CN108171149B - 一种人脸识别方法、装置、设备及可读存储介质 - Google Patents
一种人脸识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN108171149B CN108171149B CN201711432313.4A CN201711432313A CN108171149B CN 108171149 B CN108171149 B CN 108171149B CN 201711432313 A CN201711432313 A CN 201711432313A CN 108171149 B CN108171149 B CN 108171149B
- Authority
- CN
- China
- Prior art keywords
- region
- face
- area
- determined
- sub
- 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
Images
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06V40/172—Classification, e.g. identification
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 Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸识别方法,首先获取标准图像中的待确定区域、已确定的第一人脸区域以及除第一人脸区域和待确定区域外的第一非人脸区域,其中,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域,然后以预定义规则确定待确定人脸区域得到目标人脸区域,最后根据第一人脸区域和目标人脸区域进行人脸识别。因此,在人脸识别时,第一步先从标准图像中提取部分人脸区域以及待确定区域,第二步再从待确定区域中提取另一部分人脸区域,结合两部分人脸区域的信息进行人脸识别,避免了未对混合区域中的人脸信息进行提取时而引起的人脸识别准确率较低的问题,本发明还公开了一种人脸识别装置、设备及可读存储介质同样能实现上述技术效果。
Description
技术领域
本发明涉及计算机领域,特别涉及一种人脸识别方法、装置、设备及可读存储介质。
背景技术
随着人工智能的发展,人脸识别技术近年来也逐渐成为受关注的方向之一,人脸识别系统都较为复杂。其中处理的对象是人脸图像数据,从现实中获取的图像数据通常包含各种各样的噪声信号,使得获得的数据误差较大。
传统的人脸识别利用增量数据改善原始数据达到使分类器对噪声有更强抵抗能力的目的,但这种方法不能对混合区域的人脸信息进行处理。其中,混合区域是指同时包含人脸图像与非人脸图像的区域,在提取人脸信息时,虽然对噪声进行了有效抵抗,但是,没有对混合区域的人脸信息进行提取。导致人脸识别的准确率较低;同时,由于训练分类器需要大量样本支撑,在训练分类器时,从获取样本到训练分类器会耗费大量时间,人脸识别的效率较低。
因此,如何解决人脸识别的准确率较低的问题是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种人脸识别方法、装置、设备及可读存储介质,解决了人脸识别的准确率较低的问题。为实现上述目的,本发明实施例公开了如下技术方案:
一方面,本发明实施例公开了一种人脸识别方法,包括:
获取标准图像中的待确定区域、已确定的第一人脸区域以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域,所述待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域;
以预定义规则确定所述待确定人脸区域得到目标人脸区域;
根据所述第一人脸区域和所述目标人脸区域进行人脸识别。
优选的,所述获取标准图像中的待确定区域、已确定的第一人脸区域、以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域包括:
对所述标准图像进行灰度化得到灰度化图像;
获取所述灰度化图像中各样本点的灰度值;
根据所述灰度值对所述灰度化图像进行分割以得到所述待确定区域、所述第一人脸区域以及所述第一非人脸区域。
优选的,所述以预定义规则确定所述待确定人脸区域得到目标人脸区域包括:
计算所述待确定区域中各样本点的RGB值、以及所述待确定区域中各所述样本点至所述第一人脸区域的第一距离、至所述第一非人脸区域的第二距离;
根据所述RGB值、所述第一距离以及所述第二距离对所述待确定区域进行划分得到多个子区域;
将各所述子区域进行组合得到多个第一组合区域和多个第二组合区域,将各所述第一组合区域和各所述第二组合区域作为合并区域;
利用分类器计算各所述第一组合区域的第一分类值、各所述第二组合区域的第二分类值;
计算各所述第一分类值与各所述第二分类值的绝对值之和得到求和结果;
选取所述求和结果中的最大值对应的合并区域作为目标区域并从所述目标区域中确定所述目标人脸区域。
优选的,所述子区域为三个,则将各所述子区域进行组合得到第一组合区域和第二组合区域包括:
将第一子区域与第二子区域进行组合得到所述第一组合区域,将所述第第三子区域作为所述第二组合区域;
或将所述第一子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第二子区域作为所述第二组合区域;
或将所述第二子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第一子区域作为所述第二组合区域。
优选的,若将第一子区域与第二子区域进行组合得到所述第一组合区域,将所述第三子区域作为所述第二组合区域,则所述从所述目标区域中确定所述目标人脸区域包括:利用所述分类器确定所述第一组合区域的第三分类值、确定所述第二组合区域的第四分类值;
若所述第三分类值大于所述第四分类值,则将所述第一组合区域作为所述目标人脸区域;
若所述第三分类值小于所述第四分类值,则将所述第二组合区域作为所述目标人脸区域。
其次,本发明实施例公开了一种人脸识别装置,包括:
获取模块,用于获取标准图像中的待确定区域、已确定的第一人脸区域、以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域,所述待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域;
目标人脸区域确定模块,用于以预定义规则确定所述待确定区域中的待确定人脸区域得到目标人脸区域;
人脸识别模块,用于根据所述第一人脸区域和所述目标人脸区域进行人脸识别。
优选的,所述获取模块包括:
图像灰度化单元,用于对所述标准图像进行灰度化得到灰度化图像;
灰度值获取单元,用于获取所述灰度化图像中各样本点的灰度值;
分割单元,用于根据所述灰度值对所述灰度化图像进行分割以得到所述待确定区域、所述第一人脸区域以及所述第一非人脸区域。
优选的,所述目标人脸区域确定模块包括:
计算单元,用于计算所述待确定区域中各样本点的RGB值、以及所述待确定区域中各所述样本点至所述第一人脸区域的第一距离、至所述第一非人脸区域的第二距离;
子区域划分单元,用于根据所述RGB值、所述第一距离以及所述第二距离对所述待确定区域进行划分得到多个子区域;
子区域组合单元,用于将各所述子区域进行组合得到多个第一组合区域和多个第二组合区域,将各所述第一组合区域和各所述第二组合区域作为合并区域;
分类值计算单元,用于利用分类器计算各所述第一组合区域的第一分类值、各所述第二组合区域的第二分类值;
和值计算单元,用于计算各所述第一分类值与各所述第二分类值的绝对值之和得到求和结果;
目标人脸区域确定单元,用于选取所述求和结果中的最大值对应的合并区域作为目标区域并从所述目标区域中确定所述目标人脸区域。
然后,本发明实施例公开了一种设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序以实现如上任一种所述的人脸识别方法的步骤。
最后,本发明实施例公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上任一项所述的人脸识别方法的步骤。
可见,本发明实施例公开的一种人脸识别方法,首先获取标准图像中的待确定区域、已确定的第一人脸区域以及除第一人脸区域和待确定区域外的第一非人脸区域,其中,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域,然后以预定义规则确定待确定区域中的待确定人脸区域得到目标人脸区域,最后根据第一人脸区域和目标人脸区域进行人脸识别。因此,在人脸识别时,第一步先从标准图像中提取部分人脸区域以及待确定区域,第二步再从待确定区域中提取另一部分人脸区域,结合两部分人脸区域的信息进行人脸识别,避免了未对混合区域中的人脸信息进行提取时而引起的人脸识别准确率较低的问题,本发明实施例还公开了一种人脸识别装置、设备及可读存储介质同样能实现上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种人脸识别方法流程示意图;
图2为本发明实施例公开的一种人脸识别装置结构示意图;
图3为本发明实施例公开的一种设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种人脸识别方法、装置、设备及可读存储介质,解决了人脸识别的准确率较低的问题。
请参见图1,图1为本发明实施例公开的一种人脸识别方法流程示意图,该方法包括:
S101、获取标准图像中的待确定区域、已确定的第一人脸区域以及除第一人脸区域和待确定区域外的第一非人脸区域,其中,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域。
