CN109784187A - 人脸识别的优化方法及装置 - Google Patents

人脸识别的优化方法及装置 Download PDF

Info

Publication number
CN109784187A
CN109784187A CN201811551889.7A CN201811551889A CN109784187A CN 109784187 A CN109784187 A CN 109784187A CN 201811551889 A CN201811551889 A CN 201811551889A CN 109784187 A CN109784187 A CN 109784187A
Authority
CN
China
Prior art keywords
data
face
confidence level
data set
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.)
Granted
Application number
CN201811551889.7A
Other languages
English (en)
Other versions
CN109784187B (zh
Inventor
林锋仰
刘子炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Macau New World Wanbo Technology Co ltd
Newland Digital Technology Co ltd
Original Assignee
New Continent Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by New Continent Digital Technology Co Ltd filed Critical New Continent Digital Technology Co Ltd
Priority to CN201811551889.7A priority Critical patent/CN109784187B/zh
Publication of CN109784187A publication Critical patent/CN109784187A/zh
Application granted granted Critical
Publication of CN109784187B publication Critical patent/CN109784187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种人脸识别的优化方法及装置,优化时,获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,数据包括识别结果ID、人脸框的坐标、置信度、角度值;将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;从原始数据集中提取数据集A及数据集B;从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,将A1识别为噪声。本方案对一段时间内的人脸进行统计,淘汰掉错误的识别结果,避免一段时间内因为一张人脸的错误识别对该段时间内识别统计结果的影响,大幅降低了误识率。

Description

人脸识别的优化方法及装置
技术领域
本发明涉及图像识别技术领域,特别涉及一种人脸识别的优化方法及装置。
背景技术
在会议、学校课堂中的考勤可以使用人脸识别技术来进行,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,识别算法要完成人脸特征的提取,并与库存的已知人脸进行比对,完成最终的分类。人脸的识别速度及人脸的识别准确度都是人脸识别技术的重要指标。现有的人脸识别算法中,通过优选人脸图片、提高置信度阈值及筛选识别结果来提高准确率。但是现有技术中,由于没有利用一定时间段内前后图片之间的关系来进行图片处理,容易出现某个体对应的一部分人脸图像识别正确,另一部分人脸图像则错误识别为其他个体的情形,这造成了对于最终识别结果评价降低的问题,导致误识率较高。
发明内容
本发明要解决的技术问题是如何提供一种可去除人脸识别中的噪声图片、提高识别的准确率的人脸识别的优化方法及装置。
为了解决上述技术问题,本发明的技术方案为:
一种人脸识别的优化方法,其特征在于:包括步骤:
S10:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、角度值;
S20:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
S30:从原始数据集中提取数据集A及数据集B;
S40:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
优选地,步骤S10之前还包括步骤:预设人脸的置信度的最低阈值、最高阈值,并预设人脸的角度值的最小阈值、最大阈值。
优选地,步骤S30中:数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
优选地,置信度的最低阈值取值范围为0.2至0.5,置信度的最高阈值取值范围0.5至0.9;
角度值包括人脸与摄像头的上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;
角度值还包括人脸与摄像头的左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
优选地,
步骤S30之前还包括步骤:
当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据;
此外,步骤S40之后还包括步骤:
将数据集A与数据集Z1合并形成新的数据集D;
将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
本发明还提出了一种人脸识别的优化装置,包括:
数据收集模块:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、角度值;
过滤模块:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
数据集提取模块:从原始数据集中提取数据集A及数据集B;
去噪模块:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
优选地,该人脸识别的优化装置还包括:
预设模块,预设人脸的置信度的最低阈值、最高阈值,并预设人脸的角度值的最小阈值、最大阈值。
优选地,数据集提取模块中,数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
优选地,该人脸识别的优化装置中:
置信度的最小阈值取值范围为0.2至0.5,置信度的最大阈值取值范围0.5至0.9;
角度值包括人脸与摄像头的上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;
角度值包括人脸与摄像头的左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
优选地,该人脸识别的优化装置还包括结果数据集模块、合并模块及结果获取模块;其中,
结果数据集模块:当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据
合并模块:将数据集A与数据集Z1合并形成新的数据集D;
结果获取模块:将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
采用上述技术方案,将数据集中的数据进行一一比对,当两个数据的人脸框在图片中的交并比大于预设值,且其识别结果不同时,则代表其中有一数据为噪声,此时,通过比对两个数据的置信度,通过删除置信度较低的数据,实现了数据去噪。本方案对一段时间内的人脸进行统计,淘汰掉错误的识别结果。避免一段时间内因为一张人脸的错误识别对这段时间内识别统计结果的影响,大幅降低了误识率。
附图说明
图1为本发明人脸识别的优化方法一实施例的流程图;
图2为本发明人脸识别的优化方法另一实施例的流程图;
图3为本发明人脸识别的优化装置一实施例的原理框图。
图中,10-数据收集模块,20-过滤模块,30-数据集提取模块,40-去噪模块,50-预设模块,60-结果数据集模块,70-合并模块,80-结果获取模块。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1及图2,本发明提出了一种人脸识别的优化方法,包括步骤:
预设人脸的置信度的最低阈值、最高阈值,并预设人脸的角度值的最小阈值、最大阈值。置信度的最低阈值取值范围为0.2至0.5,置信度的最高阈值取值范围0.5至0.9;角度值包括人脸与摄像头的上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;角度值还包括人脸与摄像头的左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
S10:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、生成时间、角度值;
当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据。
S20:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
S30:从原始数据集中提取数据集A及数据集B;数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
S40:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
将数据集A与数据集Z1合并形成新的数据集D;
将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
需要说明的是,步骤S40,在课堂或会议的考勤中,当A1及B1的人脸框在图片中的交并比大于预设值、且两个图片的识别结果ID不同,则表示其中一数据为噪声,此时通过去除两个结果中置信度较低的一个,以实现数据的优化,提升识别的准确度。
在本发明的另一实施例中,该人脸识别的优化方法通过以下步骤完成优化:
1、设定置信度最低阈值C2,最高阈值C1;角度值范围最低值,最高值。需要说明的是,本实施例中,摄像头是装在离地2.5米的位置,脸相对于镜头,俯仰、侧脸超过一个范围,识别的效果就不好,所以要限定范围。角度值是根据大量数据分析判断出来的人脸与摄像头之间的夹角角度,包括人脸的俯仰角度值及人脸的左右侧脸的角度值。
置信度的最低阈值取值范围为0.2至0.5,置信度的最高阈值取值范围0.5至0.9;角度值包括上下夹角最小阈值J2及左右夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;角度值还包括左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
2、存储连续视频每帧每人脸在人脸识别后的结构化数据,包含识别结果ID,人脸框的左、右、上、下坐标、置信度、生成时间及俯仰角度值、左右角度值。
3、过滤掉置信度小于C2、人脸的俯仰角度过大、或人脸的左右侧脸的角度过大的数据。
4、将过滤后的一个预设时间段内的数据汇总为原始数据。
5、到了可以统计的时间点,对原始数据中置信度较高,即大于阈值C1的数据,直接并入最终的识别结果集Z1。
6、生成数据集A,条件:从原始数据中取出识别结果ID不在Z1内的,并且置信度阈值小于C1的,并且角度值小于两个最小阈值的数据。
7、生成数据集B,条件:从原始数据中取出置信度阈值在C2之上的所有数据。
8、A与B之间的数据一一比较,2个数据集的数据分别为记录A1,B1。当满足A1的置信度小于B1的置信度、A1和B1的识别结果ID编号不一致及两者脸部在原图位置的矩形框的交并比大于预设值IOU1三个条件时,则判定A1为噪声,并删除A1。IOU1是两个矩形框的重合率设定,范围是在0到1之间。
9、清除后的A集合与Z1合并形成新的数据集D。
10、利用识别结果ID分组,将相同识别结果ID的数据分为一组,同组中,取置信度最高的数据作为最终的结果。
参照图3,本发明还提出一种人脸识别的优化装置,包括:
预设模块50,预设人脸的置信度的最低阈值、最高阈值,角度值的最小阈值、最大阈值。置信度的最小阈值取值范围为0.2至0.5,置信度的最大阈值取值范围0.5至0.9;角度值包括上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;角度值包括左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
数据收集模块10:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、生成时间、角度值;
结果数据集模块60:当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据。
过滤模块20:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
数据集提取模块30:从原始数据集中提取数据集A及数据集B;数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
去噪模块40:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
合并模块70:将数据集A与数据集Z1合并形成新的数据集D;
结果获取模块80:将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
采用上述技术方案,将数据集中的数据进行一一比对,当两个数据的人脸框在图片中的交并比大于预设值,且其识别结果不同时,代表其中有一数据为噪声,此时,通过比对两个数据的置信度,通过删除置信度较低的数据,实现了数据去噪。对一段时间内的人脸进行统计,淘汰掉错误的识别结果。解决一段时间内因为一张人脸的错误识别对这段时间内识别统计结果的影响,大幅降低了误识率。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。

Claims (10)

1.一种人脸识别的优化方法,其特征在于:包括步骤:
S10:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、角度值;
S20:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
S30:从原始数据集中提取数据集A及数据集B;
S40:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
2.根据权利要求1所述的人脸识别的优化方法,其特征在于:步骤S10之前还包括步骤:预设人脸的置信度的最低阈值、最高阈值,并预设人脸的角度值的最小阈值、最大阈值。
3.根据权利要求2所述的人脸识别的优化方法,其特征在于:步骤S30中,数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
4.根据权利要求2所述的人脸识别的优化方法,其特征在于:
置信度的最低阈值取值范围为0.2至0.5,置信度的最高阈值取值范围为0.5至0.9;
角度值包括人脸与摄像头的上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;
角度值还包括人脸与摄像头的左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
5.根据权利要求1至4任一项所述的人脸识别的优化方法,其特征在于:
步骤S30之前还包括步骤:
当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据;
此外,步骤S40之后还包括步骤:
将数据集A与数据集Z1合并形成新的数据集D;
将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
6.一种人脸识别的优化装置,其特征在于:包括:
数据收集模块:获取并记录视频流中每一人脸的每帧的数据,形成原始数据集,所述数据包括识别结果ID、人脸框的坐标、置信度、角度值;
过滤模块:将原始数据集中置信度小于最低阈值或角度值小于最小阈值的数据删除;
数据集提取模块:从原始数据集中提取数据集A及数据集B;
去噪模块:从数据集A中提取数据A1与数据集B中的数据B1进行比对,当数据A1的置信度小于数据B1的置信度、A1和B1的识别结果ID不一致、且A1及B1的人脸框在图片中的交并比大于预设值时,删除数据A1。
7.根据权利要求6所述的人脸识别的优化装置,其特征在于:还包括:
预设模块,预设人脸的置信度的最低阈值、最高阈值,并预设人脸的角度值的最小阈值、最大阈值。
8.根据权利要求7所述的人脸识别的优化装置,其特征在于:数据集提取模块中,数据集A为原始数据集中置信度小于最高阈值,且角度值小于最大阈值的所有数据;数据集B为原始数据集中置信度大于最低阈值的所有数据。
9.根据权利要求7所述的人脸识别的优化装置,其特征在于:
置信度的最小阈值取值范围为0.2至0.5,置信度的最大阈值取值范围0.5至0.9;
角度值包括人脸与摄像头的上下夹角最小阈值J2及上下夹角最大阈值J1,J1及J2的取值范围都在-90~90之间;
角度值包括人脸与摄像头的左右夹角最小阈值LR2及左右夹角最大阈值LR1,LR1及LR2的取值范围都在-90~90之间。
10.根据权利要求6至9任一项所述的人脸识别的优化装置,其特征在于,还包括结果数据集模块、合并模块及结果获取模块;其中,
结果数据集模块:当一数据的置信度大于最高阈值时,将该数据存入识别结果数据集Z1,并从原始数据集中删除该数据
合并模块:将数据集A与数据集Z1合并形成新的数据集D;
结果获取模块:将数据集D中的数据通过识别结果ID进行分组,每组中取最高置信度的数据作为最终的数据。
CN201811551889.7A 2018-12-19 2018-12-19 人脸识别的优化方法及装置 Active CN109784187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811551889.7A CN109784187B (zh) 2018-12-19 2018-12-19 人脸识别的优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811551889.7A CN109784187B (zh) 2018-12-19 2018-12-19 人脸识别的优化方法及装置

Publications (2)

Publication Number Publication Date
CN109784187A true CN109784187A (zh) 2019-05-21
CN109784187B CN109784187B (zh) 2022-12-13

Family

ID=66497273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811551889.7A Active CN109784187B (zh) 2018-12-19 2018-12-19 人脸识别的优化方法及装置

Country Status (1)

Country Link
CN (1) CN109784187B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117542106A (zh) * 2024-01-10 2024-02-09 成都同步新创科技股份有限公司 一种静态人脸检测和数据排除方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106630126A (zh) * 2015-10-31 2017-05-10 新大陆科技集团有限公司 一种可自动脱除生物膜的污水净化处理生物膜载体装置
CN106778585A (zh) * 2016-12-08 2017-05-31 腾讯科技(上海)有限公司 一种人脸关键点跟踪方法和装置
US20180157898A1 (en) * 2015-06-15 2018-06-07 Panasonic Intellectual Property Management Co., Ltd. Facial recognition system, facial recognition server, and facial recognition method
CN108898125A (zh) * 2018-07-10 2018-11-27 深圳市巨龙创视科技有限公司 一种基于嵌入式人脸识别管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180157898A1 (en) * 2015-06-15 2018-06-07 Panasonic Intellectual Property Management Co., Ltd. Facial recognition system, facial recognition server, and facial recognition method
CN106630126A (zh) * 2015-10-31 2017-05-10 新大陆科技集团有限公司 一种可自动脱除生物膜的污水净化处理生物膜载体装置
CN106778585A (zh) * 2016-12-08 2017-05-31 腾讯科技(上海)有限公司 一种人脸关键点跟踪方法和装置
CN108898125A (zh) * 2018-07-10 2018-11-27 深圳市巨龙创视科技有限公司 一种基于嵌入式人脸识别管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117542106A (zh) * 2024-01-10 2024-02-09 成都同步新创科技股份有限公司 一种静态人脸检测和数据排除方法、装置及存储介质
CN117542106B (zh) * 2024-01-10 2024-04-05 成都同步新创科技股份有限公司 一种静态人脸检测和数据排除方法、装置及存储介质

Also Published As

Publication number Publication date
CN109784187B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN110008797B (zh) 一种多摄像机多人脸视频接续采集方法
CN102306304B (zh) 人脸遮挡物识别方法及其装置
CN109829997A (zh) 人员考勤方法及系统
CN102222104B (zh) 基于时空融合的智能提取视频摘要方法
CN102857693B (zh) 图像处理设备及其控制方法
CN109697430A (zh) 基于图像识别的工作区域安全帽佩戴的检测方法
CN103678984A (zh) 一种利用摄像头实现用户身份验证的方法
CN106548148A (zh) 视频中未知人脸的识别方法和系统
CN107944427A (zh) 动态人脸识别方法及计算机可读存储介质
CN109359577B (zh) 一种基于机器学习的复杂背景下人数检测系统
CN107066963B (zh) 一种自适应人群计数方法
CN107368770B (zh) 一种回头客自动识别方法及系统
US20160239712A1 (en) Information processing system
CN110059634A (zh) 一种大场景人脸抓拍方法
CN105141923B (zh) 一种视频浓缩方法及装置
CN111209820B (zh) 人脸活体检测方法、系统、设备及可读存储介质
WO2019083509A1 (en) PEOPLE SEGMENTATIONS FOR BACKGROUND REPLACEMENTS
CN109785348A (zh) 基于图像边界近似曲率变化的新型角点检测方法及系统
CN110838102A (zh) 一种智能化图像上传方法
CN110363087A (zh) 一种长基线双目人脸活体检测方法及系统
CN109784187A (zh) 人脸识别的优化方法及装置
CN110351579A (zh) 一种视频的智能剪辑算法
CN108345847A (zh) 一种人脸图像标签数据生成系统及其方法
US8879805B2 (en) Automated image identification method
CN109658395B (zh) 视盘追踪方法及系统和眼底采集装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221116

Address after: 350015 No. 1 Rujiangxi Road, Mawei District, Fuzhou City, Fujian Province

Applicant after: NEWLAND DIGITAL TECHNOLOGY Co.,Ltd.

Applicant after: Macau New World Wanbo Technology Co.,Ltd.

Address before: 350015 No. 1 Rujiangxi Road, Mawei District, Fuzhou City, Fujian Province

Applicant before: NEWLAND DIGITAL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant