CN105095829B - 一种人脸识别方法及系统 - Google Patents
一种人脸识别方法及系统 Download PDFInfo
- Publication number
- CN105095829B CN105095829B CN201410180720.0A CN201410180720A CN105095829B CN 105095829 B CN105095829 B CN 105095829B CN 201410180720 A CN201410180720 A CN 201410180720A CN 105095829 B CN105095829 B CN 105095829B
- Authority
- CN
- China
- Prior art keywords
- facial image
- image
- face
- extracted
- shelter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001815 facial effect Effects 0.000 claims abstract description 460
- 230000000903 blocking effect Effects 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 43
- 239000000284 extract Substances 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 2
- 210000001508 eye Anatomy 0.000 description 25
- 238000010586 diagram Methods 0.000 description 12
- 210000000214 mouth Anatomy 0.000 description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 210000001331 nose Anatomy 0.000 description 3
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种人脸识别方法及系统，该方法包括：在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮挡物图像，判断在人脸图像库中是否存在匹配参考人脸图像，若存在，则人脸识别成功，若否，则人脸识别失败，其中，在匹配参考人脸图像中添加了提取出的遮挡物图像后提取出的参考人脸特征与待识别人脸特征匹配。通过本发明实施例中的人脸识别方法实现了对人脸上存在遮挡物的人脸图像进行准确的识别，提高了人脸识别的精确性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸识别方法及系统。
背景技术
人脸识别技术已经被广泛应用到视频监控、考勤记录、门禁等场合，在视频监控等非主动配合的场景下，如图1所示为现有技术中的人脸识别的流程图，在进人脸识别之前首先需要建立人脸图像库，然后将人脸图像库中的每张人脸图像进行人脸特征提取，基于提取得到的各个人脸特征建立人脸特征库。后续在进行人脸识别时，每次采集到人脸图像之后，在采集到的人脸图像中进行人脸特征提取，并将在采集到的人脸图像中提取的人脸特征在建立的人脸特征库中进行匹配，从而得到人脸识别结果。
但是，当前的人脸识别技术容易受到光线、姿态、表情、遮挡等因素影响，因此，当前的人脸识别技术中存在对人脸上有遮挡物的人脸图像进行识别的精确度较低，甚至是无法识别的问题。
发明内容
本发明实施例提供了一种人脸识别方法及系统，用以解决存在遮挡物的人脸图像识别精确度较低，甚至是无法识别存在遮挡物的人脸图像的问题。
其具体的技术方案如下：
本发明实施例第一方面提供了一种人脸识别方法，包括：
在采集到的人脸图像中提取出待识别人脸特征，并根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
在采集到的人脸图像中存在遮挡物时，在存在遮挡物的所述人脸图像中提取出遮挡物图像；
判断在人脸图像库中是否存在匹配参考人脸图像，其中在所述匹配参考人脸图像中添加了提取出的遮挡物图像后，在添加了所述遮挡物图像的匹配参考人脸图像中提取出的参考人脸特征与所述待识别人脸特征匹配；
在判断结果为是时，则人脸识别成功；否则
人脸识别失败。
结合第一方面，在第一种可能的实现方式中，根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物，包括：
调取保存有人脸特征与遮挡物类别之间的对应关系的数据库；
将所述待识别人脸特征与所述数据库中的人脸特征进行匹配，根据匹配结果确定采集到的人脸图像中是否存在遮挡人脸的遮挡物。
结合第一方面，在第二种可能的实现方式中，在存在遮挡物的所述人脸图像中提取出遮挡物图像，包括：
对采集到的人脸图像进行归一化处理，以使采集到的人脸图像中人脸关键部位与人脸图像库中参考人脸图像中的人脸关键部位重叠；
在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像，包括：
获取经过归一化处理后的所述人脸图像中用以标识所述遮挡物的边缘的标识点；
将获取的标识点所围成的区域确定为所述遮挡物图像，并
提取确定出的所述遮挡物图像。
结合第一方面，在第四种可能的实现方式中，判断在人脸图像库中是否存在匹配参考人脸图像，包括：
在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至所述当前参考人脸图像中；
在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征；
判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配；
若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；
若不匹配，判断所述人脸图像库中是否还存在未提取出的参考人脸图像；
若存在，则提取下一张参考人脸图像作为当前参考人脸图像，并返回继续执行在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至当前参考人脸图像中的操作：
若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
结合第一方面，在第五种可能的实现方式中，判断在人脸图像库中是否存在匹配参考人脸图像，包括：
将提取出的所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中；
