CN104573641A - 一种光照变化条件下的人脸识别方法 - Google Patents
一种光照变化条件下的人脸识别方法 Download PDFInfo
- Publication number
- CN104573641A CN104573641A CN201410828855.3A CN201410828855A CN104573641A CN 104573641 A CN104573641 A CN 104573641A CN 201410828855 A CN201410828855 A CN 201410828855A CN 104573641 A CN104573641 A CN 104573641A
- Authority
- CN
- China
- Prior art keywords
- under
- training
- illumination condition
- facial image
- 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.)
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种光照变化条件下的人脸识别方法,步骤一:训练得到一个神经网络;步骤二:此人在目标光照条件下的虚拟人脸图像;步骤三:得到每个人在目标光照条件下的模拟图像,建立N个神经网络;步骤四:得到每个人在所有目标光照条件下的模拟人脸图像;步骤五:建立了包括真实人脸图像和模拟人脸图像的训练人脸库;步骤六:将待测试图像与训练库中相应光昭条件下的图像进行匹配。本发明提供的一种光照变化条件下的人脸识别方法,通过对径向基函数网络在单幅图像集上的训练,模拟出每个人在其余视角情况下的特征脸特征,在一定程度上实现了识别进的视角不变性,并可获得良好的识别效果。
Description
技术领域
本发明涉及一种光照变化条件下的人脸识别方法,属于人脸识别技术领域。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
在光照变化情况下,最好使待识别图像和训练图像对应于相同的光照条件,得到的识别结果才具有较高的可信度。但在实际应用中这个条件往往不一定得到满足,因此考虑通过模拟虚拟光照条件下的人脸图像来解决这个问题。为避免建立复杂的反射模型,将利用神经网络来产生虚拟光照条件下的图像。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种光照变化条件下的人脸识别方法。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种光照变化条件下的人脸识别方法,包括如下步骤:
步骤一:以一个光照条件下N中个人的人脸图像作为输入,以与各图像分别对应的另一个目标光照条件下的人脸图像作为目标输出,训练得到一个神经网络;
步骤二:对于步骤一中训练好的神经网络,以步骤一中未参与训练的另个人的源光照条件下的人脸图像为输入,网络输入即为此人在目标光照条件下的虚拟人脸图像;
步骤三:重复步骤一、步骤二的两步,直至得到每个人在目标光照条件下的模拟图像,建立N个神经网络;
步骤四:逐次改变目标光照条件,重复步骤一至三的三步,直到得到每个人在所有目标光照条件下的模拟人脸图像;
步骤五:逐次改变源光照条件,重复步骤一至四的四步,直到得到每个人在从所有源光照条件下到所有目标光照条件下的模拟人脸图像;建立了包括真实人脸图像和模拟人脸图像的训练人脸库;
步骤六:将待测试图像与训练库中相应光昭条件下的图像进行匹配,如果训练库中不存在该条件或近似条件下的人脸图像,则需要对训练库重新训练,增加该光照条件下的人脸图像,然后进行匹配识别。
有益效果:本发明提供的一种光照变化条件下的人脸识别方法,通过对径向基函数网络在单幅图像集上的训练,模拟出每个人在其余视角情况下的特征脸特征,在一定程度上实现了识别进的视角不变性,并可获得良好的识别效果。
具体实施方式
具体的神经网络模型选用径向基函数网络。它计算简单,学习收敛速度快,避免了局部极小,具有唯一逼近的特点;由于完善的数学理论支持,它具有良好的推广能力:在逼近能力、分类能力和学习速度等方面均优于BP网络及其改进型,可通过简单的线性优化提供可靠的全局最优方案;最重要的一点,径向基函数网络在计算机视觉方面的应用已表现出它具有良好的跨视角的模拟能力。
设已有M个光照条件i1,i2,…,iM下N个人的人脸图像fijk作为训练图像,每个人有P幅图像,其中1≤i≤M,1≤j≤N,1≤k≤P,再将同一光照条件下的人脸图像归为同一组,设为Fi,其中Fi={fijk∣1≤j≤N,1≤k≤P},共有M组。
一种光照变化条件下的人脸识别方法,包括如下步骤:
步骤一:以一个光照条件下N中个人的人脸图像作为输入,以与各图像分别对应的另一个目标光照条件下的人脸图像作为目标输出,训练得到一个神经网络;
步骤二:对于步骤一中训练好的神经网络,以步骤一中未参与训练的另个人的源光照条件下的人脸图像为输入,网络输入即为此人在目标光照条件下的虚拟人脸图像;
步骤三:重复步骤一、步骤二的两步,直至得到每个人在目标光照条件下的模拟图像,建立N个神经网络;
步骤四:逐次改变目标光照条件,重复步骤一至三的三步,直到得到每个人在所有目标光照条件下的模拟人脸图像;
步骤五:逐次改变源光照条件,重复步骤一至四的四步,直到得到每个人在从所有源光照条件下到所有目标光照条件下的模拟人脸图像;建立了包括真实人脸图像和模拟人脸图像的训练人脸库;
步骤六:将待测试图像与训练库中相应光昭条件下的图像进行匹配,如果训练库中不存在该条件或近似条件下的人脸图像,则需要对训练库重新训练,增加该光照条件下的人脸图像,然后进行匹配识别。以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种光照变化条件下的人脸识别方法,包括如下步骤:
步骤一:以一个光照条件下N中个人的人脸图像作为输入,以与各图像分别对应的另一个目标光照条件下的人脸图像作为目标输出,训练得到一个神经网络;
步骤二:对于步骤一中训练好的神经网络,以步骤一中未参与训练的另个人的源光照条件下的人脸图像为输入,网络输入即为此人在目标光照条件下的虚拟人脸图像;
步骤三:重复步骤一、步骤二的两步,直至得到每个人在目标光照条件下的模拟图像,建立N个神经网络;
步骤四:逐次改变目标光照条件,重复步骤一至三的三步,直到得到每个人在所有目标光照条件下的模拟人脸图像;
步骤五:逐次改变源光照条件,重复步骤一至四的四步,直到得到每个人在从所有源光照条件下到所有目标光照条件下的模拟人脸图像;建立了包括真实人脸图像和模拟人脸图像的训练人脸库;
步骤六:将待测试图像与训练库中相应光昭条件下的图像进行匹配,如果训练库中不存在该条件或近似条件下的人脸图像,则需要对训练库重新训练,增加该光照条件下的人脸图像,然后进行匹配识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410828855.3A CN104573641A (zh) | 2014-12-26 | 2014-12-26 | 一种光照变化条件下的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410828855.3A CN104573641A (zh) | 2014-12-26 | 2014-12-26 | 一种光照变化条件下的人脸识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104573641A true CN104573641A (zh) | 2015-04-29 |
Family
ID=53089663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410828855.3A Pending CN104573641A (zh) | 2014-12-26 | 2014-12-26 | 一种光照变化条件下的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460811A (zh) * | 2018-03-09 | 2018-08-28 | 珠海方图智能科技有限公司 | 面部图像处理方法、装置及计算机设备 |
CN113743284A (zh) * | 2021-08-30 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 图像识别方法、装置、设备、相机及门禁设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722246A (zh) * | 2012-05-30 | 2012-10-10 | 南京邮电大学 | 一种基于人脸信息识别的虚拟宠物情感表达方法 |
CN102831396A (zh) * | 2012-07-23 | 2012-12-19 | 常州蓝城信息科技有限公司 | 一种计算机人脸识别方法 |
CN103207995A (zh) * | 2013-05-13 | 2013-07-17 | 苏州福丰科技有限公司 | 基于pca的3d人脸识别方法 |
-
2014
- 2014-12-26 CN CN201410828855.3A patent/CN104573641A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722246A (zh) * | 2012-05-30 | 2012-10-10 | 南京邮电大学 | 一种基于人脸信息识别的虚拟宠物情感表达方法 |
CN102831396A (zh) * | 2012-07-23 | 2012-12-19 | 常州蓝城信息科技有限公司 | 一种计算机人脸识别方法 |
CN103207995A (zh) * | 2013-05-13 | 2013-07-17 | 苏州福丰科技有限公司 | 基于pca的3d人脸识别方法 |
Non-Patent Citations (1)
Title |
---|
苏宏涛 等: "光照变化条件下的人脸识别研究", 《西北工业大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460811A (zh) * | 2018-03-09 | 2018-08-28 | 珠海方图智能科技有限公司 | 面部图像处理方法、装置及计算机设备 |
CN108460811B (zh) * | 2018-03-09 | 2022-05-06 | 珠海方图智能科技有限公司 | 面部图像处理方法、装置及计算机设备 |
CN113743284A (zh) * | 2021-08-30 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 图像识别方法、装置、设备、相机及门禁设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778604B (zh) | 基于匹配卷积神经网络的行人再识别方法 | |
CN102520796B (zh) | 一种基于逐步回归分析映射模型的视线跟踪方法 | |
US20210027048A1 (en) | Human face image classification method and apparatus, and server | |
CN108399376A (zh) | 学生课堂学习兴趣智能分析方法及系统 | |
CN104951773A (zh) | 一种实时人脸识别监视系统 | |
CN107944386B (zh) | 基于卷积神经网络的视觉场景识别方法 | |
Prates et al. | Insulator visual non-conformity detection in overhead power distribution lines using deep learning | |
CN109284737A (zh) | 一种用于智慧教室的学生行为分析和识别系统 | |
Zhang et al. | Code4d: color-depth local spatio-temporal features for human activity recognition from rgb-d videos | |
CN107292813A (zh) | 一种基于生成对抗网络的多姿态人脸生成方法 | |
CN106469302A (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN101853399B (zh) | 利用计算机视觉技术进行盲道和人行横道实时检测的方法 | |
CN105046219A (zh) | 一种人脸识别系统 | |
CN110889672A (zh) | 一种基于深度学习的学生打卡及上课状态的检测系统 | |
CN103530599A (zh) | 一种真实人脸和图片人脸的区别方法和系统 | |
CN109145717A (zh) | 一种在线学习的人脸识别方法 | |
CN102622916A (zh) | 人体穴位投影演示方法及装置 | |
CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN109325463A (zh) | 一种人脸实时跟踪方法 | |
CN106296709B (zh) | 一种基于粒子群及模糊均值聚类的细胞图像分割方法 | |
TW202141424A (zh) | 目標跟蹤方法及裝置、存儲介質 | |
CN110163567A (zh) | 基于多任务级联卷积神经网络的课堂点名系统 | |
CN109598226B (zh) | 基于Kinect彩色及深度信息在线考试作弊判断方法 | |
CN103020589A (zh) | 一种单训练样本人脸识别方法 | |
CN109064389A (zh) | 一种手绘线条画生成现实感图像的深度学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |