CN109376716A - 一种基于连续图像的人脸识别的优选方法 - Google Patents
一种基于连续图像的人脸识别的优选方法 Download PDFInfo
- Publication number
- CN109376716A CN109376716A CN201811527684.5A CN201811527684A CN109376716A CN 109376716 A CN109376716 A CN 109376716A CN 201811527684 A CN201811527684 A CN 201811527684A CN 109376716 A CN109376716 A CN 109376716A
- Authority
- CN
- China
- Prior art keywords
- face
- characteristic value
- original image
- face characteristic
- value
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于连续图像的人脸识别的优选方法，其包括如下步骤：第一步、通过标准通讯协议获取一段实时或本地视频，该视频中包含人脸信息，第二步、对第一步中的该一段视频进行解码还原原始图像，得到若干原始图像，第三步、依次抽取第二步中的每一副原始图像进行具有的人脸信息分析对比。
Description
技术领域
本发明涉及一种人脸信息的筛选方法，特别是指一种基于连续图像的人脸识别的优选方法。
背景技术
目前，动态人脸云分析方法已经应用在了人脸识别领域，动态人脸云分析系统是充分利用各监控点抓拍的人脸照片建设人脸大数据的具体应用，其通过对海量人脸数据的搜索与大数据分析，创建包括人员时空轨迹分析、同伙关系分析等应用模型，多角度多维度对嫌疑人进行综合定位分析，结合实时预警监控，实现精确布控、即时发现、实时预警、现场盘查/抓捕的技术。
由于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。视频监控普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警，而人脸识别技术无疑是最佳的选择。
但是目前还没有出现相关的对人脸信息的优选方法，而此是为传统技术的主要缺点。
发明内容
本发明提供一种基于连续图像的人脸识别的优选方法，其目的是针对行人从进入到离开视频过程中，自动识别人脸及跟踪，并通分析和对比，向外部系统提供一张质量最佳的人脸的照片。本发明的技术能够赋予普通摄像机智能分析能力，解决了大量高清视频数据资源浪费的问题，而此是为本发明的主要目的。
本发明所采用的技术方案为：一种基于连续图像的人脸识别的优选方法，其包括如下步骤。
第一步、通过标准通讯协议获取一段实时或本地视频，该视频中包含人脸信息，该标准通讯协议可以为RTSP/RTP、ONVIF、GB/T 28181中的任意一种。
第二步、对第一步中的该一段视频进行解码还原原始图像，得到若干原始图像，在具体实施的时候，通过在一秒内抽取15帧的方式进行还原原始图像。
第三步、依次抽取第二步中的每一副原始图像进行如下处理，步骤1、根据原始图像中人脸的双眼瞳孔、鼻子、嘴的两角的人脸特征点位的角度以及清淅度进行质量评估，质量评估值低于设定阈值的原始图像丢弃。
质量评估值高于或者等于设定阈值的原始图像则进行如下步骤，步骤2、对原始图像进行旋转仿射变换对齐；步骤3、将原始图像中人脸位置边界向上下左右四个方向扩展22个像素；步骤4、裁剪扩展后的区域并缩放至112*112像素大小；步骤5、对原始图像的R、G、B通道像素值归一化到[-1,1]区间；通过深度残差ResNet网络模型运算输出512浮点向量；最后将512浮点值进行数据值归一化得到人脸特征值，步骤6、将步骤5中的人脸特征值存储在人脸数据池中，重复进行上述第一步、第二步、第三步以及步骤1至步骤5得到的新人脸特征值与步骤6中人脸数据池中的人脸特征值进行对比，（也就是进行1对N的对比）出现三种情况。
第一种情况：其比值超过设定的阈值，即为同一个人脸，此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比，新人脸特征值所对应的原始图像质量好于人脸数据池中人脸特征值所对应的原始图像质量的情况下，由新人脸特征值替换掉人脸数据池中的人脸特征值。
第二种情况：其比值超过设定的阈值，即为同一个人脸，此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比，新人脸特征值所对应的原始图像质量低于人脸数据池中人脸特征值所对应的原始图像质量的情况下，丢弃新人脸特征值。
第三种情况：人脸数据池中没有新人脸特征值的情况下，将新人脸特征值加入到人脸数据池中。
最后，进行人脸输出，定时检测人脸池中人脸数据，如果超过设定的时间间隔未更新，则输出人脸数据，并从人脸池中删除该人脸数据。在具体实践中输出照片需要满足两种条件，1.照片几秒内没有更新，说明人已经离开摄像机，2.照片生成超过给定秒数，人长时间在摄像机范围内没有走开的情况。
本发明的有益效果为：本发明是针对行人从进入到离开视频过程中，自动识别人脸及跟踪，并通分析和对比，向外部系统提供一张质量最佳的人脸的照片。本发明的技术能够赋予普通摄像机智能分析能力，解决了大量高清视频数据资源浪费的问题。
具体实施方式
一种基于连续图像的人脸识别的优选方法，其包括如下步骤。
第一步、通过标准通讯协议获取一段实时或本地视频，该视频中包含人脸信息。
该标准通讯协议可以为RTSP/RTP、ONVIF、GB/T 28181中的任意一种。
第二步、对第一步中的该一段视频进行解码还原原始图像，得到若干原始图像。
在具体实施的时候，通过在一秒内抽取15帧的方式进行还原原始图像。
第三步、依次抽取第二步中的每一副原始图像进行如下处理。
步骤1、根据原始图像中人脸的双眼瞳孔、鼻子、嘴的两角的人脸特征点位的角度以及清淅度进行质量评估，质量评估值低于设定阈值的原始图像丢弃。
质量评估值高于或者等于设定阈值的原始图像则进行如下步骤。
步骤2、对原始图像进行旋转仿射变换对齐。
步骤3、将原始图像中人脸位置边界向上下左右四个方向扩展22个像素。
步骤4、裁剪扩展后的区域并缩放至112*112像素大小。
步骤5、对原始图像的R、G、B通道像素值归一化到[-1,1]区间；通过深度残差ResNet网络模型运算输出512浮点向量；最后将512浮点值进行数据值归一化得到人脸特征值。
步骤6、将步骤5中的人脸特征值存储在人脸数据池中。
重复进行上述第一步、第二步、第三步以及步骤1至步骤5得到的新人脸特征值与步骤6中人脸数据池中的人脸特征值进行对比，（也就是进行1对N的对比）出现三种情况。
第一种情况：其比值超过设定的阈值，即为同一个人脸。
此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比。
新人脸特征值所对应的原始图像质量好于人脸数据池中人脸特征值所对应的原始图像质量的情况下，由新人脸特征值替换掉人脸数据池中的人脸特征值。
第二种情况：其比值超过设定的阈值，即为同一个人脸。
此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比。
新人脸特征值所对应的原始图像质量低于人脸数据池中人脸特征值所对应的原始图像质量的情况下，丢弃新人脸特征值。
第三种情况：人脸数据池中没有新人脸特征值的情况下，将新人脸特征值加入到人脸数据池中。
最后，进行人脸输出，定时检测人脸池中人脸数据，如果超过设定的时间间隔未更新，则输出人脸数据，并从人脸池中删除该人脸数据。
在具体实践中输出照片需要满足两种条件，1.照片几秒内没有更新，说明人已经离开摄像机，2.照片生成超过给定秒数，人长时间在摄像机范围内没有走开的情况。
Claims (3)
1.一种基于连续图像的人脸识别的优选方法，其特征在于，包括如下步骤：
第一步、通过标准通讯协议获取一段实时或本地视频，该视频中包含人脸信息，
第二步、对第一步中的该一段视频进行解码还原原始图像，得到若干原始图像，
第三步、依次抽取第二步中的每一副原始图像进行如下处理，
步骤1、根据原始图像中人脸的双眼瞳孔、鼻子、嘴的两角的人脸特征点位的角度以及清淅度进行质量评估，质量评估值低于设定阈值的原始图像丢弃，
质量评估值高于或者等于设定阈值的原始图像则进行如下步骤，
步骤2、对原始图像进行旋转仿射变换对齐，
步骤3、将原始图像中人脸位置边界向上下左右四个方向扩展22个像素，
步骤4、裁剪扩展后的区域并缩放至112*112像素大小，
步骤5、对原始图像的R、G、B通道像素值归一化到[-1,1]区间；通过深度残差ResNet网络模型运算输出512浮点向量；最后将512浮点值进行数据值归一化得到人脸特征值，
步骤6、将步骤5中的人脸特征值存储在人脸数据池中，
重复进行上述第一步、第二步、第三步以及步骤1至步骤5得到的新人脸特征值与步骤6中人脸数据池中的人脸特征值进行对比，出现三种情况，
第一种情况：其比值超过设定的阈值，即为同一个人脸，
此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比，
新人脸特征值所对应的原始图像质量好于人脸数据池中人脸特征值所对应的原始图像质量的情况下，由新人脸特征值替换掉人脸数据池中的人脸特征值，
第二种情况：其比值超过设定的阈值，即为同一个人脸，
此时，将新人脸特征值所对应的原始图像与人脸数据池中人脸特征值所对应的原始图像进行图像质量对比，
新人脸特征值所对应的原始图像质量低于人脸数据池中人脸特征值所对应的原始图像质量的情况下，丢弃新人脸特征值，
第三种情况：人脸数据池中没有新人脸特征值的情况下，将新人脸特征值加入到人脸数据池中。
2.如权利要求1所述的一种基于连续图像的人脸识别的优选方法，其特征在于：第一步中该标准通讯协议为RTSP/RTP、ONVIF、GB/T 28181中的任意一种。
3.如权利要求1所述的一种基于连续图像的人脸识别的优选方法，其特征在于：第二步中通过在一秒内抽取15帧的方式进行还原原始图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811527684.5A CN109376716A (zh) | 2018-12-13 | 2018-12-13 | 一种基于连续图像的人脸识别的优选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811527684.5A CN109376716A (zh) | 2018-12-13 | 2018-12-13 | 一种基于连续图像的人脸识别的优选方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109376716A true CN109376716A (zh) | 2019-02-22 |
Family
ID=65373672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811527684.5A Pending CN109376716A (zh) | 2018-12-13 | 2018-12-13 | 一种基于连续图像的人脸识别的优选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109376716A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796013A (zh) * | 2019-09-29 | 2020-02-14 | 浙江新再灵科技股份有限公司 | 一种常驻人口信息收集方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
| CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
| CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
| CN107346426A (zh) * | 2017-07-10 | 2017-11-14 | 深圳市海清视讯科技有限公司 | 一种基于摄像机人脸识别的人脸信息收集方法 |
| US20180068173A1 (en) * | 2016-09-02 | 2018-03-08 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
| CN108647651A (zh) * | 2018-05-14 | 2018-10-12 | 深圳市科发智能技术有限公司 | 一种提高识别通过率的人脸识别方法、系统及装置 |
-
2018
- 2018-12-13 CN CN201811527684.5A patent/CN109376716A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
| CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
| CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
| US20180068173A1 (en) * | 2016-09-02 | 2018-03-08 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
| CN107346426A (zh) * | 2017-07-10 | 2017-11-14 | 深圳市海清视讯科技有限公司 | 一种基于摄像机人脸识别的人脸信息收集方法 |
| CN108647651A (zh) * | 2018-05-14 | 2018-10-12 | 深圳市科发智能技术有限公司 | 一种提高识别通过率的人脸识别方法、系统及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796013A (zh) * | 2019-09-29 | 2020-02-14 | 浙江新再灵科技股份有限公司 | 一种常驻人口信息收集方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020094088A1 (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
| CN108549852B (zh) | 基于深度网络增强的特定场景下行人检测器自动学习方法 | |
| Wheeler et al. | Face recognition at a distance system for surveillance applications | |
| CN110309718A (zh) | 一种电网作业人员安全帽佩戴检测方法 | |
| KR102139582B1 (ko) | 다중 roi 및 객체 검출 dcnn 기반의 cctv 영상분석장치 및 그 장치의 구동방법 | |
| KR101513215B1 (ko) | 객체 행동패턴 cctv 영상 분석서버 | |
| CN105022999A (zh) | 一种人码伴随实时采集系统 | |
| CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
| KR20150112713A (ko) | 영상분석 서버를 통한 미래 발생범죄 예측 시스템 | |
| CN110633648B (zh) | 一种自然行走状态下的人脸识别方法和系统 | |
| WO2020114116A1 (zh) | 一种基于密集人群的行人检测方法、存储介质及处理器 | |
| CN107103299B (zh) | 一种监控视频中的人数统计方法 | |
| CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
| CN104463232A (zh) | 一种基于hog特征和颜色直方图特征的密度人群计数的方法 | |
| CN107547865A (zh) | 跨区域人体视频目标跟踪智能监控方法 | |
| KR102244878B1 (ko) | 인공지능 기반의 cctv 보안 시스템 및 보안 방법 | |
| CN112257527A (zh) | 基于多目标融合与时空视频序列的手机检测方法 | |
| CN109376716A (zh) | 一种基于连续图像的人脸识别的优选方法 | |
| Kainz et al. | Visual system for student attendance monitoring with non-standard situation detection | |
| KR101485512B1 (ko) | 객체 행동패턴의 해마 신경망 학습을 이용한 미래범죄 발생확률 우선순위 이벤트 cctv 영상처리 방법 | |
| CN104463114A (zh) | 一种用于图像捕获和目标快速识别的方法与嵌入式设备 | |
| CN112417989A (zh) | 一种监考人员违规行为识别方法及系统 | |
| KR20150112712A (ko) | 객체 행동패턴 cctv 영상 분석서버 | |
| KR101669447B1 (ko) | 영상 기반의 운전자 졸음 인식 시스템 및 그 인식 방법 | |
| KR102194511B1 (ko) | 대표 영상프레임 결정시스템 및 이를 이용한 방법 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190222 |