CN105912997B - 人脸识别的方法及系统 - Google Patents

Abstract

本发明公开了一种人脸识别的方法及系统，其中方法包括：在集体图片上获取人脸及对应的人脸数组；逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；比较比对值终值数组与人脸阈值，确定人脸识别通过。通过上述方式，本发明能够快速在多人图片中识别出特定人脸，适用于各种会议、学校课堂点名，准确率高，且操作方便，可大规模应用。

Description

人脸识别的方法及系统

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种人脸识别的方法及系统。

背景技术

人脸识别技术做为新兴的人体生物特征识别技术，已经广泛渗透于社会各个领域。基于摄像头以及人脸识别技术的点名、签到技术由于具有性价比高、经济、可扩展性良好的特点，也已经得到了充分的发展和利用。人们只需利用一架摄像头，其面貌就会被快速的采集和检验。

图1为现有技术中常用的人脸识别方案。用户通过视频输入接口取得人脸截图，取得人脸素材，经人脸识别运算，得出比对结果后通过通信接口及微处理单元进行输入输出。

但是基于摄像头以及人脸识别技术的点名、签到技术目前还停留于一对一的识别，即以一个人脸素材比对一个人脸摄像截图。在应用于如会议、上课、上班等多人场合上，还难以适应需求。一方面目前的多人识别技术存在误差率较大的缺陷。另一方面，如果采用传统的一对一的识别，则耗时耗力较多。

当然，多人脸识别技术的误差的存在有着难以克服的先天硬伤，比如拍照截图的摄像头覆盖角度问题，像素偏低问题，多人合拍情况下人像密集、重叠、转头，偏移等非技术性问题。

发明内容

本发明所要解决的技术问题是：针对现有技术对人脸识别的缺陷或不足，通过逐一比对素材与多人图片，获得一定辨识度的出现概率，实现成功率更高、操作性更强的人脸识别。

为了解决上述技术问题，本发明采用的技术方案为：提供一种人脸识别的方法，包括：

S1：在集体图片上获取人脸及对应的人脸数组；

S2：逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

S3：根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

S4：统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

S5：比较比对值终值数组与人脸阈值，确定人脸识别通过。

为解决上述问题，本发明还提供一种人脸识别的系统，包括：

人脸数组模块，用于在集体图片上获取人脸及对应的人脸数组；

比对模块，用于逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

数组累加分模块，用于根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

终值数组模块，用于统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

结果模块，用于比较比对值终值数组与人脸阈值，确定人脸识别通过。

本发明的有益效果在于：区别于现有技术，本发明通过在集体图片上获取人脸及对应的人脸数组；并与对象人脸素材逐一比对，获得匹配相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；统计其和后，获得比对值终值数组，最后与人脸阈值比较，确认人脸识别是否通过。通过上述方式，本发明可以快速在多人图片中识别出特定人脸，适用于各种会议、学校课堂点名、公司员工打卡，准确率高，且操作方便，可大规模应用。

附图说明

图1为现有技术中的人脸识别方案流程图；

图2为本发明方法实施例一的流程示意图；

图3为本发明系统实施例二的结构框图；

图4为本发明具体实施例中的系统简化框图；

图5为本发明具体实施例中的流程示意图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明最关键的构思在于:分别将素材与集体图片两两比对，获取对应素材的多个基准比对值多维数组，通过对多维数组降维获取累加分，并与经验值比较后，确认人脸。

请参照图2，本发明实施例一提供一种人脸识别的方法，包括：

S1：在集体图片上获取人脸及对应的人脸数组；

S2：逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

S3：根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

S4：统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

S5：比较比对值终值数组与人脸阈值，确定人脸识别通过。

为了区别素材的多个比对值数组，通常情况下，在执行上述步骤之前，还需要将场景分割成若干个小块，并进行间断抓拍，获得多张集体图片。

同时，在一个具体的实施例中，为了提升人脸识别的准确率，需要在多张集体图片上对同一人脸的判断，在S2之后，还包括：

S21：获取每一张集体图片上人脸的四角坐标；

S22：通过所述四角坐标，确定人脸外接圆及其圆心坐标；

S23：对应比较所有集体图片上外接圆圆心坐标，判断坐标差值是否在预设范围内；

若是，则执行S24：确定在多张集体图片上的人脸为同一人脸；

反之，则执行S25：确定在多张集体图片上的人脸上存在新的人脸。

同时，若与第一张集体图片的比对时，发现其他张图片出现新的人脸，则需要将该新的人脸对应的比对值数值补充到基准比对值数组中，这种补充可以使得基准比对值数组所含的信息更加充分，也会一定程度提高准确率。如在后续的集体图片中，由于人的位置变动或自身的运动，会影响到人脸识别，如低头、抬头时，计算机无法识别出是否为人脸，可出现对应位置上的比对值数据丢失，或者有其他人员的插队，造成数组增多，因此在步骤S25之后，还包括S26：将新的人脸对应的比对值补充到基准比对值数组对应的位置。

其中，比对值是作为图像之间的相似度的一种定量描述。在实际操作中，可选择其他方式获取这样图像间相似度的其他度量。

应当理解的是，由于目前已知现有技术的缺陷，部分问题只能期待科技的进一步发展，而部分问题也并非纯技术可以解决，本发明提出一种崭新的思路，以期在现有技术条件下，解决以上的技术缺陷问题。

本发明的核心思路在于，既然在一群人的集体摄像截图瞬间中，个别人的位置和动作不可控。现有的人脸识别算法在受集体摄像的角度和清晰度限制下，表现也不理想。那么一味地追求准确率，是难以实现的幻想。

但是从概率论上来说，解决多人的群体识别问题与人脸识别的准确率并非同一个概念。也就是说，虽然对一个素材来说，在一个集体摄像截图中间精确对应某个人存在着误差，但是对多素材与多截图来说，当一个人脸与多张集体摄像截图中的人脸逐一比对，高度相似得分重复多次出现，且达到一定的阈值时，即可认定为该素材在集体摄像截图中存在。

利用本发明原理，并经大数据量测试，可得出经验性的人脸阈值，可大大提高单素材对单集体摄像截图中人脸识别的准确率。

而具体在执行步骤S5时，可执行步骤S51：比较比对值终值数组与人脸阈值，判断比对值终值数组是否大于等于人脸识别阈值；

若是，则执行S52：确定多张集体图片上的人脸识别通过；

反之，则执行S53：确定多张集体图片上的人脸识别不通过。

区别于现有技术，本发明实施例一通过逐一比对素材与多张集体图片，获得对应于素材的多个比对值数组，对数组上的值进行对应相加，获得数组累加分，并执行同样步骤，以获得人脸其他素材的数组累加分，累加分之和与人脸阈值比较，以最终确认人脸识别是否通过。通过上述方式，本发明可以快速在多人图片中识别出特定人脸，适用于各种会议、学校课堂点名、公司员工打卡，准确率高，且操作方便，可大规模应用。

承上，如图3所示，本发明实施例二提供一种人脸识别的系统100，包括：

人脸数组模块110，用于在集体图片上获取人脸及对应的人脸数组；

比对模块120，用于逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

数组累加分模块130，用于根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

终值数组模块140，用于统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

结果模块150，用于比较比对值终值数组与人脸阈值，确定人脸识别通过。

其中，在一个具体实施例中，系统100中还可包括：

划分抓怕模块，用于将场景分割成若干个小块，并进行间断抓拍，获得多张集体图片。

为了提升人脸识别的准确率，需要在多张集体图片上对同一人脸的判断，还包括：

坐标单元，用于获取每一张集体图片上人脸的四角坐标；

圆心单元，用于通过所述四角坐标，确定人脸外接圆及其圆心坐标；

圆心比较单元，用于对应比较所有集体图片上外接圆圆心坐标，判断坐标差值是否在预设范围内；以及

补充单元，用于将新的人脸对应的比对值补充到基准比对值数组对应的位置。

其中，所述结果模块包括：

阈值比较单元，用于比较比对值终值数组与人脸阈值；

阈值判断单元，用于判断比对值终值数组是否大于等于人脸识别阈值。

为了方便理解本发明提供的技术方案，以下通过一个在实际操作中的实施例进行说明：

如图4、5所示，多素材对多集体摄影的比对时，多张集体摄像中所辨识出的人脸存在对应关系问题，现详细说明多张素材(即一个人脸的不同角度获取的图像)与多集体摄影的对应。

将素材1至N，定义为P1…PN(可认为从N个角度获取一个人脸)，集体摄影1至M定义为G1…GM，N和M可以相等或不等。先以P1与G1比对，得出第一串基准比对值以及在G1上获取的人脸所在四角坐标，该基准比对值可作为定量判断人脸的数学矩阵内的元素，以所在坐标计算其外接圆圆心，由于在集体图片中，人脸可近似看做正方形，因此正方形的四个顶点可外接与一个圆。接着以P1与G2比对，同时也取得比对值及人脸所在四角坐标，并计算外接圆圆心，将所有外接圆圆心相差在一定范围内的值视为同一张人脸，外接圆圆心不相近的，则认为是刚刚辨识出的新人脸，独立储存。

随后累加辨识度值后求平均值(也可不计算平均值，如实施例一所示)，获得辨识度平均值；

根据辨识度平均值，获得所有素材的基准比对值的矩阵，并对矩阵进行降维，获得累加分。

在获取累加分后，判断累加分是否大于等于人脸阈值；

若是，表示多张集体图片上的同一人脸与相应的素材一致；

反之，则表示多张集体图片上的同一人脸与相应的素材不一致。

在实际操作中，可根据经验，预先设置人脸阈值。

在比对P1与G2后，要接着P1与G3比对，以此类推，直到比对到GM,接下来是P2比对G1至GM，最后是PN比对G1至GM。最终，得出所有素材与所有集体摄影的比值的矩阵。对矩阵进行降维，降维的操作通常是矩阵的加法，即平均每个比对素材的多次累加分。当累加分大于经验数值，即可认定该素材上的人脸被确认。

在实际中，本发明所述的方法可以适用于会议出席人员的识别，以及课堂教学时的点名，对应的素材可以是需要出席的人员或上课的学生头像，通过在会议现场或课堂中对与会人员或学生进行实时拍摄，获取的图像(即集体图片)进行比对，以最终确定与会人员或学生是否出席，具体参见图4及图5。图4是具体实施例中的系统简化示意图。通过摄像头控制模块获取多张集体图片，而图像处理模块和人脸分析模块是结合搭配使用的。图5为具体实施例中的流程示意图。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种人脸识别的方法，其特征在于，包括：

S1：在集体图片上获取人脸及对应的人脸数组；

S2：逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

S3：根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

S4：统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

S5：比较比对值终值数组与人脸阈值，确定人脸识别通过；

在步骤S2之后，还包括：

S21：获取每一张集体图片上人脸的四角坐标；

S22：通过所述四角坐标，确定人脸外接圆及其圆心坐标；

S23：对应比较所有集体图片上外接圆圆心坐标，判断坐标差值是否在预设范围内；

若是，则执行S24：确定在多张集体图片上的人脸为同一人脸；

反之，则执行S25：确定在多张集体图片上的人脸上存在新的人脸。

2.根据权利要求1所述人脸识别的方法，其特征在于，步骤S1前，还包括：

S0：将场景分割成若干个小块，并进行间断抓拍，获得多张集体图片。

3.根据权利要求1所述人脸识别的方法，其特征在于，在步骤S25之后，还包括：

S26：将新的人脸对应的比对值补充到基准比对值数组的对应位置。

4.根据权利要求1所述人脸识别的方法，其特征在于，步骤S5具体为：

S51：比较比对值终值数组与人脸阈值，判断比对值终值数组是否大于等于人脸识别阈值；

若是，则执行S52：确定多张集体图片上的人脸识别通过；

反之，则执行S53：确定多张集体图片上的人脸识别不通过。

5.一种人脸识别的系统，其特征在于，包括：

人脸数组模块，用于在集体图片上获取人脸及对应的人脸数组；

比对模块，用于逐一比对对象人脸素材与所述人脸数组，获得匹配相似值数组；

数组累加分模块，用于根据所述相似值数组，计算在集体图片上识别对象人脸素材的出现频次，获得数组累加分；

终值数组模块，用于统计所有对象人脸素材的数组累加分之和，获得比对值终值数组；

结果模块，用于比较比对值终值数组与人脸阈值，确定人脸识别通过；

还包括：

坐标单元，用于获取每一张集体图片上人脸的四角坐标；

圆心单元，用于通过所述四角坐标，确定人脸外接圆及其圆心坐标；

圆心比较单元，用于对应比较所有集体图片上外接圆圆心坐标，判断坐标差值是否在预设范围内。

6.根据权利要求5所述人脸识别的系统，其特征在于，还包括：

划分抓怕模块，用于将场景分割成若干个小块，并进行间断抓拍，获得多张集体图片。

7.根据权利要求6所述人脸识别的系统，其特征在于，还包括补充单元，用于将新的人脸对应的比对值补充到基准比对值数组对应的位置。

8.根据权利要求5所述人脸识别的系统，其特征在于，所述结果模块包括：

阈值比较单元，用于比较比对值终值数组与人脸阈值；

阈值判断单元，用于判断比对值终值数组是否大于等于人脸识别阈值。