CN106407906B - 人脸面部识别方法 - Google Patents
人脸面部识别方法 Download PDFInfo
- Publication number
- CN106407906B CN106407906B CN201610793466.0A CN201610793466A CN106407906B CN 106407906 B CN106407906 B CN 106407906B CN 201610793466 A CN201610793466 A CN 201610793466A CN 106407906 B CN106407906 B CN 106407906B
- Authority
- CN
- China
- Prior art keywords
- equipment
- face
- image
- pixel
- recognition
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000001815 facial effect Effects 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 230000006837 decompression Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种人脸面部识别方法，包括步骤1)建立人脸面部识别系统，所述人脸面部识别系统包括依次连接的高清摄像头、脸部图像分割设备、姿态调整设备、图像规范设备和面部识别设备；步骤2)启动人脸面部识别系统执行对人员的人脸面部识别操作，以确定人员的合法性。通过本发明，能够保证人员面部识别的准确性。
Description
技术领域
本发明涉及人脸识别领域，尤其涉及一种人脸面部识别方法。
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。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。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，他的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；非接触性：用户不需要和设备直接接触就能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。
然而，现有技术中的人脸面部识别方案精度不高，可靠性不高，这直接影响了其的应用领域。
发明内容
为了解决上述问题，本发明提供了一种人脸面部识别方法，改造现有技术中人脸面部识别方法，采用高精度的网络通信模式和面部特征提取匹配模式优化了现有技术中人脸面部识别方法，从而能够拓宽人脸面部识别方法的应用范围。
根据本发明的一方面，提供了一种人脸面部识别方法，所述方法包括步骤1)建立人脸面部识别系统，所述人脸面部识别系统包括依次连接的高清摄像头、脸部图像分割设备、姿态调整设备、图像规范设备和面部识别设备；步骤2)启动人脸面部识别系统执行对人员的人脸面部识别操作，以确定人员的合法性。
更具体地，在所述人脸面部识别方法中，包括：步骤1)建立的人脸面部识别系统包括：高清摄像头，用于对人员进行图像采集以获得高清图像，高清图像的分辨率为3840×2160；脸部图像分割设备，与高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；姿态调整设备，与脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出；图像规范设备，与姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处；特征提取设备，与IP解包设备连接，还与图像规范设备连接以对接收到的规范人脸图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择像素矩阵的大小，规范人脸图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在规范人脸图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与图像规范设备和矩阵转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号；IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量；边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量；S3C2440控制芯片，与特征提取设备的特征向量比较子设备连接，用于接收匹配成功时输出的人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或接收匹配失败时输出的人脸识别失败信号；语音报警设备，与S3C2440控制芯片连接，用于在接收到人脸识别失败信号时发出语音报警信号；无线通信接口，与S3C2440控制芯片连接，用于无线发送人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或用于无线发送人脸识别失败信号；其中，S3C2440控制芯片、语音报警设备和无线通信接口被集成在一块集成电路板上。
更具体地，在所述人脸面部识别方法中：步骤1)建立的人脸面部识别系统还包括：显示设备，与高清摄像头连接，用于显示高清摄像头输出的图像内容。
更具体地，在所述人脸面部识别方法中：显示设备为LCD显示屏。
更具体地，在所述人脸面部识别方法中：显示设备为LED显示屏。
更具体地，在所述人脸面部识别方法中：步骤1)建立的人脸面部识别系统还包括：触摸屏，用于根据用户的操作，接收用户的输入信息。
更具体地，在所述人脸面部识别方法中：触摸屏被集成在显示设备上。
更具体地，在所述人脸面部识别方法中：显示设备的分辨率为1920×1080。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的人脸面部识别方法的方法流程图。
附图标记：1建立人脸面部识别系统；2启动人脸面部识别系统
具体实施方式
下面将参照附图对本发明的人脸面部识别方法的实施方案进行详细说明。
当前，人脸面部识别方法的面部特征的提取、面部特征的匹配仍采用传统的现场匹配模式，数据安全性不高且影响匹配精度，因此，为了提高数据安全性，同时提高识别精度，需要采用一种高精度网络通信模式将更大容量的匹配数据下载到本地进行匹配。
为了克服上述不足，本发明搭建了一种人脸面部识别方法，通过有效的多个网络通信模式将大容量的匹配数据下载到本地进行面部特征匹配，从而在不影响匹配速度的同时，提高面部匹配的精度。
图1为根据本发明实施方案示出的人脸面部识别方法的结构方框图，所述方法包括步骤1)建立人脸面部识别系统，所述人脸面部识别系统包括依次连接的高清摄像头、脸部图像分割设备、姿态调整设备、图像规范设备和面部识别设备；步骤2)启动人脸面部识别系统执行对人员的人脸面部识别操作，以确定人员的合法性。
接着，继续对本发明的人脸面部识别方法的具体结构进行进一步的说明。
所述方法中：步骤1)建立的人脸面部识别系统包括：高清摄像头，用于对人员进行图像采集以获得高清图像，高清图像的分辨率为3840×2160。
所述方法中：步骤1)建立的人脸面部识别系统包括：脸部图像分割设备，与高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像。
所述方法中：步骤1)建立的人脸面部识别系统包括：姿态调整设备，与脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出。
所述方法中：步骤1)建立的人脸面部识别系统包括：图像规范设备，与姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处。
所述方法中：步骤1)建立的人脸面部识别系统包括：特征提取设备，与IP解包设备连接，还与图像规范设备连接以对接收到的规范人脸图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择像素矩阵的大小，规范人脸图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在规范人脸图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与图像规范设备和矩阵转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号。
所述方法中：步骤1)建立的人脸面部识别系统包括：IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量。
所述方法中：步骤1)建立的人脸面部识别系统包括：边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部。
所述方法中：步骤1)建立的人脸面部识别系统包括：6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量。
所述方法中：步骤1)建立的人脸面部识别系统包括：S3C2440控制芯片，与特征提取设备的特征向量比较子设备连接，用于接收匹配成功时输出的人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或接收匹配失败时输出的人脸识别失败信号。
所述方法中：步骤1)建立的人脸面部识别系统包括：语音报警设备，与S3C2440控制芯片连接，用于在接收到人脸识别失败信号时发出语音报警信号。
所述方法中：步骤1)建立的人脸面部识别系统包括：无线通信接口，与S3C2440控制芯片连接，用于无线发送人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或用于无线发送人脸识别失败信号。
其中，S3C2440控制芯片、语音报警设备和无线通信接口被集成在一块集成电路板上。
可选地，在所述控制平台中：步骤1)建立的人脸面部识别系统还包括：显示设备，与高清摄像头连接，用于显示高清摄像头输出的图像内容；显示设备为LCD显示屏；显示设备为LED显示屏；步骤1)建立的人脸面部识别系统还包括：触摸屏，用于根据用户的操作，接收用户的输入信息；触摸屏被集成在显示设备上；以及显示设备的分辨率为1920×1080。
另外，从技术上来看，人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
采用本发明的人脸面部识别方法，针对现有技术人脸面部识别方法可靠性不高的技术问题，通过提升网络通信效率将大容量匹配数据下载到本地进行匹配，采用高性能匹配设备快速完成面部特征匹配，从而解决上述技术问题，拓宽人脸面部识别方法的应用领域。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种人脸面部识别方法，所述方法包括：
步骤1)建立人脸面部识别系统；
步骤2)启动所述人脸面部识别系统，执行对人员的人脸面部识别操作，以确定人员的合法性；
其特征在于，步骤1)建立的人脸面部识别系统包括：
高清摄像头，用于对人员进行图像采集以获得高清图像，高清图像的分辨率为3840×2160；
脸部图像分割设备，与所述高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；
姿态调整设备，与所述脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出；
图像规范设备，与所述姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处；
特征提取设备和IP解包设备，其中
所述特征提取设备与所述IP解包设备连接，还与所述图像规范设备连接以对接收到的规范人脸图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择像素矩阵的大小，规范人脸图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在规范人脸图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与图像规范设备和矩阵转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号；所述IP解包设备用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量；
边缘传感设备，与所述IP解包设备连接，用于接收所述IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；
6LowPAN解包设备，与所述边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量；
S3C2440控制芯片，与所述特征提取设备的特征向量比较子设备连接，用于接收匹配成功时输出的人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或接收匹配失败时输出的人脸识别失败信号；
语音报警设备，与所述S3C2440控制芯片连接，用于在接收到人脸识别失败信号时发出语音报警信号；
无线通信接口，与所述S3C2440控制芯片连接，用于无线发送人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，或用于无线发送人脸识别失败信号；
其中，所述S3C2440控制芯片、所述语音报警设备和所述无线通信接口被集成在一块集成电路板上；
显示设备，与所述高清摄像头连接，用于显示高清摄像头输出的图像内容；所述显示设备为LCD显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793466.0A CN106407906B (zh) | 2016-08-31 | 2016-08-31 | 人脸面部识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793466.0A CN106407906B (zh) | 2016-08-31 | 2016-08-31 | 人脸面部识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106407906A CN106407906A (zh) | 2017-02-15 |
| CN106407906B true CN106407906B (zh) | 2018-03-23 |
Family
ID=58000933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610793466.0A Expired - Fee Related CN106407906B (zh) | 2016-08-31 | 2016-08-31 | 人脸面部识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106407906B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898053A (zh) * | 2018-05-24 | 2018-11-27 | 珠海市大悦科技有限公司 | 一种面部识别方法 |
| CN109741438B (zh) * | 2018-11-23 | 2023-01-06 | 重庆灵翎互娱科技有限公司 | 三维人脸建模方法、装置、设备及介质 |
| CN112862638A (zh) * | 2019-11-26 | 2021-05-28 | 上海径舟教育科技有限公司 | 一种基于人脸识别的远程教育系统及方法 |
| CN112101216A (zh) * | 2020-09-15 | 2020-12-18 | 百度在线网络技术（北京）有限公司 | 人脸识别方法、装置、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100481112C (zh) * | 2007-06-11 | 2009-04-22 | 湖北东润科技有限公司 | 一种人脸识别系统与识别方法 |
| CN102201061B (zh) * | 2011-06-24 | 2012-10-31 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
| CN103106393B (zh) * | 2012-12-12 | 2016-08-17 | 袁培江 | 一种基于机器人平台的嵌入式人脸识别智能身份认证系统 |
| CN103902958A (zh) * | 2012-12-28 | 2014-07-02 | 重庆凯泽科技有限公司 | 人脸识别的方法 |
-
2016
- 2016-08-31 CN CN201610793466.0A patent/CN106407906B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN106407906A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106845357B (zh) | 一种基于多通道网络的视频人脸检测和识别方法 | |
| CN106407906B (zh) | 人脸面部识别方法 | |
| WO2020151489A1 (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
| US11216645B2 (en) | Multi-camera multi-face video splicing acquisition device and method thereof | |
| CN106529414A (zh) | 一种通过图像比对实现结果认证的方法 | |
| CN107111743A (zh) | 使用渐进式眼睑跟踪的生命活性检测 | |
| CN111652082B (zh) | 人脸活体检测方法和装置 | |
| CN107665328A (zh) | 人脸面部识别方法 | |
| CN104933344A (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
| CN106570491A (zh) | 一种机器人智能互动的方法及智能机器人 | |
| CN108734235A (zh) | 一种用于电子处方的身份识别方法及系统 | |
| CN204791017U (zh) | 基于多生物特征模态的移动终端用户身份认证装置 | |
| CN110008909A (zh) | 一种基于ai的实名制业务实时稽核系统 | |
| CN110032932B (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 | |
| CN108090428A (zh) | 一种人脸识别方法及其系统 | |
| CN110458041A (zh) | 一种基于rgb-d相机的人脸识别方法及系统 | |
| CN104091173A (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
| CN111144284A (zh) | 深度人脸图像的生成方法、装置、电子设备及介质 | |
| CN109284759A (zh) | 一种基于支持向量机（svm）的魔方颜色识别方法 | |
| WO2022193516A1 (zh) | 一种基于深度相机的人流分析方法及装置 | |
| KR20080101388A (ko) | 엔엠씨티 기반의 얼굴 검출 방법 | |
| CN207833566U (zh) | 一种基于面部特征识别的验证系统 | |
| CN210721506U (zh) | 一种基于3d摄像头的动态人脸识别终端 | |
| CN115410261A (zh) | 面部识别异构数据关联解析系统 | |
| CN108898053A (zh) | 一种面部识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170427 Address after: 214016 Jiangsu province Wuxi Guangrui Liangxi District Road 1906, 1908-257 Applicant after: WUXI BEIDOUXINGTONG INFORMATION TECHNOLOGY Co.,Ltd. Address before: 066004 the Yellow River Road, Qinhuangdao Development Zone, Hebei, China, No. 96, No. Applicant before: Peng Qing |
|
| TA01 | Transfer of patent application right | ||
| CB03 | Change of inventor or designer information |
Inventor after: Cai Yong Inventor before: Peng Qing |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180209 Address after: The Ande Gate Street in Yuhuatai District of Nanjing City, Jiangsu Province, No. 57, building 105, Qiaocheng Chu 8 Room 106 Applicant after: NANJING DUFANG NETWORK TECHNOLOGY CO.,LTD. Address before: 214016 Jiangsu province Wuxi Guangrui Liangxi District Road 1906, 1908-257 Applicant before: WUXI BEIDOUXINGTONG INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180323 Termination date: 20210831 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |