CN109711231A - 一种基于平均人脸-普氏变换的人脸对齐方法 - Google Patents
一种基于平均人脸-普氏变换的人脸对齐方法 Download PDFInfo
- Publication number
- CN109711231A CN109711231A CN201711018882.4A CN201711018882A CN109711231A CN 109711231 A CN109711231 A CN 109711231A CN 201711018882 A CN201711018882 A CN 201711018882A CN 109711231 A CN109711231 A CN 109711231A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- aligned
- shi
- transformation
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于平均人脸‑普氏变换的人脸对齐方法,对原始输入视频图像、人工拍照图像利用多任务级联卷积神经网络进行人脸检测,定位人脸所在区域进行剪裁与放缩,进而在同尺寸的剪裁图像中得到双眼、两嘴角与鼻子五个关键点坐标;对所有剪裁图片中的五个特征点分别求平均,计算得到平均人脸模型;将待对齐的人脸图像以平均人脸为基准进行普氏变换,得到对齐后的图像;对对齐后的人脸图像进行识别、验证。
Description
技术领域
本发明属于数字图像处理技术领域,涉及一种人脸识别的方法,特别地涉及一种基于平均人脸-普氏分析(Procrustes analysis)的人脸图像对齐方法。
背景技术
人脸验证、人脸识别是计算机视觉领域的研究热点,同时在安防、金融等领域有着大量的应用需求。人脸识别的主要思想是将采集到的人脸图像通过定位人面部的一系列特征点而对人脸进行定位,而后通过数学方法将采集到的人脸转化为标准的人脸图像,进而交给验证、识别算法进行判断。由于通过相机、摄像头采集的图像有着拍摄角度不一,被拍目标头部动作不一的特点,使得人脸验证、人脸识别的算法设计难度大、准确率低。
发明内容
本发明的目的在于提供一种基于平均人脸-普氏变换的人脸图像对齐方法,能够降低验证、识别算法的设计难度,且能够提升识别的准确率。
本发明的技术方案如下:
一种基于平均人脸-普氏变换的人脸对齐方法,其特征在于包括以下步骤:
(1)对原始输入视频图像、人工拍照图像利用多任务级联卷积神经网络进行人脸检测,定位人脸所在区域进行剪裁与放缩,进而在同尺寸的剪裁图像中得到双眼、两嘴角与鼻子五个关键点坐标;
(2)对所有剪裁图片中的五个特征点分别求平均,计算得到平均人脸模型;
(3)将待对齐的人脸图像以步骤(2)中得到的平均人脸为基准进行普氏变换,得到对齐后的图像;
(4)对对齐后的人脸图像进行识别、验证。
本发明通过对监测视频、人工照相采集的人脸图像进行平均人脸模型计算,在实际应用时对测试图像进行普氏变换,使其转化为标准的正面照片,进而提供验证、识别算法进行训练学习与判断推理,方法迁移能力强,适应性好,能降低验证、识别算法的难度,且具有显著的准确率提升。
具体实施方式
本发明具体包括以下步骤:
步骤一、对原始输入视频图像、人工拍照图像利用多任务级联卷积神经网络进行人脸检测,定位人脸所在区域进行剪裁与放缩,进而在同尺寸的剪裁图像中得到双眼、两嘴角与鼻子五个关键点坐标;
步骤二、对所有剪裁图片中的五个特征点分别求平均,计算得到平均人脸模型;
步骤三、对待对齐图像以步骤二所得平均人脸模型为标准进行仿射变换(普氏变换),得到对齐后的图像。设待对齐图像的五个特征点组成的矩阵为A(A∈R5*2),标准图像为B (B∈R5*2),具体步骤为:
分别计算待对齐图与标准图五个特征点的中心位置(均值),分别记作C1、C2∈R1*2,之后针对两张图的特征点分别进行中心化处理(即减去均值);
分别计算待对齐图与标准图五个特征点坐标的标准差(反应人脸的大小尺寸水平),分别记作S1、S2∈R1*1,之后针对两张图的特征点分别进行归一化处理(即除以标准差);
计算ATB的奇异值分解:U∑VT=ATB,则令R=VUT,则R即为反映旋转的线性变换阵;
仿射变换将原坐标(x,y)变换为新坐标(x',y')的计算方法为:
步骤四、将对齐后的人脸图像用于验证、识别算法,以卷积神经网络为例,在训练与测试阶段的识别、验证卷积神经网络输入前均按照平均人脸对输入的人脸图像进行对齐处理。之后便由神经网络算法对输入的对齐人脸图像进行学习或判断。
本发明与现有技术中的旋转对齐方法的人脸识别准确率对比:
人脸库选用15000幅身份证照片进行,测试图像使用不重复的1416幅。测试集由包含多种分辨率、清晰度、角度和年龄跨度的人员生活照片组成。试验对比了两种对齐算法对识别准确率的影响,实验过程使用VGG-face进行人脸特征提取,使用欧式距离进行相似度衡量。实验结果如下表所示:
旋转对齐 | 平均人脸-普氏分析对齐 | |
Top-1准确率 | 30.9% | 45.9% |
Top-10准确率 | 54.5% | 66.8% |
从上表中可以看出,使用本发明平均人脸-普氏分析对齐进行人脸识别的精度明显优于旋转对齐方法。这是由于旋转对齐时只是旋转图像使得处理图像与目标图像的双眼成水平,并没有将各图像的特征点进行严格意义的对齐。
Claims (2)
1.一种基于平均人脸-普氏变换的人脸对齐方法,其特征在于包括以下步骤:
(1)对原始输入视频图像、人工拍照图像利用多任务级联卷积神经网络进行人脸检测,定位人脸所在区域进行剪裁与放缩,进而在同尺寸的剪裁图像中得到双眼、两嘴角与鼻子五个关键点坐标;
(2)对所有剪裁图片中的五个特征点分别求平均,计算得到平均人脸模型;
(3)将待对齐的人脸图像以步骤(2)中得到的平均人脸为基准进行普氏变换,得到对齐后的图像;
(4)对对齐后的人脸图像进行识别、验证。
2.根据权利要求1所述的基于平均人脸-普氏变换的人脸对齐方法,其特征在于,所述普氏变换的具体方法是:
设待对齐图像的五个特征点组成的矩阵为A(A∈R5*2),标准图像为B(B∈R5*2),
分别计算待对齐图与标准图五个特征点的中心位置均值,分别记作C1、C2∈R1*2,之后针对两张图的特征点分别进行中心化处理,即减去均值;
分别计算待对齐图与标准图五个特征点坐标的标准差,分别记作S1、S2∈R1*1,之后针对两张图的特征点分别进行归一化处理,即除以标准差;
计算ATB的奇异值分解:U∑VT=ATB,则令R=VUT,则R即为反映旋转的线性变换阵;
普氏变换将原坐标(x,y)变换为新坐标(x',y')的计算方法为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711018882.4A CN109711231A (zh) | 2017-10-26 | 2017-10-26 | 一种基于平均人脸-普氏变换的人脸对齐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711018882.4A CN109711231A (zh) | 2017-10-26 | 2017-10-26 | 一种基于平均人脸-普氏变换的人脸对齐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711231A true CN109711231A (zh) | 2019-05-03 |
Family
ID=66253532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711018882.4A Pending CN109711231A (zh) | 2017-10-26 | 2017-10-26 | 一种基于平均人脸-普氏变换的人脸对齐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711231A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446904A (zh) * | 2019-08-30 | 2021-03-05 | 西安诺瓦星云科技股份有限公司 | 图像对齐方法、装置和系统 |
CN114494741A (zh) * | 2021-12-17 | 2022-05-13 | 上海品览数据科技有限公司 | 一种基于改进普氏分析的cad平面图户型对比方法 |
CN115713998A (zh) * | 2023-01-10 | 2023-02-24 | 华南师范大学 | 一种智能药箱 |
CN116524418A (zh) * | 2023-07-03 | 2023-08-01 | 平安银行股份有限公司 | 一种人脸嘴部识别方法、装置、系统及存储介质 |
-
2017
- 2017-10-26 CN CN201711018882.4A patent/CN109711231A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446904A (zh) * | 2019-08-30 | 2021-03-05 | 西安诺瓦星云科技股份有限公司 | 图像对齐方法、装置和系统 |
CN112446904B (zh) * | 2019-08-30 | 2024-04-09 | 西安诺瓦星云科技股份有限公司 | 图像对齐方法、装置和系统 |
CN114494741A (zh) * | 2021-12-17 | 2022-05-13 | 上海品览数据科技有限公司 | 一种基于改进普氏分析的cad平面图户型对比方法 |
CN115713998A (zh) * | 2023-01-10 | 2023-02-24 | 华南师范大学 | 一种智能药箱 |
CN116524418A (zh) * | 2023-07-03 | 2023-08-01 | 平安银行股份有限公司 | 一种人脸嘴部识别方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103577815B (zh) | 一种人脸对齐方法和系统 | |
CN103530599B (zh) | 一种真实人脸和图片人脸的区别方法和系统 | |
CN108009531B (zh) | 一种多策略防欺诈的人脸识别方法 | |
CN109711231A (zh) | 一种基于平均人脸-普氏变换的人脸对齐方法 | |
CN109299643B (zh) | 一种基于大姿态对准的人脸识别方法及系统 | |
CN104915656B (zh) | 一种基于双目视觉测量技术的快速人脸识别方法 | |
CN111091075B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN107704813B (zh) | 一种人脸活体识别方法及系统 | |
CN109190535A (zh) | 一种基于深度学习的人脸面部肤色分析方法和系统 | |
CN105913069A (zh) | 一种图像识别方法 | |
Suryawibawa et al. | Herbs recognition based on android using opencv | |
CN111881841B (zh) | 一种基于双目视觉的人脸检测识别方法 | |
CN104408430B (zh) | 一种车牌定位方法及装置 | |
CN111311657A (zh) | 一种基于改进角点主方向分配的红外图像同源配准方法 | |
CN102982320B (zh) | 一种提取眉毛轮廓的方法 | |
CN110555792B (zh) | 基于归一化直方图综合特征向量的图像篡改盲检测方法 | |
CN106326825B (zh) | 虹膜边缘定位方法及虹膜识别系统 | |
Lin et al. | A fast shape context matching using indexing | |
Lin et al. | Face detection algorithm based on multi-orientation gabor filters and feature fusion | |
CN104636727A (zh) | 一种适应多表情多姿态的人脸识别方法 | |
CN112488136A (zh) | 一种图像识别系统以及图像识别装置 | |
CN106682613B (zh) | 一种基于人脸显著性的图像压缩方法 | |
CN113221606A (zh) | 一种基于ims视频会议登录的人脸识别方法 | |
CN110858274A (zh) | 一种基于多任务级联卷积神经网络的面部识别方法 | |
CN113920557B (zh) | 一种基于视觉的可信身份识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190503 |
|
WD01 | Invention patent application deemed withdrawn after publication |