CN110175515B - 一种基于大数据的人脸识别算法 - Google Patents
一种基于大数据的人脸识别算法 Download PDFInfo
- Publication number
- CN110175515B CN110175515B CN201910301384.3A CN201910301384A CN110175515B CN 110175515 B CN110175515 B CN 110175515B CN 201910301384 A CN201910301384 A CN 201910301384A CN 110175515 B CN110175515 B CN 110175515B
- Authority
- CN
- China
- Prior art keywords
- information
- face
- module
- database
- mouth corner
- 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
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
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)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于大数据的人脸识别算法，包括采用摄像设备进行脸部图像的采集，将摄像设备输出的信号传输到计算机中，计算机将接收到的视频数据按帧依次存储到存储器中，记录面部位于图像的位置信息及面部大小，得到具体的人脸信息等步骤。该基于大数据的人脸识别算法通过多次人脸信息对比得出更准确的人脸识别信息，并可以在进行人脸信息分类时先将该信息与最接近的信息组进行对比以简化对比过程，并可以根据人脸识别信息不断更新扩大数据库中的存储信息量，从而不断进行自身完善。
Description
技术领域
本发明具体涉及一种基于大数据的人脸识别算法。
背景技术
生物特征识别技术在近年来广泛用于安防领域，其中的人脸识别技术作为其中一项高效的手段也被广泛研究。人脸识别技术相对于其它的生物识别技术，如虹膜识别、指纹识别等，由于友好、方便等特点，成为研究和使用的热点。对于人脸识别技术，当前研究的主要方向，其一是准确度；对于普通的人脸识别，目前国内外的研究已较好的解决了这个问题，如：黄福、潘广贞等人在2010年在《电子测试》上公开的《基于多角度照片的真实感三维人脸建模的研究》； 赵晓刚等在2009年在《计算机与数字工程》上公开的《特定三维人脸建模方法综述》等等。但是对于较多的特例，如多胞胎人脸识别、模糊人脸识别等，其准确度仍然不高。另一个重要的因素是：识别速度。目前对于人脸图像识别速度依赖于计算机的运行能力，对于海量数据而言，目前的识别速度耗时也较长，这些都严重阻碍了如安防、刑侦工作的速度和质量。
人脸识别作为一种典型的生物特征鉴别方式，已经成为模式识别领域中一个重要的研究 方向，具有广阔的应用前景。近年来移动互联网的迅速发展对人脸识别的应用也随之产生了新的需求，可是传统的人脸识别方法由于运算量较大，在移动环境下对内存容量、电池续航 能力等硬件的要求较高，难以应对移动互联网环境下的大数据量处理。
云计算是一种新的IT资源提供模式，依靠强大的分布式计算能力，使成千上万的终端用 户能够依靠网络连接的硬件平台的计算能力实施多种应用。Hadoop是一个分布式系统基础架 构，由Apache基金会开发。使用者可以在不了解分布式底层细节的情况下，搭建分布式计算 平台。Hadoop的核心组件有两个：Hadoop分布式文件系统(HDFS)和MapReduce。HDFS是 一个隐藏下层负载均衡、冗余复制等细节的分布式文件系统，适合部署在廉价的机器上。它能提供高吞吐量的数据访问，非常适合大规模数据集上的应用，并对上层程序提供一个统一 的文件系统API(应用程序接口)。HDFS只有一个名字节点，负责管理元数据操作和控制数 据块的放置，由数据节点实际保存数据块。另外，MapReduce代表了map和reduce两种操 作。大多数分布式运算可以抽象为MapReduce操作。map是把输入分解成中间的key/value对，reduce把key/value合成最终输出。这两个函数由程序员提供给系统，下层设施把map和reduce操作分布在集群上运行，并把结果存储在分布式文件系统上。用户提交MapReduce任务给主节点，JobTracker负责将任务分配到各个子节点上，实现并行处理。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于大数据的人脸识别算法，该基于大数据的人脸识别算法可以很好地解决上述问题。
为达到上述要求，本发明采取的技术方案是：提供一种基于大数据的人脸识别算法，该基于大数据的人脸识别算法包括如下步骤：
S1：采用摄像设备进行脸部图像的采集，将摄像设备输出的信号传输到计算机中，计算机将接收到的视频数据按帧依次存储到存储器中，记录面部位于图像的位置信息及面部大小，得到具体的人脸信息；
S2：将采集到的人脸图像信息导入主体人脸识别数据库；
S3：将采集到的人脸数据进行分析，得出各器官之间的人脸特征信息，所述人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离；
S4：将所述人脸特征信息导入人脸特征信息数据库；
S5：对人脸信息进行分块化分析，具体分为如下模块：左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块，并对每一模块的长度、宽度及形状数据进行采集分析；
S6：将所述左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块的信息导入面部器官分块化数据库；
S7：将主体人脸识别数据库、人脸特征信息数据库及面部器官分块化数据库中中的信息进行分析和分组，将各个数据库中具有相同信息的人脸信息分入同一相似信息组，并将各相似信息组同一存储入相似信息组数据库；
S8：对所述相似信息组数据库中的各个相似信息组中的信息进行对比分析找出各个相似信息之间的相似信息区别特征；
S9：对需要分析的人脸信息进行信息采集并与相似信息组数据库中的各组相似信息组进行对比找出最接近的相似信息组；
S10：将需要分析的人脸信息与相似信息组中的各个相似信息区别特征进行比对找出与需要分析的人脸信息完全相同的人脸信息实现配对，如没有可以配对的人脸信息，则将该需要分析的人脸信息按步骤S1-S9进行分析后存入S9所述的相似信息组数据库，实现人脸识别的全部过程。
该基于大数据的人脸识别算法具有的优点如下：
通过多次人脸信息对比得出更准确的人脸识别信息，并可以在进行人脸信息分类时先将该信息与最接近的信息组进行对比以简化对比过程，并可以根据人脸识别信息不断更新扩大数据库中的存储信息量，从而不断进行自身完善。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示意性地示出了根据本申请一个实施例的基于大数据的人脸识别算法的系统流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例，提供一种基于大数据的人脸识别算法，如图1所示，包括如下步骤：
S1：采用摄像设备进行脸部图像的采集，将摄像设备输出的信号传输到计算机中，计算机将接收到的视频数据按帧依次存储到存储器中，记录面部位于图像的位置信息及面部大小，得到具体的人脸信息；
S2：将采集到的人脸图像信息导入主体人脸识别数据库；
S3：将采集到的人脸数据进行分析，得出各器官之间的人脸特征信息，所述人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离；
S4：将所述人脸特征信息导入人脸特征信息数据库；
S5：对人脸信息进行分块化分析，具体分为如下模块：左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块，并对每一模块的长度、宽度及形状数据进行采集分析；
S6：将所述左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块的信息导入面部器官分块化数据库；
S7：将主体人脸识别数据库、人脸特征信息数据库及面部器官分块化数据库中中的信息进行分析和分组，将各个数据库中具有相同信息的人脸信息分入同一相似信息组，并将各相似信息组同一存储入相似信息组数据库；
S8：对所述相似信息组数据库中的各个相似信息组中的信息进行对比分析找出各个相似信息之间的相似信息区别特征；
S9：对需要分析的人脸信息进行信息采集并与相似信息组数据库中的各组相似信息组进行对比找出最接近的相似信息组；
S10：将需要分析的人脸信息与相似信息组中的各个相似信息区别特征进行比对找出与需要分析的人脸信息完全相同的人脸信息实现配对，如没有可以配对的人脸信息，则将该需要分析的人脸信息按步骤S1-S9进行分析后存入S9所述的相似信息组数据库，实现人脸识别的全部过程。
根据本申请的一个实施例，该基于大数据的人脸识别算法的其他面部特征模块用于存储人脸面部纹路和色斑信息。
根据本申请的一个实施例，该基于大数据的人脸识别算法的步骤S3还具体包括如下步骤：将鼻尖位置设为基准点，并对左眼中心点、右眼中心点、左耳底部、右耳底部、左嘴角及右嘴角到基准点的距离进行检测并存储。
根据本申请的一个实施例，该基于大数据的人脸识别算法的左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离相差小于两毫米的人脸信息列入同一相似信息组。
根据本申请的一个实施例，该基于大数据的人脸识别算法通过多次人脸信息对比得出更准确的人脸识别信息，并可以在进行人脸信息分类时先将该信息与最接近的信息组进行对比以简化对比过程，并可以根据人脸识别信息不断更新扩大数据库中的存储信息量，从而不断进行自身完善。
以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (4)
1.一种基于大数据的人脸识别算法，其特征在于，包括如下步骤：
S1：采用摄像设备进行脸部图像的采集，将摄像设备输出的信号传输到计算机中，计算机将接收到的视频数据按帧依次存储到存储器中，记录面部位于图像的位置信息及面部大小，得到具体的人脸信息；
S2：将采集到的人脸图像信息导入主体人脸识别数据库；
S3：将采集到的人脸数据进行分析，得出各器官之间的人脸特征信息，所述人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离；
S4：将所述人脸特征信息导入人脸特征信息数据库；
S5：对人脸信息进行分块化分析，具体分为如下模块：左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块，并对每一模块的长度、宽度及形状数据进行采集分析；
S6：将所述左眼模块、右眼模块、鼻子模块、嘴模块、左耳模块、右耳模块及其他面部特征模块的信息导入面部器官分块化数据库；
S7：将主体人脸识别数据库、人脸特征信息数据库及面部器官分块化数据库中的信息进行分析和分组，将各个数据库中具有相同信息的人脸信息分入同一相似信息组，并将各相似信息组同一存储入相似信息组数据库；
S8：对所述相似信息组数据库中的各个相似信息组中的信息进行对比分析找出各个相似信息之间的相似信息区别特征；
S9：对需要分析的人脸信息进行信息采集并与相似信息组数据库中的各组相似信息组进行对比找出最接近的相似信息组；
S10：将需要分析的人脸信息与相似信息组中的各个相似信息区别特征进行比对找出与需要分析的人脸信息完全相同的人脸信息实现配对，如没有可以配对的人脸信息，则将该需要分析的人脸信息按步骤S1-S9进行分析后存入S9所述的相似信息组数据库，实现人脸识别的全部过程。
2.根据权利要求1所述的基于大数据的人脸识别算法，其特征在于：所述其他面部特征模块用于存储人脸面部纹路和色斑信息。
3.根据权利要求1所述的基于大数据的人脸识别算法，其特征在于：步骤S3还具体包括如下步骤：将鼻尖位置设为基准点，并对左眼中心点、右眼中心点、左耳底部、右耳底部、左嘴角及右嘴角到基准点的距离进行检测并存储。
4.根据权利要求1所述的基于大数据的人脸识别算法，其特征在于：所述左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离相差小于两毫米的人脸信息列入同一相似信息组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910301384.3A CN110175515B (zh) | 2019-04-15 | 2019-04-15 | 一种基于大数据的人脸识别算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910301384.3A CN110175515B (zh) | 2019-04-15 | 2019-04-15 | 一种基于大数据的人脸识别算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110175515A CN110175515A (zh) | 2019-08-27 |
| CN110175515B true CN110175515B (zh) | 2022-11-29 |
Family
ID=67689535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910301384.3A Active CN110175515B (zh) | 2019-04-15 | 2019-04-15 | 一种基于大数据的人脸识别算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110175515B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766015A (zh) * | 2019-10-21 | 2021-05-07 | 深圳君正时代集成电路有限公司 | 一种提高人脸识别准确性的二次识别方法 |
| CN111126219A (zh) * | 2019-12-16 | 2020-05-08 | 国网浙江省电力有限公司电力科学研究院 | 一种基于人工智能的变电站人员的身份识别系统和方法 |
| CN111768100A (zh) * | 2020-06-30 | 2020-10-13 | 山东浪潮通软信息科技有限公司 | 智能员工管理系统及方法 |
| CN112949495A (zh) * | 2021-03-04 | 2021-06-11 | 安徽师范大学 | 一种基于大数据的智能识别系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2017177634A1 (zh) * | 2016-04-15 | 2017-10-19 | 乐视控股（北京）有限公司 | 一种图像处理方法、装置及电子设备 |
| CN109190530A (zh) * | 2018-08-21 | 2019-01-11 | 朱常林 | 一种基于人脸识别大数据算法 |
| WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
-
2019
- 2019-04-15 CN CN201910301384.3A patent/CN110175515B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2017177634A1 (zh) * | 2016-04-15 | 2017-10-19 | 乐视控股（北京）有限公司 | 一种图像处理方法、装置及电子设备 |
| WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
| CN109190530A (zh) * | 2018-08-21 | 2019-01-11 | 朱常林 | 一种基于人脸识别大数据算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110175515A (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110175515B (zh) | 一种基于大数据的人脸识别算法 | |
| CN111401344B (zh) | 人脸识别方法和装置及人脸识别系统的训练方法和装置 | |
| CN110797124A (zh) | 一种模型多端协同训练方法、医疗风险预测方法和装置 | |
| WO2017215370A1 (zh) | 构建决策模型的方法、装置、计算机设备及存储设备 | |
| WO2019015246A1 (zh) | 图像特征获取 | |
| WO2020001083A1 (zh) | 一种基于特征复用的人脸识别方法 | |
| WO2020001084A1 (zh) | 一种在线学习的人脸识别方法 | |
| CN109711228B (zh) | 一种实现图像识别的图像处理方法及装置、电子设备 | |
| CN111931592A (zh) | 对象识别方法、装置及存储介质 | |
| CN113408566A (zh) | 目标检测方法及相关设备 | |
| CN112016623A (zh) | 一种人脸聚类方法、装置、设备及存储介质 | |
| CN114565807A (zh) | 训练目标图像检索模型的方法和装置 | |
| WO2022028147A1 (zh) | 图像分类模型训练方法、装置、计算机设备及存储介质 | |
| CN110866469A (zh) | 一种人脸五官识别方法、装置、设备及介质 | |
| WO2023020214A1 (zh) | 检索模型的训练和检索方法、装置、设备及介质 | |
| CN109670423A (zh) | 一种基于深度学习的图像识别系统、方法及介质 | |
| CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
| CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
| Bharadwaj et al. | Aiding face recognition with social context association rule based re-ranking | |
| CN116935083B (zh) | 一种图像聚类方法和装置 | |
| Jiang et al. | Fast, accurate event classification on resource-lean embedded sensors | |
| TWI714321B (zh) | 資料庫更新方法和裝置、電子設備、電腦儲存介質 | |
| Wang et al. | Listen, look, and find the one: Robust person search with multimodality index | |
| CN111709473A (zh) | 对象特征的聚类方法及装置 | |
| WO2020232697A1 (zh) | 一种在线人脸聚类的方法及系统 |
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 |