CN110222627A - 一种人脸补录方法 - Google Patents
一种人脸补录方法 Download PDFInfo
- Publication number
- CN110222627A CN110222627A CN201910475776.1A CN201910475776A CN110222627A CN 110222627 A CN110222627 A CN 110222627A CN 201910475776 A CN201910475776 A CN 201910475776A CN 110222627 A CN110222627 A CN 110222627A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- amended record
- threshold
- similarity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000001815 facial effect Effects 0.000 claims abstract description 49
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000029152 Small face Diseases 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- 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
- G06V20/48—Matching video sequences
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种人脸补录方法，设定第一阈值，判定人脸库图像是否需要补录，设定第二阈值，人工判定视频帧中人脸图像与人脸库中人脸图像是否为同一人，若是，则进入下一步骤；将视频帧中相似度位于第二阈值和第一阈值之间的人脸图像进行排序，选取符合要求的相似度的人脸图像补录至人脸库。本发明的有益效果是：设置了第一阈值用于判断人脸识别认证困难需要人脸补录的视频帧，设置了第二阈值用于过滤由于图像质量问题、人脸角度问题、人脸遮挡问题而无法补录至人脸库的视频帧。该人脸补录方法可以在负担小、对用户无干扰的情况下、实时完善、更新人脸库中人脸图像，解决用户通过人脸识别验证耗时长、用户补录方式对用户不友好等问题。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种人脸补录方法。
背景技术
人脸识别技术目前已经广泛应用于各个领域，与多种设备结合，提升工作准确性和便利性。目前，人脸识别技术可以将采集到的人脸与人脸库人脸进行匹配，完成人脸识别验证。
由于光照及角度问题，视频采集设备容易采集到无法与人脸库匹配的用户人脸图像，因此导致用户通过人脸识别认证耗时长。此外用户在光线不好、角度不全等录入图像不理想的情况下也容易导致视频采集设备采集到的人脸图像与人脸库的人脸图像不匹配，从而导致用户进行人脸识别验证时耗时，效率低。
发明内容
为克服上述技术中人脸识别技术的缺陷，本发明提出一种人脸补录方法，是通过如下技术方案实现的。
一种人脸补录方法，步骤a1，采集视频帧序列，并检测该视频帧序列是否包含人脸，若是，则进入下一步骤；若否，则重新采集视频帧序列；步骤a2，设定第一阈值，判定人脸库图像是否需要补录，提取所述步骤a1中人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度，将所述相似度与第一阈值比较，若相似度低于第一阈值，则人脸库图像需要补录并进入下一步骤；若否，则人脸库图像不需要补录；步骤a3，设定第二阈值，人工判定视频帧中人脸图像与人脸库中人脸图像是否为同一人，若是，则进入下一步骤；若否，则将对应人脸库中人脸按照相似度值从大到小排序，人工选出人脸库中为同一人的人脸图像，并将视频帧中相似度大于第二阈值的视频帧图像补录至人脸库中；步骤a4，将视频帧中相似度位于第二阈值和第一阈值之间的人脸图像进行排序，选取符合要求的相似度的人脸图像补录至人脸库。
进一步的，所述步骤a1中采用神经网络模型进行人脸检测。
进一步的，所述步骤a1中采用视频采集和存储设备进行视频帧序列采集。
进一步的，所述步骤a1与步骤a2之间还包括步骤a11，利用神经网络模型提取步骤a1中的视频帧中的人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度。
进一步的，所述步骤a4还包括，将人脸库中人脸图像按相似度进行升序排序，删除对应数量的相似度较小的人脸图像。
本发明的有益效果是：设置了第一阈值用于判断人脸识别认证困难需要人脸补录的视频帧，设置了第二阈值用于过滤由于图像质量问题、人脸角度问题、人脸遮挡问题而无法补录至人脸库的视频帧。该人脸补录方法可以在负担小、对用户无干扰的情况下、实时完善、更新人脸库中人脸图像，解决用户通过人脸识别验证耗时长、用户补录方式对用户不友好等问题。
附图说明
图1是本发明流程示意图。
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，都属于本发明保护的范围。
如图1所示，一种人脸补录方法，步骤a1，采集视频帧序列，并检测该视频帧序列是否包含人脸，若是，则进入下一步骤；若否，则重新采集视频帧序列；步骤a2，设定第一阈值，判定人脸库图像是否需要补录，提取所述步骤a1中人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度，将所述相似度与第一阈值比较，若相似度低于第一阈值，则人脸库图像需要补录并进入下一步骤；若否，则人脸库图像不需要补录；步骤a3，设定第二阈值，人工判定视频帧中人脸图像与人脸库中人脸图像是否为同一人，若是，则进入下一步骤；若否，则将对应人脸库中人脸按照相似度值从大到小排序，人工选出人脸库中为同一人的人脸图像，并将视频帧中相似度大于第二阈值的视频帧图像补录至人脸库中；步骤a4，将视频帧中相似度位于第二阈值和第一阈值之间的人脸图像进行排序，选取符合要求的相似度的人脸图像补录至人脸库。
需要说明的是：在步骤a1中采集的视频帧应当避免图像出现光照、角度等问题；第一阈值用于判断人脸识别认证困难需要人脸补录的视频帧，设置了第二阈值用于过滤由于图像质量问题、人脸角度问题、人脸遮挡问题而无法补录至人脸库的视频帧。
在步骤a2中提取人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度的算法可采用
SIFT(Scale-invariant features transform)算法、
SURF(Speeded Up Robust Features)算法、
HOG(Histogram of Oriented Gradient)算法、
DOG(Difference of Gaussian)算法等传统算法，也可以采用基于深度学习的网络模型算法，具体此处不做限定。
在步骤a4中，符合要求的视频帧是指图像质量清晰、人脸无遮挡、人脸为正脸至左右侧脸45°以内的视频帧。
在具体实施例中，所述步骤a1中采用神经网络模型进行人脸检测。神经网络模型是模拟人类实际神经网络的数学方法，神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，在图像处理方面主要是对图像进行边缘监测，图像分割，图像压缩和图像恢复。
在具体实施例中，所述步骤a1中采用视频采集和存储设备进行视频帧序列采集。如利用摄像头根据预先设置的图像捕获速度捕获视频帧，如每秒6帧，然后通过摄像头驱动层将视频帧传送到操作封装层，对视频帧进行封装后，放入预先分配的内存缓冲区。
在具体实施例中，所述步骤a1与步骤a2之间还包括步骤a11，利用神经网络模型提取步骤a1中的视频帧中的人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度。
在具体实施例中，所述步骤a4还包括，将人脸库中人脸图像按相似度进行升序排序，删除对应数量的相似度较小的人脸图像。由于每位用户的人脸库中对应人脸图像应等于或小于一定数量。其数量根据设备储存容量和计算能力而定，应保证人脸库每位用户都拥有正脸及左右侧脸不同角度的人脸图像。如果该用户人脸库中人脸图像数量已经满足数量，则将选取的前n张视频帧与其对应相似度值最小的人脸库人脸图像进行替换。
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 (5)
1.一种人脸补录方法，其特征在于，
步骤a1，采集视频帧序列，并检测该视频帧序列是否包含人脸，若是，则进入下一步骤；若否，则重新采集视频帧序列；
步骤a2，设定第一阈值，判定人脸库图像是否需要补录，提取所述步骤a1中人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度，将所述相似度与第一阈值比较，若相似度低于第一阈值，则人脸库图像需要补录并进入下一步骤；若否，则人脸库图像不需要补录；
步骤a3，设定第二阈值，人工判定视频帧中人脸图像与人脸库中人脸图像是否为同一人，若是，则进入下一步骤；若否，则将对应人脸库中人脸按照相似度值从大到小排序，人工选出人脸库中为同一人的人脸图像，并将视频帧中相似度大于第二阈值的视频帧图像补录至人脸库中；
步骤a4，将视频帧中相似度位于第二阈值和第一阈值之间的人脸图像进行排序，选取符合要求的相似度的人脸图像补录至人脸库。
2.根据权利要求1所述的一种人脸补录方法，其特征在于，所述步骤a1中采用神经网络模型进行人脸检测。
3.根据权利要求1所述的一种人脸补录方法，其特征在于，所述步骤a1中采用视频采集和存储设备进行视频帧序列采集。
4.根据权利要求1所述的一种人脸补录方法，其特征在于，所述步骤a1与步骤a2之间还包括步骤a11，利用神经网络模型提取步骤a1中的视频帧中的人脸图像的特征向量并计算与人脸库中人脸图像对应特征向量的相似度。
5.根据权利要求1所述的一种人脸补录方法，其特征在于，所述步骤a4还包括，将人脸库中人脸图像按相似度进行升序排序，删除对应数量的相似度较小的人脸图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910475776.1A CN110222627A (zh) | 2019-05-31 | 2019-05-31 | 一种人脸补录方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910475776.1A CN110222627A (zh) | 2019-05-31 | 2019-05-31 | 一种人脸补录方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110222627A true CN110222627A (zh) | 2019-09-10 |
Family
ID=67819082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910475776.1A Pending CN110222627A (zh) | 2019-05-31 | 2019-05-31 | 一种人脸补录方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110222627A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310580A (zh) * | 2020-01-19 | 2020-06-19 | 四川联众竞达科技有限公司 | 非配合状态下的人脸识别方法 |
| CN114067421A (zh) * | 2022-01-17 | 2022-02-18 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
| WO2023019927A1 (zh) * | 2021-08-20 | 2023-02-23 | 奥比中光科技集团股份有限公司 | 一种人脸识别方法、装置、存储介质及电子设备 |
| CN115829910A (zh) * | 2022-07-07 | 2023-03-21 | 广州莱德璞检测技术有限公司 | 一种肌肤的感官评价装置以及肌肤的评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982321A (zh) * | 2012-12-05 | 2013-03-20 | 深圳Tcl新技术有限公司 | 人脸库采集方法及装置 |
| CN103605969A (zh) * | 2013-11-28 | 2014-02-26 | Tcl集团股份有限公司 | 一种人脸录入的方法及装置 |
| CN109740503A (zh) * | 2018-12-28 | 2019-05-10 | 北京旷视科技有限公司 | 人脸认证方法、图像底库录入方法、装置及处理设备 |
| CN109815845A (zh) * | 2018-12-29 | 2019-05-28 | 深圳前海达闼云端智能科技有限公司 | 人脸识别的方法和装置、存储介质 |
-
2019
- 2019-05-31 CN CN201910475776.1A patent/CN110222627A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982321A (zh) * | 2012-12-05 | 2013-03-20 | 深圳Tcl新技术有限公司 | 人脸库采集方法及装置 |
| CN103605969A (zh) * | 2013-11-28 | 2014-02-26 | Tcl集团股份有限公司 | 一种人脸录入的方法及装置 |
| CN109740503A (zh) * | 2018-12-28 | 2019-05-10 | 北京旷视科技有限公司 | 人脸认证方法、图像底库录入方法、装置及处理设备 |
| CN109815845A (zh) * | 2018-12-29 | 2019-05-28 | 深圳前海达闼云端智能科技有限公司 | 人脸识别的方法和装置、存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310580A (zh) * | 2020-01-19 | 2020-06-19 | 四川联众竞达科技有限公司 | 非配合状态下的人脸识别方法 |
| WO2023019927A1 (zh) * | 2021-08-20 | 2023-02-23 | 奥比中光科技集团股份有限公司 | 一种人脸识别方法、装置、存储介质及电子设备 |
| CN114067421A (zh) * | 2022-01-17 | 2022-02-18 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
| CN114067421B (zh) * | 2022-01-17 | 2022-04-19 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
| CN115829910A (zh) * | 2022-07-07 | 2023-03-21 | 广州莱德璞检测技术有限公司 | 一种肌肤的感官评价装置以及肌肤的评价方法 |
| CN115829910B (zh) * | 2022-07-07 | 2023-06-27 | 广州莱德璞检测技术有限公司 | 一种肌肤的感官评价装置以及肌肤的评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110222627A (zh) | 一种人脸补录方法 | |
| CN104463117B (zh) | 一种基于视频方式的人脸识别样本采集方法及系统 | |
| CN104268583B (zh) | 基于颜色区域特征的行人重识别方法及系统 | |
| CN102915372B (zh) | 图像检索方法、装置及系统 | |
| CN109522853A (zh) | 面向监控视频的人脸检测与搜索方法 | |
| WO2017000764A1 (zh) | 一种手势检测识别方法及系统 | |
| CN106991370B (zh) | 基于颜色和深度的行人检索方法 | |
| CN108491784A (zh) | 面向大型直播场景的单人特写实时识别与自动截图方法 | |
| Ren et al. | Ensemble video object cut in highly dynamic scenes | |
| CN111723773B (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
| CN101751679A (zh) | 运动目标的分类方法和检测方法及其装置 | |
| CN102332092A (zh) | 一种基于视频分析的火焰检测方法 | |
| CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN109145717A (zh) | 一种在线学习的人脸识别方法 | |
| CN107909081A (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
| CN105631039A (zh) | 一种图片浏览方法 | |
| CN107066963B (zh) | 一种自适应人群计数方法 | |
| CN101447023B (zh) | 人头检测方法和系统 | |
| CN106709438A (zh) | 一种基于视频会议的人数统计方法 | |
| CN102880864A (zh) | 一种从流媒体文件中抓拍人脸的方法 | |
| CN104463232A (zh) | 一种基于hog特征和颜色直方图特征的密度人群计数的方法 | |
| Tariq et al. | Real time vehicle detection and colour recognition using tuned features of Faster-RCNN | |
| Deng et al. | Single-stage joint face detection and alignment | |
| CN103150575A (zh) | 一种实时三维无标记人体姿态识别方法及系统 | |
| CN105095837A (zh) | 一种台标识别方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |