CN106650558A - 人脸识别方法及装置 - Google Patents

人脸识别方法及装置 Download PDF

Info

Publication number
CN106650558A
CN106650558A CN201510741812.6A CN201510741812A CN106650558A CN 106650558 A CN106650558 A CN 106650558A CN 201510741812 A CN201510741812 A CN 201510741812A CN 106650558 A CN106650558 A CN 106650558A
Authority
CN
China
Prior art keywords
face
posture
human face
pose
human
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
CN201510741812.6A
Other languages
English (en)
Inventor
李榕
张栋琪
钟文康
刘海波
薛春林
毛丽
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.)
Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
CRIMINAL INVESTIGATION GENERAL TEAM SHANGHAI PUBLIC SECURITY BUREAU
Original Assignee
Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
CRIMINAL INVESTIGATION GENERAL TEAM SHANGHAI PUBLIC SECURITY BUREAU
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 Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai, CRIMINAL INVESTIGATION GENERAL TEAM SHANGHAI PUBLIC SECURITY BUREAU filed Critical Yinchen Intelligent Identfiying Science & Technology Co Ltd Shanghai
Priority to CN201510741812.6A priority Critical patent/CN106650558A/zh
Publication of CN106650558A publication Critical patent/CN106650558A/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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

人脸识别方法及装置，所述方法包括：判断待比对的人脸的人脸姿态，根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对，输出比对结果。上述方法基于人脸姿态的判断来进行人脸识别比对，可以提高人脸识别的准确率。

Description

人脸识别方法及装置
技术领域
本发明涉及人脸识别领域，尤其涉及一种人脸识别方法及装置。
背景技术
人脸识别技术是基于生物特征的识别方式，目前，人脸识别技术主要应用于身份认证。使用人脸识别技术，在不需待识别者干预的情况下，可方便直接地进行待识别者身份的判别。
现有技术中，人脸识别的过程是将提交的人脸照片与人脸数据库进行比对，但现有技术存在识别准确率较低的问题，这表现在人脸照片库中实际存在待识别者的人脸，但待识别人脸经识别比对后却没有正确匹配到人脸数据库中对应的人脸。
发明内容
本发明实施例解决的技术问题是如何提高人脸识别的正确率。
为解决上述问题，本发明实施例提供一种人脸识别比对方法，所述方法包括：
判断待比对的人脸的人脸姿态；
根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对；
输出比对结果。
可选地，所述判断待比对的人脸的人脸姿态包括：
当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态；其中，n为大于等于2的自然数。
可选地，所述人脸姿态包括：正面姿态。
可选地，所述人脸姿态还包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
可选地，所述人脸特征数据库包括：正面姿态人脸特征数据库；
所述正面姿态人脸特征数据库中的所述人脸特征数据包括以下至少一种：来自采集到的正面姿态的人脸特征数据，来自采集到的人脸姿态经姿态调整后得到的所述人脸的正面姿态的人脸特征数据。
可选地，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
当判断得出的人脸姿态为正面姿态时，将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
可选地，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
可选地，所述人脸特征数据库包括：多姿态人脸特征数据库。
可选地，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
根据获取的所述判断得出的人脸姿态所属种类，从所述人脸姿态特征数据库中选取具有相同姿态的不同人的对应的所述人脸的特征值，将所述人脸的特征值与数据库中具有相同姿态的不同的人脸特征数据进行比对。
可选地，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
根据获取的所述判断得出的人脸姿态所属种类，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。
本发明实施例还提供一种人脸识别装置，所述装置包括：人脸姿态判断单元、获取单元、比对单元、人脸姿态特征数据库和输出单元；
所述人脸姿态判断单元，适于对待比对的人脸进行人脸姿态判断；
所述获取单元，适于根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值；
人脸姿态特征数据库，适于存储人脸的人脸特征数据；
所述比对单元，适于将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对；
输出单元，适于输出比对结果。
可选地，所述人脸姿态判断单元适于当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征，判定所述待比对的人脸属于对应类别的所述人脸姿态；其中，n为大于等于2的自然数。
可选地，所述人脸姿态包括：正面姿态。
可选地，所述人脸姿态还包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
可选地，所述人脸特征数据库包括：正面姿态人脸特征数据库；
所述正面姿态人脸特征数据库中的所述人脸特征数据包括来自采集到的正面姿态的所述人脸特征数据、来自采集到的人脸姿态经姿态调整后的所述人脸特征数据。
可选地，所述获取单元包括姿态调整单元；
所述姿态调整单元，适于将判断得出的人脸姿态调整为所述正面姿态。
可选地，所述比对单元适于当判断得出的人脸姿态为正面姿态时，将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
可选地，所述比对单元适于当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
可选地，所述人脸特征数据库包括：多姿态人脸特征数据库。
可选地，所述比对单元适于根据获取的所述判断得出的人脸姿态所属种类，从所述人脸姿态特征数据库中选取具有相同所述人脸姿态的不同人的对应的所述人脸的特征值，将所述人脸的特征值与数据库中具有相同所述人脸姿态的不同的人脸特征数据进行比对。
可选地，所述比对单元适于根据获取的所述判断得出的人脸姿态所属种类，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。
与现有技术相比，本发明实施例的有益效果是：通过判断待比对的人脸的人脸姿态，根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对，从而实现基于人脸姿态的比对过程来提高人脸识别的准确率。
附图说明
图1是本发明实施例中的同一个人的不同人脸姿态的示意图；
图2是本发明实施例中的一种人脸识别的流程图；
图3是本发明实施例中的一种人脸识别的流程图；
图4是本发明实施例中的一种人脸识别的流程图；
图5是本发明实施例中的一种人脸识别的流程图；
图6是本发明实施例中的一种人脸识别装置的结构示意图。
具体实施方式
如前所述，现有技术中，人脸识别的过程是将提交的人脸照片与人脸数据库进行比对，但现有技术存在识别准确率较低的问题，本发明的研究人员认为，识别准确率较低的其中一个原因，是实际使用的人脸照片可能因成像角度不同而使看到的同一个人的人脸面部三维特征发生变化，这种变化在本发明实施例中称为人脸姿态的变化。
本发明采用的技术方案通过判断待比对的人脸的人脸姿态，根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对，这种基于人脸姿态判断基础上的人脸比对过程提高了人脸识别的正确率。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例中的同一个人的不同人脸姿态的示意图。
所述同一个人的不同人脸姿态是从不同成像角度得到的同一个人的不同的面部特征。图1列举了9种人脸姿态，具体有左侧仰视姿态如图a，左侧姿态如图b，左侧俯视姿态如图c，仰视姿态如图d，正面姿态如图e，俯视姿态如图f，右侧仰视姿态如图g，右侧姿态如图h，右侧俯视姿态如图i。具体实施中，针对上述9种人脸姿态，可以预先建模将具有某一类共同特征的人脸姿态定义为其中一种人脸姿态。
需要指出的是，本领域技术人员在具体实施中可以定义少于9种或多余9种的人脸姿态，人脸姿态区分定义的种类越多，识别准确率越高。
具体实施中，可以建立三维坐标系，在采集到的人脸姿态的基础上先进行人脸的三维模型的还原，再将还原得出的三维人脸姿态进行角度旋转和坐标变换得到其他种类的人脸姿态。例如，若采集到得人脸姿态类型为左侧人脸姿态，可以对其进行左侧人脸姿态的三维模型还原，以及三维左侧人脸姿态的旋转和坐标变换，获得其他预先建模定义好的8种人脸姿态。在此过程中，人脸特征值随着人脸姿态的调整也相应地发生变化。需要指出的是，本领域的技术人员可以采用不同的方法进行人脸姿态的调整。
在具体实施中，人脸姿态特征数据库可以单独存储正面特征数据，得到正面姿态特征数据库，在实际场景中，正面姿态携带的人脸特征值是较为全面的，使用正面姿态的人脸特征值与所述正面特征数据库中的人脸特征数据进行对比可以降低比对的计算复杂度。
在具体实施中，所述正面姿态人脸特征数据库中的所述人脸特征数据包括以下至少一种：来自采集到的正面姿态的人脸特征数据，来自采集到的人脸姿态经姿态调整后得到的所述人脸的正面姿态的人脸特征数据。
具体地，使用所述正面姿态特征数据库作为参照比对的人脸特征数据库的应用中，需要注意的是，当采集到的待比对人脸的人脸姿态不是所述正面姿态时，需要将所述待比对的人脸姿态调整为正面姿态，再将所述正面姿态的人脸的人脸特征值与正面姿态特征数据库中的人脸特征数据进行比对；同时需要注意的是，采集入库时的人脸的人脸姿态可能是正面姿态，也可能是非正面姿态，为获得正面姿态特征数据库，当采集入库使用的人脸照片的人脸姿态为非正面姿态，同样需要将所述待比对的人脸姿态进行人脸姿态调整再存储于所述正面姿态特征数据库。
具体实施中，人脸姿态特征数据库也可以存储多种姿态的人脸特征数据，即得到多姿态人脸特征数据库，此时，在将人脸特征数据入库前，需要经过上述人脸姿态的调整过程。例如，所述多姿态人脸特征数据库中有9种类型的人脸姿态特征数据，当采集入库得到的人脸的人脸姿态为正面姿态时，需要将所述正面姿态进行人脸姿态调整，以获得其他8种人脸姿态，由此，所述多姿态人脸特征数据库中存储了同一个人的9种人脸姿态的人脸特征数据。
下面结合具体步骤对本发明实施例的人脸识别过程进行说明。
图2是本发明实施例中的一种人脸识别的流程图。
步骤S201：判断待比对的人脸的人脸姿态。
步骤S202：根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值。
步骤S203：将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对。
步骤S204：输出比对结果。
图3是本发明实施例中的一种人脸识别的流程图。图3示出了一种采用正面姿态特征数据库作为所述人脸姿态特征数据库的人脸识别方法，所述方法可以包括：
步骤S301：判断待比对的人脸的人脸姿态。
在具体实施中，当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
具体实施中，所述人脸姿态包括正面姿态。所述人脸姿态还可以包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
具体地，可以预先建模定义n种人脸姿态，所述n为大于等于2的自然数，每一种人脸姿态是在所有可能的人脸姿态中具有共同特征的一类人脸姿态。需要指出的是，本领域技术人员在具体实施中可以定义少于9种或多余9种的人脸姿态，人脸姿态区分定义的种类越多，识别准确率越高。
例如，当n取值为9，定义人脸姿态有9种，如附图1所示，当所述待比对的人脸的特征满足9类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
需要注意的是，在本实施例采用正面姿态特征数据库作为所述人脸姿态特征数据库时，本步骤判断待比对的人脸的人脸姿态只需要判断所述待比对的人脸的人脸姿态是否为正面姿态。
步骤S302：判断人脸姿态是否为正面姿态。当所述人脸姿态为正面姿态时，执行步骤S304，否则执行步骤S303。
步骤S303：将人脸姿态调整为正面姿态。
当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态。
在具体实施中，对于本实施例中所述人脸姿态特征数据库中存储的是所述正面姿态的人脸特征数据时，需要获取正面姿态的人脸特征值，而具体采集待比对人脸的人脸特征值时，待比对人脸的人脸姿态可能是正面姿态，也可能是非正面姿态，则需将待比对人脸的非正面姿态调整为所述正面姿态。
具体实施中，人脸姿态调整的过程可以是先建立三维坐标系，在采集到的人脸姿态的基础上先进行人脸的三维模型的还原，再将还原得出的三维人脸姿态进行角度旋转和坐标变换得到其他种类的人脸姿态。
需要指出的是，本领域的技术人员可以采用不同的方法进行人脸姿态的调整。
步骤S304：获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值。
在具体实施中，根据步骤S301的判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值。
具体地，当人脸姿态为正面姿态时，获取正面姿态所对应的人脸的特征值，当人脸姿态为非正面姿态时，获取人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值。
步骤S305：将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对。
当判断得出的人脸姿态为正面姿态时，将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
步骤S306：输出比对结果。
在具体实施中，当所述待比对的人脸的人脸特征值在所述人脸姿态特征数据库中查找到一致的所述人脸特征数据时，所述待比对的人脸所属人的身份识别成功，输出匹配成功的结果。
本发明实施例通过采用正面姿态人脸特征数据库作为参照对比的人脸姿态特征数据库，将待比对的正面姿态的人脸特征值或者将经人脸姿态调整的正面姿态的人脸特征值与所述正面姿态人脸特征数据库中的不同人的人脸特征数据比对，相比现有技术提高了待比对人脸识别的准确率，与此同时，本发明实施例由于采用正面姿态人脸特征数据库作为参照对比的人脸姿态特征数据库，降低了比对的计算复杂度。
图4是本发明实施例中的一种人脸识别的流程图。图4示出了一种采用多姿态人脸特征数据库作为所述人脸姿态特征数据库的人脸识别方法，所述方法可以包括：
步骤S401：判断待比对人脸的人脸姿态类型。
在具体实施中，当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
具体实施中，所述人脸姿态包括正面姿态。所述人脸姿态还可以包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
具体地，可以预先建模定义n种人脸姿态，所述n为大于等于2的自然数，每一种人脸姿态是在所有可能的人脸姿态中具有共同特征的一类人脸姿态。需要指出的是，本领域技术人员在具体实施中可以定义少于9种或多余9种的人脸姿态，人脸姿态区分定义的种类越多，识别准确率越高。
例如，当n取值为9，定义人脸姿态有9种，如附图1所示，当所述待比对的人脸的特征满足9类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
步骤S402：从所述人脸姿态特征数据库中选取具有相同姿态的不同人的对应的所述人脸的特征数据。
在具体实施中，步骤S401判断出所述待比对的人脸姿态具体属于n种人脸姿态中的其中一种，根据判断结果，从所述人脸姿态特征数据库中选取具有相同姿态的不同人的对应的所述人脸的特征值。
例如，结合附图1中所述的9种人脸姿态，步骤S401判断出所述待比对的人脸姿态属于俯视姿态，则从多姿态人脸特征数据库中选取具有所述俯视姿态的所有人的对应的所述人脸的特征值。
步骤S403：将所述人脸的特征值与数据库中具有相同姿态的不同的人脸特征数据进行比对。
具体实施中，步骤S402已将具有相同姿态的人脸的人脸特征数据选出来，在这些具有相同姿态的人脸的不同的人脸特征数据中，将待比对的人脸的人脸特征值与所述不同的人脸特征数据一一比对。
步骤S404：输出比对结果。
在具体实施中，当所述待比对的人脸的人脸特征值与多姿态人脸数据库中相同姿态的人脸特征数据一致时，所述待比对的人脸所属人的身份识别成功，输出匹配成功的结果。
本发明实施例通过采用多姿态人脸特征数据库作为参照对比的人脸姿态特征数据库，根据待比对的人脸的人脸姿态，从所述人脸姿态特征数据库中选取具有相同姿态的不同人的对应的所述人脸的特征数据，将所述人脸的特征值与数据库中具有相同姿态的不同的人脸特征数据进行比对，相比现有技术提高了待比对人脸识别的准确率，与此同时，本发明实施例由于采用多姿态人脸特征数据库作为参照对比的人脸姿态特征数据库，相比采用正面姿态人脸特征数据库根据有灵活性，并不限制入库时必须存储所述正面姿态的人脸特征数据。
图5是本发明实施例中的一种人脸识别的流程图。图5示出了一种采用多姿态人脸特征数据库作为所述人脸姿态特征数据库的人脸识别方法，所述方法可以包括：
步骤S501：判断待比对人脸的人脸姿态类型。
在具体实施中，当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
具体实施中，所述人脸姿态包括正面姿态。所述人脸姿态还可以包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
具体地，可以预先建模定义n种人脸姿态，所述n为大于等于2的自然数，每一种人脸姿态是在所有可能的人脸姿态中具有共同特征的一类人脸姿态。需要指出的是，本领域技术人员在具体实施中可以定义少于9种或多余9种的人脸姿态，人脸姿态区分定义的种类越多，识别准确率越高。
例如，当n取值为9，定义人脸姿态有9种，如附图1所示，当所述待比对的人脸的特征满足9类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态待比对的人脸的人脸姿态。
步骤S502：赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重。
在具体实施中，步骤S501判断出所述待比对的人脸姿态具体属于n种人脸姿态中的其中一种，根据判断结果，赋予所述多姿态人脸特征数据库中与所述待比对的人脸姿态同类的人脸特征数据较高权重。
例如，结合附图1中所述的9种人脸姿态，步骤S501判断出所述待比对的人脸姿态属于俯视姿态，则赋予所述多姿态人脸特征数据库中与属于俯视姿态的不同人的人脸特征数据较高权重。
步骤S503：结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。
具体实施中，步骤S502赋予所述多姿态人脸特征数据库中与所述待比对的人脸姿态同类的人脸特征数据较高权重，而赋予所述多姿态人脸特征数据库中属于其他人脸姿态类型的人脸特征数据较低权重。
例如，所述多姿态人脸特征数据库中有9种不同类型的人脸姿态，当判断待比对的人脸的人脸姿态类型属于俯视姿态，所述多姿态人脸特征数据库中属于俯视姿态的人脸特征数据被赋予较高权重，而其他8种类型的人脸特征数据被赋予较低权重。
在具体实施中，结合所述权重以及所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。具体地，将待比对人脸的人脸特征值与所述多姿态人脸特征数据库中具有不同权重的人脸特征数据比较，并进行相似度的计算。
步骤S504：输出比对结果。
在具体实施中，可以设置步骤S503中得出的相似度大于设定阈值时，认为所述待比对的人脸所属人的身份识别成功，输出匹配成功的结果。
本发明实施例通过采用多姿态人脸特征数据库作为参照对比的人脸姿态特征数据库，根据待比对的人脸的人脸姿态，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果，从而提高人脸识别的准确率，与此同时，本发明实施例由于结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果，相比附图5中实施例中的比对方法，因并没有排除与待比对人脸的人脸姿态不同的人脸的人脸特征数据的比较，使得人脸识别的准确率更高。
图6是本发明实施例中的一种人脸识别装置的结构示意图。如图6所示的人脸识别装置60，可以包括：人脸姿态判断单元601，获取单元603，比对单元604、人脸姿态特征数据库605和输出单元606；
所述人脸姿态判断单元601，适于对待比对的人脸进行人脸姿态判断；
所述获取单元603，适于根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值；
所述比对单元604，适于将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对；
所述人脸姿态特征数据库605，适于存储人脸的人脸特征数据；
输出单元606，适于输出比对结果。
在具体实施中，所述人脸姿态判断单元601适于当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征，判定所述待比对的人脸属于对应类别的所述人脸姿态；其中，n为大于等于2的自然数。
在具体实施中，所述人脸姿态包括正面姿态。在具体实施中，所述人脸姿态还可以包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
在具体实施中，人脸姿态特征数据库605可以单独存储正面特征数据，得到正面姿态特征数据库，在实际场景中，正面姿态携带的人脸特征值是较为全面的，使用正面姿态的人脸特征值与所述正面特征数据库中的人脸特征数据进行对比可以降低比对的计算复杂度。
所述正面姿态人脸特征数据库中的所述人脸特征数据至少包括以下其中一种：来自采集到的正面姿态的所述人脸特征数据、来自采集到的人脸姿态经姿态调整后的所述人脸特征数据。
在具体实施中，所述获取单元603可以包括姿态调整单元602，所述姿态调整单元602，适于将判断得出的人脸姿态调整为所述正面姿态。
在具体实施中，若采用所述正面姿态特征数据库作为所述人脸姿态特征数据库605，当判断得出的人脸姿态为正面姿态时，所述比对单元604将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对；
当判断得出的人脸姿态不是正面姿态时，所述姿态调整单元602将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，所述比对单元604再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
在具体实施中，所述人脸姿态特征数据库605也可以存储多种姿态的人脸特征数据，即得到多姿态人脸特征数据库，此时，在将人脸特征数据入库前，需要经过人脸姿态调整得到同一个人的多种姿态的人脸特征数据。
在具体实施中，若采用所述多姿态特征数据库作为所述人脸姿态特征数据库605，所述比对单元604可以根据获取的所述判断得出的人脸姿态所属种类，从所述人脸姿态特征数据库中选取具有相同所述人脸姿态的不同人的对应的所述人脸的特征值，将所述人脸的特征值与数据库中具有相同所述人脸姿态的不同的人脸特征数据进行比对。
在在具体实施中，若采用所述多姿态特征数据库作为所述人脸姿态特征数据库605，所述比对单元604可以根据获取的所述判断得出的人脸姿态所属种类，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。具体地，将待比对人脸的人脸特征值与所述多姿态人脸特征数据库中具有不同权重的人脸特征数据比较，并进行相似度的计算，可以设置得出的相似度大于设定阈值时，认为所述待比对的人脸所属人的身份识别成功，输出匹配成功的结果。
本发明实施例的所述装置60通过设置人脸姿态判断单元601判断待比对的人脸的人脸姿态，根据判断结果，获取单元603获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整单元602进行调整后得到的人脸姿态所对应的人脸的特征值，比对单元604将获取的所述人脸的特征值与人脸姿态特征数据库605中的人脸特征数据进行比对，输出单元606输出比对结果。上述装置基于人脸姿态的判断来进行人脸识别比对，可以提高人脸识别的准确率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (21)

1.一种人脸识别方法，其特征在于，包括：
判断待比对的人脸的人脸姿态；
根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与人脸姿态特征数据库中的人脸特征数据进行比对；
输出比对结果。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述判断待比对的人脸的人脸姿态包括：
当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征时，判定所述待比对的人脸属于对应类别的所述人脸姿态；其中，n为大于等于2的自然数。
3.根据权利要求2所述的人脸识别方法，其特征在于，所述人脸姿态包括：正面姿态。
4.根据权利要求3所述的人脸识别方法，其特征在于，所述人脸姿态还包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
5.根据权利要求4所述的人脸识别方法，其特征在于，所述人脸特征数据库包括：正面姿态人脸特征数据库；
所述正面姿态人脸特征数据库中的所述人脸特征数据包括以下至少一种：
来自采集到的正面姿态的人脸特征数据、来自采集到的人脸姿态经姿态调整后得到的所述人脸的正面姿态的人脸特征数据。
6.根据权利要求5所述的人脸识别方法，其特征在于，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
当判断得出的人脸姿态为正面姿态时，将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
7.根据权利要求5所述的人脸识别方法，其特征在于，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
8.根据权利要求3至5中任一项所述的人脸识别方法，其特征在于，所述人脸特征数据库包括：多姿态人脸特征数据库。
9.根据权利要求8所述的人脸识别方法，其特征在于，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
根据获取的所述判断得出的人脸姿态所属种类，从所述人脸姿态特征数据库中选取具有相同姿态的不同人的对应的所述人脸的特征值，将所述人脸的特征值与数据库中具有相同姿态的不同的人脸特征数据进行比对。
10.根据权利要求8所述的人脸识别方法，其特征在于，所述根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值，并将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对，包括：
根据获取的所述判断得出的人脸姿态所属种类，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。
11.一种人脸识别装置，其特征在于，包括：人脸姿态判断单元、获取单元、比对单元、人脸姿态特征数据库和输出单元；
所述人脸姿态判断单元，适于对待比对的人脸进行人脸姿态判断；
所述获取单元，适于根据判断结果，获取人脸姿态所对应的人脸的特征值或人脸姿态经姿态调整后的人脸姿态所对应的人脸的特征值；
人脸姿态特征数据库，适于存储人脸的人脸特征数据；
所述比对单元，适于将获取的所述人脸的特征值与对应的人脸姿态特征数据库中的人脸特征数据进行比对；
输出单元，适于输出比对结果。
12.根据权利要求11所述的人脸识别装置，其特征在于，所述人脸姿态判断单元适于当所述待比对的人脸的特征满足n类人脸姿态描述中的其中一类的特征，判定所述待比对的人脸属于对应类别的所述人脸姿态；其中，n为大于等于2的自然数。
13.根据权利要求12所述的人脸识别装置，其特征在于，所述人脸姿态包括：正面姿态。
14.根据权利要求13所述的人脸识别装置，其特征在于，所述人脸姿态还包括以下至少一种：左侧姿态、右侧姿态、仰视姿态、俯视姿态、左侧仰视姿态、右侧仰视姿态、左侧俯视姿态和右侧俯视姿态。
15.根据权利要求14所述的人脸识别装置，其特征在于，所述人脸特征数据库包括：正面姿态人脸特征数据库；
所述正面姿态人脸特征数据库中的所述人脸特征数据包括来自采集到的正面姿态的所述人脸特征数据、来自采集到的人脸姿态经姿态调整后的所述人脸特征数据。
16.根据权利要求15所述人脸识别装置，其特征在于，所述获取单元包括姿态调整单元；
所述姿态调整单元，适于将判断得出的人脸姿态调整为所述正面姿态。
17.根据权利要求15或16所述的人脸识别装置，其特征在于，所述比对单元适于当判断得出的人脸姿态为正面姿态时，将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
18.根据权利要求16所述人脸识别装置，其特征在于，所述比对单元适于当判断得出的人脸姿态非正面姿态时，将所述判断得出的人脸姿态进行姿态调整得到对应的正面姿态，再将所述正面姿态所对应所述人脸的特征值与所述正面姿态人脸特征数据库中的不同人的正面姿态对应的所述人脸特征数据进行比对。
19.根据权利要求11至16中任一项所述的人脸识别装置，其特征在于，所述人脸特征数据库包括：多姿态人脸特征数据库。
20.根据权利要求19所述的人脸识别装置，其特征在于，所述比对单元适于根据获取的所述判断得出的人脸姿态所属种类，从所述人脸姿态特征数据库中选取具有相同所述人脸姿态的不同人的对应的所述人脸的特征值，将所述人脸的特征值与数据库中具有相同所述人脸姿态的不同的人脸特征数据进行比对。
21.根据权利要求19所述的人脸识别装置，其特征在于，所述比对单元适于根据获取的所述判断得出的人脸姿态所属种类，赋予所述多姿态人脸特征数据库中与所述人脸姿态同类的人脸特征数据较高权重，结合所述权重和待比对的所述人脸特征值与所述多姿态人脸特征数据库中的所述人脸特征数据间的相似度进行计算得出比对结果。
CN201510741812.6A 2015-11-04 2015-11-04 人脸识别方法及装置 Pending CN106650558A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510741812.6A CN106650558A (zh) 2015-11-04 2015-11-04 人脸识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510741812.6A CN106650558A (zh) 2015-11-04 2015-11-04 人脸识别方法及装置

Publications (1)

Publication Number Publication Date
CN106650558A true CN106650558A (zh) 2017-05-10

Family

ID=58850909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510741812.6A Pending CN106650558A (zh) 2015-11-04 2015-11-04 人脸识别方法及装置

Country Status (1)

Country Link
CN (1) CN106650558A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107545252A (zh) * 2017-08-31 2018-01-05 北京图铭视界科技有限公司 基于多姿态人脸模型的视频中人脸识别方法及装置
CN107798228A (zh) * 2017-09-27 2018-03-13 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN107844782A (zh) * 2017-11-29 2018-03-27 济南浪潮高新科技投资发展有限公司 一种基于多任务串行深度网络的人脸识别方法
CN107871345A (zh) * 2017-09-18 2018-04-03 深圳市盛路物联通讯技术有限公司 信息处理方法及相关产品
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN110458081A (zh) * 2019-08-05 2019-11-15 上海天诚比集科技有限公司 基于多姿矫正和局部特征替换的人脸识别预处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007050630A3 (en) * 2005-10-24 2008-01-17 Iris Int Inc Face recognition system and method
CN101515324A (zh) * 2009-01-21 2009-08-26 上海银晨智能识别科技有限公司 适用于多种姿态的人脸识别布控系统及方法
CN103136504A (zh) * 2011-11-28 2013-06-05 汉王科技股份有限公司 人脸识别方法及装置
CN103268497A (zh) * 2013-06-18 2013-08-28 厦门大学 一种人脸姿态检测方法与在人脸识别中的应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007050630A3 (en) * 2005-10-24 2008-01-17 Iris Int Inc Face recognition system and method
CN101515324A (zh) * 2009-01-21 2009-08-26 上海银晨智能识别科技有限公司 适用于多种姿态的人脸识别布控系统及方法
CN103136504A (zh) * 2011-11-28 2013-06-05 汉王科技股份有限公司 人脸识别方法及装置
CN103268497A (zh) * 2013-06-18 2013-08-28 厦门大学 一种人脸姿态检测方法与在人脸识别中的应用

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107545252A (zh) * 2017-08-31 2018-01-05 北京图铭视界科技有限公司 基于多姿态人脸模型的视频中人脸识别方法及装置
CN107871345A (zh) * 2017-09-18 2018-04-03 深圳市盛路物联通讯技术有限公司 信息处理方法及相关产品
CN107798228A (zh) * 2017-09-27 2018-03-13 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN107844782A (zh) * 2017-11-29 2018-03-27 济南浪潮高新科技投资发展有限公司 一种基于多任务串行深度网络的人脸识别方法
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN110458081A (zh) * 2019-08-05 2019-11-15 上海天诚比集科技有限公司 基于多姿矫正和局部特征替换的人脸识别预处理方法

Similar Documents

Publication Publication Date Title
CN106650558A (zh) 人脸识别方法及装置
CN107403168B (zh) 一种面部识别系统
CN104008370B (zh) 一种视频人脸识别方法
CN101558431B (zh) 脸认证设备
CN108073914B (zh) 一种动物面部关键点标注方法
CN102375970B (zh) 一种基于人脸的身份认证方法和认证装置
CN112232117A (zh) 一种人脸识别方法、装置及存储介质
CN102270308B (zh) 一种基于五官相关aam模型的面部特征定位方法
CN103971112B (zh) 图像特征提取方法及装置
CN106257489A (zh) 表情识别方法及系统
CN104615996B (zh) 一种多视角二维人脸特征点自动定位方法
CN104268539A (zh) 一种高性能的人脸识别方法及系统
CN111652827A (zh) 一种基于生成对抗网络的正面人脸合成方法及系统
CN105654048A (zh) 一种多视角人脸比对方法
CN106650688A (zh) 基于卷积神经网络的眼部特征检测方法，装置及识别系统
CN105608441B (zh) 一种车型识别方法及系统
CN108182397B (zh) 一种多姿态多尺度的人脸验证方法
CN105139000B (zh) 一种去除眼镜痕迹的人脸识别方法及装置
CN111507134A (zh) 人形姿态检测方法、装置、计算机设备及存储介质
CN104899578B (zh) 一种人脸识别的方法及装置
CN111476222B (zh) 图像处理方法、装置、计算机设备和计算机可读存储介质
CN111091075A (zh) 人脸识别方法、装置、电子设备及存储介质
CN105426882B (zh) 一种人脸图像中快速定位人眼的方法
CN106372656B (zh) 获取深度一次性学习模型的方法、图像识别方法及装置
CN107944398A (zh) 基于深度特征联合表示图像集人脸识别方法、装置和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510

WD01 Invention patent application deemed withdrawn after publication