CN110032955B - 一种基于深度学习的人脸识别新方法 - Google Patents
一种基于深度学习的人脸识别新方法 Download PDFInfo
- Publication number
- CN110032955B CN110032955B CN201910239030.0A CN201910239030A CN110032955B CN 110032955 B CN110032955 B CN 110032955B CN 201910239030 A CN201910239030 A CN 201910239030A CN 110032955 B CN110032955 B CN 110032955B
- Authority
- CN
- China
- Prior art keywords
- distance
- eyes
- eyebrow
- nose tip
- verification
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于深度学习的人脸识别新方法,包括下述步骤;使用者使用智能移动终端扫描预设的注册二维码,进行账号注册,账号注册的具体流程如下:使用者先用使用随身携带的智能移动终端扫描二维码后会智能移动终端的屏幕内容会跳转到信息填写界面;使用者在信息界面填写自己的账号信息、密码信息与真实姓名;当使用者填写完号信息、密码信息与真实姓名后,智能移动终端的界面会跳转到照片上传界面;智能移动终端的界面会跳转到照片上传界面后会调动智能移动终端的前置摄像头来拍摄照片;本发明能够有效的提升该识别新方法的安全性,并在保证安全性的同时可以提升识别速度,让该方法更加适合推广。
Description
技术领域
本发明属于人脸识别领域,涉及人脸识别利用技术,具体是一种基于深度学习的人脸识别新方法。
背景技术
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。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别,人脸识别方法就是在人脸识别过程中应用到的方法,人脸与人体的其它生物特征一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。
现有的人脸识别方法在使用时,人脸识别的效果较差,经常容易识别不出,并且容易被人冒充并识别通过,存在着一定风险,为了解决这一缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于深度学习的人脸识别新方法。
本发明所要解决的技术问题为:
(1)如何更好进行人脸识别;
(2)如何提高人脸识别的速度;
(3)如何提高人脸识别的安全性。
本发明的目的可以通过以下技术方案实现:
一种基于深度学习的人脸识别新方法,包括下述步骤:
步骤一:使用者使用智能移动终端扫描预设的注册二维码,进行账号注册,账号注册的具体流程如下:
S1:使用者先使用随身携带的智能移动终端扫描二维码后,智能移动终端的屏幕内容跳转到信息填写界面;
S2:使用者在信息界面填写自己的账号信息、密码信息与真实姓名;
S3:当使用者填写完账号信息、密码信息与真实姓名后,智能移动终端的界面跳转到照片上传界面;
S4:智能移动终端的界面跳转到照片上传界面后,调动智能移动终端的前置摄像头来拍摄照片;
S5:使用者需要使用智能移动终端的前置摄像头拍摄三张照片,三张照片需要包含一张正脸照片与两张侧面照片;
步骤二:注册时拍摄的照片被发送到储存模块中储存起来,储存模块对接收到的图片进行处理,其具体处理过程如下:
S1:储存模块对接收的图片进行标号,三张照片依次被标记为A、B与C;
S2:储存模块将接收到的照片按照九宫格的模式进行分割;
S3:将分割后的图片进行标号,按照其1-9的顺序分别标记为A1-A9、B1-B9 和C1-C9;
S4:其中A3、A6、A9和B1、B4、B7完全相同;
S5:其中C1、C4、C7和B3、B6、B9完全相同;
步骤三:当使用者注册完毕后,多组预设摄像头拍摄使用者的面部照片,拍摄的照片包括两张侧面照与一张正面照,摄像头拍摄的照片也被发送到储存模块中进行处理,预设摄像头拍摄到的照片的具体处理过程如下:
S1:将预设摄像头拍摄到的照片分别标记为D、E和F;
S2:把D、E和F按照步骤二中S2的九空格分割方式,将D、E和F均分割成9个等面积的图片块;
S3:对分割好的D、E和F进行标号,将分割好的D标记为D1-D9、分割好的E标记为E1-E9、分割好的F标记为F1-F9;
S4:将被标记好的内容发送到储存模块;
步骤四:所有的照片中A和D对应,B和E对应,C和F对应,预设摄像头拍摄到的照片与使用者注册时上传的照片初步的验证比对,其具体比对过程如下:
S1:系统从A、B和C中随机选出一个图片块来进行对比;
S2:将被选出的图片块标记为Ax、Bx与Cx,x=1-9;
S3:将D、E和F中的Dx、Ex和Fx提取出来,x=1-9;
S4:将相对应的Ax与Dx进行对比、Bx与Ex、Cx与Fx进行对比;
S5:当Ax与Dx的相似度大于预设值、Bx与Ex的相似度大于预设值和Cx 与Fx的相似度大于预设值时,给予初步的验证通过;
S6:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项大于预设值时,给予初步验证通过;
S7:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项小于预设值时,不予通过初步验证;
步骤五:当初步验证比对通过后,需要进行二次验证,二次验证提取出使用者注册时照片上的眉间距,眉心与鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离来作为验证内容;
步骤六:当眉间距,眉心到鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离验证通过之后,即可通过二次验证。
进一步地,所述步骤五中的眉间距的具体测量过程如下:
S1:将使用者注册时上传的照片中的两个眉毛的外侧顶点分别标记为Q点和W点;
S2:将Q点和W点连线,将直线标记为L1;
S3:测量出L1的长度,L1的长度即眉间距;
所述步骤五中的眉心到鼻尖的距离的具体测量过程如下:
S1:取L1的中点为点P1;
S2:取将使用者注册时上传的照片中的鼻尖点为P2;
S3:将P1和P2连线得到直线L2,测量出L2的长度,L2的长度即眉心到鼻尖的距离;
所述步骤五中的两眼之间的距离的具体测量过程如下:
S1:取使用者注册时上传的照片中的两只眼睛的外眼角为点,分别标记为 N1和N2;
S2:将N1和N2连线得到直线L3;
S3:测量出直线L3的长度,L3的长度即两眼之间的距离;
所述步骤五的两眼外眼角与鼻尖之间距离的具体测量过程如下:
S1:取鼻尖点P2,再取使用者注册时上传的照片中的两只眼睛的外眼角为点N1和N2;
S2:将N1和P2连线、N2和P2连线,得到L4和L5;
S3:测量出L4和L5的长度,L4和L5的长度即两眼外眼角与鼻尖之间距离。
进一步地,所述步骤六中的验证通过的具体过程如下:
S1:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离均相同时,可以通过二次验证;
S2:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有任一一项不相同时,可以通过二次验证;
S3:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机两项不相同时,可以通过二次验证;
S4:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机三项不相同时,不可以通过二次验证。
进一步地,当使用者在注册时上传的照片中有佩戴耳环、耳钉且面部有特殊印记时,进行初步验证时只选择随机的两个图片块进行对比,随机选择的两个图片块必须有一个的图片内容包含使用者佩戴的耳环、耳钉或面部的特殊印记,当实时照片上使用者佩戴的耳环、耳钉或面部的特殊印记与使用者在注册时上传的照片中佩戴耳环、耳钉或面部特殊印记相同,且另外一个图片块的对比相似度超过预设值时,即可直接通过第一 次验证。
本发明的有益效果:
(1)本发明通过将使用者注册时预存的照片和进行人脸识别时,实时获取的照片进行分割,在进行人脸识别的过程中选取分割好的碎片照片进行比对,从而在保证人脸识别的精准度同时,加快了人脸识别的速度,省去了每个点进行比对的麻烦;
(2)本发明设置了一次验证与二次验证,双重验证的设置有效避免了冒充身份通过验证的状况发生,让该验证方法的安全性更好,更加的适合推广,并且一次验证与二次验证的方法不同,更进一步的提升了该验证方法的安全性;
(3)本发明通过提取眉间距、眉心与鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离来作为验证内容,能够有效的提高人脸识别的准确度,同时通过对使用者佩戴的耳环、耳钉或面部的特殊印记进行匹配对比,也能够加快该方法的验证速度。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的流程图。
具体实施方式
如图1所示,一种基于深度学习的人脸识别新方法,包括下述步骤:
步骤一:使用者使用智能移动终端扫描预设的注册二维码,进行账号注册,账号注册的具体流程如下:
S1:使用者先使用随身携带的智能移动终端扫描二维码后,智能移动终端的屏幕内容跳转到信息填写界面;
S2:使用者在信息界面填写自己的账号信息、密码信息与真实姓名;
S3:当使用者填写完账号信息、密码信息与真实姓名后,智能移动终端的界面跳转到照片上传界面;
S4:智能移动终端的界面跳转到照片上传界面后,调动智能移动终端的前置摄像头来拍摄照片;
S5:使用者需要使用智能移动终端的前置摄像头拍摄三张照片,三张照片需要包含一张正脸照片与两张侧面照片;
步骤二:注册时拍摄的照片被发送到储存模块中储存起来,储存模块对接收到的图片进行处理,其具体处理过程如下:
S1:储存模块对接收的图片进行标号,三张照片依次被标记为A、B与C;
S2:储存模块将接收到的照片按照九宫格的模式进行分割;
S3:将分割后的图片进行标号,按照其1-9的顺序分别标记为A1-A9、B1-B9 和C1-C9;
S4:其中A3、A6、A9和B1、B4、B7完全相同;
S5:其中C1、C4、C7和B3、B6、B9完全相同;
步骤三:当使用者注册完毕后,多组预设摄像头拍摄使用者的面部照片,拍摄的照片包括两张侧面照与一张正面照,摄像头拍摄的照片也被发送到储存模块中进行处理,预设摄像头拍摄到的照片的具体处理过程如下:
S1:将预设摄像头拍摄到的照片分别标记为D、E和F;
S2:把D、E和F按照步骤二中S2的九空格分割方式,将D、E和F均分割成9个等面积的图片块;
S3:对分割好的D、E和F进行标号,将分割好的D标记为D1-D9、分割好的E标记为E1-E9、分割好的F标记为F1-F9;
S4:将被标记好的内容发送到储存模块;
步骤四:所有的照片中A和D对应,B和E对应,C和F对应,预设摄像头拍摄到的照片与使用者注册时上传的照片初步的验证比对,其具体比对过程如下:
S1:系统从A、B和C中随机选出一个图片块来进行对比;
S2:将被选出的图片块标记为Ax、Bx与Cx,x=1-9;
S3:将D、E和F中的Dx、Ex和Fx提取出来,x=1-9;
S4:将相对应的Ax与Dx进行对比、Bx与Ex、Cx与Fx进行对比;
S5:当Ax与Dx的相似度大于预设值、Bx与Ex的相似度大于预设值和Cx 与Fx的相似度大于预设值时,给予初步的验证通过;
S6:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项大于预设值时,给予初步验证通过;
S7:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项小于预设值时,不予通过初步验证;
步骤五:当初步验证比对通过后,需要进行二次验证,二次验证提取出使用者注册时照片上的眉间距,眉心与鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离来作为验证内容;
步骤六:当眉间距,眉心到鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离验证通过之后,即可通过二次验证;
所述步骤五中的眉间距的具体测量过程如下:
S1:将使用者注册时上传的照片中的两个眉毛的外侧顶点分别标记为Q点和W点;
S2:将Q点和W点连线,将直线标记为L1;
S3:测量出L1的长度,L1的长度即眉间距;
所述步骤五中的眉心到鼻尖的距离的具体测量过程如下:
S1:取L1的中点为点P1;
S2:取将使用者注册时上传的照片中的鼻尖点为P2;
S3:将P1和P2连线得到直线L2,测量出L2的长度,L2的长度即眉心到鼻尖的距离;
所述步骤五中的两眼之间的距离的具体测量过程如下:
S1:取使用者注册时上传的照片中的两只眼睛的外眼角为点,分别标记为 N1和N2;
S2:将N1和N2连线得到直线L3;
S3:测量出直线L3的长度,L3的长度即两眼之间的距离;
所述步骤五的两眼外眼角与鼻尖之间距离的具体测量过程如下:
S1:取鼻尖点P2,再取使用者注册时上传的照片中的两只眼睛的外眼角为点N1和N2;
S2:将N1和P2连线、N2和P2连线,得到L4和L5;
S3:测量出L4和L5的长度,L4和L5的长度即两眼外眼角与鼻尖之间距离;
所述步骤六中的验证通过的具体过程如下:
S1:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离均相同时,可以通过二次验证;
S2:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有任一一项不相同时,可以通过二次验证;
S3:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机两项不相同时,可以通过二次验证;
S4:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机三项不相同时,不可以通过二次验证;
当使用者在注册时上传的照片中有佩戴耳环、耳钉且面部有特殊印记时,进行初步验证时只选择随机的两个图片块进行对比,随机选择的两个图片块必须有一个的图片内容包含使用者佩戴的耳环、耳钉或面部的特殊印记,当实时照片上使用者佩戴的耳环、耳钉或面部的特殊印记与使用者在注册时上传的照片中佩戴耳环、耳钉或面部特殊印记相同,且另外一个图片块的对比相似度超过预设值时,即可直接通过第一 次验证。
一种基于深度学习的人脸识别新方法,在工作时,使用者需要在注册时上传三张照片,包括一张正脸照两张侧脸照,照片上传好即可进行验证,在验证时,预先安装的三组摄像头分别拍摄一张正脸照与两张侧脸照,实时拍摄的照片被分割开,并与预存的分割好的照片进行对比,在进行对比时,随机选取三个对应的图片块进行一次对比,实时获取的照片进行分割,在进行人脸识别的过程中选取分割好的碎片照片进行比对,从而在保证人脸识别的精准度同时,加快了人脸识别的速度,省去了每个点进行比对的麻烦,当一次对比通过进行二次对比,二次对比选取实时拍摄的照片上的眉间距、眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距、眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离进行比对,双重验证的设置有效避免了冒充身份通过验证的状况发生,让该验证方法的安全性更好,更加的适合推广,并且一次验证与二次验证的方法不同,更进一步的提升了该验证方法的安全性,同时通过对使用者佩戴的耳环、耳钉或面部的特殊印记进行匹配对比,也能够加快该方法的验证速度。
本发明通过将使用者注册时预存的照片和进行人脸识别时,实时获取的照片进行分割,在进行人脸识别的过程中选取分割好的碎片照片进行比对,从而在保证人脸识别的精准度同时,加快了人脸识别的速度,省去了每个点进行比对的麻烦;
同时本发明设置了一次验证与二次验证,双重验证的设置有效避免了冒充身份通过验证的状况发生,让该验证方法的安全性更好,更加的适合推广,并且一次验证与二次验证的方法不同,更进一步的提升了该验证方法的安全性;
最后本发明通过提取眉间距、眉心与鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离来作为验证内容,能够有效的提高人脸识别的准确度,同时通过对使用者佩戴的耳环、耳钉或面部的特殊印记进行匹配对比,也能够加快该方法的验证速度。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.一种基于深度学习的人脸识别新方法,其特征在于,包括下述步骤:
步骤一:使用者使用智能移动终端扫描预设的注册二维码,进行账号注册,账号注册的具体流程如下:
S1:使用者先使用随身携带的智能移动终端扫描二维码后,智能移动终端的屏幕内容跳转到信息填写界面;
S2:使用者在信息界面填写自己的账号信息、密码信息与真实姓名;
S3:当使用者填写完账号信息、密码信息与真实姓名后,智能移动终端的界面跳转到照片上传界面;
S4:智能移动终端的界面跳转到照片上传界面后,调动智能移动终端的前置摄像头来拍摄照片;
S5:使用者需要使用智能移动终端的前置摄像头拍摄三张照片,三张照片需要包含一张正脸照片与两张侧面照片;
步骤二:注册时拍摄的照片被发送到储存模块中储存起来,储存模块对接收到的图片进行处理,其具体处理过程如下:
S1:储存模块对接收的图片进行标号,三张照片依次被标记为A、B与C;
S2:储存模块将接收到的照片按照九宫格的模式进行分割;
S3:将分割后的图片进行标号,按照其1-9的顺序分别标记为A1-A9、B1-B9和C1-C9;
S4:其中A3、A6、A9和B1、B4、B7完全相同;
S5:其中C1、C4、C7和B3、B6、B9完全相同;
步骤三:当使用者注册完毕后,多组预设摄像头拍摄使用者的面部照片,拍摄的照片包括两张侧面照与一张正面照,摄像头拍摄的照片也被发送到储存模块中进行处理,预设摄像头拍摄到的照片的具体处理过程如下:
S1:将预设摄像头拍摄到的照片分别标记为D、E和F;
S2:把D、E和F按照步骤二中S2的九空格分割方式,将D、E和F均分割成9个等面积的图片块;
S3:对分割好的D、E和F进行标号,将分割好的D标记为D1-D9、分割好的E标记为E1-E9、分割好的F标记为F1-F9;
S4:将被标记好的内容发送到储存模块;
步骤四:所有的照片中A和D对应,B和E对应,C和F对应,预设摄像头拍摄到的照片与使用者注册时上传的照片初步的验证比对,其具体比对过程如下:
S1:系统从A、B和C中随机选出一个图片块来进行对比;
S2:将被选出的图片块标记为Ax、Bx与Cx,x=1-9;
S3:将D、E和F中的Dx、Ex和Fx提取出来,x=1-9;
S4:将相对应的Ax与Dx进行对比、Bx与Ex、Cx与Fx进行对比;
S5:当Ax与Dx的相似度大于预设值、Bx与Ex的相似度大于预设值和Cx与Fx的相似度大于预设值时,给予初步的验证通过;
S6:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项大于预设值时,给予初步验证通过;
S7:当Ax与Dx的相似度、Bx与Ex的相似度和Cx与Fx的相似度中有随机两项小于预设值时,不予通过初步验证;
步骤五:当初步验证比对通过后,需要进行二次验证,二次验证提取出使用者注册时照片上的眉间距,眉心与鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离来作为验证内容;
步骤六:当眉间距,眉心到鼻尖的距离、两眼之间的距离与两眼外眼角与鼻尖之间的距离验证通过之后,即可通过二次验证;
所述步骤五中的眉间距的具体测量过程如下:
S1:将使用者注册时上传的照片中的两个眉毛的外侧顶点分别标记为Q点和W点;
S2:将Q点和W点连线,将直线标记为L1;
S3:测量出L1的长度,L1的长度即眉间距;
所述步骤五中的眉心到鼻尖的距离的具体测量过程如下:
S1:取L1的中点为点P1;
S2:取将使用者注册时上传的照片中的鼻尖点为P2;
S3:将P1和P2连线得到直线L2,测量出L2的长度,L2的长度即眉心到鼻尖的距离;
所述步骤五中的两眼之间的距离的具体测量过程如下:
S1:取使用者注册时上传的照片中的两只眼睛的外眼角为点,分别标记为N1和N2;
S2:将N1和N2连线得到直线L3;
S3:测量出直线L3的长度,L3的长度即两眼之间的距离;
所述步骤五的两眼外眼角与鼻尖之间距离的具体测量过程如下:
S1:取鼻尖点P2,再取使用者注册时上传的照片中的两只眼睛的外眼角为点N1和N2;
S2:将N1和P2连线、N2和P2连线,得到L4和L5;
S3:测量出L4和L5的长度,L4和L5的长度即两眼外眼角与鼻尖之间距离;
所述步骤六中的验证通过的具体过程如下:
S1:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离均相同时,可以通过二次验证;
S2:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有任一一项不相同时,可以通过二次验证;
S3:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机两项不相同时,可以通过二次验证;
S4:当实时拍摄的照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距,眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离有随机三项不相同时,不可以通过二次验证;
当使用者在注册时上传的照片中有佩戴耳环、耳钉且面部有特殊印记时,进行初步验证时只选择随机的两个图片块进行对比,随机选择的两个图片块必须有一个的图片内容包含使用者佩戴的耳环、耳钉或面部的特殊印记,当实时照片上使用者佩戴的耳环、耳钉或面部的特殊印记与使用者在注册时上传的照片中佩戴耳环、耳钉或面部特殊印记相同,且另外一个图片块的对比相似度超过预设值时,即可直接通过第一 次验证;
本方法在工作时,使用者需要在注册时上传三张照片,包括一张正脸照两张侧脸照,照片上传好即可进行验证,在验证时,预先安装的三组摄像头分别拍摄一张正脸照与两张侧脸照,实时拍摄的照片被分割开,并与预存的分割好的照片进行对比,在进行对比时,随机选取三个对应的图片块进行一次对比,实时获取的照片进行分割,在进行人脸识别的过程中选取分割好的碎片照片进行比对,从而在保证人脸识别的精准度同时,加快了人脸识别的速度,省去了每个点进行比对的麻烦,当一次对比通过进行二次对比,二次对比选取实时拍摄的照片上的眉间距、眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离与预存照片上的眉间距、眉心到鼻尖的距离、两眼之间的距离、两眼外眼角与鼻尖之间的距离进行比对,双重验证的设置有效避免了冒充身份通过验证的状况发生,让该验证方法的安全性更好,更加的适合推广,并且一次验证与二次验证的方法不同,更进一步的提升了该验证方法的安全性,同时通过对使用者佩戴的耳环、耳钉或面部的特殊印记进行匹配对比,也能够加快该方法的验证速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910239030.0A CN110032955B (zh) | 2019-03-27 | 2019-03-27 | 一种基于深度学习的人脸识别新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910239030.0A CN110032955B (zh) | 2019-03-27 | 2019-03-27 | 一种基于深度学习的人脸识别新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110032955A CN110032955A (zh) | 2019-07-19 |
CN110032955B true CN110032955B (zh) | 2020-12-25 |
Family
ID=67236761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910239030.0A Active CN110032955B (zh) | 2019-03-27 | 2019-03-27 | 一种基于深度学习的人脸识别新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110032955B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889894A (zh) * | 2019-10-25 | 2020-03-17 | 中国科学院深圳先进技术研究院 | 三维人脸重建方法、装置及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646199A (zh) * | 2013-12-26 | 2014-03-19 | 中国电子科技集团公司第三研究所 | 一种基于九宫格密码和人脸图像的身份验证方法 |
CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
CN107704849A (zh) * | 2017-10-28 | 2018-02-16 | 上海爱优威软件开发有限公司 | 双重验证功能的人脸识别方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4172236B2 (ja) * | 2002-09-19 | 2008-10-29 | 株式会社豊田中央研究所 | 顔画像処理装置及びプログラム |
US7817826B2 (en) * | 2005-08-12 | 2010-10-19 | Intelitrac Inc. | Apparatus and method for partial component facial recognition |
CN107480658B (zh) * | 2017-09-19 | 2020-11-06 | 苏州大学 | 基于多角度视频的人脸识别装置和方法 |
CN207874236U (zh) * | 2018-01-31 | 2018-09-18 | 塔米智能科技(北京)有限公司 | 一种机器人交互系统 |
CN108416336B (zh) * | 2018-04-18 | 2019-01-18 | 特斯联(北京)科技有限公司 | 一种智慧社区人脸识别的方法和系统 |
CN108921034A (zh) * | 2018-06-05 | 2018-11-30 | 北京市商汤科技开发有限公司 | 人脸匹配方法及装置、存储介质 |
CN109117761A (zh) * | 2018-07-27 | 2019-01-01 | 国政通科技有限公司 | 一种公安身份鉴权方法及其系统 |
-
2019
- 2019-03-27 CN CN201910239030.0A patent/CN110032955B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646199A (zh) * | 2013-12-26 | 2014-03-19 | 中国电子科技集团公司第三研究所 | 一种基于九宫格密码和人脸图像的身份验证方法 |
CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
CN107704849A (zh) * | 2017-10-28 | 2018-02-16 | 上海爱优威软件开发有限公司 | 双重验证功能的人脸识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110032955A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914686B (zh) | 一种基于证件照与采集照的人脸比对认证方法及系统 | |
WO2020000906A1 (zh) | 人脸识别身份验证方法、装置、电子设备 | |
Burge et al. | Ear biometrics | |
CN101661557B (zh) | 一种基于智能卡的人脸识别系统及其方法 | |
EP3061023B1 (en) | A method and a system for performing 3d-based identity verification of individuals with mobile devices | |
CN104980710B (zh) | 温度检测方法及移动终端 | |
CN104281836B (zh) | 一种生物特征识别系统及方法 | |
CN104063690A (zh) | 基于人脸识别技术的身份认证方法、装置及系统 | |
CN111095246B (zh) | 用于认证用户的方法和电子设备 | |
KR20160148863A (ko) | 사용자 인증 장치 | |
CN106991448A (zh) | 一种人像比对处理方法 | |
CN110032955B (zh) | 一种基于深度学习的人脸识别新方法 | |
CN114218543A (zh) | 一种基于多场景表情识别的加密解锁系统及方法 | |
CN110287860A (zh) | 一种带有脸部识别的手机安全支付方法 | |
CN110096988A (zh) | 一种基于人脸识别的自助人员身份核验系统 | |
JPH04101280A (ja) | 顔画像照合装置 | |
CN109636399A (zh) | 一种超脸识别系统及识别方法 | |
CN109255618A (zh) | 针对动态视频的人脸识别支付信息防伪方法 | |
CN103186590A (zh) | 一种通过手机获取在逃通缉人员身份信息的方法 | |
CN107025435A (zh) | 一种人脸识别处理方法和系统 | |
CN106792512A (zh) | 一种应用于移动终端的红外身份识别定位系统及方法 | |
CN106485221A (zh) | 一种根据相似集中度自动替换基准相片的方法 | |
CN105069428B (zh) | 一种基于相似性原理的多模板虹膜识别方法及装置 | |
JPH05233783A (ja) | 顔画像識別カード照合処理方法 | |
EP4002166A1 (en) | Method and system for biometric authentication for large numbers of enrolled persons |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |