CN108898051A - 一种基于视频流的人脸识别方法及系统 - Google Patents
一种基于视频流的人脸识别方法及系统 Download PDFInfo
- Publication number
- CN108898051A CN108898051A CN201810500358.9A CN201810500358A CN108898051A CN 108898051 A CN108898051 A CN 108898051A CN 201810500358 A CN201810500358 A CN 201810500358A CN 108898051 A CN108898051 A CN 108898051A
- Authority
- CN
- China
- Prior art keywords
- face
- identified
- video flowing
- template
- image
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频流的人脸识别方法及系统,所述方法包括:采集待识别视频流;采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。本发明能够对视频流中的动态图像进行快速有效地人脸检测和人脸识别。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于视频流的人脸识别方法及系统。
背景技术
在计算机视觉领域,人脸识别一直都是一个研究的热点,无论是安全防卫、对身份进行验证、护照识别以及驾驶执照,还是自动门卫系统、银行和海关的监控系统等等,它都有着重要的应用。但是,由于人脸识别应用环境的复杂性和人脸本身的多变性,传统人脸识别技术不能很好摆脱基于静态图像的识别欺骗的问题,实际的人脸检测效果不太理想,且人脸识别的比对效率不能满足当前复杂人流环境的人脸识别要求。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于视频流的人脸识别方法及系统,能够对视频流中的动态图像进行快速有效地人脸检测和人脸识别。
为了解决上述技术问题,本发明实施例提供了一种基于视频流的人脸识别方法,包括如下步骤:
采集待识别视频流;
采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;
根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;
在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。
进一步地,所述人脸识别结果包括人脸、性别和年龄。
进一步地,所述关键人脸特征数据包括人脸各部位的肤色和几何特征。
进一步地,所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
计算出人脸模板的均值,以及方差;
计算出当前待筛选的帧图像区域的均值,以及方差;
当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
进一步地,所述人脸模板的构建方法为:
搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
进一步地,所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。
本发明实施例还提供了一种基于视频流的人脸识别系统,包括视频采集设备、人脸特征提取服务器、人脸特征比对服务器、平台服务器和客户端;
所述视频采集设备,用于采集待识别视频流,并将所述待识别视频流传输至所述人脸特征提取服务器;
所述人脸特征提取服务器,用于采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的人脸特征数据,以将所述人脸特征数据传输至所述人脸特征比对服务器;
所述人脸特征比对服务器,用于根据所述人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据的相似度进行加权处理,以得到最大加权值对应的人脸识别结果,并将所述人脸识别结果写入新建数据库;
所述平台服务器,用于读取所述新建数据库中的所述人脸识别结果,并将所述人脸识别结果发送至所述客户端进行显示。
进一步地,所述人脸识别结果包括人脸、性别和年龄;所述关键人脸特征数据包括人脸各部位的肤色和几何特征;所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。
进一步地,所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
计算出人脸模板的均值,以及方差;
计算出当前待筛选的帧图像区域的均值,以及方差;
当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
进一步地,所述人脸模板的构建方法为:
搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种基于视频流的人脸识别方法及系统,所述方法包括:采集待识别视频流;采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。本发明能够对视频流中的动态图像进行快速有效地人脸检测和人脸识别。
附图说明
图1是本发明第一实施例提供的一种基于视频流的人脸识别方法的流程示意图;
图2是本发明第一实施例中采用模板匹配算法进行人脸检测的流程示意图;
图3是本发明第一实施例中人脸模板的构建方法的流程示意图;
图4是本发明第二实施例提供的一种基于视频流的人脸识别系统的结构示意图。
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。
需要说明的是,以下实施例中提及的客户端可以是移动终端以及非移动终端,非移动终端包括台式计算机,移动终端包括智能手机(Smart Phone,如Android手机、iOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。
本发明第一实施例:
请参阅图1,图1是本发明第一实施例提供的一种基于视频流的人脸识别方法的流程示意图。
所述基于视频流的人脸识别方法,包括如下步骤:
S101、采集待识别视频流;
S102、采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;
S103、根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;
S104、在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。
其中,所述人脸识别结果包括人脸、性别和年龄。
其中,所述关键人脸特征数据包括人脸各部位的肤色和几何特征。
在本实施例中,用于采集视频流的视频采集设备可以是摄像枪、摄像机、录像机等。所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。在特征训练的过程中以可变性的二位网格作为模板来表示人脸,在脸部区域抽取一个二位网格,视为一个二维拓扑图。对于所述二维拓扑图中的各个节点,计算其特征信息。具体的,首先选取人脸图像上位置特殊的点,比如眼睛、鼻子、嘴巴、下巴和眉毛等作为特征点,计算对应的特征矢量,并以人脸图(人脸模型)表示每个人脸的特征点及其对应的特征矢量。
在本实施例中,在采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测过程中,为了降低错误检测率,首先应用光照补偿算法,减少照明对目标的影响,然后使用Haar检测器和肤色像素检测器分别对图像进行检测,接着对Haar算法检测出的人脸使用基于肤色检测的方法进行验证。
请参阅图2,图2是本发明第一实施例中采用模板匹配算法进行人脸检测的流程示意图。
所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
S201、计算出人脸模板的均值,以及方差;
S202、计算出当前待筛选的帧图像区域的均值,以及方差;
S203、当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
S204、将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
请参阅图3,图3是本发明第一实施例中人脸模板的构建方法的流程示意图。
所述人脸模板的构建方法为:
S301、搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
S302、截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
S303、对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
S304、计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
本实施例提供的一种基于视频流的人脸识别方法及系统,采集待识别视频流;采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。本实施例能够对视频流中的动态图像进行快速有效地人脸检测和人脸识别。
本发明第二实施例:
请参阅图4,图4是本发明第二实施例提供的一种基于视频流的人脸识别系统的结构示意图。
所述基于视频流的人脸识别系统,包括视频采集设备、人脸特征提取服务器、人脸特征比对服务器、平台服务器和客户端;
所述视频采集设备,用于采集待识别视频流,并将所述待识别视频流传输至所述人脸特征提取服务器;
所述人脸特征提取服务器,用于采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的人脸特征数据,以将所述人脸特征数据传输至所述人脸特征比对服务器;
所述人脸特征比对服务器,用于根据所述人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据的相似度进行加权处理,以得到最大加权值对应的人脸识别结果,并将所述人脸识别结果写入新建数据库;
所述平台服务器,用于读取所述新建数据库中的所述人脸识别结果,并将所述人脸识别结果发送至所述客户端进行显示。
在本实施例中,视频采集设备可以是摄像枪、摄像机、录像机等。系统采用分布式架构,每台所述人脸特征提取服务器可支持20路摄像枪,每台所述人脸特征比对服务器可支持5台所述人脸特征提取服务器,在服务器数量足够的条件下,理论上承载摄像数量为无穷大。
其中,所述人脸识别结果包括人脸、性别和年龄;所述关键人脸特征数据包括人脸各部位的肤色和几何特征;所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。
在本实施例中,在采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测过程中,为了降低错误检测率,首先应用光照补偿算法,减少照明对目标的影响,然后使用Haar检测器和肤色像素检测器分别对图像进行检测,接着对Haar算法检测出的人脸使用基于肤色检测的方法进行验证。
如图2所示,所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
S201、计算出人脸模板的均值,以及方差;
S202、计算出当前待筛选的帧图像区域的均值,以及方差;
S203、当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
S204、将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
如图3所示,所述人脸模板的构建方法为:
S301、搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
S302、截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
S303、对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
S304、计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
本实施例提供的一种基于视频流的人脸识别系统,采集待识别视频流;采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。本实施例能够对视频流中的动态图像进行快速有效地人脸检测和人脸识别。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变形,这些改进和变形也视为本发明的保护范围。
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,所述的程序可存储于一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,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (10)
1.一种基于视频流的人脸识别方法,其特征在于,包括如下步骤:
采集待识别视频流;
采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的关键人脸特征数据;
根据所述关键人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据进行相似度计算,得到相似度结果,并对所述相似度结果进行加权处理,以得到最大加权值对应的人脸识别结果;
在将所述人脸识别结果写入新建数据库后,将所述人脸识别结果发送至客户端,以使所述客户端显示所述人脸识别结果。
2.根据权利要求1所述的基于视频流的人脸识别方法,其特征在于,所述人脸识别结果包括人脸、性别和年龄。
3.根据权利要求1所述的基于视频流的人脸识别方法,其特征在于,所述关键人脸特征数据包括人脸各部位的肤色和几何特征。
4.根据权利要求1所述的基于视频流的人脸识别方法,其特征在于,所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
计算出人脸模板的均值,以及方差;
计算出当前待筛选的帧图像区域的均值,以及方差;
当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
5.根据权利要求4所述的基于视频流的人脸识别方法,其特征在于,所述人脸模板的构建方法为:
搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
6.根据权利要求1所述的基于视频流的人脸识别方法,其特征在于,所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。
7.一种基于视频流的人脸识别系统,其特征在于,包括视频采集设备、人脸特征提取服务器、人脸特征比对服务器、平台服务器和客户端;
所述视频采集设备,用于采集待识别视频流,并将所述待识别视频流传输至所述人脸特征提取服务器;
所述人脸特征提取服务器,用于采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,并从所述待识别人脸图像中提取对应的人脸特征数据,以将所述人脸特征数据传输至所述人脸特征比对服务器;
所述人脸特征比对服务器,用于根据所述人脸特征数据与预先构建的人脸图像数据库中各个人脸模型对应的参考特征数据的相似度进行加权处理,以得到最大加权值对应的人脸识别结果,并将所述人脸识别结果写入新建数据库;
所述平台服务器,用于读取所述新建数据库中的所述人脸识别结果,并将所述人脸识别结果发送至所述客户端进行显示。
8.根据权利要求7所述的基于视频流的人脸识别系统,其特征在于,所述人脸识别结果包括人脸、性别和年龄;所述关键人脸特征数据包括人脸各部位的肤色和几何特征;所述人脸模型,为人脸识别提供判别标准,并存储于通过特征训练的方式构成相应的人脸图像数据库中。
9.根据权利要求7所述的基于视频流的人脸识别系统,其特征在于,所述采用模板匹配算法对所述待识别视频流中每帧图像进行人脸检测,以筛选出至少包含一张人脸的待识别人脸图像,具体为:
计算出人脸模板的均值,以及方差;
计算出当前待筛选的帧图像区域的均值,以及方差;
当所述人脸模板匹配到待检测的帧图像区域时,计算所述人脸模板和待检测的帧图像区域的相关系数;
将所述相关系数与预设阈值进行比较,以确定人脸区域,并筛选出至少包含一张人脸的待识别人脸图像。
10.根据权利要求7所述的基于视频流的人脸识别系统,其特征在于,所述人脸模板的构建方法为:
搜集人脸样本,并将所述人脸样本转换为灰度图像;所述人脸样本包括人脸图像、性别、年龄和种族;
截取所述人脸图像中包含眼睛、鼻子、嘴巴、下巴和眉毛的人脸区域;
对所述人脸区域的尺寸大小进行规范化,以满足人脸区域的长宽比和面积大小的要求,得到初步人脸模板;
计算出每个初步人脸模板的均值和方差,对每个初步人脸模板,按照设定的灰度平均值和方差进行标准化,以消除光照对肤色的影响和相比于灰度均衡化,得到最终的人脸模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810500358.9A CN108898051A (zh) | 2018-05-22 | 2018-05-22 | 一种基于视频流的人脸识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810500358.9A CN108898051A (zh) | 2018-05-22 | 2018-05-22 | 一种基于视频流的人脸识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108898051A true CN108898051A (zh) | 2018-11-27 |
Family
ID=64343177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810500358.9A Pending CN108898051A (zh) | 2018-05-22 | 2018-05-22 | 一种基于视频流的人脸识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898051A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222206A (zh) * | 2019-05-20 | 2019-09-10 | 深圳供电局有限公司 | 一种客户端、服务器及图像识别系统 |
CN110945563A (zh) * | 2019-11-08 | 2020-03-31 | 长江存储科技有限责任公司 | 用于提高产出率的自动评估方法及其评估系统 |
CN110942014A (zh) * | 2019-11-22 | 2020-03-31 | 浙江大华技术股份有限公司 | 人脸识别快速检索方法、装置、服务器及存储装置 |
CN111144241A (zh) * | 2019-12-13 | 2020-05-12 | 深圳奇迹智慧网络有限公司 | 基于图像校验的目标识别方法、装置和计算机设备 |
CN111209845A (zh) * | 2020-01-03 | 2020-05-29 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN111382604A (zh) * | 2018-12-27 | 2020-07-07 | 深圳光启空间技术有限公司 | 一种人脸识别方法及系统 |
CN111783699A (zh) * | 2020-07-06 | 2020-10-16 | 周书田 | 一种基于高效分解卷积与时间金字塔网络的视频人脸识别方法 |
CN111985348A (zh) * | 2020-07-29 | 2020-11-24 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
CN112102543A (zh) * | 2019-05-31 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 一种安检系统和方法 |
CN112307821A (zh) * | 2019-07-29 | 2021-02-02 | 顺丰科技有限公司 | 一种视频流处理方法、装置、设备及存储介质 |
CN112509198A (zh) * | 2020-12-24 | 2021-03-16 | 上海风骑信息科技有限公司 | 一种Linux加安卓双系统红外测温人脸识别门禁系统 |
CN113536966A (zh) * | 2021-06-25 | 2021-10-22 | 佛山君兰智能科技有限公司 | 一种基于物联网的人脸识别系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060104517A1 (en) * | 2004-11-17 | 2006-05-18 | Byoung-Chul Ko | Template-based face detection method |
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及系统 |
CN102592141A (zh) * | 2012-01-04 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 一种对动态图像中人脸遮挡的方法 |
CN107506747A (zh) * | 2017-09-11 | 2017-12-22 | 重庆大学 | 基于视频数据特征点的人脸识别系统及方法 |
CN107506682A (zh) * | 2016-06-14 | 2017-12-22 | 掌赢信息科技(上海)有限公司 | 一种人脸特征点定位方法及电子设备 |
-
2018
- 2018-05-22 CN CN201810500358.9A patent/CN108898051A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060104517A1 (en) * | 2004-11-17 | 2006-05-18 | Byoung-Chul Ko | Template-based face detection method |
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及系统 |
CN102592141A (zh) * | 2012-01-04 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 一种对动态图像中人脸遮挡的方法 |
CN107506682A (zh) * | 2016-06-14 | 2017-12-22 | 掌赢信息科技(上海)有限公司 | 一种人脸特征点定位方法及电子设备 |
CN107506747A (zh) * | 2017-09-11 | 2017-12-22 | 重庆大学 | 基于视频数据特征点的人脸识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
季长有: ""基于知识方法和自适应模板匹配的快速人脸检测"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382604A (zh) * | 2018-12-27 | 2020-07-07 | 深圳光启空间技术有限公司 | 一种人脸识别方法及系统 |
CN110222206A (zh) * | 2019-05-20 | 2019-09-10 | 深圳供电局有限公司 | 一种客户端、服务器及图像识别系统 |
CN112102543A (zh) * | 2019-05-31 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 一种安检系统和方法 |
CN112307821A (zh) * | 2019-07-29 | 2021-02-02 | 顺丰科技有限公司 | 一种视频流处理方法、装置、设备及存储介质 |
US11480531B2 (en) | 2019-11-08 | 2022-10-25 | Yangtze Memory Technologies Co., Ltd. | Automatic assessment method and assessment system thereof for yield improvement |
CN110945563A (zh) * | 2019-11-08 | 2020-03-31 | 长江存储科技有限责任公司 | 用于提高产出率的自动评估方法及其评估系统 |
TWI784228B (zh) * | 2019-11-08 | 2022-11-21 | 大陸商長江存儲科技有限責任公司 | 用於提高產出率的自動評估方法及其評估系統 |
CN110942014A (zh) * | 2019-11-22 | 2020-03-31 | 浙江大华技术股份有限公司 | 人脸识别快速检索方法、装置、服务器及存储装置 |
CN110942014B (zh) * | 2019-11-22 | 2023-04-07 | 浙江大华技术股份有限公司 | 人脸识别快速检索方法、装置、服务器及存储装置 |
CN111144241A (zh) * | 2019-12-13 | 2020-05-12 | 深圳奇迹智慧网络有限公司 | 基于图像校验的目标识别方法、装置和计算机设备 |
CN111144241B (zh) * | 2019-12-13 | 2023-06-20 | 深圳奇迹智慧网络有限公司 | 基于图像校验的目标识别方法、装置和计算机设备 |
CN111209845A (zh) * | 2020-01-03 | 2020-05-29 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN111783699A (zh) * | 2020-07-06 | 2020-10-16 | 周书田 | 一种基于高效分解卷积与时间金字塔网络的视频人脸识别方法 |
CN111985348A (zh) * | 2020-07-29 | 2020-11-24 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
CN111985348B (zh) * | 2020-07-29 | 2024-05-10 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
CN112509198A (zh) * | 2020-12-24 | 2021-03-16 | 上海风骑信息科技有限公司 | 一种Linux加安卓双系统红外测温人脸识别门禁系统 |
CN113536966A (zh) * | 2021-06-25 | 2021-10-22 | 佛山君兰智能科技有限公司 | 一种基于物联网的人脸识别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898051A (zh) | 一种基于视频流的人脸识别方法及系统 | |
CN109271554B (zh) | 一种智能视频识别系统及其应用 | |
US10672140B2 (en) | Video monitoring method and video monitoring system | |
US10650261B2 (en) | System and method for identifying re-photographed images | |
CN106934359B (zh) | 基于高阶张量子空间学习的多视角步态识别方法及系统 | |
EP2864930B1 (en) | Self learning face recognition using depth based tracking for database generation and update | |
CN107967458A (zh) | 一种人脸识别方法 | |
CN109902628B (zh) | 一种基于视觉物联网的图书馆座位管理系统 | |
CN108009482A (zh) | 一种提高人脸识别效率方法 | |
CN105518709A (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
CN104091176A (zh) | 人像比对在视频中的应用技术 | |
CN106169071A (zh) | 一种基于动态人脸与胸卡识别的考勤方法及系统 | |
CN105975938A (zh) | 一种智能动态人脸识别社区管家服务系统 | |
CN103049459A (zh) | 一种基于特征识别的快速录像检索方法 | |
CN112560810A (zh) | 基于多尺度时空特征神经网络的微表情识别方法 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
Hebbale et al. | Real time COVID-19 facemask detection using deep learning | |
CN111445252A (zh) | 一种生物特征库的建立方法、装置及设备 | |
CN110175553B (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
Sakthimohan et al. | Detection and Recognition of Face Using Deep Learning | |
Bhaskar et al. | Advanced algorithm for gender prediction with image quality assessment | |
CN112258707A (zh) | 一种基于人脸识别的智能门禁管理系统 | |
WO2023093241A1 (zh) | 行人重识别方法及装置、存储介质 | |
CN114926878A (zh) | 一种基于一物一码对应场景下非监控远程人脸识别方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 510000 room 414, room 413, No. 662, Huangpu Avenue middle, Tianhe District, Guangzhou City, Guangdong Province (office only) Applicant after: GUANGZHOU HONGSEN TECHNOLOGY Co.,Ltd. Address before: 510000 self compiled third 904 rooms (no factory building), No. 16, Ke Yun Road, Tianhe District, Guangzhou, Guangdong. Applicant before: GUANGZHOU HONGSEN TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181127 |
|
RJ01 | Rejection of invention patent application after publication |