CN109684917A - 一种快速人脸识别方法 - Google Patents
一种快速人脸识别方法 Download PDFInfo
- Publication number
- CN109684917A CN109684917A CN201811354015.2A CN201811354015A CN109684917A CN 109684917 A CN109684917 A CN 109684917A CN 201811354015 A CN201811354015 A CN 201811354015A CN 109684917 A CN109684917 A CN 109684917A
- Authority
- CN
- China
- Prior art keywords
- feature point
- feature
- face recognition
- human face
- collection
- 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
- 230000001815 facial effect Effects 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 239000012141 concentrate Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
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
- G06V40/172—Classification, e.g. identification
-
- 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)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种快速人脸识别方法，包括如下步骤：①特征提取：从正视人脸图像中，提取人脸特征，得到特征点位集；②特征排序：将特征点位集复制为至少两个特征点位集，然后对每个特征点位集中的特征点位按照部位分组，以分组为单位排序，每一特征点位集中的排序方式不同；③特征对比：对每个特征点位集，以分组为单位进行特征点位对比，每次对比一组，判断特征库中是否有分组特征点位相似度高于80％，如有则得到该特征点位集的对比结果；④结果核对。本发明通过将特征点分组然后以分组为单位进行对比的方式，能有效降低识别过程中的计算量，从而极大的减少在嵌入式设备中应用时的不稳定、能耗高等麻烦。
Description
技术领域
本发明涉及一种快速人脸识别方法。
背景技术
现有技术中基于特征分解提取的人脸识别技术已然成熟，但目前大多以服务器或台式机为主要计算核心，依赖服务器或台式机的强大性能实现快速计算，然而在实际需求中，大量需要终端化的嵌入式设备来进行人脸识别，此时如要完成足够高效的计算，则往往需要极高性能的处理器，或直接采用FPGA，显然不仅设备成本高，而且面临着不稳定、能耗高等一系列麻烦，而这些麻烦其根源即在于目前人脸识别方法未能考虑到性能问题。
发明内容
为解决上述技术问题，本发明提供了一种快速人脸识别方法，该快速人脸识别方法通过将特征点分组然后以分组为单位进行对比的方式，能有效降低识别过程中的计算量，从而极大的减少在嵌入式设备中应用时的不稳定、能耗高等麻烦。
本发明通过以下技术方案得以实现。
本发明提供的一种快速人脸识别方法，包括如下步骤：
①特征提取：从正视人脸图像中，提取人脸特征，得到特征点位集；
②特征排序：将特征点位集复制为至少两个特征点位集，然后对每个特征点位集中的特征点位按照部位分组，以分组为单位排序，每一特征点位集中的排序方式不同；
③特征对比：对每个特征点位集，以分组为单位进行特征点位对比，每次对比一组，判断特征库中是否有分组特征点位相似度高于80％，如有则得到该特征点位集的对比结果；
④结果核对：判断多个特征点位集的对比结果是否一致，如不一致则返回至步骤②重新排序。
所述正视人脸图像，人脸所占面积大于60％。
所述对每个特征点位集中的特征点位按照部位分组，部位包括眼睛、眉毛、鼻子、嘴巴。
所述特征点位，为Haar-like特征。
所述步骤④返回至步骤②重新排序时，记录导致不一致的对比结果的多种排序方式的组合，并在步骤②重新排序时跳过所记录的排序方式的组合。
所述步骤⑤中判断相似度时，以特征点位之间的距离比例为计算基数。
本发明的有益效果在于：通过将特征点分组然后以分组为单位进行对比的方式，能有效降低识别过程中的计算量，从而极大的减少在嵌入式设备中应用时的不稳定、能耗高等麻烦。
附图说明
图1是本发明的连接示意图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
一种快速人脸识别方法，包括如下步骤：
①特征提取：从正视人脸图像中，提取人脸特征，得到特征点位集；
②特征排序：将特征点位集复制为至少两个特征点位集，然后对每个特征点位集中的特征点位按照部位分组，以分组为单位排序，每一特征点位集中的排序方式不同；
③特征对比：对每个特征点位集，以分组为单位进行特征点位对比，每次对比一组，判断特征库中是否有分组特征点位相似度高于80％，如有则得到该特征点位集的对比结果；
④结果核对：判断多个特征点位集的对比结果是否一致，如不一致则返回至步骤②重新排序。
所述正视人脸图像，人脸所占面积大于60％。
所述对每个特征点位集中的特征点位按照部位分组，部位包括眼睛、眉毛、鼻子、嘴巴。
所述特征点位，为Haar-like特征。
所述步骤④返回至步骤②重新排序时，记录导致不一致的对比结果的多种排序方式的组合，并在步骤②重新排序时跳过所记录的排序方式的组合。
所述步骤⑤中判断相似度时，以特征点位之间的距离比例为计算基数。
由此，先计算特征点，然后每次对比仅取人脸图像中的部分特征点进行计算，从而大幅降低计算量，而通过多个特征点位集分别完成对比，然后再判断多个特征点位集之间对比结果一致性的方式，则有效降低错误率。
Claims (6)
1.一种快速人脸识别方法，其特征在于：包括如下步骤：
①特征提取：从正视人脸图像中，提取人脸特征，得到特征点位集；
②特征排序：将特征点位集复制为至少两个特征点位集，然后对每个特征点位集中的特征点位按照部位分组，以分组为单位排序，每一特征点位集中的排序方式不同；
③特征对比：对每个特征点位集，以分组为单位进行特征点位对比，每次对比一组，判断特征库中是否有分组特征点位相似度高于80％，如有则得到该特征点位集的对比结果；
④结果核对：判断多个特征点位集的对比结果是否一致，如不一致则返回至步骤②重新排序。
2.如权利要求1所述的快速人脸识别方法，其特征在于：所述正视人脸图像，人脸所占面积大于60％。
3.如权利要求1所述的快速人脸识别方法，其特征在于：所述对每个特征点位集中的特征点位按照部位分组，部位包括眼睛、眉毛、鼻子、嘴巴。
4.如权利要求1所述的快速人脸识别方法，其特征在于：所述特征点位，为Haar-like特征。
5.如权利要求1所述的快速人脸识别方法，其特征在于：所述步骤④返回至步骤②重新排序时，记录导致不一致的对比结果的多种排序方式的组合，并在步骤②重新排序时跳过所记录的排序方式的组合。
6.如权利要求1所述的快速人脸识别方法，其特征在于：所述步骤⑤中判断相似度时，以特征点位之间的距离比例为计算基数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811354015.2A CN109684917A (zh) | 2018-11-14 | 2018-11-14 | 一种快速人脸识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811354015.2A CN109684917A (zh) | 2018-11-14 | 2018-11-14 | 一种快速人脸识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109684917A true CN109684917A (zh) | 2019-04-26 |
Family
ID=66184609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811354015.2A Pending CN109684917A (zh) | 2018-11-14 | 2018-11-14 | 一种快速人脸识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109684917A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1341401A (zh) * | 2001-10-19 | 2002-03-27 | 清华大学 | 基于部件主分量分析的多模式人脸识别方法 |
| CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
| CN103207898A (zh) * | 2013-03-19 | 2013-07-17 | 天格科技（杭州）有限公司 | 一种基于局部敏感哈希的相似人脸快速检索方法 |
| CN105760817A (zh) * | 2016-01-28 | 2016-07-13 | 深圳泰首智能技术有限公司 | 用人脸识别认证解锁加密存储空间的方法及装置 |
| CN108108760A (zh) * | 2017-12-19 | 2018-06-01 | 山东大学 | 一种快速人脸识别方法 |
-
2018
- 2018-11-14 CN CN201811354015.2A patent/CN109684917A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1341401A (zh) * | 2001-10-19 | 2002-03-27 | 清华大学 | 基于部件主分量分析的多模式人脸识别方法 |
| CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
| CN103207898A (zh) * | 2013-03-19 | 2013-07-17 | 天格科技（杭州）有限公司 | 一种基于局部敏感哈希的相似人脸快速检索方法 |
| CN105760817A (zh) * | 2016-01-28 | 2016-07-13 | 深圳泰首智能技术有限公司 | 用人脸识别认证解锁加密存储空间的方法及装置 |
| CN108108760A (zh) * | 2017-12-19 | 2018-06-01 | 山东大学 | 一种快速人脸识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Region-based quality estimation network for large-scale person re-identification | |
| WO2020038136A1 (zh) | 面部识别方法、装置、电子设备及计算机可读介质 | |
| US9317785B1 (en) | Method and system for determining ethnicity category of facial images based on multi-level primary and auxiliary classifiers | |
| Ji et al. | Interactive body part contrast mining for human interaction recognition | |
| Liu et al. | Agenet: Deeply learned regressor and classifier for robust apparent age estimation | |
| Ming | Robust regional bounding spherical descriptor for 3D face recognition and emotion analysis | |
| CN104866829A (zh) | 一种基于特征学习的跨年龄人脸验证方法 | |
| CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
| CN111652798B (zh) | 人脸姿态迁移方法和计算机存储介质 | |
| CN110232331B (zh) | 一种在线人脸聚类的方法及系统 | |
| CN107103311A (zh) | 一种连续手语的识别方法及其装置 | |
| CN114359998A (zh) | 一种人脸口罩佩戴状态下的识别方法 | |
| CN103745209A (zh) | 一种人脸识别方法及系统 | |
| KR20120089504A (ko) | 객체 인식 장치 및 객체 인식 방법 | |
| CN109902550A (zh) | 行人属性的识别方法和装置 | |
| CN103942531A (zh) | 一种人脸识别系统及其方法 | |
| CN110414431B (zh) | 基于弹性上下文关系损失函数的人脸识别方法及系统 | |
| CN109684917A (zh) | 一种快速人脸识别方法 | |
| CN202694370U (zh) | 一种基于数字图像处理的多人脸识别系统 | |
| Feng et al. | Cascaded structure-learning network with using adversarial training for robust facial landmark detection | |
| CN106529594B (zh) | 应用于大数据行为识别的监督降维方法 | |
| Xue et al. | Facial feature extraction and image warping using PCA based statistic model | |
| CN114882420A (zh) | 接待人数统计方法、装置、电子设备及可读存储介质 | |
| Yu et al. | Robust facial profile recognition | |
| Zhang et al. | Contextual Fisher kernels for human action recognition |
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 |
Application publication date: 20190426 |
|
| RJ01 | Rejection of invention patent application after publication |