提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像；
在提取出的所述当前参考人脸图像中提取出参考人脸特征；
判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配；
若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；
若不匹配，判断所述人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确定在所述人脸图像库中不存在匹配参考人脸图像。
结合第一方面中的第四种或者第五种可能的实现方式，在第六种可能的实现方式中，将提取出的遮挡物图像添加到参考人脸图像中，包括：
确定所述遮挡物图像在采集到的人脸图像中所遮挡的人脸关键部位；
对所述遮挡物图像按照预设缩放比例进行缩放处理；
将经过缩放处理后的遮挡物图像添加至所述参考人脸图像中遮挡所述人脸关键部位的位置。
结合第一方面中的第六种可能的实现方式，在第七种可能的实现方式中，对所述遮挡物图像按照预设缩放比例进行缩放处理，包括：
获取所述参考人脸图像中两个眼睛中心点之间的参考间距；
获取采集到的人脸图像中两个眼睛中心点之间的实际间距；
将所述参考间距与所述实际间距之间的比例确定所述预设缩放比例。
本发明实施例第二方面提供了一种人脸识别系统，包括：
检测模块，用于在采集到的人脸图像中提取出待识别人脸特征，并根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
特征提取模块，用于在采集到的人脸图像中存在遮挡物时，在存在遮挡物的所述人脸图像中提取出遮挡物图像；
处理模块，用于判断在人脸图像库中是否存在匹配参考人脸图像，在判断结果为是时，则人脸识别成功，否则人脸识别失败；其中在所述匹配参考人脸图像中添加了提取出的遮挡物图像后，在添加了所述遮挡物图像的匹配参考人脸图像中提取出的参考人脸特征与所述待识别人脸特征匹配。
结合第二方面，在第一种可能的实现方式中，检测模块包括：
调取单元，用于调取保存有人脸特征与遮挡物类别之间的对应关系的数据库；
匹配单元，用于将所述待识别人脸特征与所述数据库中的人脸特征进行匹配，根据匹配结果确定采集到的人脸图像中是否存在遮挡人脸的遮挡物。
结合第二方面，在第二种可能的实现方式中，所述特征提取模块，包括：
图像处理单元，用于对采集到的人脸图像进行归一化处理，以使采集到的人脸图像中人脸关键部位与人脸图像库中参考人脸图像中的人脸关键部位重叠；
提取单元，用于在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像。
结合第二方面中的第二种可能的实现方式，在第三种可能的实现方式中，所述提取单元，包括：
标识点获取模块，用于获取经过归一化处理后的所述人脸图像中用以标识所述遮挡物的边缘的标识点；
图像获取模块，用于将获取的标识点所围成的区域确定为所述遮挡物图像，并提取确定出的所述遮挡物图像。
结合第二方面，在第四种可能的实现方式中，所述处理模块，具体用于在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至所述当前参考人脸图像中，在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征，判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断所述人脸图像库中是否还存在未提取出的参考人脸图像，若存在，则提取下一张参考人脸图像作为当前参考人脸图像，并返回继续执行在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至当前参考人脸图像中的操，若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
结合第二方面，在第五种可能的实现方式中，所述处理模块，具体用于将提取出的所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中，提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像，在提取出的所述当前参考人脸图像中提取出参考人脸特征，判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断所述人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确定在所述人脸图像库中不存在匹配参考人脸图像。
结合第二方面中的第四种或者第五种可能的实现方式，在第六种可能的实现方式中，所述处理模块，还用于确定所述遮挡物图像在采集到的人脸图像中所遮挡的人脸关键部位，对所述遮挡物图像按照预设缩放比例进行缩放处理，将经过缩放处理后的遮挡物图像添加至所述参考人脸图像中遮挡所述人脸关键部位的位置。
结合第二方面中的第六种可能的实现方式，在第七种可能的实现方式中，所述处理模块，具体用于获取所述参考人脸图像中两个眼睛中心点之间的参考间距，获取采集到的人脸图像中两个眼睛中心点之间的实际间距，将所述参考间距与所述实际间距之间的比例确定所述预设缩放比例。
本发明实施例提供了一种人脸识别方法，该方法包括：在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮挡物图像，判断在人脸图像库中是否存在匹配参考人脸图像，若存在，则人脸识别成功，若否，则人脸识别失败，其中，在匹配参考人脸图像中添加了提取出的遮挡物图像后提取出的参考人脸特征与待识别人脸特征匹配。通过本发明实施例中的人脸识别方法实现了对人脸上存在遮挡物的人脸图像进行准确的识别，提高了人脸识别的精确性。
附图说明
图1为现有技术中人脸识别的流程示意图；
图2为本发明实施例中一种人脸识别方法的流程图；
图3为本发明实施例中人脸图像中遮挡物的标识示意图；
图4为本发明实施例中包含标识点的人脸图像示意图之一；
图5为本发明实施例中包含标识点的人脸图像示意图之二；
图6为本发明实施例中包含标识点的人脸图像示意图之三；
图7为本发明实施例中一种人脸识别方式的流程图；
图8为本发明实施例中另一种人脸识别方式的流程图；
图9为本发明实施例中一种人脸识别系统的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明。
本发明实施例为了解决在存在遮挡物的人脸图像识别的精确度较低，甚至是无法识别存在遮挡物的人脸图像的问题，提供了一种人脸识别方法，该方法包括：在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮挡物图像，判断在人脸图像库中是否存在匹配参考人脸图像，若存在，则人脸识别成功，若否，则人脸识别失败，其中，在匹配参考人脸图像中添加了提取出的遮挡物图像后提取出的参考人脸特征与待识别人脸特征匹配。通过本发明实施例中的人脸识别方法实现了对人脸上存在遮挡物的人脸图像进行准确的识别，提高了人脸识别的精确性。
下面通过附图以及具体实施例对本发明技术方案做详细的说明。
如图2所示为本发明实施例中一种人脸识别方法的流程图，该方法包括：
S201，在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
在采集到人脸图像之后，首先对人脸图像进行特征提取，在本发明实施例中通过定位特征算子(Local Binary Pattern，简称：LBP)进行特征提取，具体提取人脸特征的方法在此就不再详述。
在提取出采集到的人脸图像中的待识别人脸特征之后，将待识别人脸特征输入至人脸识别系统中的分类器，通过该分类器就能够确定出采集到的人脸图像中是否存在遮挡人脸的遮挡物，在本发明实施例中可以通过如下的方法来实现对采集到的人脸图像进行遮挡物的检测：
在人脸识别系统中建立一个数据库，在该数据库中包含无遮挡的人脸图像以及在人脸上存在遮挡物的人脸图像，存在遮挡物的人脸图像可以是佩戴墨镜的人脸图像、佩戴口罩的人脸图像、佩戴黑框眼镜的人脸图像等。
然后对数据库中的人脸图像进行分类，将无遮挡的人脸图像的类别确定为-1，佩戴墨镜的人脸图像的类别确定为1，佩戴口罩的人脸图像的类别确定为2，佩戴黑框眼镜的人脸图像的类别确定为3等等，并且每个类别还对应存在遮挡物的人脸图像对应的人脸特征，即：类别1对应佩戴墨镜的人脸图像的人脸特征。在可能的情况下，数据库中的样本越丰富越好，也就是说在数据库中可以尽可能的添加各种存在不同遮挡物的人脸图像，这样使得后续可以更加准确的对存在遮挡物的人脸图像进行分类。
在数据库中对每种存在遮挡物的人脸图像进行标类之后，提取数据库中每一标类下的每一张人脸图像的人脸特征，这然后将提取出的人脸特征以及人脸特征对应的标类输入到支持向量机(Support Vector Machine简称：SVM)中，在SVM中就可以建立人脸特征与类别以及类别与遮挡物之间的对应关系，最后通过SVM对人脸特征的学习训练就可以得到一个用于检测人脸图像中是否存在遮挡物的分类器。
在生成分类器之后，人脸识别系统就可以实现对采集到的人脸图像进行遮挡物的检测，并且对存在遮挡物的人脸图像进行分类。
具体来讲，当采集到人脸图像之后，首先通过LBP特征提取方法提取出采集到的人脸图像中的待识别人脸特征，然后将提取出的待识别人脸特征输入到生成的分类器中，分类器根据输入的待识别人脸特征确定出该待识别人脸特征对应的类别，然后根据确定出的类别最终确定出采集到的人脸图像中是否存在有遮挡物，在存在遮挡物时，进一步确定是哪一类的遮挡物。
S202，在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮挡物图像；
若是分类器确定出采集到的人脸图像中存在遮挡物时，则按照如下的流程来提取出人脸图像中的遮挡物图像：
步骤1，在采集到的人脸图像中确定出遮挡物边缘的标识点；
在分类器检测到采集到的人脸图像中确定出存在遮挡物时，对采集到的人脸图像进行标识点检测，这里的标识点检测的方法可以使用主动形状模型(Active Shape Model，简称ASM)或者是监督梯度下降法(Supervised Descent Method，简称SDM)，在本发明实施例中采用的是SDM，比如说如图3所示，在图3所示的人脸图像中存在墨镜，通过SDM处理方法，将墨镜边缘通过标识点进行标识，从而生成一个遮挡物边缘检测模型，当存在遮挡物的人脸图像输入时，就可以通过遮挡物边缘检测模型直接确定出遮挡物边缘的标识点。
步骤2，根据遮挡物边缘的标识点，在采集到的人脸图像中提取出遮挡物图像；
基于在步骤1中得到了遮挡物检测模型之后，在人脸识别系统采集到存遮挡物的人脸图像输入时，人脸识别系统将根据SDM方法得到采集到人脸图像中遮挡物边缘的标识点，将标识点所围成的区域确定为遮挡物所占用的区域，然后将遮挡物所占用的区域确定为遮挡物图像，最后提取出人脸图像中的遮挡物图像。
S203，判断在人脸图像库中是否存在匹配参考人脸图像，其中，匹配参考人脸图像中添加了提取出的遮挡物图像后提取出的参考人脸特征与待识别人脸特征匹配，若判断结果为是时，进入S204，否则，进入S205；
S204，人脸识别成功；
S205，人脸识别失败。
在将遮挡物图像添加到人脸图像库中的参考人脸图像中之前，还需要对遮挡物图像进行缩放处理，该缩放需要得到遮挡物图像的缩放比例，缩放比例可以通过如下的方式得到：
通过SDM方法创建一个在人脸的关键部位上都标识了标识点的人脸图像模型，即：在人脸图像中通过标识点来标注出人脸关键部位，比如说人脸上的眉毛、眼睛、鼻子、嘴唇等关键部位都通过标识点进行标注。如图4所示为参考人脸图像中各个关键部位的标识点，在图4所示的人脸图像中的一只眼睛的标识点包括了：10～17这八个标识点，另一只眼睛的标识点包括了18～25这八个标识点，鼻子上包括的标识点为：26～31，其中，标识点28为鼻尖的标识点，嘴上的标识点包含了：32～42这12个标识点，其中32和38为嘴角的标识点。
通过SDM方法创建的人脸图像模型，就可以得到采集到的人脸图像中的人脸关键部位的标识点，在得到采集到的人脸图像中的标识点之后，确定左右眼的上的标识点在人脸图像中的坐标，根据左眼上的标识点的坐标的平均值得到左眼中心点的坐标，根据右眼上的标识点的坐标的平均值得到右眼中心点的坐标，如图5所示，在图5中标识点01为左眼中心点，标识点02为右眼中心点。
在确定出人脸上左右眼的中心点的坐标之后，左右眼中心点之间的实际距离L1(如图5所示)，并且获取左眼中心点与墨镜下边缘之间的垂直距离S1。
同样的通过SDM方法，获取人脸图像库中添加了遮挡物的参考人脸图像的标识点，然后获取参考人脸图像中的左眼中心点与右眼中心点之间的参考距离L0(如图6所示)，同时确定左眼中心点与遮挡物下边缘之间的垂直距离S0，通过如下的比例关系得到将遮挡物图像添加到参考人脸图像中时的缩放比例：
其中，l表征水平方向上的缩放比例，h表征垂直方向上的缩放比例，在得到缩放比例之后，该人脸识别系统在提取出采集到的人脸图像中的遮挡物图像之后，就按照上述的缩放比例对遮挡物图像进行缩放处理，
在得到缩放处理后的遮挡物图像之后，将按照如下的两种方式来判定是否存在匹配参考人脸图像：
第一种方式：
如图7所示为第一种方式的流程图，包括：
S701，在人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的遮挡物图像添加至当前参考人脸图像中；
具体来讲，确定采集到的人脸图像中遮挡物所遮挡的人脸关键部位，在从人脸图像库中提取出参考人脸图像之后，将经过缩放处理的遮挡物图像添加至参考人脸图像中遮挡所述人脸关键部位的位置，即：在采集到的人脸图像中遮挡物遮挡了两只眼睛，则遮挡物图像添加至参考人脸图像中时也遮挡两只眼睛，最后通过人眼中心点与遮挡物图像下边缘之间的距离来精确的确定出遮挡物图像所放置的位置。
S702，在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征；
在该步骤中使用LBP方法，在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征；
S703，判定提取出的参考人脸特征与待识别人脸特征是否匹配，若匹配，则进入S704；若不匹配，则进入S705,；
S704，将当前参考人脸图像确定出人脸图像库中的存在的匹配参考人脸图像；
S705，判断人脸图像库中是否还存在未提取出的参考人脸图像，若存在，则进入S701；若不存在，则进入S706；
S706，确定在人脸图像库中不存在匹配参考人脸图像。
简单来讲，在图7所示的方式中，先在提取人脸图像库中提取出一张参考人脸图像，在参考人脸图像中添加遮挡物图像，然后在添加了遮挡物图像的参考人脸图像中提取出参考人脸特征，最后将参考人脸特征与待识别人脸特征进行匹配，若是此次匹配成功，则得到识别结果，并结束识别流程；若是此次失败，则再次提取出一张参考人脸图像继续执行匹配操作，并按此循环执行。
第二种方式：
如图8所示为第二种方式的流程图，包括：
S801，将提取出的所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中；
具体来讲，在得到遮挡物图像之后，将该遮挡物图像添加到人脸图像库中的每一张参考人脸图像中，具体添加遮挡物的方法与第一种方式中的方法相同。
S802，提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像；
S803，在提取出的当前参考人脸图像中提取出参考人脸特征；
此处也是使用LBP方法提取出当前参考人脸图像中的参考人脸特征。
S804，判定提取出的参考人脸特征与待识别人脸特征是否匹配，若匹配，则进入到S805，若不匹配，则执行S806。
S805，将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；
S806，判断人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回执行S802，若不存在，在执行S807；
S807，确定在人脸图像库中不存在匹配参考人脸图像。
在第二种方式中是将遮挡物图像添加到人脸图像库中的每一张参考人脸图像中，然后在添加了遮挡物图像的参考人脸图像中逐张提取出参考人脸特征与采集到的人脸图像中的人脸特征进行匹配，若是找到匹配的参考人脸图像，则人脸识别流程结束，并得到识别结果；若是人脸图像库中的添加了遮挡物的参考人脸图像都与采集到的人脸图像不匹配时，则此次人脸识别失败。
在本发明实施例中在采集到的人脸图像中存在遮挡物时，人脸识别系统可以将遮挡物从人脸图像中提取出来，并将遮挡物添加到人脸图像库中的参考人脸图像中，然后提取出采集到的人脸图像的人脸特征，以及添加了遮挡物图像的参考人脸图像的参考人脸特征，最后将采集到的人脸图像中的人脸特征与参考人脸特征进行匹配识别，最终得到人脸识别结果，这样就实现了对存在遮挡物的人脸图像的识别，提升了人脸识别系统对人脸识别的准确度。
进一步，在本发明实施例中，为了提高对存在遮挡物的人脸图像的识别精确度，在本发明实施例中对采集到的人脸图像进行标识点检测之后，对采集到的人脸图像进行归一化处理，对人脸图像进行归一化处理的目的就是将采集到的人脸图像中的关键部位与人脸图像库中的参考人脸图像中的关键部位对齐。简单来讲，就是将采集到的人脸图像中的眼睛、鼻子、嘴巴等关键部位分别与参考人脸图像中的眼睛、鼻子、嘴巴等关键部位对齐，这样可以使图像匹配更加准确。
要实现对采集到的人脸图像的归一化处理，就需要得到人脸图像中人脸关键部位的标识点以及仿射矩阵R：
在本发明实施例中仿射矩阵R可以通过如下的方式得到：
首先在参考人脸图像中得到5个能够较为准确的表征人脸上关键部位的标识点，具体可以通过SDM方法得到，这5个标识点分别为：两个眼睛的中心的标识点、鼻尖的标识点、两个嘴角的标识点，如图4所示，左眼的中心的标识点可以通过标识点10～17的图像坐标平均值得到，右眼的中心的标识点可以通过标识18～25的图像坐标的平均值得到，鼻尖的标识点为28、两个嘴角的标识点为32和38。将参考人脸图像的左下角作为坐标原点，这五个标识点在参考人脸图像中的坐标确定为(x′i，y′i)，其中，i＝1、2…..5。
在采集到的人脸图像中提取出能够较为准确的表征人脸上关键部位的标识点，也就是两个眼睛的中心的标识点、鼻尖的标识点、以及两个嘴角的标识点，这五个标识点也可以通过上述的SDM方法得到，将采集到的人脸图像的左下角作为坐标原点，这五个标识点在采集到的人脸图像中的坐标确定为(xi，yi)，其中，i＝1、2…..5。
在得到参考人脸图像中的五个标识点对应的坐标以及采集到的人脸图像的五个标识点之后，根据关系式(1)得到参考人脸图像中的五个标识点的图像坐标与采集到的人脸图像中的五个标识点的图像坐标之间的对应关系：
其中，r11、r12、r13、r21、r22、r23为仿射矩阵R中的6个参数，通过公式(1)变换得到公式(2)的表达式：
由于在公式(2)中的xi，yi以及x′i，y′i都是已知的量，所以通过求解公式(2)就能够仿射矩阵R中的所有位置参数r11、r12、r13、r21、r22、r23，进而得到最终的仿射矩阵R。
在得到仿射矩阵R之后，就可以通过仿射矩阵对采集到的人脸图像进行图像归一化的处理，这里需要说明的是归一化处理就是将采集到的人脸图像调整为与参考人脸图像基本重叠的人脸图像。下面通过具体的例子来说明归一化的处理效果：
例如：参考人脸图像的尺寸为100×100，将参考人脸图像的左下角作为直角坐标系的原点，则参考人脸图像中的每个标识点都可以通过坐标来表征，参考人脸图像中的左眼中心点坐标(60，40)，右眼中心点坐标(60，50)，鼻尖标识点的坐标为(40，45)，标识两个嘴角的标识点分别为(20，43)、(20，47)，这五个标识点的坐标就作为标准。
在采集到一张人脸图像之后，确定采集单的人脸图像的尺寸为40×40，然后对采集到的人脸图像进行标识点检测，从而得到采集到的人脸图像的五个标识点对应在采集到的人脸图像中的坐标，比如说该五个标识点的坐标为：左眼中心点坐标(30，13)，右眼中心点坐标(30，17)，鼻尖标识点的坐标为(15，19，)，两个嘴角标识点的坐标分别为(13，10)、(16，10)。
在获取采集到的人脸图像中的五个标识点之后，将采集到的人脸图像进行归一化处理，也就是将采集到的人脸图像的尺寸调整为100×100，并且将左眼中心点的坐标从(30，13)调整到(60，40)、右眼中心点坐标从(30，17)调整到(60，50)、鼻尖标识点的坐标从(15，19，)调整为(40，45)、两个嘴角的标识点的坐标分别从(13，10)调整到(20，43)、(16，10)调整到(20，47)，这样采集到的人脸图像与参考人脸图像能够基本重合，这样保证了体征匹配是的准确性。
当然，若是人脸图像不是图像库中的参考人脸图像，则在进行人脸识别的过程中，也需要对人脸图像库中保存的参考人脸图像进行归一化处理，这样才能够保证采集到的人脸图像与人脸图像库中的参考人脸图像基本重叠。
在对采集到的人脸图像进行归一化处理之后，再执行步骤S202以及后续的步骤，即：在归一化处理后的人脸图像中获取遮挡物图像。由于经过归一化处理的人脸图像和参考人脸图像基本重叠，因此遮挡物图像被提取出来之后能够被准确的添加到参考人脸图像中的对应位置上。
在人脸识别系统检测到采集到的人脸图像中存在遮挡物时，人脸识别系统将调取人脸图像库中保存了存在遮挡物的参考人脸图像，然后将采集到的人脸图像与存在遮挡物的参考人脸图像进行匹配，最后得到识别结果，通过此种方式进行人脸识别时，实现了对存在遮挡物的人脸图像进行准确识别，提升了人脸识别系统的人脸识别功能。
本发明实施例中还提供了一种人脸识别系统，如图9所示，该人脸识别系统，包括：
检测模块901，用于在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
特征提取模块902，用于在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮挡物图像；
处理模块903，用于判断在人脸图像库中是否存在匹配参考人脸图像，在判断结果为是时，则人脸识别成功，否则人脸识别失败；其中在匹配参考人脸图像中添加了提取出的遮挡物图像后，在添加了所述遮挡物图像的匹配参考人脸图像中提取出的参考人脸特征与待识别人脸特征匹配。
进一步，检测模块901包括：
调取单元，用于调取保存有人脸特征与遮挡物类别之间的对应关系的数据库；
匹配单元，用于将待识别人脸特征与所述数据库中的人脸特征进行匹配，根据匹配结果确定采集到的人脸图像中是否存在遮挡人脸的遮挡物。
进一步，特征提取模块902包括：
图像处理单元，用于对采集到的人脸图像进行归一化处理，以使采集到的人脸图像中人脸关键部位与人脸图像库中参考人脸图像中的人脸关键部位重叠；
提取单元，用于在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像。
进一步，在特征提取模块902中的提取单元包括：
标识点获取模块，用于获取经过归一化处理后的人脸图像中用以标识遮挡物的边缘的标识点；
图像获取模块，用于将获取的标识点所围成的区域确定为遮挡物图像，并提取确定出的遮挡物图像。
进一步，处理模块903，具体用于在人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的遮挡物图像添加至当前参考人脸图像中，在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征，判定提取出的所述参考人脸特征与待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断人脸图像库中是否还存在未提取出的参考人脸图像，若存在，则提取下一张参考人脸图像作为当前参考人脸图像，并返回继续执行在人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的遮挡物图像添加至当前参考人脸图像中的操，若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
进一步，处理模块903，具体用于将提取出的遮挡物图像分别添加到人脸图像库中的各个参考人脸图像中，提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像，在提取出的当前参考人脸图像中提取出参考人脸特征，判定提取出的参考人脸特征与待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
进一步，处理模块903，还用于确定遮挡物图像在采集到的人脸图像中所遮挡的人脸关键部位，对遮挡物图像按照预设缩放比例进行缩放处理，将经过缩放处理后的遮挡物图像添加至参考人脸图像中遮挡人脸关键部位的位置。
进一步，处理模块903，具体用于获取参考人脸图像中两个眼睛中心点之间的参考间距，获取采集到的人脸图像中两个眼睛中心点之间的实际间距，将参考间距与实际间距之间的比例确定预设缩放比例。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种人脸识别方法，其特征在于，包括：
在采集到的人脸图像中提取出待识别人脸特征，并根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
在采集到的人脸图像中存在遮挡物时，在存在遮挡物的所述人脸图像中提取出遮挡物图像；
判断在人脸图像库中是否存在匹配参考人脸图像，其中在所述匹配参考人脸图像中添加了提取出的遮挡物图像后，在添加了所述遮挡物图像的匹配参考人脸图像中提取出的参考人脸特征与所述待识别人脸特征匹配；
在判断结果为是时，则人脸识别成功；否则
人脸识别失败。
2.如权利要求1所述的方法，其特征在于，根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物，包括：
调取保存有人脸特征与遮挡物类别之间的对应关系的数据库；
将所述待识别人脸特征与所述数据库中的人脸特征进行匹配，根据匹配结果确定采集到的人脸图像中是否存在遮挡人脸的遮挡物。
3.如权利要求1所述的方法，其特征在于，在存在遮挡物的所述人脸图像中提取出遮挡物图像，包括：
对采集到的人脸图像进行归一化处理，以使采集到的人脸图像中人脸关键部位与人脸图像库中参考人脸图像中的人脸关键部位重叠；
在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像。
4.如权利要求3所述的方法，其特征在于，在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像，包括：
获取经过归一化处理后的所述人脸图像中用以标识所述遮挡物的边缘的标识点；
将获取的标识点所围成的区域确定为所述遮挡物图像，并
提取确定出的所述遮挡物图像。
5.如权利要求1所述的方法，其特征在于，判断在人脸图像库中是否存在匹配参考人脸图像，包括：
在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至所述当前参考人脸图像中；
在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征；
判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配；
若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；
若不匹配，判断所述人脸图像库中是否还存在未提取出的参考人脸图像；
若存在，则提取下一张参考人脸图像作为当前参考人脸图像，并返回继续执行在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至当前参考人脸图像中的操作：
若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
6.如权利要求1所述的方法，其特征在于，判断在人脸图像库中是否存在匹配参考人脸图像，包括：
将提取出的所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中；
提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像；
在提取出的所述当前参考人脸图像中提取出参考人脸特征；
判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配；
若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；
若不匹配，判断所述人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确定在所述人脸图像库中不存在匹配参考人脸图像。
7.如权利要求5或6所述的方法，其特征在于，将提取出的遮挡物图像添加到参考人脸图像中，包括：
确定所述遮挡物图像在采集到的人脸图像中所遮挡的人脸关键部位；
对所述遮挡物图像按照预设缩放比例进行缩放处理；
将经过缩放处理后的遮挡物图像添加至所述参考人脸图像中遮挡所述人脸关键部位的位置。
8.如权利要求7所述的方法，其特征在于，对所述遮挡物图像按照预设缩放比例进行缩放处理，包括：
获取所述参考人脸图像中两个眼睛中心点之间的参考间距；
获取采集到的人脸图像中两个眼睛中心点之间的实际间距；
将所述参考间距与所述实际间距之间的比例确定所述预设缩放比例。
9.一种人脸识别系统，其特征在于，包括：
检测模块，用于在采集到的人脸图像中提取出待识别人脸特征，并根据所述待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
特征提取模块，用于在采集到的人脸图像中存在遮挡物时，在存在遮挡物的所述人脸图像中提取出遮挡物图像；
处理模块，用于判断在人脸图像库中是否存在匹配参考人脸图像，在判断结果为是时，则人脸识别成功，否则人脸识别失败；其中在所述匹配参考人脸图像中添加了提取出的遮挡物图像后，在添加了所述遮挡物图像的匹配参考人脸图像中提取出的参考人脸特征与所述待识别人脸特征匹配。
10.如权利要求9所述的系统，其特征在于，检测模块包括：
调取单元，用于调取保存有人脸特征与遮挡物类别之间的对应关系的数据库；
匹配单元，用于将所述待识别人脸特征与所述数据库中的人脸特征进行匹配，根据匹配结果确定采集到的人脸图像中是否存在遮挡人脸的遮挡物。
11.如权利要求9所述的系统，其特征在于，所述特征提取模块，包括：
图像处理单元，用于对采集到的人脸图像进行归一化处理，以使采集到的人脸图像中人脸关键部位与人脸图像库中参考人脸图像中的人脸关键部位重叠；
提取单元，用于在经过归一化处理后的所述人脸图像中提取出所述遮挡物图像。
12.如权利要求11所述的系统，其特征在于，所述提取单元，包括：
标识点获取模块，用于获取经过归一化处理后的所述人脸图像中用以标识所述遮挡物的边缘的标识点；
图像获取模块，用于将获取的标识点所围成的区域确定为所述遮挡物图像，并提取确定出的所述遮挡物图像。
13.如权利要求9所述的系统，其特征在于，所述处理模块，具体用于在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至所述当前参考人脸图像中，在添加了遮挡物图像的当前参考人脸图像中提取出参考人脸特征，判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断所述人脸图像库中是否还存在未提取出的参考人脸图像，若存在，则提取下一张参考人脸图像作为当前参考人脸图像，并返回继续执行在所述人脸图像库中提取出一张参考人脸图像作为当前参考人脸图像，并将提取出的所述遮挡物图像添加至当前参考人脸图像中的操作，若不存在，则确定在人脸图像库中不存在匹配参考人脸图像。
14.如权利要求9所述的系统，其特征在于，所述处理模块，具体用于将提取出的所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中，提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像，在提取出的所述当前参考人脸图像中提取出参考人脸特征，判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配，若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配，判断所述人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确定在所述人脸图像库中不存在匹配参考人脸图像。
15.如权利要求13或14所述的系统，其特征在于，所述处理模块，还用于确定所述遮挡物图像在采集到的人脸图像中所遮挡的人脸关键部位，对所述遮挡物图像按照预设缩放比例进行缩放处理，将经过缩放处理后的遮挡物图像添加至所述参考人脸图像中遮挡所述人脸关键部位的位置。
16.如权利要求15所述的系统，其特征在于，所述处理模块，具体用于获取所述参考人脸图像中两个眼睛中心点之间的参考间距，获取采集到的人脸图像中两个眼睛中心点之间的实际间距，将所述参考间距与所述实际间距之间的比例确定所述预设缩放比例。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410180720.0A CN105095829B (zh) | 2014-04-29 | 2014-04-29 | 一种人脸识别方法及系统 |
| PCT/CN2015/077373 WO2015165365A1 (zh) | 2014-04-29 | 2015-04-24 | 一种人脸识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410180720.0A CN105095829B (zh) | 2014-04-29 | 2014-04-29 | 一种人脸识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105095829A CN105095829A (zh) | 2015-11-25 |
| CN105095829B true CN105095829B (zh) | 2019-02-19 |
Family
ID=54358168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410180720.0A Active CN105095829B (zh) | 2014-04-29 | 2014-04-29 | 一种人脸识别方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105095829B (zh) |
| WO (1) | WO2015165365A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215113A (zh) * | 2020-09-30 | 2021-01-12 | 张成林 | 人脸识别方法及装置 |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991360B (zh) * | 2016-01-20 | 2019-05-07 | 腾讯科技（深圳）有限公司 | 人脸识别方法及人脸识别系统 |
| CN107016370B (zh) * | 2017-04-10 | 2019-10-11 | 电子科技大学 | 一种基于数据增强的部分遮挡人脸识别方法 |
| CN107169447A (zh) * | 2017-05-12 | 2017-09-15 | 贵州中信云联科技有限公司 | 基于人脸识别的医院自助系统 |
| CN107622232B (zh) | 2017-09-08 | 2020-01-14 | Oppo广东移动通信有限公司 | 解锁控制方法及相关产品 |
| CN107657166A (zh) * | 2017-09-27 | 2018-02-02 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN107862270B (zh) * | 2017-10-31 | 2020-07-21 | 深圳云天励飞技术有限公司 | 人脸分类器训练方法、人脸检测方法及装置、电子设备 |
| CN108805046B (zh) | 2018-05-25 | 2022-11-04 | 京东方科技集团股份有限公司 | 用于面部匹配的方法、设备、装置和存储介质 |
| CN109241852B (zh) * | 2018-08-10 | 2021-01-12 | 广州杰赛科技股份有限公司 | 具有附加特征的人脸识别方法、装置、计算机设备 |
| CN111259698B (zh) * | 2018-11-30 | 2023-10-13 | 百度在线网络技术（北京）有限公司 | 用于获取图像的方法及装置 |
| US11275819B2 (en) | 2018-12-05 | 2022-03-15 | Bank Of America Corporation | Generative adversarial network training and feature extraction for biometric authentication |
| CN111428581B (zh) * | 2020-03-05 | 2023-11-21 | 平安科技（深圳）有限公司 | 人脸遮挡检测方法及系统 |
| CN113494964B (zh) * | 2020-03-20 | 2022-09-20 | 深圳云天励飞技术有限公司 | 一种人员测温方法、装置、电子设备及存储介质 |
| CN111444862A (zh) * | 2020-03-30 | 2020-07-24 | 深圳信可通讯技术有限公司 | 一种人脸识别的方法及装置 |
| CN111325191A (zh) * | 2020-04-07 | 2020-06-23 | 上海极链网络科技有限公司 | 一种人脸识别方法及系统 |
| CN111461047A (zh) * | 2020-04-10 | 2020-07-28 | 北京爱笔科技有限公司 | 身份识别的方法、装置、设备及计算机存储介质 |
| CN111310743B (zh) * | 2020-05-11 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN111626213A (zh) * | 2020-05-27 | 2020-09-04 | 北京嘀嘀无限科技发展有限公司 | 一种身份验证方法、装置、电子设备及可读存储介质 |
| CN111914629B (zh) * | 2020-06-19 | 2024-06-11 | 北京百度网讯科技有限公司 | 为人脸识别生成训练数据的方法、装置、设备和存储介质 |
| CN111914630A (zh) * | 2020-06-19 | 2020-11-10 | 北京百度网讯科技有限公司 | 为人脸识别生成训练数据的方法、装置、设备和存储介质 |
| CN111783600B (zh) * | 2020-06-24 | 2024-02-09 | 北京百度网讯科技有限公司 | 一种人脸识别模型训练方法、装置、设备及介质 |
| CN111768543A (zh) * | 2020-06-29 | 2020-10-13 | 杭州翔毅科技有限公司 | 基于人脸识别的通行管理方法、设备、存储介质及装置 |
| CN111898561B (zh) * | 2020-08-04 | 2024-07-12 | 腾讯科技（深圳）有限公司 | 一种人脸认证方法、装置、设备及介质 |
| CN111931628B (zh) * | 2020-08-04 | 2023-10-24 | 腾讯科技（深圳）有限公司 | 人脸识别模型的训练方法、装置及相关设备 |
| CN112115886A (zh) * | 2020-09-22 | 2020-12-22 | 北京市商汤科技开发有限公司 | 图像检测方法和相关装置、设备、存储介质 |
| CN112633221B (zh) * | 2020-12-30 | 2024-08-09 | 深圳市捷顺科技实业股份有限公司 | 一种人脸方向的检测方法及相关装置 |
| CN112507989A (zh) * | 2021-02-04 | 2021-03-16 | 北京远鉴信息技术有限公司 | 一种面部识别方法、装置、电子设备及可读存储介质 |
| JPWO2022201247A1 (zh) * | 2021-03-22 | 2022-09-29 | ||
| CN113705466B (zh) * | 2021-08-30 | 2024-02-09 | 浙江中正智能科技有限公司 | 用于遮挡场景、尤其高仿遮挡下的人脸五官遮挡检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
| CN102034079A (zh) * | 2009-09-24 | 2011-04-27 | 汉王科技股份有限公司 | 眼镜遮挡下的人脸识别方法和系统 |
| CN102163288A (zh) * | 2011-04-06 | 2011-08-24 | 北京中星微电子有限公司 | 眼镜检测方法和装置 |
| CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5359266B2 (ja) * | 2008-12-26 | 2013-12-04 | 富士通株式会社 | 顔認識装置、顔認識方法及び顔認識プログラム |
| KR101066097B1 (ko) * | 2010-04-05 | 2011-09-20 | 주식회사 미래인식 | 안경 착용자에 대한 오인식을 최소화한 얼굴 인식 장치 및 이를 이용한 안경 착용자에 대한 얼굴 오인식 최소화 방법 |
| CN102306304B (zh) * | 2011-03-25 | 2017-02-08 | 上海星尘电子科技有限公司 | 人脸遮挡物识别方法及其装置 |
| CN102163289B (zh) * | 2011-04-06 | 2016-08-24 | 北京中星微电子有限公司 | 人脸图像中眼镜的去除方法和装置、佩戴方法和装置 |
| CN103020579B (zh) * | 2011-09-22 | 2015-11-25 | 上海银晨智能识别科技有限公司 | 人脸识别方法及系统、人脸图像的眼镜框去除方法与装置 |
| KR101373274B1 (ko) * | 2012-11-08 | 2014-03-11 | 주식회사 크라스아이디 | 안경 제거를 통한 얼굴 인식 방법 및 상기 안경 제거를 통한 얼굴 인식 방법을 이용한 얼굴 인식 장치 |
| CN103093210B (zh) * | 2013-01-24 | 2017-02-08 | 北京天诚盛业科技有限公司 | 人脸识别中眼镜的鉴别方法及装置 |
-
2014
- 2014-04-29 CN CN201410180720.0A patent/CN105095829B/zh active Active
-
2015
- 2015-04-24 WO PCT/CN2015/077373 patent/WO2015165365A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034079A (zh) * | 2009-09-24 | 2011-04-27 | 汉王科技股份有限公司 | 眼镜遮挡下的人脸识别方法和系统 |
| CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
| CN102163288A (zh) * | 2011-04-06 | 2011-08-24 | 北京中星微电子有限公司 | 眼镜检测方法和装置 |
| CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215113A (zh) * | 2020-09-30 | 2021-01-12 | 张成林 | 人脸识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105095829A (zh) | 2015-11-25 |
| WO2015165365A1 (zh) | 2015-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105095829B (zh) | 一种人脸识别方法及系统 | |
| CN107644204B (zh) | 一种用于安防系统的人体识别与跟踪方法 | |
| CN111460962B (zh) | 一种口罩人脸识别方法及系统 | |
| CN104517104B (zh) | 一种基于监控场景下的人脸识别方法及系统 | |
| CN109145742B (zh) | 一种行人识别方法及系统 | |
| CN103902977B (zh) | 基于Gabor二值模式的人脸识别方法及装置 | |
| CN106919921B (zh) | 结合子空间学习与张量神经网络的步态识别方法及系统 | |
| CN108416336A (zh) | 一种智慧社区人脸识别的方法和系统 | |
| Gowsikhaa et al. | Suspicious Human Activity Detection from Surveillance Videos. | |
| CN107480658A (zh) | 基于多角度视频的人脸识别装置和方法 | |
| CN110263603B (zh) | 基于中心损失和残差视觉仿真网络的人脸识别方法及装置 | |
| CN105550658A (zh) | 一种基于高维lbp与卷积神经网络特征融合的人脸比对方法 | |
| CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
| CN107844742B (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
| CN102375970A (zh) | 一种基于人脸的身份认证方法和认证装置 | |
| Kusakunniran et al. | Automatic gait recognition using weighted binary pattern on video | |
| CN103473564A (zh) | 一种基于敏感区域的正面人脸检测方法 | |
| CN105320948A (zh) | 一种基于图像的性别识别方法、装置及系统 | |
| CN103390151A (zh) | 人脸检测方法及装置 | |
| CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
| CN108009574A (zh) | 一种轨道扣件检测方法 | |
| Yi et al. | Face detection method based on skin color segmentation and facial component localization | |
| CN111652019B (zh) | 一种人脸活体检测方法及装置 | |
| CN114220142A (zh) | 一种深度学习算法的人脸特征识别方法 | |
| Bozed et al. | Detection of facial expressions based on Morphological face features and Minimum Distance Classifier |
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 |