CN110097673A - 一种基于红外摄像头下的门禁识别方法 - Google Patents

一种基于红外摄像头下的门禁识别方法 Download PDF

Info

Publication number
CN110097673A
CN110097673A CN201910413144.2A CN201910413144A CN110097673A CN 110097673 A CN110097673 A CN 110097673A CN 201910413144 A CN201910413144 A CN 201910413144A CN 110097673 A CN110097673 A CN 110097673A
Authority
CN
China
Prior art keywords
face information
human face
infrared camera
face
photo
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
Application number
CN201910413144.2A
Other languages
English (en)
Inventor
史震云
袁培江
王轶
李建民
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201910413144.2A priority Critical patent/CN110097673A/zh
Publication of CN110097673A publication Critical patent/CN110097673A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于红外摄像头下的门禁识别方法，包括以下步骤：S1、采用红外摄像头对待检测对象进行人脸照片拍摄；S2、将拍摄的人脸照片转化为灰度图；S3、对人脸照片进行去噪增强处理；S4、分别基于Sobel算子与拉普拉斯算子提取人脸照片中人脸信息的边缘特征；S5、利用Gabor小滤波变换对人脸信息的边缘特征进行滤波处理；S6、通过SIFT提取人脸照片中人脸信息的尺度不变特征；S7、通过图像分割技术对人脸信息进行分割处理；S8、通过PCA主成成分分析法对人脸信息进行提取；S9、将步骤S8提取的人脸信息与数据库中的人脸信息进行比对；S10、识别结果输出。

Description

一种基于红外摄像头下的门禁识别方法
技术领域
本发明涉及图像处理领域，尤其涉及一种基于红外摄像头下的门禁识别方法。
背景技术
随着科技的进步，人脸识别技术越来越被广泛地应用到人们的生活之中。人们可以利用人脸识别技术解开手机锁、消费支付、门禁解锁与电子交易等等。如今，由于智能化的兴起，人员在小区或者公司门口的出入已经由原来的钥匙、刷卡方式更变为现在的人脸识别模式。但是目前大多数的门禁识别系统往往是基于可见光下的人脸识别技术研发的，性能还不够稳定。目前的人脸识别系统往往会因为周围环境的光照变化、人脸表情的变化、脸部装饰等影响而降低识别效率。因此，如何设计一种对人脸识别性能稳定、速度快、精准度高的门禁识别方法是当前急需解决的问题。
发明内容
本发明目的是针对上述问题，提供一种识别性能稳定、识别精准度高的基于红外摄像头下的门禁识别方法。
为了实现上述目的，本发明的技术方案是：
一种基于红外摄像头下的门禁识别方法，包括以下步骤：
S1、采用红外摄像头对待检测对象进行人脸照片拍摄；
S2、将拍摄的人脸照片转化为灰度图；
S3、对人脸照片进行去噪增强处理；
S4、分别基于Sobel算子与拉普拉斯算子提取人脸照片中人脸信息的边缘特征；
S5、利用Gabor小滤波变换对人脸信息的边缘特征进行滤波处理；
S6、通过SIFT提取人脸照片中人脸信息的尺度不变特征；
S7、通过图像分割技术对人脸信息进行分割处理；
S8、通过PCA主成成分分析法对人脸信息进行提取；
S9、将步骤S8提取的人脸信息与数据库中的人脸信息进行比对；
S10、识别结果输出。
进一步的，所述步骤S3中，采用离散余弦、小滤波变化方式对人脸照片进行去噪处理，采用灰度变换、直方图均衡化、同态滤波方式对人脸照片进行增强处理。
进一步的，所述步骤S7中分别采用边缘分割技术与区域分割技术对人脸信息进行分割处理。
与现有技术相比，本发明具有的优点和积极效果是：
本发明采用图像去噪技术与图像增强技术来改善红外图像的质量与清晰度，并且通过Sobel算子与拉普拉斯算子提取人脸照片的边缘特征，再通过Gabor小滤波变换实现在多尺度上、方向上提取边缘特征，避免了红外人脸图像分辨率较低、边缘模糊、局部特征不明显导致的识别效率低的状况发生；另外，其使用SIFT提取尺度不变特征，并且使用图像分割技术及PCA主成分分析法对人脸信息进行处理，提高了人脸识别的精准性，从而提高了门禁识别的精确度，促进了门禁识别等方面的发展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的框架流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
目前红外人脸识别技术识别效率低是由于红外人脸图像分辨率较低、边缘模糊、局部特征不明显导致的。本发明采用图像去噪技术与图像增强技术来改善红外图像的质量与清晰度，提升红外识别系统的识别效率，其具体步骤如图1所示：
第一步：红外摄像头对待检测对象进行人脸照片拍摄；
第二步：将人脸照片转化为灰度图；
第三步：采用离散余弦与小滤波变换实现对红外图像的去噪点处理，采用灰度变换增强(通过改变像素点的灰度值获得图像的直方图)、直方图均衡化(利用灰度变换调节图像的对比度)、同态滤波等改善红外图像的质量，提高图像的视觉效果，便于后续的信息提取与处理；
第四步：基于Sobel算子与拉普拉斯算子提取红外图片中人脸信息的边缘特征，边缘特征可以通过线条轮廓体现出来，将有效边缘组合成轮廓在人脸图像中形成分割区域，提升人脸局部区域识别的有效性；
第五步：利用Gabor小滤波变换对第四步中的数据进行图像边缘特征信息的滤波处理，使红外图像信息变得平滑，降低噪点对图像质量的干扰。二维Gabor滤波器可以使空间域、频率域的不确定性达到最小化，可以在多方向多尺度上实现对人脸的识别与边缘检测；
第六步：使用SIFT提取人脸信息的尺度不变特征，SIFT算法在两幅图像经过平移、转动、亮度变化、尺度变化后使特征信息保持恒定，因此可利用SIFT提取人脸图像的局部特征向量，实现对人脸信息中的不变特性处理；
第七步：为了最大化的将人脸图像的有效特征进行提取，因此有必要对人脸图像进行分割技术处理，在此，采用边缘分割技术与区域分割技术实现对人脸特征信息分割，便于接下来的特征信息的顺利提取；
第八步：Gabor小波变换处理能提取人脸信息的局部信息，主成分分析(PCA)能实现对人脸信息的全局性实现提取，因此在人脸信息经过Gabor小波变换处理后在基于PCA主成成分分析法对人脸信息进行提取；
第九步：将第八步特征信息与数据库中人脸特征信息进行比对；数据库由提前收集的人脸特征信息构成，主要用于在需要识别时的对比工作。
第十步：识别结果输出。
本发明首先对待检测人脸进行红外照片拾取，然后对人脸照片进行灰度图转换，分别从去噪与图片增强两方面来提升红外照片分辨率与图像边缘的清晰度。然后对红外图片进行Sobel算子与拉普拉斯算子提取边缘特征，再通过Gabor小滤波变换实现在多尺度上、方向上提取边缘特征。经过利用SIFT提取尺度不变特征、图像分割技术处理及PCA主成分分析法进行处理，可以得到较为精准的人脸信息。最后通过与数据库中信息相比较，得到人脸识别的判别结果，提高了人脸识别的精准性，从而提高了门禁识别的精确度，促进了门禁识别等方面的发展。

Claims (3)

1.一种基于红外摄像头下的门禁识别方法，其特征在于：包括以下步骤：
S1、采用红外摄像头对待检测对象进行人脸照片拍摄；
S2、将拍摄的人脸照片转化为灰度图；
S3、对人脸照片进行去噪增强处理；
S4、分别基于Sobel算子与拉普拉斯算子提取人脸照片中人脸信息的边缘特征；
S5、利用Gabor小滤波变换对人脸信息的边缘特征进行滤波处理；
S6、通过SIFT提取人脸照片中人脸信息的尺度不变特征；
S7、通过图像分割技术对人脸信息进行分割处理；
S8、通过PCA主成成分分析法对人脸信息进行提取；
S9、将步骤S8提取的人脸信息与数据库中的人脸信息进行比对；
S10、识别结果输出。
2.如权利要求1所述的基于红外摄像头下的门禁识别方法，其特征在于：所述步骤S3中，采用离散余弦、小滤波变化方式对人脸照片进行去噪处理，采用灰度变换、直方图均衡化、同态滤波方式对人脸照片进行增强处理。
3.如权利要求1所述的基于红外摄像头下的门禁识别方法，其特征在于：所述步骤S7中分别采用边缘分割技术与区域分割技术对人脸信息进行分割处理。
CN201910413144.2A 2019-05-17 2019-05-17 一种基于红外摄像头下的门禁识别方法 Pending CN110097673A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413144.2A CN110097673A (zh) 2019-05-17 2019-05-17 一种基于红外摄像头下的门禁识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413144.2A CN110097673A (zh) 2019-05-17 2019-05-17 一种基于红外摄像头下的门禁识别方法

Publications (1)

Publication Number Publication Date
CN110097673A true CN110097673A (zh) 2019-08-06

Family

ID=67448370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413144.2A Pending CN110097673A (zh) 2019-05-17 2019-05-17 一种基于红外摄像头下的门禁识别方法

Country Status (1)

Country Link
CN (1) CN110097673A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4058933A4 (en) * 2019-11-20 2022-12-28 Guangdong Oppo Mobile Telecommunications Corp., Ltd. FACE DETECTION DEVICE, METHOD AND FACIAL RECOGNITION RELEASE SYSTEM

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1523533A (zh) * 2002-12-06 2004-08-25 ���ǵ�����ʽ���� 人的检测方法和设备
KR100950776B1 (ko) * 2009-10-16 2010-04-02 주식회사 쓰리디누리 얼굴 인식 방법
CN101957909A (zh) * 2009-07-15 2011-01-26 青岛科技大学 一种基于dsp的人脸检测方法
CN102915372A (zh) * 2012-11-06 2013-02-06 成都理想境界科技有限公司 图像检索方法、装置及系统
CN107749062A (zh) * 2017-09-18 2018-03-02 深圳市朗形网络科技有限公司 图像处理方法、及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1523533A (zh) * 2002-12-06 2004-08-25 ���ǵ�����ʽ���� 人的检测方法和设备
CN101957909A (zh) * 2009-07-15 2011-01-26 青岛科技大学 一种基于dsp的人脸检测方法
KR100950776B1 (ko) * 2009-10-16 2010-04-02 주식회사 쓰리디누리 얼굴 인식 방법
CN102915372A (zh) * 2012-11-06 2013-02-06 成都理想境界科技有限公司 图像检索方法、装置及系统
CN107749062A (zh) * 2017-09-18 2018-03-02 深圳市朗形网络科技有限公司 图像处理方法、及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王丽忍: "基于 Gabor 小波变换融合 PCA 的门禁红外人脸识别研究", 《中国优秀硕士论文全文数据库信息科学辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4058933A4 (en) * 2019-11-20 2022-12-28 Guangdong Oppo Mobile Telecommunications Corp., Ltd. FACE DETECTION DEVICE, METHOD AND FACIAL RECOGNITION RELEASE SYSTEM

Similar Documents

Publication Publication Date Title
CN109154978B (zh) 用于检测植物疾病的系统和方法
Kuruvilla et al. A review on image processing and image segmentation
CN104036278B (zh) 人脸算法标准脸部图像的提取方法
CN105243357A (zh) 一种基于身份证件的人脸识别方法及人脸识别装置
CN105678213B (zh) 基于视频特征统计的双模式蒙面人事件自动检测方法
CN104484652A (zh) 一种指纹识别方法
KR100887183B1 (ko) 얼굴인식 전처리장치 및 방법과 이를 이용한얼굴인식시스템
Dixit et al. An efficient fuzzy based edge estimation for iris localization and pupil detection in human eye for automated cataract detection system
CN108242060A (zh) 一种基于Sobel算子的图像边缘检测方法
CN103971347A (zh) 视频图像中阴影的处理方法及装置
CN110097673A (zh) 一种基于红外摄像头下的门禁识别方法
Sudarsan et al. A novel complete denoising solution for old malayalam palm leaf manuscripts
CN103136518A (zh) 指纹图像自动识别系统预处理算法
CN108154116A (zh) 一种图像识别方法及系统
Baareh et al. Performance evaluation of edge detection using Sobel, Homogeneity and Prewitt algorithms
CN116311212A (zh) 基于高速摄像机实现运动状态下的船号识别方法及装置
CN109376746A (zh) 一种图片识别方法及系统
CN103871084A (zh) 蓝印花布图案识别方法
Tian et al. Improving computer vision-based indoor wayfinding for blind persons with context information
CN107463864A (zh) 一种结合序列图像超分辨率重建的人脸识别系统
Rao et al. Authentication and Parking of the Vehicle Using License Plate Detection and Recognition in the Campus
Akter et al. Integration of contourlet transform and canny edge detector for brain image segmentation
CN107977604B (zh) 一种基于改进聚合通道特征的手部检测方法
Nasuha et al. Lip segmentation and tracking based on Chan-Vese model
Wang et al. A preprocessing algorithm for touchless fingerprint images

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: 20190806

RJ01 Rejection of invention patent application after publication