CN107609495A - 人脸识别算法的验证方法、装置、计算机设备和存储介质 - Google Patents
人脸识别算法的验证方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN107609495A CN107609495A CN201710774650.5A CN201710774650A CN107609495A CN 107609495 A CN107609495 A CN 107609495A CN 201710774650 A CN201710774650 A CN 201710774650A CN 107609495 A CN107609495 A CN 107609495A
- Authority
- CN
- China
- Prior art keywords
- sample image
- image
- current sample
- candidate
- identification
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种人脸识别算法的验证方法、装置、计算机设备及存储介质,从样本图像集中获取当前样本图像,根据人脸识别算法提取当前样本图像的人脸特征,将当前样本人脸特征与图像库中各个候选人脸特征匹配,如果匹配成功,返回匹配注册编号作为当前样本图像的识别编号,当前样本图像识别状态为已注册,反之,返回预设编号作为当前样本图像的识别编号,当前样本图像识别状态为未注册,获取当前样本图像的标准状态和标准注册编号,与当前样本图像的识别状态和识别编号验证得到当前样本图像对应的识别结果,下一个样本图像为当前样本图像,重复进入特征提取步骤,直至所有样本图像获得识别结果,根据所有识别结果准确验证人脸识别算法的识别效果。
Description
技术领域
本发明涉及人脸识别,特别是涉及一种人脸识别算法的验证方法、装置、计算机设备和存储介质。
背景技术
生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。人脸识别技术是生物识别技术中被广泛应用的一种技术,例如,手机解锁系统、考勤系统、机场海关、银行支付等。
人脸识别技术依靠人脸识别算法实现,人脸识别算法的识别效果与个人信息的安全的直接关联。需要对开发出来的人脸识别算法进行验证,确定人脸识别算法的识别效果,当前人脸识别算法的识别效果验证难以满足算法的识别效果准确度的精准要求。
发明内容
基于此,有必要针对当前人脸识别算法的识别效果验证难以满足算法的识别效果准确度的精确要求,提供一种人脸识别算法的验证方法、装置、计算机设备和存储介质。
一种人脸识别算法的验证方法,所述方法包括:
获取样本图像集,从样本图像集中获取当前样本图像;
根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配;
如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态为标记未注册;
获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
在其中一个实施例中,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述方法还包括:
从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
在其中一个实施例中,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配的步骤包括:
根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集标记对应的成员状态标记为已注册;
所述方法还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
在其中一个实施例中,所述获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述人脸识别算法的识别准确度的步骤包括:
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为未注册时,正确识别数加1;
分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
一种人脸识别算法的验证装置,所述装置包括:
获取模块,用于获取样本图像集,从样本图像集中获取当前样本图像;
特征匹配模块,用于根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;
注册验证模块,用于如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;
识别准确度验证模块,用于获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
在其中一个实施例中,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述装置还包括:
样本抽取模块,用于从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
在其中一个实施例中,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述特征匹配模块包括:
人脸特征提取单元,用于根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
注册编号和标准状态分配单元,用于为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集对应的成员状态标记为已注册;
所述注册编号和标准状态分配单元还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
在其中一个实施例中,所述识别准确度验证模块包括:
正确识别单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
误接收单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
误接收单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
拒识别单元,用于当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
验证单元,分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:
获取样本图像集,从样本图像集中获取当前样本图像;
根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;
如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;
获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下步骤:
获取样本图像集,从样本图像集中获取当前样本图像;
根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;
如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;
获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
上述人脸识别算法的验证方法、装置、计算机设备和存储介质,通过获取样本图像集,从样本图像集中获取当前样本图像;根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配;如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。上述方法,通过获取当前样本图像的人脸特征,根据当前样本图像的人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,获得识别编号和识别状态,根据当前样本图像的标准状态和标准注册编号,与识别状态和识别编号进行验证得到当前样本图像对应的识别结果,根据所有样本图像对应的识别结果得到所述人脸识别算法的识别准确度,准确的验证人脸识别算法的识别效果。
附图说明
图1为一个实施例中人脸识别算法的验证方法的流程图;
图2为另一个实施例中人脸识别算法的验证方法的流程图;
图3为一个实施例中图像库中候选样本图像注册步骤的流程图;
图4为一个实施例中识别准确度验证步骤的流程图;
图5为一个实施例中人脸识别装置的结构框图;
图6为另一个实施例中人脸识别装置的结构框图;
图7为一个实施例中图像注册验证模块的结构框图;
图8为一个实施例中识别准确度验证模块的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
如图1所示,在一个实施例中,提供了一种人脸识别算法的验证方法,所述方法包括;
步骤S110,获取样本图像集,从样本图像集中获取当前样本图像。
其中,样本图像集是指由多个样本图像组成的集合,样本图像集中的各个样本图像均包含人的面部信息,人的面部信息包括眼睛、鼻子、嘴巴、耳朵等。根据人的面部信息可以用于人脸识别算法的研究、开发和验证。确定样本图像集后,从样本图像集中随机抽取当前样本图像。其中,当前样本图像是指样本图像集包含人的面部信息的某一张样本图像。
步骤S120,根据人脸识别算法提取当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,图像库中的各个候选图像是从样本图像集中抽取得到的。
具体地,人脸识别算法是指检测到人脸并定位面部关键特征点之后,根据识别算法提取人脸特征并与已知人脸特征进行比对,完成分类。首先在样本图像集随机抽取当前样本图像,采用人脸识别算法提取当前样本图像的对应的当前样本人脸特征,根据当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,根据匹配结果将当前样本图像归类。其中,从样本图像集中抽取各个候选图像形成图像库,为了保证人脸识别的准确性,确保每一个图像都来自样本图像,避免在人脸识别算法的识别效果验证过程中造成人脸特征的浪费以及系统资源的浪费。其中人脸特征是指用于标识人脸的特征信息。特征信息包括眼睛、鼻子、嘴巴的大小和位置关系等等。
步骤S130,如果匹配成功,则返回与当前样本图像匹配的目标候选图像对应的匹配注册编号,将匹配注册编号作为当前样本图像的识别编号,将当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将预设编号作为当前样本图像的识别编号,将当前样本图像的识别状态标记未注册。
具体地,识别编号用于标识当前样本图像的识别结果,识别结果是指当前样本图像对应的当前样本人脸特征能否与图像库中的各个候选图像候选人脸特征匹配成功。具体地,如果当前样本人脸特征与图像库中的各个候选图像候选人脸特征匹配成功,则与返回当前样本图像匹配的目标候选图像对应的匹配注册编号,将其归类为目标候选图像对应的样本图像子集,将返回当前样本图像匹配的目标候选图像对应的匹配注册编号作为当前样本图像的识别编号,并将当前样本图像的识别状态标记为已注册。其中,识别状态用于标识当前样本图像是否注册。例,已注册用1标识,未注册用0标识。
如果当前样本人脸特征与图像库中的各个候选图像候选人脸特征匹配均不成功,则返回预设编号,将该预设编号作为当前样本图像的识别编号,并将当前样本图像的识别状态标记为未注册。其中,预设编号是预先设定的用于标识当前样本人脸特征与图像库中的各个候选图像候选人脸特征匹配不成功的编号。例,预设编号设为-1,如果当前样本人脸特征与图像库中的各个候选图像候选人脸特征匹配均不成功,当前样本图像的识别编号为-1。
步骤S140,获取当前样本图像的标准状态和标准注册编号,并与当前样本图像的识别状态和识别编号进行验证得到当前样本图像对应的识别结果,将样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定人脸识别算法的识别准确度。
具体地,对比当前样本图像的识别编号与标准注册标号是否一致,以及当前样本图像的识别状态与标准状态是否一致,根据当前样本图像的标准状态和标准注册编号以及当前样本图像的识别状态和识别编号的验证结果得到当前样本图像对应的识别结果,接下来将样本图像集中的下一张图像作为当前样本图像重复进行人脸特征提取,根据人脸特征与图像库中的各个候选图像的人脸特征进行匹配得到对应的识别编号和识别状态,对识别状态和识别编码进行验证得到识别结果,不断重复直至获得样本图像集中的所有样本图像的识别编号和识别状态,并将其与对应的样本图像的标准注册编号和标准状态进行验证得到对应的识别结果,统计所有的识别结果确定人脸识别算法的识别准确度。识别结果包括正确识别、错误识别、拒识别和拒接收。统计识别结果,计算识别结果对应的识别率,通过识别率验证人脸识别算法的识别效果。
上述的人脸识别算法的验证方法,通过人脸算法提取当前样本图像对应当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,根据匹配结果获取识别编号和识别状态,根据识别编号和识别状态与当前样本的标准注册标号和标准状态进行验证得到当前样本图像对应的识别结果,根据所有样本图像对应的识别结果得到人脸识别算法的准确度,实现人脸识别算法识别效果的精确度量。
如图2所示,在一个实施例中,样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,获取样本图像集,从样本图像集中获取当前样本图像步骤之前包括:
步骤S150,从戴眼镜样本图像中抽取第一预设数目的样本图像,从不戴眼镜样本图像中抽取第二预设数目的样本图像形成图像库。
具体地,图像库中包含从戴眼镜样本图像中随机抽取第一预设数目的样本图像和从不戴眼镜样本图像中随机抽取第二预设数目的样本图像,第一预设数目和第二预设数目可以相同也可以不相同。第一预设数目与第二预设数目按需求设定。例如,从样本图像中随机抽取所有戴眼镜样本图像的百分之一或千分之一,从样本图像中随机抽取所有不戴眼镜样本图像的百分之一或千分之一等。
其中,图像库中包含戴眼镜和不戴眼镜的样本图像是为了验证人脸识别算法的适应性。戴眼镜的样本图像会对人脸识别算法的特征提取带来一定的难度,由于镜片的反光造成眼睛的定位不准确已经和镜架遮挡,因此将样本区分戴眼镜和不戴眼镜能够更好的验证人脸识别算法的可靠性。
如图3所示,在一个实施例中,样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,图像库中的候选图像以成员分类形成各个成员对应的候选图像子集步骤S120包括:
步骤S160,根据人脸识别算法提取图像库中各个候选图像对应的人脸特征。
具体地,人脸识别算法与上述步骤S120中的人脸识别算法是同一算法。通过人脸识别算法提取图像库中各个候选图像对应的人脸特征。
步骤S170,为各个图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为候选图像所在的图像子集对应的标准注册编号,将图像子集对应的成员状态标记为已注册。
具体地,标准注册编号是用于区分不同样本图像子集的唯一标识号,各个成员对应的样本图像子集按各个样本图像以成员分类形成。成员状态是包括已注册和未注册两种。为各个图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为候选图像所在的图像子集对应的标准注册编号,将图像子集对应的成员状态标记为已注册。例,从302个样本图像子集中抽取151个为样本图像子集并分配对应的标准注册编号为0-150,若候选图像所在的图像子集对应的标准注册编号为20,则候选图像对应的标准注册编号为20,并将图像子集对应的标准注册编号为20对应的成员状态标记为已注册。
上述方法还包括:
步骤S180,为样本图像集中各个样本图像分配对应的标准状态和标准注册编号,将样本图像子集与候选图像子集进行匹配,如果匹配成功,则将样本图像子集中所有样本图像的标准状态标记为已注册,并将与样本图像子集匹配候选图像子集的标准注册编号作为样本图像子集中所有样本图像的标准注册编号。
具体地,为样本图像集中各个样本图像分配用于唯一标识样本图像子集对应的标准状态和标准注册编号。标准状态包括已注册和未注册。已注册表示样本图像子集中的全部或部分图像对应的人脸特征保存在图像库中,反之,表示未注册。通过将样本图像子集与候选图像子集进行匹配,通过判断匹配结果标识样本图像子集的标准状态。如果与候选图像子集成功匹配,将样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号;如果与候选图像子集不成功匹配,所述样本图像子集中所有样本图像的标准状态标记为已注册。通过标准状态和标准注册编号标识样本图像有利于图像的验证,避免验证出错,且能够更为快速的验证人脸识别算法。
如图4所示,在一个实施例中,步骤S140包括:
步骤S140A,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1。
具体地,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,表示匹配结果正确,正确识别数加1。具体地,当识别状态为1,当标准状态也为1,且标准注册编号与识别编号均为20,表示识别正确,正确数加1。
步骤S140B,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1。
具体地,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,标准注册编号与识别编号不相同,表示匹配结果错误,错误识别数加1。具体地,当识别状态为1,标准状态也为1,标准注册编号为20,而识别编号均为30,表示匹配结果错误,错误识别数加1。
步骤S140C,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为未注册时,误接收数加1。
具体地,当当前样本图像的识别状态为已注册,当前样本图像的标准状态为未注册时,表示识别结果为误接收,误接收数加1。具体地,当当前样本图像的识别状态为已1,当前样本图像的标准状态为0时,表示识别结果为误接收,误接收数加1。
步骤S140D,当当前样本图像的识别状态为未注册,当前样本图像的标准状态为已注册时,拒识别数加1。
具体地,当当前样本图像的识别状态为未注册,当前样本图像的标准状态为已注册时,表示识别结果为拒识别,拒识别数加1。具体地,当当前样本图像的识别状态为0,当前样本图像的标准状态为1时,表示识别结果为拒识别,拒识别数加1。
步骤S140E,当当前样本图像的识别状态为未注册,当前样本图像的标准状态为未注册时,正确识别数加1。
具体地,当当前样本图像的识别状态为未注册,当前样本图像的标准状态为未注册时,表示正确识别,正确识别数加1。具体地,当当前样本图像的识别状态为0,当前样本图像的标准状态也为0时,表示正确识别,正确识别数加1。
在一个实施例中,通过计算上述识别结果数验证人脸识别算法的识别效果的步骤包括:
步骤S140F,分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
具体地,通过计算正确识别数与样本图像总数的比例得到正确识别率、计算错误识别数与样本图像总数的比例得到错误识别率、计算误接收数与样本图像总数的比例得到误接收率、计算错拒识别数与样本图像总数的比例得到拒识别率。例,正确识别数为279487、错误识别数1,误接收数196、拒识别数26182,样本图像总数为305866,正确识别率为0.9137564、错误识别率为3.26941E-06、误接收率为0.0006408、拒识别率为0.08559958。
正确时识别率越高代表识别效果越好;错误识率表征把已经在识别算法里注册过的样本图像识别混乱;误接收率表征人脸识别算法把没有注册过的样本图像识别为已注册过的样本图像;错误误识别率和误接收率都属于错误识别,其值越低说明识别的错误率就越低,人脸识别算法的识别效果越好;拒识别率表征人脸识别算法识别速度的快慢,越高说明识别速度越慢。
在本实施例中,正确识别率为0.9137564,表明人脸识别算法正确率比较高,达到较高的识别精度;错误识率为3.26941E-06,误接收率比较小表明将注册过的样本图像混淆的比较少,说明人脸识别算法提取的人脸特征比较精确,不容易混淆;误接收率为0.0006408,误接收率比较小,表明人脸识别算法把没有注册过的样本图像识别为已注册过的样本图像较少,说明人脸识别算法的识别效果较好;拒识别率为0.08559958,拒识别较小,说明人脸识别算法的识别速率较快。
如图5所示,在一个实施例中,提出了一种人脸识别算法的验证装置,该装置包括:
获取模块110,用于获取样本图像集,从样本图像集中获取当前样本图像。
特征匹配模块120,用于根据人脸识别算法提取当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,图像库中的各个候选图像是从样本图像集中抽取得到的。
注册验证模块130,用于如果匹配成功,则返回与当前样本图像匹配的目标候选图像对应的匹配注册编号,将匹配注册编号作为当前样本图像的识别编号,将当前样本图像的识别状态标记为已注册;如果匹配不成功,则返回预设编号,将预设编号作为当前样本图像的识别编号,将当前样本图像的识别状态标记为未注册。
识别准确度验证模块140,用于获取当前样本图像的标准状态和标准注册编号,并与当前样本图像的识别状态和识别编号进行验证得到人脸识别算法的识别准确度。
如图6所示,在一个实施例中,上述人脸识别算法的验证装置还包括:
样本抽取模块150,用于从戴眼镜样本图像中抽取第一预设数目的样本图像,从不戴眼镜样本图像中抽取第二预设数目的样本图像形成图像库。
如图7所示,在一个实施例中,样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,特征匹配模块包括:
人脸特征提取单元120A,用于根据人脸识别算法提取图像库中各个候选图像对应的人脸特征;
注册编号和标准状态分配单元120B,用于为各个图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为候选图像所在的图像子集对应的标准注册编号,将图像子集对应的成员状态标记为已注册;
注册编号和标准状态分配单元还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号。
将样本图像子集与候选图像子集进行匹配,如果匹配成功,则将样本图像子集中所有样本图像的标准状态标记为已注册,并将与样本图像子集匹配候选图像子集的标准注册编号作为样本图像子集中所有样本图像的标准注册编号。
如图8所示,在一个实施例中,识别准确度验证模块包括:
正确识别单元140A,用于当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
正确识别单元140A还用于当当前样本图像的识别状态为未注册,当前样本图像的标准状态为未注册时,正确识别数加1。
误识别单元140B,用于当当前样本图像的识别状态为已注册,当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
误接收单元140C,用于当当前样本图像的识别状态为已注册,当前样本图像的标准状态为未注册时,误接收数加1。
拒识别单元140D,用于当当前样本图像的识别状态为未注册,当前样本图像的标准状态为已注册时,拒识别数加1。
验证单元140E,分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:
获取样本图像集,从样本图像集中获取当前样本图像;根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
在一个实施例中,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述方法还包括:
从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
在一个实施例中,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配的步骤包括:
根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集标记对应的成员状态标记为已注册;
所述方法还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
在一个实施例中,所述获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述人脸识别算法的识别准确度的步骤包括:
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为未注册时,正确识别数加1;
分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
在一个实施例中,提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取样本图像集,从样本图像集中获取当前样本图像;根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
在一个实施例中,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述方法还包括:
从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
在一个实施例中,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配的步骤包括:
根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集标记对应的成员状态标记为已注册;
所述方法还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
在一个实施例中,所述获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述人脸识别算法的识别准确度的步骤包括:
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为未注册时,正确识别数加1;
分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸识别算法的验证方法,所述方法包括:
获取样本图像集,从样本图像集中获取当前样本图像;
根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;
如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;
获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
2.根据权利要求1所述的方法,其特征在于,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述方法还包括:
从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
3.根据权利要求1所述的方法,其特征在于,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配的步骤包括:
根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集对应的成员状态标记为已注册;
所述方法还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
4.根据权利要求1所述的方法,其特征在于,所述获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述人脸识别算法的识别准确度的步骤包括:
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为未注册时,正确识别数加1;
分别计算正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
5.一种人脸识别算法的验证装置,所述装置包括:
获取模块,用于获取样本图像集,从样本图像集中获取当前样本图像;
特征匹配模块,用于根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征,将当前样本人脸特征与图像库中的各个候选图像的候选人脸特征进行匹配,所述图像库中的各个候选图像是从所述样本图像集中抽取得到的;
注册验证模块,用于如果匹配成功,则返回所述与当前样本图像匹配的目标候选图像对应的匹配注册编号,将所述匹配注册编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为已注册;
如果匹配不成功,则返回预设编号,将所述预设编号作为所述当前样本图像的识别编号,将所述当前样本图像的识别状态标记为未注册;
识别准确度验证模块,用于获获取当前样本图像的标准状态和标准注册编号,并与所述当前样本图像的识别状态和识别编号进行验证得到所述当前样本图像对应的识别结果,将所述样本图像集中的下一个样本图像作为当前样本图像,重复进入根据人脸识别算法提取所述当前样本图像对应的当前样本人脸特征的步骤,直至样本图像集中各个样本图像存在对应的识别结果,根据各个样本图像对应的识别结果确定所述人脸识别算法的识别准确度。
6.根据权利要求5所述的装置,其特征在于,所述样本图像集中包括戴眼镜样本图像和不戴眼镜样本图像,所述装置还包括:
样本抽取模块,用于从所述戴眼镜样本图像中抽取第一预设数目的样本图像,从所述不戴眼镜样本图像中抽取第二预设数目的样本图像形成所述图像库。
7.根据权利要求5所述的装置,其特征在于,所述样本图像集中的各个样本图像以成员分类形成各个成员对应的样本图像子集,所述图像库中的候选图像以成员分类形成各个成员对应的候选图像子集,所述特征匹配模块包括:
人脸特征提取单元,用于根据所述人脸识别算法提取所述图像库中各个候选图像对应的人脸特征;
注册编号和标准状态分配单元,用于为各个所述图像子集分配对应的标准注册编号,候选图像对应的标准注册编号为所述候选图像所在的图像子集对应的标准注册编号,将所述图像子集对应的成员状态标记为已注册;
所述注册编号和标准状态分配单元还包括:
为样本图像集中各个样本图像分配对应的标准状态和标准注册编号;
将所述样本图像子集与所述候选图像子集进行匹配,如果匹配成功,则将所述样本图像子集中所有样本图像的标准状态标记为已注册,并将与所述样本图像子集匹配候选图像子集的标准注册编号作为所述样本图像子集中所有样本图像的标准注册编号。
8.根据权利要求5所述的装置,其特征在于,所述识别准确度验证模块包括:
正确识别单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,且标准注册编号与识别编号相同,正确识别数加1;
误接收单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为已注册时,而标准注册编号与识别编号不相同,错误识别数加1;
误接收单元,用于当所述当前样本图像的识别状态为已注册,所述当前样本图像的标准状态为未注册时,误接收数加1;
拒识别单元,用于当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为已注册时,拒识别数加1;
验证单元,计算正确识别数、错误识别数、误接收数、拒识别数分别与样本图像的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率验证人脸识别算法的识别效果。
所述正确识别单元还包括:
用于当所述当前样本图像的识别状态为未注册,所述当前样本图像的标准状态为未注册时,正确识别数加1;
分别计算验证结果单元:用于将正确识别数、错误识别数、误接收数、拒识别数与样本图像总数的比例得到正确识别率、错误识别率、误接收率、拒识别率,根据正确识别率、错误识别率、误接收率、拒识别率定性分析人脸识别算法的识别效果。
9.一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4种任一项所述的一种人脸识别算法的验证方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4种任一项所述的一种人脸识别算法的验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710774650.5A CN107609495B (zh) | 2017-08-31 | 2017-08-31 | 人脸识别算法的验证方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710774650.5A CN107609495B (zh) | 2017-08-31 | 2017-08-31 | 人脸识别算法的验证方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609495A true CN107609495A (zh) | 2018-01-19 |
CN107609495B CN107609495B (zh) | 2021-06-04 |
Family
ID=61056928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710774650.5A Active CN107609495B (zh) | 2017-08-31 | 2017-08-31 | 人脸识别算法的验证方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609495B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063617A (zh) * | 2018-07-24 | 2018-12-21 | 高新兴科技集团股份有限公司 | 一种人脸识别算法的分析方法及工具 |
CN109117786A (zh) * | 2018-08-09 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 基于神经网络模型的数据处理方法、装置及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682309A (zh) * | 2011-03-14 | 2012-09-19 | 汉王科技股份有限公司 | 一种基于模板学习的人脸注册方法及装置 |
CN106503691A (zh) * | 2016-11-10 | 2017-03-15 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
CN107992728A (zh) * | 2016-10-27 | 2018-05-04 | 腾讯科技(深圳)有限公司 | 人脸验证方法及装置 |
-
2017
- 2017-08-31 CN CN201710774650.5A patent/CN107609495B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682309A (zh) * | 2011-03-14 | 2012-09-19 | 汉王科技股份有限公司 | 一种基于模板学习的人脸注册方法及装置 |
CN107992728A (zh) * | 2016-10-27 | 2018-05-04 | 腾讯科技(深圳)有限公司 | 人脸验证方法及装置 |
CN106503691A (zh) * | 2016-11-10 | 2017-03-15 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
Non-Patent Citations (1)
Title |
---|
王玉瑶: ""小样本人脸识别算法设计及验证"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063617A (zh) * | 2018-07-24 | 2018-12-21 | 高新兴科技集团股份有限公司 | 一种人脸识别算法的分析方法及工具 |
CN109117786A (zh) * | 2018-08-09 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 基于神经网络模型的数据处理方法、装置及可读存储介质 |
CN109117786B (zh) * | 2018-08-09 | 2021-11-30 | 百度在线网络技术(北京)有限公司 | 基于神经网络模型的数据处理方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107609495B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schumann et al. | Person re-identification by deep learning attribute-complementary information | |
US5917941A (en) | Character segmentation technique with integrated word search for handwriting recognition | |
CN106295482B (zh) | 一种人脸数据库的更新方法及装置 | |
Bolle et al. | The relation between the ROC curve and the CMC | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
US6944318B1 (en) | Fast matching systems and methods for personal identification | |
CN103049736A (zh) | 一种基于最大稳定极值区域的人脸识别方法 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
CN102855496A (zh) | 遮挡人脸认证方法及系统 | |
CN101178773A (zh) | 基于特征提取和分类器的图像识别系统及方法 | |
CN105654035B (zh) | 三维人脸识别方法及应用其的数据处理装置 | |
CN104036254A (zh) | 一种人脸识别方法 | |
KR20170082074A (ko) | 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법 | |
CN107609495A (zh) | 人脸识别算法的验证方法、装置、计算机设备和存储介质 | |
Guo et al. | Soft biometric fusion for subject recognition at a distance | |
Eum et al. | Face recognizability evaluation for ATM applications with exceptional occlusion handling | |
CN109145704A (zh) | 一种基于人脸属性的人脸画像识别方法 | |
Clermont et al. | Supervised detection of bomb craters in historical aerial images using convolutional neural networks | |
Villariña et al. | Palm vein recognition system using directional coding and back-propagation neural network | |
CN111723595A (zh) | 人员身份识别方法和系统 | |
CN107103265A (zh) | 一种评估人脸检测算法的方法及装置 | |
Malik et al. | Freak for real time forensic signature verification | |
Nishiuchi et al. | Cancelable biometric identification by combining biological data with artifacts | |
JPH0883341A (ja) | 物体領域抽出方法とその装置及び物体認識装置 | |
Neethu et al. | People count estimation using hybrid face detection method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |