CN105844267A - 一种人脸面部识别算法 - Google Patents

一种人脸面部识别算法 Download PDF

Info

Publication number
CN105844267A
CN105844267A CN201610413239.0A CN201610413239A CN105844267A CN 105844267 A CN105844267 A CN 105844267A CN 201610413239 A CN201610413239 A CN 201610413239A CN 105844267 A CN105844267 A CN 105844267A
Authority
CN
China
Prior art keywords
face
image
under
state
identified
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
Application number
CN201610413239.0A
Other languages
English (en)
Inventor
张乐
何富贵
朱世鼎
李爽
王淼
徐名洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
West Anhui University
Original Assignee
West Anhui University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by West Anhui University filed Critical West Anhui University
Priority to CN201610413239.0A priority Critical patent/CN105844267A/zh
Publication of CN105844267A publication Critical patent/CN105844267A/zh
Pending legal-status Critical Current

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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Abstract

本发明公开了一种人脸面部识别算法，选择不同状态下的人脸面部图像，采用几何特征识别方法进行人脸面部识别。本发明不仅能够提高几何特征识别方法的准确度，同时还保持了几何特征识别速度快的优点。

Description

一种人脸面部识别算法
技术领域
本发明涉及人脸识别算法领域，具体是一种人脸面部识别算法。
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。一般采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进行识别。几何特征的人脸识别算法是一种常用的人脸识别方法，其利用鼻、嘴等的形状和它们之间的几何关系进行识别。几何特征的人脸识别算法识别速度快，需要的内存小，但识别率较低，其原因是因为人脸处于不同状态下，形状和几何特征是会发生变化的。
发明内容 本发明的目的是提供一种人脸面部识别算法，以解决现有技术几何特征人脸识别算法识别率低的问题。
为了达到上述目的，本发明所采用的技术方案为：
一种人脸面部识别算法，其特征在于：包括以下步骤：
（1）、首先在摄像头采集的不同状态下待识别的人脸面部图像中，找出至少两种状态下的待识别人脸面部图像；
（2）、对找出的至少两种状态下待识别人脸面部图像进行图像预处理；
（3）、然后在经过预处理后的至少两种状态下待识别人脸面部图像中，分别寻找并记录脸部轮廓、耳部轮廓、鼻部轮廓、眼睛轮廓和嘴部轮廓信息，并将至少两种状态下多个轮廓信息分别与数据库中预存的相同状态下的人脸面部图像轮廓信息进行比对，找出相同状态下至少有三组轮廓信息匹配的预存人脸面部图像，记为初匹配人脸面部图像；
（4）、接着在经过预处理后的至少两种状态下待识别人脸面部图像中，分别标记两眼最外侧之间直线距离L1，以及两眼中间与嘴部最下端之间直线距离L2，并分别计算脸部特征比率N1=L1/L2；
（5）、同样计算相同状态下各个初匹配人脸面部图像的脸部特征比率，然后分别计算相同状态下，待识别人脸面部图像脸部特征比率与初匹配人脸面部图像脸部特征比率之间差值Q，差值Q最小且对应的状态数量最多的预存人脸面部图像，即为与待识别人脸面部图像匹配的人脸面部图像，从而完成人脸识别过程。
所述的一种人脸面部识别算法，其特征在于：当为两种状态，可选择嘴部闭合、眼部睁开状态，以及嘴部闭合、眼部闭合状态。
本发明中，基于不同状态下人脸面部图像进行几何特征识别，可提高人脸识别的准确度。同时为了提高识别速度，首先采用对比轮廓的方法进行预设别，然后选取能够表征人脸面部的代表数据-脸部特征比率进行比对，不仅可提高识别效率，保持几何特征识别的传统优势，同时还能提高识别率。
具体实施方式
一种人脸面部识别算法，包括以下步骤：
（1）、首先在摄像头采集的不同状态下待识别的人脸面部图像中，找出至少两种状态下的待识别人脸面部图像；
（2）、对找出的至少两种状态下待识别人脸面部图像进行图像预处理；
（3）、然后在经过预处理后的至少两种状态下待识别人脸面部图像中，分别寻找并记录脸部轮廓、耳部轮廓、鼻部轮廓、眼睛轮廓和嘴部轮廓信息，并将至少两种状态下多个轮廓信息分别与数据库中预存的相同状态下的人脸面部图像轮廓信息进行比对，找出相同状态下至少有三组轮廓信息匹配的预存人脸面部图像，记为初匹配人脸面部图像；
（4）、接着在经过预处理后的至少两种状态下待识别人脸面部图像中，分别标记两眼最外侧之间直线距离L1，以及两眼中间与嘴部最下端之间直线距离L2，并分别计算脸部特征比率N1=L1/L2；
（5）、同样计算相同状态下各个初匹配人脸面部图像的脸部特征比率，然后分别计算相同状态下，待识别人脸面部图像脸部特征比率与初匹配人脸面部图像脸部特征比率之间差值Q，差值Q最小且对应的状态数量最多的预存人脸面部图像，即为与待识别人脸面部图像匹配的人脸面部图像，从而完成人脸识别过程。
当为两种状态，可选择嘴部闭合、眼部睁开状态，以及嘴部闭合、眼部闭合状态。也可以根据需要，选择多种不同状态下的人脸面部图像进行识别，选择的状态越多识别率越高。

Claims (2)

1.一种人脸面部识别算法，其特征在于：包括以下步骤：
（1）、首先在摄像头采集的不同状态下待识别的人脸面部图像中，找出至少两种状态下的待识别人脸面部图像；
（2）、对找出的至少两种状态下待识别人脸面部图像进行图像预处理；
（3）、然后在经过预处理后的至少两种状态下待识别人脸面部图像中，分别寻找并记录脸部轮廓、耳部轮廓、鼻部轮廓、眼睛轮廓和嘴部轮廓信息，并将至少两种状态下多个轮廓信息分别与数据库中预存的相同状态下的人脸面部图像轮廓信息进行比对，找出相同状态下至少有三组轮廓信息匹配的预存人脸面部图像，记为初匹配人脸面部图像；
（4）、接着在经过预处理后的至少两种状态下待识别人脸面部图像中，分别标记两眼最外侧之间直线距离L1，以及两眼中间与嘴部最下端之间直线距离L2，并分别计算脸部特征比率N1=L1/L2；
（5）、同样计算相同状态下各个初匹配人脸面部图像的脸部特征比率，然后分别计算相同状态下，待识别人脸面部图像脸部特征比率与初匹配人脸面部图像脸部特征比率之间差值Q，差值Q最小且对应的状态数量最多的预存人脸面部图像，即为与待识别人脸面部图像匹配的人脸面部图像，从而完成人脸识别过程。
2.根据权利要求1所述的一种人脸面部识别算法，其特征在于：当为两种状态，可选择嘴部闭合、眼部睁开状态，以及嘴部闭合、眼部闭合状态。
CN201610413239.0A 2016-06-14 2016-06-14 一种人脸面部识别算法 Pending CN105844267A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610413239.0A CN105844267A (zh) 2016-06-14 2016-06-14 一种人脸面部识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610413239.0A CN105844267A (zh) 2016-06-14 2016-06-14 一种人脸面部识别算法

Publications (1)

Publication Number Publication Date
CN105844267A true CN105844267A (zh) 2016-08-10

Family

ID=56575887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610413239.0A Pending CN105844267A (zh) 2016-06-14 2016-06-14 一种人脸面部识别算法

Country Status (1)

Country Link
CN (1) CN105844267A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025788A (zh) * 2006-02-22 2007-08-29 欧姆龙株式会社 人脸对照装置
CN101571919A (zh) * 2009-05-26 2009-11-04 重庆大学 基于光学非下采样轮廓波变换的人脸识别方法
CN102446270A (zh) * 2010-10-15 2012-05-09 汉王科技股份有限公司 基于人脸识别的监测装置及监测方法
CN102622613A (zh) * 2011-12-16 2012-08-01 彭强 一种基于双眼定位和脸型识别的发型设计方法
CN102855496A (zh) * 2012-08-24 2013-01-02 苏州大学 遮挡人脸认证方法及系统
CN103440475A (zh) * 2013-08-14 2013-12-11 北京博思廷科技有限公司 一种自动取款机使用者人脸可见性判断系统及方法
CN103514439A (zh) * 2012-06-26 2014-01-15 谷歌公司 面部识别
CN103824051A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种基于局部区域匹配的人脸搜索方法
CN104537389A (zh) * 2014-12-29 2015-04-22 生迪光电科技股份有限公司 人脸识别方法和终端设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025788A (zh) * 2006-02-22 2007-08-29 欧姆龙株式会社 人脸对照装置
CN101571919A (zh) * 2009-05-26 2009-11-04 重庆大学 基于光学非下采样轮廓波变换的人脸识别方法
CN102446270A (zh) * 2010-10-15 2012-05-09 汉王科技股份有限公司 基于人脸识别的监测装置及监测方法
CN102622613A (zh) * 2011-12-16 2012-08-01 彭强 一种基于双眼定位和脸型识别的发型设计方法
CN103514439A (zh) * 2012-06-26 2014-01-15 谷歌公司 面部识别
CN102855496A (zh) * 2012-08-24 2013-01-02 苏州大学 遮挡人脸认证方法及系统
CN103440475A (zh) * 2013-08-14 2013-12-11 北京博思廷科技有限公司 一种自动取款机使用者人脸可见性判断系统及方法
CN103824051A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种基于局部区域匹配的人脸搜索方法
CN104537389A (zh) * 2014-12-29 2015-04-22 生迪光电科技股份有限公司 人脸识别方法和终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张志芬: "小注册样本多姿态人脸识别与手势识别双模态人机交互研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN109033940B (zh) 一种图像识别方法、装置、计算设备及存储介质
CN100561503C (zh) 一种人脸眼角与嘴角定位与跟踪的方法及装置
CN102194131B (zh) 基于五官几何比例特征的快速人脸识别方法
CN103824052B (zh) 一种基于多层次语义特征的人脸特征提取方法及识别方法
Hatem et al. A survey of feature base methods for human face detection
CN105608450A (zh) 基于深度卷积神经网络的异质人脸识别方法
CN103210421A (zh) 物体检测装置及物体检测方法
CN105046227A (zh) 一种针对人像视频系统的关键帧获取方法
CN103020607B (zh) 一种人脸识别方法及装置
CN103607554A (zh) 一种基于全自动人脸无缝合成的视频合成方法
CN102971768A (zh) 姿势状态估计装置及姿势状态估计方法
CN103902958A (zh) 人脸识别的方法
CN106650574A (zh) 基于PCANet的人脸识别方法
CN110309770A (zh) 一种基于四元组损失度量学习的车辆再辨识方法
CN105160331A (zh) 一种基于隐马尔可夫模型的人脸几何特征识别方法
Wei et al. Head pose estimation using gabor eigenspace modeling
CN109299690A (zh) 一种可提高视频实时人脸识别精度的方法
CN112836566A (zh) 针对边缘设备的多任务神经网络人脸关键点检测方法
CN114270417A (zh) 能够更新注册人脸模板的人脸识别系统及方法
Huang et al. High-efficiency face detection and tracking method for numerous pedestrians through face candidate generation
CN106156739B (zh) 一种基于脸部轮廓分析的证件照耳朵检测与提取方法
Karmakar et al. Face recognition using face-autocropping and facial feature points extraction
CN105844267A (zh) 一种人脸面部识别算法
CN108009532A (zh) 基于3d成像的身份识别方法及终端
CN105160690B (zh) 一种应用于视频投影目标定位的参考点识别方法

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: 20160810