CN105912997B - 人脸识别的方法及系统 - Google Patents
人脸识别的方法及系统 Download PDFInfo
- Publication number
- CN105912997B CN105912997B CN201610207545.9A CN201610207545A CN105912997B CN 105912997 B CN105912997 B CN 105912997B CN 201610207545 A CN201610207545 A CN 201610207545A CN 105912997 B CN105912997 B CN 105912997B
- Authority
- CN
- China
- Prior art keywords
- face
- array
- recognition
- value
- collective
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610207545.9A CN105912997B (zh) | 2016-04-05 | 2016-04-05 | 人脸识别的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610207545.9A CN105912997B (zh) | 2016-04-05 | 2016-04-05 | 人脸识别的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105912997A CN105912997A (zh) | 2016-08-31 |
CN105912997B true CN105912997B (zh) | 2019-05-28 |
Family
ID=56745537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610207545.9A Active CN105912997B (zh) | 2016-04-05 | 2016-04-05 | 人脸识别的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105912997B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106385565B (zh) * | 2016-10-14 | 2019-06-25 | 国网浙江省电力有限公司 | 一种基于多影像大数据识别的短程信息提醒系统 |
CN107578006B (zh) * | 2017-08-31 | 2020-06-23 | 维沃移动通信有限公司 | 一种照片处理方法及移动终端 |
CN110636204B (zh) * | 2018-06-22 | 2021-04-20 | 杭州海康威视数字技术股份有限公司 | 一种面部抓拍系统 |
CN110210404B (zh) * | 2019-05-31 | 2023-03-21 | 深圳算子科技有限公司 | 人脸识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050449A (zh) * | 2014-06-13 | 2014-09-17 | 无锡天脉聚源传媒科技有限公司 | 一种人脸识别方法及装置 |
CN104239862A (zh) * | 2014-09-11 | 2014-12-24 | 中国电子科技集团公司第二十九研究所 | 一种人脸识别方法 |
CN104834916A (zh) * | 2015-05-14 | 2015-08-12 | 上海太阳能科技有限公司 | 一种多人脸检测跟踪方法 |
CN105046214A (zh) * | 2015-07-06 | 2015-11-11 | 南京理工大学 | 基于聚类的在线式多人脸图像处理的方法 |
CN105138954A (zh) * | 2015-07-12 | 2015-12-09 | 上海微桥电子科技有限公司 | 一种图像自动筛选查询识别系统 |
-
2016
- 2016-04-05 CN CN201610207545.9A patent/CN105912997B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050449A (zh) * | 2014-06-13 | 2014-09-17 | 无锡天脉聚源传媒科技有限公司 | 一种人脸识别方法及装置 |
CN104239862A (zh) * | 2014-09-11 | 2014-12-24 | 中国电子科技集团公司第二十九研究所 | 一种人脸识别方法 |
CN104834916A (zh) * | 2015-05-14 | 2015-08-12 | 上海太阳能科技有限公司 | 一种多人脸检测跟踪方法 |
CN105046214A (zh) * | 2015-07-06 | 2015-11-11 | 南京理工大学 | 基于聚类的在线式多人脸图像处理的方法 |
CN105138954A (zh) * | 2015-07-12 | 2015-12-09 | 上海微桥电子科技有限公司 | 一种图像自动筛选查询识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105912997A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596277B (zh) | 一种车辆身份识别方法、装置和存储介质 | |
CN105912997B (zh) | 人脸识别的方法及系统 | |
CN106909888B (zh) | 应用于移动设备端的人脸关键点跟踪系统及方法 | |
TWI439951B (zh) | 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 | |
EP3279700A1 (en) | Security inspection centralized management system | |
CN108875602A (zh) | 监控环境下基于深度学习的人脸识别方法 | |
TWI716012B (zh) | 樣本標註方法、裝置、儲存媒體和計算設備、損傷類別的識別方法及裝置 | |
CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
CN109934733A (zh) | 一种基于人脸识别技术智能食堂排队管理系统 | |
CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及系统 | |
CN111209811B (zh) | 一种实时检测眼球注意力位置的方法及系统 | |
US20210224526A1 (en) | Method and apparatus for detecting wearing of safety helmet, device and storage medium | |
CN110991297A (zh) | 一种基于场景监控的目标定位方法及系统 | |
CN106503700A (zh) | 基于FPGA的Haar特征多处理架构人脸检测系统及检测方法 | |
CN111104917A (zh) | 基于人脸的活体检测方法、装置、电子设备及介质 | |
CN113705349A (zh) | 一种基于视线估计神经网络的注意力量化分析方法及系统 | |
CN207503286U (zh) | 一种考勤系统 | |
CN109688384A (zh) | 一种基于图像识别的教室教学情况监控系统及方法 | |
CN112235540A (zh) | 一种用于屏幕显示故障识别报警的智能视频监控系统 | |
CN110287940B (zh) | 一种基于人工智能的掌纹识别方法及系统 | |
CN114677644A (zh) | 一种基于教室监控视频的学生入座分布识别方法及系统 | |
CN115116137A (zh) | 基于轻量化YOLO v5网络模型与时空记忆机制的行人检测方法 | |
US11798126B2 (en) | Neural network identification of objects in 360-degree images | |
CN117218703A (zh) | 智能学情分析方法及系统 | |
US20200074612A1 (en) | Image analysis apparatus, image analysis method, and recording medium |
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 | ||
CP03 | Change of name, title or address |
Address after: 350000 Room 403, building 1, No. 27 Huli Road, Mawei District, Fuzhou City, Fujian Province (in the pilot Free Trade Zone) Patentee after: Fuzhou Hengtai Information Technology Co.,Ltd. Address before: 350000 Room 403, building 1, No. 27 Huli Road, Mawei District, Fuzhou City, Fujian Province Patentee before: Fujian Xingyu Information Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |