CN108564067A - 人脸比对的阈值确定方法及系统 - Google Patents

Abstract

本发明提供了人脸比对的阈值确定方法及系统，涉及人脸识别技术领域，包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据类间相似性得分和类内相似性得分确定参考阈值。本发明通过将人脸图像在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。

Description

人脸比对的阈值确定方法及系统

技术领域

本发明涉及人脸识别技术领域，尤其是涉及人脸比对的阈值确定方法及系统。

背景技术

人脸识别是计算机视觉领域的一个研究热点，它涉及到人工智能、机器学习、模式识别、计算机视觉、图像处理等多个学科领域和专业技术。人脸识别主要用于身份识别，随着视频监控设备的普及，大量的场景需要进行身份识别。人脸识别提供了一种用户不易察觉并且在非配合状态下的识别方法。

人脸识别的研究始于上个世纪60年代，经过多年的研究，人脸识别技术取得了长足的发展，涌现了一大批具有代表性的技术。代表性算法主要有：PCA(PrincipalComponent Analysis，主成份分析法)方法、LDA(local-density approximation，局域密度近似)方法、弹性匹配技术、贝叶斯方法等。目前来说，即使人脸识别在学术上已经取得了长足的进步，但是实际环境下，复杂的光照条件和人脸的多变性使得人脸识别仍然具有挑战性。

人脸比对能够得到相似性分数，但是阈值的选择是一个需要凭经验确定的问题，在不同质量的人脸图像比对中，经验阈值不好确定。

发明内容

有鉴于此，本发明的目的在于提供人脸比对的阈值确定方法及系统，通过将人脸图像在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。

第一方面，本发明实施例提供了一种人脸比对的阈值确定方法，其中，所述方法包括：

采集不同个体的第一脸部特征信息构建类间人脸集；

对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；

将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；

根据所述类间相似性得分和所述类内相似性得分确定参考阈值。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分，包括：

将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；

将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据所述类间相似性得分和所述类内相似性得分确定参考阈值，包括：

根据下式计算所述参考阈值：

σ＝(S_max+S_min)/2，

其中，σ为所述参考阈值，S_max为所述类内相似性得分，S_min为所述类间相似性得分。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述方法还包括：

将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；

判断所述匹配分数是否小于所述参考阈值；

如果不小于，则确定待识别个体与参考个体为同一个体；

如果小于，则确定待识别个体与参考个体为不同个体。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，在所述匹配分数小于所述参考阈值的情况下，所述方法还包括：

对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；

将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。

第二方面，本发明实施例还提供一种人脸比对的阈值确定系统，其中，所述系统包括：

第一构建单元，用于采集不同个体的第一脸部特征信息构建类间人脸集；

第二构建单元，用于对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；

第一比对单元，用于将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；

阈值确定单元，用于根据所述类间相似性得分和所述类内相似性得分确定参考阈值。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述第一比对单元包括：

将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；

将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述阈值确定单元包括：

根据下式计算所述参考阈值：

σ＝(S_max+S_min)/2，

其中，σ为所述参考阈值，S_max为所述类内相似性得分，S_min为所述类间相似性得分。

结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述系统还包括第二比对单元；

所述第二比对单元，用于将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；

以及，

判断所述匹配分数是否小于所述参考阈值，以及在不小于的情况下，确定待识别个体与参考个体为同一个体，在小于的情况下，确定待识别个体与参考个体为不同个体。

结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，在所述匹配分数小于所述参考阈值的情况下，所述第二比对单元还用于：

对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；

将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。

本发明实施例带来了以下有益效果：

本发明提供的人脸比对的阈值确定方法及系统，包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据类间相似性得分和类内相似性得分确定参考阈值。本发明通过将人脸图像分别在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例一提供的人脸比对的阈值确定方法流程图；

图2为本发明实施例二提供的人脸比对的阈值确定方法流程图；

图3为本发明实施例三提供的人脸比对的阈值确定系统示意图。

图标：

100-第一构建单元；200-第二构建单元；300-第一比对单元；400-阈值确定单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

目前，人脸识别在学术上已经取得了长足的进步，但是实际环境下，复杂的光照条件和人脸的多变性使得人脸识别仍然具有挑战性。人脸比对能够得到相似性分数，但是阈值的选择是一个需要凭经验确定的问题，在不同质量的人脸图像比对中，经验阈值不好确定。

基于此，本发明实施例提供的人脸比对的阈值确定方法及系统，通过将人脸图像在不同的人脸集中进行比较进而确定参考阈值，可以提高阈值确定的准确性。

为便于对本实施例进行理解，首先对本发明实施例所公开的人脸比对的阈值确定方法进行详细介绍。

实施例一：

如图1所示，人脸比对的阈值确定方法主要包括如下内容：

步骤S101，构建类间人脸集：采集不同个体的第一脸部特征信息构建类间人脸集。

具体的，这里的个体是指人个体。在人脸识别中，不同的第一脸部特征信息之间区别较大，用作区分个体的标准，并以此构建不同个体之间的类间人脸集。

步骤S102，构建类内人脸集：对每个个体采集多角度的第二脸部特征信息构建类内人脸集。

具体的，对所属于类间人脸集中的每一个个体，均通过采集多角度的第二脸部特征信息构建各自的类内人脸集。一个类内人脸集就是一个个体。

步骤S103，生成相似性得分：将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分。

在具体实现时，将参考个体的人脸图像与类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个第一相似性得分求平均，生成类间相似性得分S_min；

将参考个体的人脸图像与类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个第二相似性得分求平均，生成类内相似性得分S_max。

步骤S104，确定参考阈值σ：根据类间相似性得分和类内相似性得分确定参考阈值σ。

具体的，将类内相似性得分S_max作为上界，类间相似性得分S_min作为下界，根据公式(1)计算参考阈值：

σ＝(S_max+S_min)/2 (1)；

其中，σ为参考阈值，S_max为类内相似性得分，S_min为类间相似性得分。

实施例二：

图2为本发明实施例二提供的人脸比对的阈值确定方法流程图。

在执行完上述步骤S101～S104确定参考阈值后，还可以利用参考阈值对待识别个体的人脸图像进行比对。即如图2所示，顺序执行：构建类间人脸集步骤步骤S201、构建类内人脸集步骤S202、生成相似性得分步骤S203和确定参考阈值σ步骤S204，人脸比对的阈值确定方法还继续包括：

步骤S205，生成匹配得分S₀：将待识别个体的人脸图像与参考个体的人脸图像进行比对，得到匹配分数S₀；

在具体实现时，若监控环境较差，所采集的待识别个体的人脸图像较少(比如仅采集到一张)，则直接将待识别个体的人脸图像与参考个体的人脸图像进行比对，得到匹配分数S₀。若监控环境很好，所采集的待识别个体的人脸图像较多，则选取多个具有代表性的角度，或者选取多个与参考个体的人脸图像相似的角度，将选取出来的多个待识别个体的人脸图像与匹配的参考个体的人脸图像逐一比对，得到多个初级匹配度分数后求平均，确定最终的匹配分数S₀。

步骤S206，判断是否为S₀＜σ；如果不小于，则执行步骤S207；如果小于，则执行步骤S208；

步骤S207，确定待识别个体与参考个体为同一个体；

步骤S208，确定待识别个体与参考个体为不同个体。

进一步的，在确定待识别个体与参考个体为不同个体之后，可以选择将该待识别个体增加到类内人脸集、类间人脸集中。对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；以及，将待识别个体的第三脸部特征信息增加至类间人脸集。

实施例三：

本发明实施例提供了一种人脸比对的阈值确定系统，用于实现上述实施例所提供的人脸比对的阈值确定方法。参照图3，人脸比对的阈值确定系统主要包括如下单元：

第一构建单元100，用于采集不同个体的第一脸部特征信息构建类间人脸集；

第二构建单元200，用于对每个个体采集多角度的第二脸部特征信息构建类内人脸集；

第一比对单元300，用于将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；

阈值确定单元400，用于根据类间相似性得分和类内相似性得分确定参考阈值。

进一步的，第一比对单元300包括：

将参考个体的人脸图像与类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个第一相似性得分求平均，生成类间相似性得分；

将参考个体的人脸图像与类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个第二相似性得分求平均，生成类内相似性得分。

进一步的，阈值确定单元400包括：

根据下式计算参考阈值：

σ＝(S_max+S_min)/2，

其中，σ为参考阈值，S_max为类内相似性得分，S_min为类间相似性得分。

进一步的，人脸比对的阈值确定系统还包括第二比对单元；

第二比对单元，用于将待识别个体的人脸图像与参考个体的人脸图像进行比对，得到匹配分数；

以及，

判断匹配分数是否小于参考阈值，以及在不小于的情况下，确定待识别个体与参考个体为同一个体，在小于的情况下，确定待识别个体与参考个体为不同个体。

进一步的，在匹配分数小于参考阈值的情况下，第二比对单元还用于：

对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；

将待识别个体的第三脸部特征信息增加至类间人脸集。

本发明实施例带来了以下有益效果：

本发明提供的人脸比对的阈值确定方法及系统，包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据类间相似性得分和类内相似性得分确定参考阈值。本发明通过将人脸图像分别在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的人脸比对的阈值确定方法的步骤。

本发明实施例还提供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运行时执行上述实施例的人脸比对的阈值确定方法的步骤。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种人脸比对的阈值确定方法，其特征在于，所述方法包括：

采集不同个体的第一脸部特征信息构建类间人脸集；

对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；

将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；

根据所述类间相似性得分和所述类内相似性得分确定参考阈值。

2.根据权利要求1所述的方法，其特征在于，将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分，包括：

将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；

将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。

3.根据权利要求1所述的方法，其特征在于，根据所述类间相似性得分和所述类内相似性得分确定参考阈值，包括：

根据下式计算所述参考阈值：

σ＝(S_max+S_min)/2，

其中，σ为所述参考阈值，S_max为所述类内相似性得分，S_min为所述类间相似性得分。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；

判断所述匹配分数是否小于所述参考阈值；

如果不小于，则确定待识别个体与参考个体为同一个体；

如果小于，则确定待识别个体与参考个体为不同个体。

5.根据权利要求4所述的方法，其特征在于，在所述匹配分数小于所述参考阈值的情况下，所述方法还包括：

对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；

将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。

6.一种人脸比对的阈值确定系统，其特征在于，所述系统包括：

第一构建单元，用于采集不同个体的第一脸部特征信息构建类间人脸集；

第二构建单元，用于对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；

第一比对单元，用于将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；

阈值确定单元，用于根据所述类间相似性得分和所述类内相似性得分确定参考阈值。

7.根据权利要求6所述的系统，其特征在于，所述第一比对单元包括：

将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；

将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。

8.根据权利要求6所述的系统，其特征在于，所述阈值确定单元包括：

根据下式计算所述参考阈值：

σ＝(S_max+S_min)/2，

其中，σ为所述参考阈值，S_max为所述类内相似性得分，S_min为所述类间相似性得分。

9.根据权利要求6所述的系统，其特征在于，所述系统还包括第二比对单元；

所述第二比对单元，用于将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；

以及，

判断所述匹配分数是否小于所述参考阈值，以及在不小于的情况下，确定待识别个体与参考个体为同一个体，在小于的情况下，确定待识别个体与参考个体为不同个体。

10.根据权利要求9所述的系统，其特征在于，在所述匹配分数小于所述参考阈值的情况下，所述第二比对单元还用于：

对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；

将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。