匹配、神经网络方法和支持向量机方法等。基于离散余弦变换(简称DCT)的人脸组合特征提取方法。该方法首先利用面部器官的位置信息分割出眼睛和鼻子区域,然后采用DCT变换同时提取人脸图像的整体信息和脸部重要器官,包括眼和鼻的信息来描述人脸模式。据研究显示,该方法优于传统的主元分析法(简称PCA)和DCT方法,并且对分类度量相对不敏感。此外,相比于PCA方法,组合特征方法具有更好的卜算性能;并且数据库容量越大,这种优势越明显。但上述方法的计算量大,难度高,耗时长,对硬件设备要求高,耗费大量的人力和物力资源。
发明内容
本发明克服了现有技术的不足,提供一种能更快速、更有效的人脸特征数据获取系统,缩短了处理时间,图像的实时性更好。
本发明人脸特征数据获取系统,包括比较单元、编码单元、计算单元、校准单元和组合单元。
1)比较单元
获取并比较图像库中的人脸图像的各像素点及其周围像素点的灰度值;
2)编码单元
对所述灰度差值进行概率密度统计,获取所述灰度差值的累计概率分布,并根据所述灰度差值的累计概率分布及特征向量编码位数要求对所述灰度差值进行编码;
3)计算单元
用于对所述灰度差值编码进行局部二值模式的计算,得到水平方向的特征向量和垂直方向的特征向量;
4)校准单元
对上述特征向量进行校正,以减少系统误差;
5)组合单元
将所述特征向量组合,用于表征所述人脸图像的人脸特征。
所述比较单元包括图像采集装置、图像处理装置和图像分析装置。
所述图像采集装置采用摄像机或扫描仪。
所述校准单元包括缩放模块、计算模块和校准模块。
所述缩放模块用于缩放第一图像和第二图像,以获得相应的第一缩放图像和第二缩放图像。
所述计算模块用于计算介于该第一缩放图像与该第二缩放图像间的第一偏移量,自该第一缩放图像与该第二缩放图像中分别选取第一特征区域与第二特征区域,计算介于该第一图像中的第一子区域与该第二图像中的第二子区域间的第二偏移量,该第一子区域与该第二子区域分别对应于该第一特征区域与该第二特征区域,且根据该比例、该第一偏移量与该第二偏移量计算一最终偏移量。
所述校准模块用于该最终偏移量校准该第一图像与该第二图像。
所述组合单元用于将第一特征向量、第二特征向量相组合来形成第一人脸特征向量。
所述人脸特征数据获取系统还包括存储单元。
所述存储单元用于将第一人脸特征向量存储于固定或移动存储设备。
与现有人脸特征数据获取技术相比,本发明的有益效果体现在:通过对人脸特征数据的灰度差值进行编码,结合并利用二值模式计算的快速性和高效性,能够更快速而有效的提取人脸特征信息,在没有增加硬件成本的情况下,运行速度没有降低,识别率却有很大的提高,且其中运用预处理算法,使得对图像采集环境的要求降低。通过校准单元的处理,有效减少了系统误差,提高了所获取人脸特征数据的精确度。本发明能很好地满足在线网络系统对人脸识别算法计算速度和识别精度的要求。并且,通过本发明提供的技术方案所得到的灰度差值编码更加精细,但计算复杂度并未提高,但识别率提高很多。
附图说明
图1为本发明实施例1结构示意图。
图2为本发明实施例2结构示意图。
具体实施方式
下面结合具体实施例及附图对本发明做进一步详细说明,请一并参阅附图1~2。
实施例1:
作为一种实施方式,一种人脸特征数据获取系统,包括比较单元、编码单元、计算单元、校准单元和组合单元,请参阅附图1。
1)比较单元U1
获取并比较图像库中的人脸图像的各像素点及其周围像素点的灰度值;
2)编码单元U2
对所述灰度差值进行概率密度统计,获取所述灰度差值的累计概率分布,并根据所述灰度差值的累计概率分布及特征向量编码位数要求对所述灰度差值进行编码;
3)计算单元U3
用于对所述灰度差值编码进行局部二值模式的计算,得到水平方向的特征向量和垂直方向的特征向量;
4)校准单元U4
对上述特征向量进行校正,以减少系统误差;
5)组合单元U5
将所述特征向量组合,用于表征所述人脸图像的人脸特征。
其中,所述比较单元包括图像采集装置、图像处理装置和图像分析装置。
作为优选,所述图像采集装置采用摄像机或扫描仪,包括但不仅限于三维深度摄像机或三维扫描仪或其他的红外线识别技术设备。
所述校准单元包括缩放模块、计算模块和校准模块。其中,所述缩放模块用于缩放第一图像和第二图像,以获得相应的第一缩放图像和第二缩放图像。所述计算模块用于计算介于该第一缩放图像与该第二缩放图像间的第一偏移量,自该第一缩放图像与该第二缩放图像中分别选取第一特征区域与第二特征区域,计算介于该第一图像中的第一子区域与该第二图像中的第二子区域间的第二偏移量,该第一子区域与该第二子区域分别对应于该第一特征区域与该第二特征区域,且根据该比例、该第一偏移量与该第二偏移量计算一最终偏移量。
所述校准模块用于该最终偏移量校准该第一图像与该第二图像。所述校准单元包含图像缩放模块、图像计算模块以及图像校准模块。通过输入接口的自相机感测模块、存储器单元或其它图像来源接收图像输入。
图像缩放模块用以改变输入图像的尺寸或解析度,例如缩小尺寸、放大尺寸、减少取样或增加取样等。在此实施例中,图像缩放模块用以根据预定比例来缩小图像。通过接收原始图像与缩小后的图像,并且执行适当程序以获得图像的特征图像,此特征图像表示特定特征,例如边缘、对比、亮度等。该模块随后可执行边缘检测以获得图像中的物件的边缘信息,或者可执行斑点检测以达到相似的目的。
随后,缩小后的图像或部分图像会被传送至计算模块,以获得两对应图像间的偏移量,例如3D图像中的右眼图像与左眼图像、视频文件中的前后图像帧等。计算模块可通过特征映射比对两图像,以获得两图像之间的距离偏移量、转动偏移量或角度偏移量。图像缩放模块、计算模块与图像校准模块可通过软件、硬件或其组合来实现,也可通过图像信号处理器来实现。
所述组合单元用于将第一特征向量、第二特征向量相组合来形成第一人脸特征向量。
通过对人脸特征数据的灰度差值进行编码,结合并利用二值模式计算的快速性和高效性,能够更快速而有效的提取人脸特征信息,在没有增加硬件成本的情况下,运行速度没有降低,识别率却有很大的提高,且其中运用预处理算法,使得对图像采集环境的要求降低。通过校准单元的处理,有效减少了系统误差,提高了所获取人脸特征数据的精确度。本发明能很好地满足在线网络系统对人脸识别算法计算速度和识别精度的要求。并且,通过本发明提供的技术方案所得到的灰度差值编码更加精细,但计算复杂度并未提高,但识别率提高很多。
实施例2:
作为一种改进实施方式,一种人脸特征数据获取系统,包括比较单元、编码单元、计算单元、校准单元和组合单元,还包括存储单元,为了便于理解,请参阅附图2。
1)比较单元U1’,获取并比较图像库中的人脸图像的各像素点及其周围像素点的灰度值;
2)编码单元U2’,对所述灰度差值进行概率密度统计,获取所述灰度差值的累计概率分布,并根据所述灰度差值的累计概率分布及特征向量编码位数要求对所述灰度差值进行编码;
3)计算单元U3’,用于对所述灰度差值编码进行局部二值模式的计算,得到水平方向的特征向量和垂直方向的特征向量;
4)校准单元U4’,对上述特征向量进行校正,以减少系统误差;
5)组合单元U5’,将所述特征向量组合,用于表征所述人脸图像的人脸特征;
所述系统还包括6)存储单元U6’,所述存储单元用于将第一人脸特征向量存储于固定或移动存储设备,包括但不仅限于固定存储硬盘、移动硬盘和数据U盘等。
其中,所述比较单元包括图像采集装置、图像处理装置和图像分析装置。
作为优选,所述图像采集装置采用摄像机或扫描仪,包括但不仅限于三维深度摄像机或三维扫描仪或其他的红外线识别技术设备。
所述校准单元包括缩放模块、计算模块和校准模块。
其中,所述缩放模块用于缩放第一图像和第二图像,以获得相应的第一缩放图像和第二缩放图像。
所述计算模块用于计算介于该第一缩放图像与该第二缩放图像间的第一偏移量,自该第一缩放图像与该第二缩放图像中分别选取第一特征区域与第二特征区域,计算介于该第一图像中的第一子区域与该第二图像中的第二子区域间的第二偏移量,该第一子区域与该第二子区域分别对应于该第一特征区域与该第二特征区域,且根据该比例、该第一偏移量与该第二偏移量计算一最终偏移量。
所述校准模块用于该最终偏移量校准该第一图像与该第二图像。所述校准模块的具体工作原来同上述实施例1,在此不再赘述。
所述组合单元用于将第一特征向量、第二特征向量相组合来形成第一人脸特征向量。
所述存储单元用于将第一人脸特征向量存储于固定存储设备或移动存储设备,包括但不仅限于移动硬盘、数据U盘等。
本发明人脸特征数据获取系统与现有技术相比,本发明通过对人脸特征数据的灰度差值进行编码,结合并利用二值模式计算的快速性和高效性,能够更快速而有效的提取人脸特征信息,在没有增加硬件成本的情况下,运行速度没有降低,识别率却有很大的提高,且其中运用预处理算法,使得对图像采集环境的要求降低。通过校准单元的处理,有效减少了系统误差,提高了所获取人脸特征数据的精确度。本发明能很好地满足在线网络系统对人脸识别算法计算速度和识别精度的要求。并且,通过本发明提供的技术方案所得到的灰度差值编码更加精细,但计算复杂度并未提高,但识别率提高很多。存储单元可以及时将所收集到的数据信息进行存储备份或拷贝,既可以减轻对系统设备的硬件运行压力,也可以对数据进行有效及时的保护。
以上描述仅为本发明的实施例,在不偏离本发明构思的前提下,对本发明的任何非实质性的修改和替换皆应包含在本发明的技术构思范围内。
Claims (10)
1.人脸特征数据获取系统,其特征在于,所述系统包括比较单元、编码单元、计算单元、校准单元和组合单元;
1)比较单元
获取并比较图像库中的人脸图像的各像素点及其周围像素点的灰度值;
2)编码单元
对所述灰度差值进行概率密度统计,获取所述灰度差值的累计概率分布,并根据所述灰度差值的累计概率分布及特征向量编码位数要求对所述灰度差值进行编码;
3)计算单元
用于对所述灰度差值编码进行局部二值模式的计算,得到水平方向的特征向量和垂直方向的特征向量;
4)校准单元
对上述特征向量进行校正,以减少系统误差;
5)组合单元
将所述特征向量组合,用于表征所述人脸图像的人脸特征。
2.如权利要求1所述人脸特征数据获取系统,其特征在于:所述比较单元包括图像采集装置、图像处理装置和图像分析装置。
3. 如权利要求2所述人脸特征数据获取系统,其特征在于:所述图像采集装置采用摄像机或扫描仪。
4. 如权利要求1所述人脸特征数据获取系统,其特征在于:所述校准单元包括缩放模块、计算模块和校准模块。
5. 如权利要求4所述人脸特征数据获取系统,其特征在于:所述缩放模块用于缩放第一图像和第二图像,以获得相应的第一缩放图像和第二缩放图像。
6. 如权利要求4所述人脸特征数据获取系统,其特征在于:所述计算模块用于计算介于该第一缩放图像与该第二缩放图像间的第一偏移量,自该第一缩放图像与该第二缩放图像中分别选取第一特征区域与第二特征区域,计算介于该第一图像中的第一子区域与该第二图像中的第二子区域间的第二偏移量,该第一子区域与该第二子区域分别对应于该第一特征区域与该第二特征区域,且根据该比例、该第一偏移量与该第二偏移量计算一最终偏移量。
7. 如权利要求4所述人脸特征数据获取系统,其特征在于:所述校准模块用于该最终偏移量校准该第一图像与该第二图像。
8. 如权利要求1所述人脸特征数据获取系统,其特征在于:所述组合单元用于将第一特征向量、第二特征向量相组合来形成第一人脸特征向量。
9. 如权利要求1~8中任一项所述人脸特征数据获取系统,其特征在于:还包括存储单元。
10. 如权利要求9所述人脸特征数据获取系统,其特征在于:所述存储单元用于将第一人脸特征向量存储于固定或移动存储设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410518124.9A CN104268531A (zh) | 2014-09-30 | 2014-09-30 | 人脸特征数据获取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410518124.9A CN104268531A (zh) | 2014-09-30 | 2014-09-30 | 人脸特征数据获取系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104268531A true CN104268531A (zh) | 2015-01-07 |
Family
ID=52160051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410518124.9A Pending CN104268531A (zh) | 2014-09-30 | 2014-09-30 | 人脸特征数据获取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268531A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372643A (zh) * | 2015-07-20 | 2017-02-01 | 北京大学 | 一种图像特征的提取方法及设备 |
CN111259806A (zh) * | 2020-01-16 | 2020-06-09 | 广州杰赛科技股份有限公司 | 一种人脸区域识别方法、装置及存储介质 |
CN111401273A (zh) * | 2020-03-19 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 一种用于隐私保护的用户特征提取系统及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880870A (zh) * | 2012-08-31 | 2013-01-16 | 电子科技大学 | 人脸特征的提取方法及系统 |
CN103077378A (zh) * | 2012-12-24 | 2013-05-01 | 西安电子科技大学 | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 |
CN103295212A (zh) * | 2012-02-24 | 2013-09-11 | 宏达国际电子股份有限公司 | 图像校准方法及图像校准系统 |
-
2014
- 2014-09-30 CN CN201410518124.9A patent/CN104268531A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295212A (zh) * | 2012-02-24 | 2013-09-11 | 宏达国际电子股份有限公司 | 图像校准方法及图像校准系统 |
CN102880870A (zh) * | 2012-08-31 | 2013-01-16 | 电子科技大学 | 人脸特征的提取方法及系统 |
CN103077378A (zh) * | 2012-12-24 | 2013-05-01 | 西安电子科技大学 | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372643A (zh) * | 2015-07-20 | 2017-02-01 | 北京大学 | 一种图像特征的提取方法及设备 |
CN106372643B (zh) * | 2015-07-20 | 2019-08-30 | 北京大学 | 一种图像特征的提取方法及设备 |
CN111259806A (zh) * | 2020-01-16 | 2020-06-09 | 广州杰赛科技股份有限公司 | 一种人脸区域识别方法、装置及存储介质 |
CN111259806B (zh) * | 2020-01-16 | 2023-11-14 | 广州杰赛科技股份有限公司 | 一种人脸区域识别方法、装置及存储介质 |
CN111401273A (zh) * | 2020-03-19 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 一种用于隐私保护的用户特征提取系统及设备 |
CN111401273B (zh) * | 2020-03-19 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 一种用于隐私保护的用户特征提取系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9858472B2 (en) | Three-dimensional facial recognition method and system | |
US9449432B2 (en) | System and method for identifying faces in unconstrained media | |
Kusakunniran et al. | A new view-invariant feature for cross-view gait recognition | |
CN110852182B (zh) | 一种基于三维空间时序建模的深度视频人体行为识别方法 | |
CN112052831B (zh) | 人脸检测的方法、装置和计算机存储介质 | |
Sang et al. | Pose-invariant face recognition via RGB-D images | |
CN114066987B (zh) | 一种相机位姿估计方法、装置、设备及存储介质 | |
CN104268531A (zh) | 人脸特征数据获取系统 | |
Ming | Hand fine-motion recognition based on 3D Mesh MoSIFT feature descriptor | |
Ming et al. | A unified 3D face authentication framework based on robust local mesh SIFT feature | |
Huang et al. | Multi‐class obstacle detection and classification using stereovision and improved active contour models | |
CN110555406B (zh) | 一种基于Haar-like特征及CNN匹配的视频运动目标识别方法 | |
Muthukumar et al. | Vision based hand gesture recognition for Indian sign languages using local binary patterns with support vector machine classifier | |
CN102663369A (zh) | 基于surf高效匹配核的人体运动跟踪方法 | |
Tran et al. | An effective fusion scheme of spatio-temporal features for human action recognition in RGB-D video | |
Pflug et al. | Segmentation and normalization of human ears using cascaded pose regression | |
Wang et al. | Layout and perspective distortion independent recognition of captured chinese document image | |
Paul et al. | Automatic adaptive facial feature extraction using CDF analysis | |
Paul et al. | Extraction of facial feature points using cumulative distribution function by varying single threshold group | |
Petříček et al. | Area-weighted surface normals for 3D object recognition | |
Han et al. | Effective search space reduction for human pose estimation with Viterbi recurrence algorithm | |
Dai et al. | Research on recognition of painted faces | |
Chong et al. | Range image derivatives for GRCM on 2.5 D face recognition | |
Abdulov et al. | Is face 3D or 2D on stereo images? | |
EP4287123A1 (en) | Method of estimating a three-dimensional position of an object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150107 |
|
WD01 | Invention patent application deemed withdrawn after publication |