具体的,本实施例中,标准图像为包含人脸特征的图像,标准图像可以由手机摄像机或摄影机拍摄的图片,第一人脸区域为该标准图像中能确定的包含人脸特征的区域,第一非人脸区域为未包含人脸特征的区域;其中,可以将人脸的颜色和人脸的纹理作为区分人脸区域以及非人脸区域的特征。从标准图像中提取第一人脸特征、待确定区域以及第一非人脸特征的步骤如下:先对标准图像进行灰度化,然后将灰度化后的图像做边缘处理,提取圆滑的图像边缘,最后利用训练好的分类器对该边缘化处理的图像进行分类,训练分类器时是将颜色特征以及纹理特征作为训练分类器的特征,其中,采用颜色特征作为分类器的训练特征是由于颜色是区分人脸区域和非人脸区域的重要特征,因此,将颜色特征在一定范围内的RGB值作为颜色分类特征以准确区分人脸区域以及非人脸区域;采用纹理特征作为分类器的训练特征是由于人脸在嘴巴、鼻子、眼睛、头发上有明显特征,对应各个特征在灰度图中其灰度值比较大,灰度化后的标准图像在Y方向上做灰度梯度直方图,可以明显的观测到灰度图中有四个灰度梯度较大的区域,以此作为人脸纹理特征的分类筛选特征点。因此,利用人脸的颜色特征以及纹理特征训练分类器能得到较好的分类效果。当然,根据实际情况,训练分类器的人脸特征也可以为其他特征,在此并不作限定。
S102、以预定义规则确定待确定人脸区域得到目标人脸区域。
具体的,本实施例中,预定义规则为对待确定区域中的待确定人脸区域进行提取的规则,该规则可以是对待确定区域再次进行分割得到多个子区域,再对子区域进行组合得到新的区域,最后从选取的新区域中再次确定待确定人脸区域,以预定义规则确定待确定人脸区域的详细步骤会在下文进行详细说明。进一步,目标人脸区域为当前混合区域中的包含人脸特征的区域。
S103、根据第一人脸区域和目标人脸区域进行人脸识别。
具体的,本实施例中,结合第一次确定的第一人脸区域以及从待确定区域中确定的目标人脸区域两部分,以对标准图像中的人脸进行识别。
可见,本发明实施例公开的一种人脸识别方法,首先获取标准图像中的待确定区域、已确定的第一人脸区域以及除第一人脸区域和待确定区域外的第一非人脸区域,其中,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域,然后以预定义规则确定待确定区域中的待确定人脸区域得到目标人脸区域,最后根据第一人脸区域和目标人脸区域进行人脸识别。因此,在人脸识别时,第一步先从标准图像中提取部分人脸区域以及待确定区域,第二步再从待确定区域中提取另一部分人脸区域,结合两部分人脸区域的信息进行人脸识别,避免了未对混合区域中的人脸信息进行提取时而引起的人脸识别准确率较低的问题。
基于上述实施例,在本实施例中,获取标准图像中的待确定区域、已确定的第一人脸区域、以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域包括:
对标准图像进行灰度化得到灰度化图像;
获取灰度化图像中各样本点的灰度值;
根据灰度值对灰度化图像进行分割以得到待确定区域、第一人脸区域以及第一非人脸区域。具体的,本实施例中,对标准图像进行灰度化后得到灰度化图像,灰度化图像中的每个样本点都对应有一个灰度值,其中,人脸区域的灰度值与非人脸区域的灰度值是不同的,但是,对于第一人脸区域与第一非人脸区域两者之间的区域,由灰度值的大小无法确定哪部分是人脸区域,哪部分是非人脸区域,因此,将该部分区域作为待确定区域。
基于上述实施例,在本实施例中,以预定义规则确定待确定人脸区域得到目标人脸区域包括:
计算待确定区域中各样本点的RGB值、以及待确定区域中各样本点至第一人脸区域的第一距离、至第一非人脸区域的第二距离;
根据RGB值、第一距离以及第二距离对待确定区域进行划分得到多个子区域;
将各子区域进行组合得到第一组合区域和第二组合区域,将第一组合区域和第二组合区域作为合并区域;
利用分类器计算第一组合区域的第一分类值、所述第二组合区域的第二分类值;
计算第一分类值与所述第二分类值的绝对值之和得到求和结果;
选取求和结果中的最大值对应的合并区域作为目标区域并从目标区域中确定目标人脸区域。
具体的,本实施例中,待确定区域中的各样本点的RGB值为该样本点的颜色值,样本点为组成待确定区域的像素点,即将每一个像素点作为一个样本点,每一个像素点对应有一个RGB值以及空间坐标,根据该像素点的空间坐标计算至确定区域的中心点的距离,其中,确定区域即本申请中的第一人脸区域和第一非人脸区域。
进一步,确定每一个样本点的RGB值、第一距离、第二距离对待确定区域进行划分,根据每个样本点的RGB值的大小,以及第一距离和第二距离的相对大小确定子区域。其划分依据可以由以下方式确定,例如,将待确定区域划分为3个区域,确定样本点的最大RGB值和最小RGB值,得到RGB区间,将RGB区间划分为三个区间段,即第一区间段、第二区间段以及第三区间段,求取第一距离与第二距离的比值,即确定样本点至第一人脸区域以及第一非人脸区域的相对距离大小,对应的,确定第一距离与第二距离的比值的最大值和最小值,确定比值区间段,将比值区间段划分为第一比值区间段、第二比值区间段、第三比值区间段,将样本点RGB值在第一区间段,第一距离与第二距离的比值在第一比值区间段的样本点作为第一子区域,将样本点RGB值在第二区间段,第一距离与第二距离比值在第二比值区间段的样本点作为第二子区域,样本点RGB值在第三区间段,第一距离与第二距离的比值在第三比值区间段的样本点作为第三子区域;当然,根据实际情况,对子区域的划分方式不限于上述提到的方式。划分完子区域后,对各子区域进行组合,最终组合成两个区域作为合并区域,即本实施例中的第一组合区域和第二组合区域,第一组合区域或第二组合区域中的子区域的数量至少为一个。例如,当子区域为三个时,则可以将三个区域中的任意两个进行组合、剩余的一个子区域作为单独的区域,将组合完成的区域以及该单独区域作为新区域,当子区域为四个时,可以将四个子区域中的任意两个两两组合,也可以由四个子区域中的任意三个组合成一个区域、剩余一个作为单独的区域。当然,根据实际情况,子区域的个数及组合方式不限定于上述提到的方式。完成子区域的组合后,利用分类器对第一组合区域以及第二组合区域进行计算分类。分类器中包含人脸特征值以及非人脸特征值,以第一组合区域为例,将第一组合区域放入至分类器后,分类器识别第一组合区域中的关键特征与分类器中的人脸特征或非人脸特征进行比较,当分类器将第一组合区域中的关键特征与人脸特征或非人脸特征进行比较得到第一分类值,若第一分类值为正值,则第一组合区域为人脸区域,并且正值越大,第一组合区域为人脸区域的概率越大,若第一分类值为负值,则第一组合区域则为非人脸区域,并且负值越小,则说明第一组合区域为非人脸区域的概率越大;第二组合区域的分类方式与第一组合区域的分类方式保持一致,在此不再赘述。在得到第一分类值与第二分类值后,计算两者的绝对值之和得到求和结果,将求和结果中最大值对应的合并区域作为目标区域,选取求和结果中的最大值作为目标区域的理由如下:若第一分类值为正值最大、第二分类值为负值最大,则代表第一组合区域和第二组合区域之间的隶属程度最大,即人脸区域和非人脸区域的差距最明显。
基于上述实施例,在本实施例中,子区域为三个,则将各子区域进行组合得到第一组合区域和第二组合区域包括:
将第一子区域与第二子区域进行组合得到第一组合区域,将第三子区域作为第二组合区域;
或将第一子区域与第三子区域进行组合得到第一组合区域,将第二子区域作为第二组合区域;
或将第二子区域与第三子区域进行组合得到第一组合区域,将第一子区域作为第二组合区域。
需要说明的是,本实施例中,子区域的数量在此并不限定于三个。
基于上述实施例,在本实施例中,若将第一子区域与第二子区域进行组合得到第一组合区域,将第三子区域作为第二组合区域,则从目标区域中确定目标人脸区域包括:
利用分类器确定所述第一组合区域的第三分类值、确定第二组合区域的第四分类值;
若第三分类值大于第四分类值;
则将第一组合区域作为目标人脸区域;
若第三分类值小于第四分类值;
则将第二组合区域作为目标人脸区域。
具体的,本实施例中,将第一组合区域或第二组合区域与训练的分类器中包含的人脸特征以及非人脸特征进行比对,若第一组合区域与分类器中的人脸特征相匹配,第三分类值则为正值,即代表第一组合区域为待确定的人脸区域,若第一组合区域与分类器中的非人脸特征相匹配,第三分类值则为负值,即代表第一组合区域为待确定的非人脸区域。相应的,第二组合区域是否为目标人脸区域的判别方法与第一组合区域的判别方法保持一致,在此不再详细赘述。因此,将第一组合区域和第二组合区域利用分类器进行分类得到第三分类值以及第四分类值,再判断第三分类值与第四分类值的大小以确定哪一个组合区域为目标人脸区域。
下面对本发明实施例公开的一种人脸识别装置进行介绍,请参见图2,图2为本发明实施例公开的一种人脸识别装置结构示意图,如图2所示,人脸识别装置包括:
获取模块201,用于获取标准图像中的待确定区域、已确定的第一人脸区域、以及除第一人脸区域和待确定区域外的第一非人脸区域,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域;
目标人脸区域确定模块202,用于以预定义规则确定待确定区域中的待确定人脸区域得到目标人脸区域;
人脸识别模块203,用于根据第一人脸区域和目标人脸区域进行人脸识别。
可见,本发明实施例公开的一种人脸识别装置,首先获取模块获取标准图像中的待确定区域、已确定的第一人脸区域以及除第一人脸区域和待确定区域外的第一非人脸区域,其中,待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域,然后目标人脸区域确定模块以预定义规则确定待确定区域中的待确定人脸区域得到目标人脸区域,最后人脸识别模块根据第一人脸区域和目标人脸区域进行人脸识别。因此,在人脸识别时,第一步先从标准图像中提取部分人脸区域以及待确定区域,第二步再从待确定区域中提取另一部分人脸区域,结合两部分人脸区域的信息进行人脸识别,避免了未对混合区域中的人脸信息进行提取时而引起的人脸识别准确率较低的问题。
基于上述实施例,在本实施例中,获取模块201包括:
图像灰度化单元,用于对所述标准图像进行灰度化得到灰度化图像;
灰度值获取单元,用于获取所述灰度化图像中各样本点的灰度值;
分割单元,用于根据所述灰度值对所述灰度化图像进行分割以得到所述待确定区域、所述第一人脸区域以及所述第一非人脸区域。
基于上述实施例,在本实施例中,目标人脸区域确定模块202包括:
计算单元,用于计算待确定区域中各样本点的RGB值、以及待确定区域中各样本点至第一人脸区域的第一距离、至第一非人脸区域的第二距离;
子区域划分单元,用于根据所述RGB值、第一距离以及第二距离对待确定区域进行划分得到多个子区域;
子区域组合单元,用于将各子区域进行组合得到多个第一组合区域和多个第二组合区域,将第一组合区域和第二组合区域作为合并区域;
分类值计算单元,用于利用分类器计算各第一组合区域的第一分类值、各第二组合区域的第二分类值;
和值计算单元,用于计算各第一分类值与各第二分类值的绝对值之和得到求和结果;
目标人脸区域确定单元,用于选取求和结果中的最大值对应的合并区域作为目标区域并从目标区域中确定目标人脸区域。
基于上述实施例,在本实施例中,子区域组合单元包括:
第一子区域组合子单元,用于将第一子区域与第二子区域进行组合得到所述第一组合区域,将所述第第三子区域作为所述第二组合区域;
第二子区域组合子单元,用于将所述第一子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第二子区域作为所述第二组合区域;
第三子区域组合子单元,用于将所述第二子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第一子区域作为所述第二组合区域。
基于上述实施例,在本实施例中,目标人脸区域确定单元包括:
分类值确定子单元,利用分类器确定第一组合区域的第三分类值、确定第二组合区域的第四分类值;
第一目标人脸区域确定子单元,用于若第三分类值大于第四分类值,则将第一组合区域作为目标人脸区域;
第二目标人脸区域确定子单元,用于若第三分类值小于第四分类值,则将第二组合区域作为目标人脸区域。
请参见图3,图3为本发明实施例提供的一种设备,包括:
存储器301,用于存储计算机程序;
处理器302,用于执行所述存储器中存储的计算机程序以实现以上任一个实施例提到的人脸识别方法的步骤。
为了更好地理解本方案,本发明实施例提供的一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上任一个实施例提到的人脸识别方法的步骤。
以上对本申请所提供的人脸识别方法、装置、设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种人脸识别方法,其特征在于,包括:
获取标准图像中的待确定区域、已确定的第一人脸区域以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域,所述待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域;
以预定义规则确定所述待确定人脸区域得到目标人脸区域;
根据所述第一人脸区域和所述目标人脸区域进行人脸识别;
其中,所述以预定义规则确定所述待确定人脸区域得到目标人脸区域包括:
计算所述待确定区域中各样本点的RGB值、以及所述待确定区域中各所述样本点至所述第一人脸区域的第一距离、至所述第一非人脸区域的第二距离;
根据所述RGB值、所述第一距离以及所述第二距离对所述待确定区域进行划分得到多个子区域;
将各所述子区域进行组合得到多个第一组合区域和多个第二组合区域,将各所述第一组合区域和各所述第二组合区域作为合并区域;
利用分类器计算各所述第一组合区域的第一分类值、各所述第二组合区域的第二分类值;
计算各所述第一分类值与各所述第二分类值的绝对值之和得到求和结果;
选取所述求和结果中的最大值对应的合并区域作为目标区域并从所述目标区域中确定所述目标人脸区域。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述获取标准图像中的待确定区域、已确定的第一人脸区域、以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域包括:
对所述标准图像进行灰度化得到灰度化图像;
获取所述灰度化图像中各样本点的灰度值;
根据所述灰度值对所述灰度化图像进行分割以得到所述待确定区域、所述第一人脸区域以及所述第一非人脸区域。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述子区域为三个,则将各所述子区域进行组合得到第一组合区域和第二组合区域包括:
将第一子区域与第二子区域进行组合得到所述第一组合区域,将第三子区域作为所述第二组合区域;
或将所述第一子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第二子区域作为所述第二组合区域;
或将所述第二子区域与所述第三子区域进行组合得到所述第一组合区域,将所述第一子区域作为所述第二组合区域。
4.根据权利要求3所述的人脸识别方法,其特征在于,若将第一子区域与第二子区域进行组合得到所述第一组合区域,将所述第三子区域作为所述第二组合区域,则所述从所述目标区域中确定所述目标人脸区域包括:
利用所述分类器确定所述第一组合区域的第三分类值、确定所述第二组合区域的第四分类值;
若所述第三分类值大于所述第四分类值,则将所述第一组合区域作为所述目标人脸区域;
若所述第三分类值小于所述第四分类值,则将所述第二组合区域作为所述目标人脸区域。
5.一种人脸识别装置,其特征在于,包括:
获取模块,用于获取标准图像中的待确定区域、已确定的第一人脸区域、以及除所述第一人脸区域和所述待确定区域外的第一非人脸区域,所述待确定区域为包含待确定人脸区域和待确定非人脸区域的混合区域;
目标人脸区域确定模块,用于以预定义规则确定所述待确定区域中的待确定人脸区域得到目标人脸区域;
人脸识别模块,用于根据所述第一人脸区域和所述目标人脸区域进行人脸识别;
其中,所述目标人脸区域确定模块包括:
计算单元,用于计算所述待确定区域中各样本点的RGB值、以及所述待确定区域中各所述样本点至所述第一人脸区域的第一距离、至所述第一非人脸区域的第二距离;
子区域划分单元,用于根据所述RGB值、所述第一距离以及所述第二距离对所述待确定区域进行划分得到多个子区域;
子区域组合单元,用于将各所述子区域进行组合得到多个第一组合区域和多个第二组合区域,将各所述第一组合区域和各所述第二组合区域作为合并区域;
分类值计算单元,用于利用分类器计算各所述第一组合区域的第一分类值、各所述第二组合区域的第二分类值;
和值计算单元,用于计算各所述第一分类值与各所述第二分类值的绝对值之和得到求和结果;
目标人脸区域确定单元,用于选取所述求和结果中的最大值对应的合并区域作为目标区域并从所述目标区域中确定所述目标人脸区域。
6.根据权利要求5所述的人脸识别装置,其特征在于,所述获取模块包括:
图像灰度化单元,用于对所述标准图像进行灰度化得到灰度化图像;
灰度值获取单元,用于获取所述灰度化图像中各样本点的灰度值;
分割单元,用于根据所述灰度值对所述灰度化图像进行分割以得到所述待确定区域、所述第一人脸区域以及所述第一非人脸区域。
7.一种计算机设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序以实现如权利要求1至4任一项所述的人脸识别方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质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任一项所述的人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432313.4A CN108171149B (zh) | 2017-12-26 | 2017-12-26 | 一种人脸识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432313.4A CN108171149B (zh) | 2017-12-26 | 2017-12-26 | 一种人脸识别方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171149A CN108171149A (zh) | 2018-06-15 |
CN108171149B true CN108171149B (zh) | 2021-10-01 |
Family
ID=62520977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711432313.4A Active CN108171149B (zh) | 2017-12-26 | 2017-12-26 | 一种人脸识别方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171149B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115790A (zh) * | 2020-08-18 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 人脸识别方法、装置、可读存储介质和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577838A (zh) * | 2013-11-25 | 2014-02-12 | 苏州大学 | 一种人脸识别方法和装置 |
CN107305686A (zh) * | 2016-04-20 | 2017-10-31 | 掌赢信息科技(上海)有限公司 | 一种图像处理方法及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201224955A (en) * | 2010-12-15 | 2012-06-16 | Ind Tech Res Inst | System and method for face detection using face region location and size predictions and computer program product thereof |
-
2017
- 2017-12-26 CN CN201711432313.4A patent/CN108171149B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577838A (zh) * | 2013-11-25 | 2014-02-12 | 苏州大学 | 一种人脸识别方法和装置 |
CN107305686A (zh) * | 2016-04-20 | 2017-10-31 | 掌赢信息科技(上海)有限公司 | 一种图像处理方法及电子设备 |
Non-Patent Citations (2)
Title |
---|
a molecularly imprrinted photonic polymer sensor with high selectivity for tetracyclines analysis in food;li-qing wang et al;《Dynamic Article Links》;20121231;第3502-3503页 * |
基于文本驱动的人脸表情动画系统;林凡;《计算机光盘软件与应用》;20121231;第15卷(第15期);第191-192页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108171149A (zh) | 2018-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3916627A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN110163198B (zh) | 一种表格识别重建方法、装置和存储介质 | |
CN110163076B (zh) | 一种图像数据处理方法和相关装置 | |
EP3101594A1 (en) | Saliency information acquisition device and saliency information acquisition method | |
US8792722B2 (en) | Hand gesture detection | |
US8750573B2 (en) | Hand gesture detection | |
CN110569731B (zh) | 一种人脸识别方法、装置及电子设备 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN104866805B (zh) | 人脸实时跟踪的方法和装置 | |
JP6112801B2 (ja) | 画像認識装置及び画像認識方法 | |
CN103020992B (zh) | 一种基于运动颜色关联的视频图像显著性检测方法 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN110188730B (zh) | 基于mtcnn的人脸检测与对齐方法 | |
CN109725721B (zh) | 用于裸眼3d显示系统的人眼定位方法及系统 | |
JP6527421B2 (ja) | 人物認識装置及びそのプログラム | |
CN110929617A (zh) | 一种换脸合成视频检测方法、装置、电子设备及存储介质 | |
CN109492576A (zh) | 图像识别方法、装置及电子设备 | |
CN108154132A (zh) | 一种身份证文字提取方法、系统及设备和存储介质 | |
CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
CN112418135A (zh) | 人体行为识别方法、装置、计算机设备及可读存储介质 | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
CN108171149B (zh) | 一种人脸识别方法、装置、设备及可读存储介质 | |
CN113378852A (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
JP2016081472A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN107992853B (zh) | 人眼检测方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |