CN107944424A - 分布前端人像采集及多角度人像比对方法 - Google Patents

分布前端人像采集及多角度人像比对方法 Download PDF

Info

Publication number
CN107944424A
CN107944424A CN201711297298.7A CN201711297298A CN107944424A CN 107944424 A CN107944424 A CN 107944424A CN 201711297298 A CN201711297298 A CN 201711297298A CN 107944424 A CN107944424 A CN 107944424A
Authority
CN
China
Prior art keywords
face
angle
human
picture
starting point
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
CN201711297298.7A
Other languages
English (en)
Inventor
吴建忠
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.)
Guangdong Golden Hang Technology Co Ltd
Original Assignee
Guangdong Golden Hang Technology Co Ltd
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 Guangdong Golden Hang Technology Co Ltd filed Critical Guangdong Golden Hang Technology Co Ltd
Priority to CN201711297298.7A priority Critical patent/CN107944424A/zh
Publication of CN107944424A publication Critical patent/CN107944424A/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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

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

Abstract

本发明公开了一种分布前端人像采集及多角度人像比对方法，旨在提供一种对光线的抗干扰强，同时要对角度要求不高，对于面部水平转角度不大于20度、垂直偏转角度不大于40度均能进行有效采集的方法；以及同时前端人像集成人像比对功能，减少后台比对服务器投入，简化了系统部署，提高人像识别的准确率的方法；其技术方案是这样的：分布前端人像采集方法，依次包括下述步骤：步骤1:打开摄像头，实时进行视频预览采集；步骤2:定时提取摄像头帧的图片，对图像进行背光检测；通过人脸多角度检测算法，检测出有效人脸数据。

Description

分布前端人像采集及多角度人像比对方法
技术领域
本发明公开了一种人像采集及比对方法，具体地说，是一种分布前端人像采集及多角度人像比对方法，属于人脸识别技术领域。
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。
人脸识别技术拥有多种优势让其得到人们青睐，但其研发过程中存在的难度也是不容人们忽视的。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。
一、人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸角度出现多变性，在不同观察角度，更多采集设备无法采集，另外，即使采集到多角度人脸再识别正面相片，目前存在比对准确性问题。
二、采集人像数据源没进行标准化处理及人脸特征点提取。目前采集人脸摄像头五花八门，而且没进行统一标准化处理及特征点提取，导致人像算法在识别不同人像来源准确性大大降低。
发明内容
针对上述内容，本发明的目的是提供一种对光线的抗干扰强，同时要对角度要求不高，对于面部水平转角度不大于20度、垂直偏转角度不大于40度均能进行有效采集的方法。
本发明的第二目的同时前端人像集成人像比对功能，减少后台比对服务器投入，简化了系统部署，提高人像识别的准确率的方法。
为此，本发明提供的第一个技术方案是这样的：
一种分布前端人像采集方法，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:定时提取摄像头帧的图片，对图像进行背光检测；通过人脸多角度检测算法，检测出有效人脸数据。
进一步的，上述的一种分布前端人像采集方法，所述的步骤步骤2在一秒内提取5～10帧的图片，系统针对每一帧的图片检测人脸，如果存在人脸，把图片输出到下一步流程。
本发明提供的第二个技术方案是这样的：
一种多角度人像比对方法，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:定时提取摄像头帧的图片，对图像进行背光检测；
步骤3：通过人脸多角度检测算法，检测出有效人脸数据；判断是否存在人脸，如果存在，提取采集人脸相片两眼和鼻子形成三角区获取50个特征点，非三角区获取20个特征点，并且判断是否有效人脸；如果不存在，操作结束；如果存在有效人脸，把采集人脸相片特殊点与人像库进行人脸多角度检测算法，并且把对比结果输出，操作结束；如果不存在，操作之间结束。
进一步的，上述的一种多角度人像比对方法，所述的人脸多角度检测算法是通过两眼检查人脸所在的水平X，Y轴坐标，并通过数学公式计算出人脸垂直和水平角度，并且根据系统已经预设好的参数，筛选左偏转角度、右偏转角度分别小于25度的图片。
进一步的，上述的一种多角度人像比对方法，所述的数学公式计算为：以整张图片最左下端角为起始点(0,0)，左眼与起始点的水平距离定义为X1，左眼与起始点的垂直距离定义为Y1，右眼与起始点的水平距离定义为X2，右眼与起始点的垂直距离定义为Y2，鼻子与起始点的水平距离定义为X3，鼻子与起始点的垂直距离定义为Y3，
水平角度变量定义为T0，
(Y2-Y1)/(X2-X1)＝tanT0；
垂直角度的变量定义为T3，
T3＝|T2|+|T1|,(Y3Y1)/(X3-X1)＝tanT1,(Y3-Y2)/(X3-X2)＝tanT2。
进一步的，上述的一种多角度人像比对方法，图片筛选后对于有效人像比对，通过两个眼睛定位到人脸信息，并且在人脸选出几十个人像特征点，把图形中特征点的颜色，坐标及周边30个像素点距离的圆周形成图片矩阵，转换成二进制数组成计算可以识别到的指令，指令会保存到硬盘及内存里，并把识别结果以标准接口提供第三方接收。
与现有技术相比，本发明提供的技术方案具有如下技术优点：
1、本发明提供的技术方案采用自主人脸检测算法，算法运用了高效的数据公式及大量人脸特征模板，可以高效及准确在前端定位到不同角度人脸，为识别提供统一的人脸图片来源。
2、本发明提供的技术方案是在前端进行提取特征点，人脸图像特征点进行标准化处理，同时前端人像集成人像比对功能，减少后台比对服务器投入，简化了系统部署，提高人像识别的准确率。
附图说明
图1是本发明实施例1提供的技术方案框架流程图。
图2是本发明实施例2提供的技术方案框架流程图
具体实施方式
为了使本发明的目的、技术方案和有益技术效果更加清晰，以下结合实施例，对本发明进行进一步详细说明。应当理解的是，本说明书中描述的实施例仅仅是为了解释本发明，并非为了限定本发明，实施例的参数、比例等可因地制宜做出选择而对结果并无实质性影响。
实施例1
本发明提供的一种分布前端人像采集方法，参阅流程图1，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:所述的步骤步骤2在一秒内提取5～10帧的图片，系统针对每一帧的图片检测人脸，如果存在人脸，把图片输出到下一步流程，通过人脸多角度检测算法，检测出有效人脸数据。
所述的多角度算法是通过两眼检查人脸所在的水平X，Y轴坐标，并通过数学公式计算出人脸垂直和水平角度，筛选。数学公式计算为：以整张图片最左下端角为起始点(0,0)，左眼与起始点的水平距离定义为X1，左眼与起始点的垂直距离定义为Y1，右眼与起始点的水平距离定义为X2，右眼与起始点的垂直距离定义为Y2，鼻子与起始点的水平距离定义为X3，鼻子与起始点的垂直距离定义为Y3，
水平角度变量定义为T0，
(Y2-Y1)/(X2-X1)＝tanT0；
垂直角度的变量定义为T3，
T3＝|T2|+|T1|,(Y3Y1)/(X3-X1)＝tanT1,(Y3-Y2)/(X3-X2)＝tanT2。
实施例2
本发明提供的一种多角度人像比对方法，参阅流程图2，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:定时提取摄像头帧的图片，对图像进行背光检测；
步骤3：通过人脸多角度检测算法，检测出有效人脸数据；判断是否存在人脸，如果存在，提取采集人脸相片两眼和鼻子形成三角区获取50个特征点，非三角区获取20个特征点，并且判断是否有效人脸；如果不存在，操作结束；如果存在有效人脸，把采集人脸相片特殊点与人像库进行人脸多角度检测算法，并且把对比结果输出，操作结束；如果不存在，操作之间结束。
具体地说，所述的人脸多角度检测算法是通过两眼检查人脸所在的水平X，Y轴坐标，并通过数学公式计算出人脸垂直和水平角度，并且根据系统已经预设好的参数，筛选左偏转角度、右偏转角度分别小于25度的图片。
所述的数学公式计算为：以整张图片最左下端角为起始点(0,0)，左眼与起始点的水平距离定义为X1，左眼与起始点的垂直距离定义为Y1，右眼与起始点的水平距离定义为X2，右眼与起始点的垂直距离定义为Y2，鼻子与起始点的水平距离定义为X3，鼻子与起始点的垂直距离定义为Y3，
水平角度变量定义为T0，
(Y2-Y1)/(X2-X1)＝tanT0；
垂直角度的变量定义为T3，
T3＝|T2|+|T1|,(Y3Y1)/(X3-X1)＝tanT1,(Y3-Y2)/(X3-X2)＝tanT2。
图片筛选后对于有效人像比对，通过两个眼睛定位到人脸信息，并且在人脸选出几十个人像特征点，把图形中特征点的颜色，坐标及周边30个像素点距离的圆周形成图片矩阵，转换成二进制数组成计算可以识别到的指令，指令会保存到硬盘及内存里，并把识别结果以标准接口提供第三方接收。
以上内容是结合具体的优选实施方式，对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。

Claims (6)

1.一种分布前端人像采集方法，其特征在于，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:定时提取摄像头帧的图片，对图像进行背光检测；通过人脸多角度检测算法，检测出有效人脸数据。
2.根据权利要求1所述的一种分布前端人像采集方法，其特征在于，所述的步骤步骤2在一秒内提取5～10帧的图片，系统针对每一帧的图片检测人脸，如果存在人脸，把图片输出到下一步流程。
3.一种多角度人像比对方法，其特征在于，依次包括下述步骤：
步骤1:打开摄像头，实时进行视频预览采集；
步骤2:定时提取摄像头帧的图片，对图像进行背光检测；
步骤3：通过人脸多角度检测算法，检测出有效人脸数据；判断是否存在人脸，如果存在，提取采集人脸相片两眼和鼻子形成三角区获取50个特征点，非三角区获取20个特征点，并且再次判断是否有效人脸；如果不存在，操作结束；如果存在有效人脸，把采集人脸相片特殊点与人像库进行识别对比，并且把对比结果输出，操作结束；如果不存在，操作之间结束。
4.根据权利要求3所述的一种多角度人像比对方法，其特征在于，所述的人脸多角度检测算法是通过两眼检查人脸所在的水平X，Y轴坐标，并通过数学公式计算出人脸垂直和水平角度，并且根据系统已经预设好的参数，筛选左偏转角度、右偏转角度分别小于25度的图片。
5.根据权利要求4所述的一种多角度人像比对方法，其特征在于，所述的数学公式计算为：以整张图片最左下端角为起始点(0,0)，左眼与起始点的水平距离定义为X1，左眼与起始点的垂直距离定义为Y1，右眼与起始点的水平距离定义为X2，右眼与起始点的垂直距离定义为Y2，鼻子与起始点的水平距离定义为X3，鼻子与起始点的垂直距离定义为Y3，
水平角度变量定义为T0，
(Y2-Y1)/(X2-X1)＝tanT0；
垂直角度的变量定义为T3，
T3＝|T2|+|T1|,(Y3Y1)/(X3-X1)＝tanT1,(Y3-Y2)/(X3-X2)＝tanT2。
6.根据权利要求1所述的一种多角度人像比对方法，其特征在于，图片筛选后对于有效人像比对，通过两个眼睛定位到人脸信息，并且在人脸选出几十个人像特征点，把图形中特征点的颜色，坐标及周边30个像素点距离的圆周形成图片矩阵，转换成二进制数组成计算可以识别到的指令，指令会保存到硬盘及内存里，并把识别结果以标准接口提供第三方接收。
CN201711297298.7A 2017-12-08 2017-12-08 分布前端人像采集及多角度人像比对方法 Pending CN107944424A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711297298.7A CN107944424A (zh) 2017-12-08 2017-12-08 分布前端人像采集及多角度人像比对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711297298.7A CN107944424A (zh) 2017-12-08 2017-12-08 分布前端人像采集及多角度人像比对方法

Publications (1)

Publication Number Publication Date
CN107944424A true CN107944424A (zh) 2018-04-20

Family

ID=61946327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711297298.7A Pending CN107944424A (zh) 2017-12-08 2017-12-08 分布前端人像采集及多角度人像比对方法

Country Status (1)

Country Link
CN (1) CN107944424A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848311A (zh) * 2018-07-25 2018-11-20 北京小米移动软件有限公司 全景照片显示方法及装置
CN109657587A (zh) * 2018-12-10 2019-04-19 南京甄视智能科技有限公司 用于人脸识别的侧脸质量评估方法和系统
CN112069863A (zh) * 2019-06-11 2020-12-11 华为技术有限公司 一种面部特征的有效性判定方法及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799901A (zh) * 2012-07-10 2012-11-28 辉路科技（北京）有限公司 一种多角度人脸检测方法
CN104091176A (zh) * 2014-07-18 2014-10-08 吴建忠 人像比对在视频中的应用技术
CN104143086A (zh) * 2014-07-18 2014-11-12 吴建忠 人像比对在移动终端操作系统上的应用技术
CN105227855A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理方法及终端
CN105260705A (zh) * 2015-09-15 2016-01-20 西安邦威电子科技有限公司 一种适用于多姿态下的驾驶人员接打电话行为检测方法
CN105389570A (zh) * 2015-11-19 2016-03-09 吴建忠 一种人脸角度判定方法及其系统
CN106295549A (zh) * 2016-08-05 2017-01-04 深圳市鹰眼在线电子科技有限公司 多角度人脸数据采集方法和装置
CN106991405A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种动态人像库建立方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799901A (zh) * 2012-07-10 2012-11-28 辉路科技（北京）有限公司 一种多角度人脸检测方法
CN104091176A (zh) * 2014-07-18 2014-10-08 吴建忠 人像比对在视频中的应用技术
CN104143086A (zh) * 2014-07-18 2014-11-12 吴建忠 人像比对在移动终端操作系统上的应用技术
CN105260705A (zh) * 2015-09-15 2016-01-20 西安邦威电子科技有限公司 一种适用于多姿态下的驾驶人员接打电话行为检测方法
CN105227855A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理方法及终端
CN105389570A (zh) * 2015-11-19 2016-03-09 吴建忠 一种人脸角度判定方法及其系统
CN106295549A (zh) * 2016-08-05 2017-01-04 深圳市鹰眼在线电子科技有限公司 多角度人脸数据采集方法和装置
CN106991405A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种动态人像库建立方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848311A (zh) * 2018-07-25 2018-11-20 北京小米移动软件有限公司 全景照片显示方法及装置
CN109657587A (zh) * 2018-12-10 2019-04-19 南京甄视智能科技有限公司 用于人脸识别的侧脸质量评估方法和系统
CN112069863A (zh) * 2019-06-11 2020-12-11 华为技术有限公司 一种面部特征的有效性判定方法及电子设备

Similar Documents

Publication Publication Date Title
US11341669B2 (en) People flow analysis apparatus, people flow analysis system, people flow analysis method, and non-transitory computer readable medium
CN104361327B (zh) 一种行人检测方法和系统
CN103106397B (zh) 基于亮瞳效应的人脸活体检测方法
US6504942B1 (en) Method of and apparatus for detecting a face-like region and observer tracking display
CN101271517B (zh) 面部区域检测装置和方法
CN104123543B (zh) 一种基于人脸识别的眼球运动识别方法
CN106530310B (zh) 一种基于人体头顶部识别的行人统计方法及装置
CN102609724B (zh) 一种基于双摄像头的周围环境信息提示方法
CN109359577B (zh) 一种基于机器学习的复杂背景下人数检测系统
JP2000082147A (ja) ヒトの顔を検出する方法および装置、ならびに観察者トラッキングディスプレイ
CN106372629A (zh) 一种活体检测方法和装置
CN106886216A (zh) 基于rgbd人脸检测的机器人自动跟踪方法和系统
JPWO2012053311A1 (ja) 属性判定方法、属性判定装置、プログラム、記録媒体および属性判定システム
CN110276265A (zh) 基于智能三维立体监控设备的行人监测方法及装置
CN112396011B (zh) 一种基于视频图像心率检测及活体检测的人脸识别系统
CN107944424A (zh) 分布前端人像采集及多角度人像比对方法
CN105022999A (zh) 一种人码伴随实时采集系统
CN106709438A (zh) 一种基于视频会议的人数统计方法
CN111242025A (zh) 一种基于yolo的动作实时监测方法
JP2009237993A (ja) 画像監視装置
CN106855944A (zh) 行人标志物识别方法及装置
CN106859595A (zh) 舌象获取方法、装置和系统
CN106558061A (zh) 一种基于云计算的收银防损方法及系统
CN109784215B (zh) 一种基于改进的光流法的活体检测方法及系统
CN103049748A (zh) 行为监测方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180420