CN110210404A - 人脸识别方法及系统 - Google Patents
人脸识别方法及系统 Download PDFInfo
- Publication number
- CN110210404A CN110210404A CN201910480569.5A CN201910480569A CN110210404A CN 110210404 A CN110210404 A CN 110210404A CN 201910480569 A CN201910480569 A CN 201910480569A CN 110210404 A CN110210404 A CN 110210404A
- Authority
- CN
- China
- Prior art keywords
- face
- face characteristic
- similarity
- value
- threshold values
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
一种人脸识别方法,包括S1:获取当前帧视频中人脸特征数据A;S2:分别计算人脸特征数据A与人脸数据库中的特征数据之间相似度值,根据计算得出的相似度值中,从人脸数据库中获取N个相似数值相对大所对应注册人脸ID及相似度值;S3:获取前M帧视频中人脸特征数据组B;S4:计算数据A分别与数据组B中人脸特征数据之间相似度值,设定三个相似度阀值分别为阀值一、阀值二、阀值三,将计算得出的相似度值分别与阀值一进行对比,从数据组B获取相似数值大于或等于阀值一的数据组C及相应的相似度值;S5:合并N个注册人脸ID与数据组C以及其相对应的相似度值得到合并数据组;S6:根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库。
Description
技术领域
本发明涉及一种人脸识别方法及系统。
背景技术
针对视频流中多人脸识别问题,现有的方法通常从中选取一张合适的图片或者使用多目标跟踪方法来进行人脸识别。其中选取一张图片的方法没有充分利用视频序列中包含的有效信息,而使用多目标跟踪的方法则大大增加了整个识别方法的复杂性和实现难度。
发明内容
为解决以上技术缺陷,本发明提供一种人脸识别方法,其特征在于:包括步骤:
S1:获取当前帧视频中所有人脸特征数据,并将所有人脸特征数据;
S2:分别计算该人脸特征数据与人脸数据库中的每个人脸特征数据之间相似度值,根据计算得出的相似度值中,从人脸数据库中获取N个相似数值相对大所对应的注册人脸ID及相应的相似度值;
S3:获取当前帧视频前M帧视频中人脸特征数据组;
S4:计算人脸特征数据A分别与前M帧视频人脸特征数据组中每个人脸特征数据之间相似度值,设定三个相似度阀值分别为阀值一、阀值二、阀值三,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组及相应的相似度值;
S5:合并N个注册人脸ID与人脸特征数据组以及其相对应的相似度值得到合并数据。
S6:根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库,若S5中,合并数据中,最大相似度数值大于阈值二且最大相似度数值除以第二大相似度数值大于阈值三,那么最大相似度对应的注册人脸ID存在人脸数据库中,否则该人脸不存在注册人脸数据库中。
进一步地,步骤S1中,获取当前帧视频数据,检测当前帧中的所有人脸,分别对并提取人脸特征数据A。其中,人脸特征数据提取方法包括基于人脸特征点的识别算法、基于模板的识别算法和基于神经网络的识别的算法。
进一步地,步骤S2、S3中,人脸特征数据之间的相似度计算可采用余弦距离或欧式距离计算,或者其他合适的距离计算方法。
进一步地,步骤S3中,相似阀值的选择根据所选择的相似度计算方法和具体场景而定。
进一步地,M的取值根据具体的场景条件而定。
进一步地,步骤S4中,合并数据过程中,当人脸特征数据组中某个人脸特征数据已经存在N个注册人脸ID中某个ID对应时,那么该注册人脸ID对应的相似度将加上该人脸特征数据对应的相似度;当人脸特征数据组没有与N个注册人脸ID对应时,将该人脸特征数据添加到N个注册人脸ID中得到合并数据。
本发明还提供一种人脸识别系统,包括视频采集模块、数据库模块、单帧图像处理计算模块、多帧联合处理模块、最终输出模块;
视频采集模块用于采集视频序列中视频数据以及并传递给单帧图像处理计算模块;
数据库模块用于接收用户的注册人脸特征数据,并保存该数据供其他模块使用;
单帧图像处理计算模块用于接收视频采集模块的视频数据帧,进行人脸检测、提取当前帧的人脸特征数据A,并将分别计算人脸特征数据A与数据库模块内所有人脸特征数据之间相似度值,选取N个相似数值相对大所对应的注册人脸ID及其相应的相似度值;用于获取前M帧视频中人脸特征数据组B且分别计算其与人脸特征数据A的相似值,设定相似度阀值一,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组C及其相应的相似度值;
多帧联合处理模块用于将N个相似数值相对大所对应的注册人脸ID与人脸特征数据组C及其对应相似值进行合并得到合并数据组,并将合并数据组传递给最终结果输出模块;
最终输出模块用于接收多帧联合处理模块的合并数据组,根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库。
本发明的有益效果:本发明的方法易于实现,不使用跟踪算法也能利用了多帧视频中的人脸信息,同时可避免遮挡和快速运动带来的问题。
具体实施方式
下面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,都属于本发明保护的范围。
一种人脸识别方法,包括步骤:
S1:获取当前帧视频中人脸特征数据A,假如,当前帧视频中出现很多人脸时,人脸特征数据A为很多人脸其中一个人脸特征数据。
S2:分别计算人脸特征数据A与人脸数据库中每个人脸特征数据之间相似度值,根据计算得出相似度值,从人脸数据库中获取N个相似数值相对大所对应的注册人脸ID及其相应的相似度值;
S3:获取前M帧视频中人脸特征数据组B;
S4:分别人脸特征数据A分别与前M帧视频中每个人脸特征数据之间相似度值,设定三个相似度阀值分别为阀值一、阀值二、阀值三,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组C及其相应的相似度值;
S5:合并N个注册人脸ID与人脸特征数据组C以及其相对应的相似度值得到合并数据组。
S6:根据合并数据组综合判断出最大相似数值所对应的人脸ID是否在人脸数据库,若S5中,合并数据组中,最大相似度数值大于阈值二且最大相似度数值除以第二大相似度数值大于阈值三,那么最大相似度对应的注册人脸ID存在人脸数据库中,否则该人脸不存在注册人脸数据库中。
具体地,步骤S1中,获取当前帧视频数据,检测当前帧中的人脸,并提取人脸特征数据A。其中,人脸特征数据提取方法包括基于人脸特征点的识别算法、基于模板的识别算法和基于神经网络的识别的算法,本领域技术人员可根据需要选择其中一种或多种。
具体地,步骤S2、S3中,人脸特征数据之间的相似度计算可采用余弦距离或欧式距离计算,或者其他合适的距离计算方法。而且,优选地,步骤S2中,N值取值大于1,同样N取1时也可以实现本发明的目的,例如:根据人脸特征数据A中在获取人脸数据库中获取了N个相似数值相对大所对应的注册人脸ID及相应的相似度值,得到的结果为:{注册人脸ID 1:相似度1,注册人脸ID 2:相似度2,...,注册人脸ID N:相似度N},其中相似度1>=相似度2>=...相似度N。
具体地,步骤S3中,相似阀值的选择根据所选择的相似度计算方法和具体场景而不同,当使用余弦距离方法时可取0.8作为初始参数。M的取值应该根据具体的场景条件,比如光照、人体运动速度、摄像头帧率等因素具体考虑,可默认选择100作为初始参数。
具体地,步骤S4中,合并数据过程中,当人脸特征数据组中某个人脸特征数据已经存在N个注册人脸ID中某个ID对应时,那么该注册人脸ID对应的相似度将加上该人脸特征数据对应的相似度;当人脸特征数据组没有与N个注册人脸ID对应时,将该人脸特征数据添加到N个注册人脸ID中得到合并数据。例如:当2个注册人脸ID为{ID1:S1,ID2:S2},人脸特征数据组为{ID1:S1_,ID3:S2_},那么合并之后得到的合并数据为{ID1:S1+S1_,ID2:S2,ID3:S2_}。
本发明还提供一种人脸识别系统,包括视频采集模块、数据库模块、单帧图像处理计算模块、多帧联合处理模块、最终输出模块。
视频采集模块:用于采集视频序列中视频数据以及并传递给单帧图像处理计算模块。
数据库模块:用于接收用户的注册人脸特征数据,并保存该数据供其他模块使用。
单帧图像处理计算模块用于接收视频采集模块的视频数据帧,进行人脸检测、提取当前帧的人脸特征数据A,并将分别计算人脸特征数据A与数据库模块内所有人脸特征数据之间相似度值,选取N个相似数值相对大所对应的注册人脸ID及其相应的相似度值;用于获取前M帧视频中人脸特征数据组B且分别计算其与人脸特征数据A的相似值,设定相似度阀值一,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组C及其相应的相似度值。
多帧联合处理模块用于将N个相似数值相对大所对应的注册人脸ID与人脸特征数据组C及其对应相似值进行合并得到合并数据组,并将合并数据组传递给最终结果输出模块。
最终输出模块用于接收多帧联合处理模块的合并数据组,根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种人脸识别方法,其特征在于:包括步骤:
S1:获取当前帧视频中所有人脸特征数据,并将所有人脸特征数据;
S2:分别计算该人脸特征数据与人脸数据库中的每个人脸特征数据之间相似度值,根据计算得出的相似度值中,从人脸数据库中获取N个相似数值相对大所对应的注册人脸ID及相应的相似度值;
S3:获取前M帧视频中人脸特征数据组B;
S4:计算人脸特征数据A分别与前M帧视频人脸特征数据组中每个人脸特征数据之间相似度值,设定三个相似度阀值分别为阀值一、阀值二、阀值三,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组C及相应的相似度值;
S5:合并N个注册人脸ID与人脸特征数据组以及其相对应的相似度值得到合并数据;
S6:根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库,若S5中,合并数据中,最大相似度数值大于阈值二且最大相似度数值除以第二大相似度数值大于阈值三,那么最大相似度对应的注册人脸ID存在人脸数据库中,否则该人脸不存在注册人脸底库。
2.根据权利要求1所述的人脸识别方法,其特征在于:步骤S1中,获取当前帧视频数据,检测当前帧中的所有人脸,分别对并提取人脸特征数据A。其中,人脸特征数据提取方法包括基于人脸特征点的识别算法、基于模板的识别算法和基于神经网络的识别的算法。
3.根据权利要求1所述的人脸识别方法,其特征在于:步骤S2、S3中,人脸特征数据之间的相似度计算可采用余弦距离或欧式距离计算,或者其他合适的距离计算方法。
4.根据权利要求1所述的人脸识别方法,其特征在于:步骤S3中,相似阀值的选择根据所选择的相似度计算方法和具体场景而定。
5.根据权利要求1的人脸识别方法,其特征在于:M的取值根据具体的场景条件而定。
6.根据权利要求1的人脸识别方法,其特征在于:步骤S4中,合并数据过程中,当人脸特征数据组中某个人脸特征数据已经存在N个注册人脸ID中某个ID对应时,那么该注册人脸ID对应的相似度将加上该人脸特征数据对应的相似度;当人脸特征数据组没有与N个注册人脸ID对应时,将该人脸特征数据添加到N个注册人脸ID中得到合并数据。
7.一种人脸识别系统,其特征在于:包括视频采集模块、数据库模块、单帧图像处理计算模块、多帧联合处理模块、最终输出模块;
视频采集模块用于采集视频序列中视频数据以及并传递给单帧图像处理计算模块;
数据库模块用于接收用户的注册人脸特征数据,并保存该数据供其他模块使用;
单帧图像处理计算模块用于接收视频采集模块的视频数据帧,进行人脸检测、提取当前帧的人脸特征数据A,并将分别计算人脸特征数据A与数据库模块内所有人脸特征数据之间相似度值,选取N个相似数值相对大所对应的注册人脸ID及其相应的相似度值;用于获取前M帧视频中人脸特征数据组B且分别计算其与人脸特征数据A的相似值,设定相似度阀值一,将计算得出的相似度值分别与阀值一进行对比,从前M帧视频中每个人脸特征数据获取相似数值大于或等于阀值一的人脸特征数据组C及其相应的相似度值;
多帧联合处理模块用于将N个相似数值相对大所对应的注册人脸ID与人脸特征数据组C及其对应相似值进行合并得到合并数据组,并将合并数据组传递给最终结果输出模块;
最终输出模块用于接收多帧联合处理模块的合并数据组,根据合并数据综合判断出最大相似数值所对应的人脸ID是否在人脸数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480569.5A CN110210404B (zh) | 2019-05-31 | 2019-05-31 | 人脸识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480569.5A CN110210404B (zh) | 2019-05-31 | 2019-05-31 | 人脸识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210404A true CN110210404A (zh) | 2019-09-06 |
CN110210404B CN110210404B (zh) | 2023-03-21 |
Family
ID=67790647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910480569.5A Active CN110210404B (zh) | 2019-05-31 | 2019-05-31 | 人脸识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210404B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807440A (zh) * | 2019-11-15 | 2020-02-18 | 深圳算子科技有限公司 | 一种课堂人脸无感录入方法以及系统 |
WO2021082006A1 (zh) * | 2019-11-01 | 2021-05-06 | 华为技术有限公司 | 监控装置以及控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912997A (zh) * | 2016-04-05 | 2016-08-31 | 福建兴宇信息科技有限公司 | 人脸识别的方法及系统 |
CN108491832A (zh) * | 2018-05-21 | 2018-09-04 | 广西师范大学 | 一种嵌入式人脸识别追踪装置及方法 |
CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及系统 |
-
2019
- 2019-05-31 CN CN201910480569.5A patent/CN110210404B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912997A (zh) * | 2016-04-05 | 2016-08-31 | 福建兴宇信息科技有限公司 | 人脸识别的方法及系统 |
CN108491832A (zh) * | 2018-05-21 | 2018-09-04 | 广西师范大学 | 一种嵌入式人脸识别追踪装置及方法 |
CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021082006A1 (zh) * | 2019-11-01 | 2021-05-06 | 华为技术有限公司 | 监控装置以及控制方法 |
CN110807440A (zh) * | 2019-11-15 | 2020-02-18 | 深圳算子科技有限公司 | 一种课堂人脸无感录入方法以及系统 |
CN110807440B (zh) * | 2019-11-15 | 2023-11-10 | 深圳算子科技有限公司 | 一种课堂人脸无感录入方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110210404B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11423701B2 (en) | Gesture recognition method and terminal device and computer readable storage medium using the same | |
CN110490158B (zh) | 一种基于多级模型的鲁棒人脸对齐方法 | |
CN100542303C (zh) | 一种多视点视频颜色校正方法 | |
US20120300981A1 (en) | Method for object detection and apparatus using the same | |
CN102800095A (zh) | 一种镜头边界检测方法 | |
CN111968152B (zh) | 一种动态身份识别方法及装置 | |
CN101231703A (zh) | 基于相关向量机和提升学习的多人脸跟踪方法 | |
CN110210404A (zh) | 人脸识别方法及系统 | |
CN110414558B (zh) | 基于事件相机的特征点匹配方法 | |
CN114937232A (zh) | 医废处理人员防护用具穿戴检测方法、系统和设备 | |
CN103226831A (zh) | 利用分块布尔运算的图像匹配方法 | |
CN107481265A (zh) | 目标重定位方法及装置 | |
CN105550663A (zh) | 影院上座率统计方法及系统 | |
CN110909617B (zh) | 基于双目视觉的活体人脸检测方法及装置 | |
JP6077425B2 (ja) | 映像管理装置及びプログラム | |
CN101324919A (zh) | 一种照片视频比对方法 | |
CN110555867B (zh) | 一种融合物体捕获识别技术的多目标物体跟踪方法 | |
Lee et al. | A tank fish recognition and tracking system using computer vision techniques | |
CN103927518A (zh) | 一种用于人脸分析系统的人脸特征提取方法 | |
CN109146913A (zh) | 一种人脸跟踪方法及装置 | |
CN104751144B (zh) | 一种面向视频监控的正面人脸快速评价方法 | |
CN109344758B (zh) | 基于改进局部二值模式的人脸识别方法 | |
Avgerinakis et al. | Moving camera human activity localization and recognition with motionplanes and multiple homographies | |
CN111860047B (zh) | 一种基于深度学习的人脸快速识别方法 | |
CN109598207B (zh) | 一种基于卷积神经网络的快速人眼跟踪方法 |
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 |