CN110276245A - 一种驾驶员的人脸识别方法、装置、系统及终端 - Google Patents
一种驾驶员的人脸识别方法、装置、系统及终端 Download PDFInfo
- Publication number
- CN110276245A CN110276245A CN201910385632.7A CN201910385632A CN110276245A CN 110276245 A CN110276245 A CN 110276245A CN 201910385632 A CN201910385632 A CN 201910385632A CN 110276245 A CN110276245 A CN 110276245A
- Authority
- CN
- China
- Prior art keywords
- face image
- face
- driver
- matching rate
- real
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
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)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种驾驶员的人脸识别方法、装置、系统及终端,所述方法包括:录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;采集实际驾驶员的实时脸部图像;根据所述实时脸部图像和所述脸部图像模版计算匹配率;根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。利用本发明提供的技术方案可以降低对于硬件的性能要求,提高识别的准确度和识别效率,提升车载人脸识别的使用效果。
Description
技术领域
本发明涉及一种人脸识别方法,特别涉及一种驾驶员的人脸识别方法、装置、系统及终端。
背景技术
车载摄像头和控制器的计算能力存在局限,往往无法达到电脑等移动终端的计算能力。对于人脸识别技术而言,增加越多的特征点匹配,虽然能够提高识别的准确率,但是也会导致识别时间更长,能耗也将更高,超出车载摄像头和控制器的计算能力。
另外,由于车内安装位置的限制,图像采集装置安装于人脸正前方的难度较大,安装于其他位置处时,驾驶员与图像采集装置之间会存在夹角,也使图像采集装置在实际采集时采集到驾驶员正面脸部的可能性较低,影响人脸识别的准确度和效率。比如,当图像采集装置搭载车内左A柱上时,由于驾驶员开车的方向本身与图像采集装置就存在夹角,尤其是右转头的位置,容易导致人脸离开图像采集装置画面中,从而导致特征点无法抓取,识别失败。以及,由于人脸表情都会发生变化,识别的比对无法达到百分百,会出现已注册驾驶员被识别成未注册驾驶员的风险,致使识别的准确率较低。
发明内容
本发明提供了一种驾驶员的人脸识别方法、装置、系统及终端,可以提高识别的准确度和识别效率,提升车载人脸识别的使用效果。
第一方面,本发明提供了一种驾驶员的人脸识别方法,所述人脸识别方法包括:
录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;
采集实际驾驶员的实时脸部图像;
根据所述实时脸部图像和所述脸部图像模版计算匹配率;
根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
进一步的,所述录入注册驾驶员的脸部图像模版包括:
向所述注册驾驶员发送采集所述脸部图像对应的提示信息,并采集所述脸部图像;
根据所述脸部图像的特征点和对应的角度,从所述脸部图像中提取人脸特征信息;
判断所述人脸特征信息是否满足脸部图像要求;
若满足,则存储所述脸部图像。
进一步的,所述录入注册驾驶员的脸部图像模版还包括:
若所述人脸特征不满足所述脸部图像要求;
则重新采集所述脸部图像以及重新提取所述人脸特征信息;
再次判断所述人脸特征信息是否满足所述脸部图像要求。
进一步的,所述录入注册驾驶员的脸部图像模版还包括:
通过感兴趣区域划分和动态调整曝光策略对所述脸部图像进行处理。
可选的,所述根据所述实时脸部图像和所述脸部图像模版计算匹配率包括:
将所述实时脸部图像依次和所述脸部图像模版中的各个脸部图像比对,分别计算对应的图像匹配率;
根据所述脸部图像对应的权重和所述图像匹配率计算所述匹配率。
可选的,所述根据所述实时脸部图像和所述脸部图像模版计算匹配率包括:
从所述脸部图像模版中选取与所述实时脸部图像的角度对应的脸部图像;
根据所述对应的脸部图像和所述实时脸部图像计算所述匹配率。
进一步的,所述根据所述匹配率判断所述实际驾驶员是否为所述注册驾驶员包括:
根据所述匹配率、第一预设值和第二预设值判断所述实际驾驶员是否为所述注册驾驶员;
若所述匹配率不小于所述第一预设值,则判定所述实际驾驶员为所述注册驾驶员;
若所述匹配率不大于所述第二预设值,则重新获取预设次数的所述实时脸部图像分别计算对应的匹配率;
若预设次数的所述实时脸部图像的匹配率都不大于所述第二预设值,则判定所述实际驾驶员为非注册驾驶员;
其中,所述第一预设值大于所述第二预设值。
第二方面,本发明还提供了一种驾驶员的人脸识别装置,所述人脸识别装置包括:
脸部图像模版录入模块,用于录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;
实时脸部图像采集模块,用于采集实际驾驶员的实时脸部图像;
匹配率计算模块,用于根据所述实时脸部图像和所述脸部图像模版计算匹配率;
识别模块,用于根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
第三方面,本发明还提供了一种驾驶员的人脸识别系统,所述人脸识别系统包括图像采集装置和上述的人脸识别装置;
所述图像采集装置与所述人脸识别装置连接,所述图像采集装置用于采集所述注册驾驶员的脸部图像模版以及采集实际驾驶员的实时脸部图像;
所述图像采集装置设置于车辆内的A柱、方向盘或多媒体上。
第四方面,本发明还提供了一种计算机存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任意一种驾驶员的人脸识别方法。
第五方面,本发明还提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述任意一种驾驶员的人脸识别方法。
本发明提供的一种驾驶员的人脸识别方法、装置、系统及终端,具有如下技术效果:
本发明降低对于硬件的性能要求,提高识别的准确度和识别效率,提升车载人脸识别的使用效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例所述驾驶员的人脸识别方法的流程示意图;
图2为本发明实施例所述录入注册驾驶员脸部图像的流程示意图;
图3为本发明实施例所述的一种匹配率的计算方法的流程示意图;
图4为本发明实施例所述的另一种匹配率的计算方法的流程示意图;
图5为本发明实施例所述的根据匹配率识别所述实际驾驶员是否为所述注册驾驶员的流程示意图;
图6为本发明实施例所述的人脸识别装置的组成示意图;
图7为本发明实施例所述的人脸识别系统的组成示意图。
以下对附图作补充说明:
1-人脸识别装置;101-脸部图像模版录入模块;102-实时脸部图像采集模块;103-匹配率计算模块;104-识别模块;2-图像采集装置。
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作出创造性劳动的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。
此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中,需要理解的是,术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例:
图1是本发明实施例提供的一种驾驶员的人脸识别方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,所述人脸识别方法包括:
S100:录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像。
可以理解的是,脸部图像的采集可以通过图像采集装置进行采集,图像采集装置可以安装于车辆内的某一处,比如设置在车辆内左侧的A柱上。而所述注册驾驶员驾驶时相应角度的脸部图像是指,驾驶员在驾驶过程中,由于驾驶的需要脸部会正视前方道路还可能会发生转动,致使脸部与图像采集装置的轴线之间具有角度。由此根据需要,可以采集驾驶员正视道路时的脸部图像,可以采集驾驶员转弯左视或者右视时的脸部图像;还可以采集驾驶员正面的脸部图像;以及其他相应角度的脸部图像。通过多个角度脸部图像的采集能够提高注册时的特征点的准确性;还能够增加后续比对过程中的算例,以提高计算效率,以及降低系统的能耗。
在一些可行的实施例中,如图2所示,所述步骤S100包括以下步骤:
S111:向所述注册驾驶员发送采集所述脸部图像对应的提示信息,并采集所述脸部图像。
可以理解的是,向所述注册驾驶员发送采集所述脸部图像对应的提示信息是指,根据所需采集的脸部图像,向驾驶员发送对应的提示信息。比如,需要采集驾驶员正视前方道路驾驶时的脸部图像,则向驾驶员发送“请正视前方”等类似的提示信息;需要采集驾驶员驾驶时转弯左视的脸部图像时,则向驾驶员发送“请作出转弯左视动作”等类似的提示信息;需要采集驾驶员的正面脸部图像时,则向驾驶员发送“请正视图像采集装置”等类似的提示信息。总之,根据采集的需要,可以向驾驶员发送相应脸部角度采集的提示信息。
S112:根据所述脸部图像的特征点和对应的角度,从所述脸部图像中提取人脸特征信息。
可以理解的是,所述脸部图像对应的角度是指驾驶员的脸部与图像采集装置的轴线之间的夹角。
S113:判断所述人脸特征信息是否满足脸部图像要求。
在一些可行的实施例中,所述注册驾驶员正面脸部与图像采集装置的轴线之间的水平夹角满足第一阈值条件,垂直夹角满足第二阈值条件;所述注册驾驶员正视前方时的脸部与图像采集装置的轴线之间的水平夹角满足第三阈值条件,垂直夹角满足第四阈值条件。
在一些可行的实施例中,判断脸部图像是否过曝。
进一步的,可以通过图像颜色匹配算法判断脸部图像是否过曝包括:
计算所述脸部图像的曝光度;
比较所述曝光度与第五阈值的大小;
若所述曝光度小于所述第五阈值,则保存所述脸部图像;
若曝光度不小于所述第五阈值,则不保存所述脸部图像,并重新采集。
优选的,所述第五阈值为30%。
可以理解的是,如果脸部图像的曝光度过大,则会影响特征点的确认,以致影响人脸特征信息的提取。通过曝光度对采集到的脸部图像进行筛选,能够提高识别的效率。
S114:若满足,则存储所述脸部图像。
在一些可行的实施例中,所述步骤S100还包括步骤:通过感兴趣区域划分和动态调整曝光策略对所述脸部图像进行处理。
进一步的,所述感兴趣区域划分即ROI区域划分。通过感兴趣区域划分和动态调整曝光策略对所述脸部图像进行进一步处理,能够提升人脸图像质量,减少光照影响。
在一些可行的实施例中,所述步骤S100还包括以下步骤:
S115:若所述人脸特征不满足所述脸部图像要求。
S116:则重新采集所述脸部图像以及重新提取所述人脸特征信息。
S117:再次判断所述人脸特征信息是否满足所述脸部图像要求。
下面以采集驾驶员正面的脸部图像和采集驾驶员前视前方道路时的脸部图像为例,对所述步骤S100进行具体的说明,其具体包括以下步骤:
S121:向所述注册驾驶员发送采集驾驶员正面的脸部图像的提示信息,并采集所述驾驶员正面的脸部图像。
可以理解的是,该提示信息可以为提示驾驶员看向摄像头等类似的提示信息。
S122:根据所述脸部图像的特征点和对应的角度,从所述驾驶员正面的脸部图像中提取人脸特征信息。
S123:判断所述人脸特征信息是否满足脸部图像要求。
S124:若所述人脸特征信息满足脸部图像要求,则将采集到的驾驶员正面的脸部图像作为正面脸部图像存储在控制器中;
S125:向所述注册驾驶员发送采集驾驶员前视前方道路时的脸部图像的提示信息,并采集所述驾驶员正面的脸部图像。
可以理解的是,该提示信息可以为提示驾驶员看向前方等类似的提示信息。
S126:根据所述脸部图像的特征点和对应的角度,从所述驾驶员前视前方道路时的脸部图像中提取人脸特征信息。
S127:判断所述人脸特征信息是否满足脸部图像要求。
S128:若所述人脸特征信息满足脸部图像要求,则将采集到的驾驶员前视前方道路时的脸部图像作为正视脸部图像存储在控制器中;
S129:提示驾驶员注册成功。
其中,若所述步骤S123和步骤S127中的人脸特征信息不满足脸部图像要求,则重新采集所述脸部图像以及重新提取所述人脸特征信息;再次判断所述人脸特征信息是否满足所述脸部图像要求。
在一些可行的实施例中,所述步骤S100还包括以下步骤:
在驾驶员注册过程中,判断该注册是否超时;若注册超时则提示驾驶员注册失败。
判断该次注册是否为重复注册;若是重复注册,则提示驾驶员注册失败。
判断当前车速是否超过第六阈值,若超过第六阈值,则提示驾驶员注册失败。
可以理解的是,注册过程应当是一个相对静止的过程,因此在注册时车速应当小于第六阈值。优选的,所述第六阈值为3km/h。
S200:采集实际驾驶员的实时脸部图像。
可以理解的是,所述实际驾驶员是指在人脸识别过程中,实际操作车辆行驶的驾驶员。其脸部图像可以通过图像采集装置进行实时采集。
S300:根据所述实时脸部图像和所述脸部图像模版计算匹配率。
在一些可行的实施例中,如图3所示,所述步骤S300包括以下步骤:
S311:将所述实时脸部图像依次和所述脸部图像模版中的各个脸部图像比对,分别计算对应的图像匹配率。
S312:根据所述脸部图像对应的权重和所述图像匹配率计算所述匹配率。
进一步的,以所述脸部图像模版中包括正面脸部图像和正视脸部图像为例,则所述步骤S311包括:
将所述实时脸部图像与所述正面脸部图像比对计算得到正面图像匹配率;
将所述实时脸部图像与所述正视脸部图像比对计算得到正视图像匹配率。
以及所述步骤S312包括:
根据正面脸部图像权重、正面脸部图像匹配率、正视脸部图像权重和正视脸部图像匹配率计算所述匹配率。
可以理解的是,不同的角度对应的脸部图像,其提取的特征点的准确度不相同,通过权重的配置能够提高识别的准确性。比如,在所述脸部图像模版中包含正面脸部图像和正视脸部图像时,可以设置所述正面脸部图像的权重高于所述正视脸部图像的权重。以及,随着脸部图像模版中的脸部图像个数的增加,本领域技术人员能够设置相应的权重比例,以提高识别的准确性,从而提高识别效率,也能避免误识别未注册用户。
进一步的,所述步骤S311中,可以将所述实时脸部图像的特征点和各个脸部图像的特征点进行比对,分别计算对应的图像匹配率。
在另一些可行的实施例中,如图4所示,所述步骤S300包括以下步骤:
S321:从所述脸部图像模版中选取与所述实时脸部图像的角度对应的脸部图像。
S322:根据所述对应的脸部图像和所述实时脸部图像计算所述匹配率。
进一步的,所述步骤S311包括:
解析所述实时脸部图像中人脸与图像采集装置之间的角度,根据该角度从所述脸部图像模版中选择与该角度对应的脸部图像。
其中,对应的脸部图像可以是与该角度一致的脸部图像,也可以是与该角度最接近的脸部图像。
以所述脸部图像模版中包括正面脸部图像和正视脸部图像为例,若采集到的实时脸部图像是实际驾驶员正视前方时的图像,则从脸部图像模版中选取正视脸部图像进行匹配率的计算;若采集到的实时脸部图像是实际驾驶员其他状态下的图像,比如当驾驶员进入车辆还未驾驶时,可能会有小幅度的转动,其处于正视和左视之间的某一状态的图像,则可以根据实时脸部图像角度与脸部图像模板中各个脸部图像角度之间的差值选取最接近的脸部图像进行匹配率的计算。以及,脸部图像模版中脸部图像个数的能够根据实际需要进行增减。
S400:根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
在一些可行的实施例中,如图5所示,所述步骤S400包括以下步骤:
S411:根据所述匹配率、第一预设值和第二预设值判断所述实际驾驶员是否为所述注册驾驶员。
S412:若所述匹配率不小于所述第一预设值,则判定所述实际驾驶员为所述注册驾驶员。
S413:若所述匹配率不大于所述第二预设值,则重新获取预设次数的所述实时脸部图像分别计算对应的匹配率。
S414:若预设次数的所述实时脸部图像的匹配率都不大于所述第二预设值,则判定所述实际驾驶员为非注册驾驶员。
其中,所述第一预设值大于所述第二预设值。
可以理解的是,步骤S413中,当所述匹配率不大于所述第二预设值时,通过重新获取预设次数的实时脸部图像进行再次比对识别,能够提高未注册用户的识别准确度,从而减少误识别率。
进一步的,所述步骤S400还包括步骤:
S415:若所述匹配率大于所述第二预设值且小于第一预设值,则重新执行步骤S200~S400。
可以理解的是,将大于第二预设值且小于第一预设值的匹配率进行过滤,能够舍弃掉识别过程中一些不确定性较高的情况,以提高识别的准确率。
比如,当匹配率不小于60%,则判定所述实际驾驶员为所述注册驾驶员。当所述匹配率不大于40%,则重新获取六次实时脸部图像,并分别计算对应的匹配率;若六次所述实时脸部图像对应的匹配率都不大于40%,则判定所述实际驾驶员为非注册驾驶员。当所述匹配率大于40%且小于60%时,此次识别过程不确定性较高,则重新进行识别过程。
上述任意一种驾驶员的人脸识别方法,通过录入注册驾驶员的脸部图像模版进行驾驶员的人脸识别。其中,注册驾驶员的脸部图像模版包括驾驶员驾驶时相应角度的脸部图像和正面脸部图像,通过多角度的脸部图像不但能够对驾驶员进入车辆还未驾驶时的脸部转动进行识别,还能够对驾驶过程中的驾驶员脸部进行识别,提高了其对于不同场景的适应能力。另外,脸部图像模版中脸部图像的增加,能够提高算法的识别速度,提升算法的性能,从而能够降低对于车载芯片的性能要求。通过计算得到匹配率,能够提高识别的准确率,也能够提高识别速度,避免误识别未注册用户。
本发明实施例还提供了一种驾驶员的人脸识别装置,如图6所示,所述人脸识别装置1包括:
脸部图像模版录入模块101,用于录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;
实时脸部图像采集模块102,用于采集实际驾驶员的实时脸部图像;
匹配率计算模块103,用于根据所述实时脸部图像和所述脸部图像模版计算匹配率;
识别模块104,用于根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
本发明实施例还提供了一种驾驶员的人脸识别装置,如图7所示,一种驾驶员的人脸识别系统,所述人脸识别系统包括图像采集装置2和上述的人脸识别装置1;
所述图像采集装置2与所述人脸识别装置1连接,所述图像采集装置2用于采集所述注册驾驶员的脸部图像模版以及采集实际驾驶员的实时脸部图像;
所述图像采集装置2设置于车辆内的A柱、方向盘或多媒体上。
在一些可行的实施方式中,所述图像采集装置2可以是摄像头。
当所述摄像头设置于车辆内的A柱上时,与驾驶员的头部可能存在水平夹角25°,垂直夹角5.5°。在进行步骤S113判断人脸特征信息是否满足脸部图像要求时,可以设定:所述注册驾驶员正面脸部与摄像头光轴之间的水平夹角不超过±10°,垂直夹角不超过±10°;所述注册驾驶员正视前方时的脸部与摄像头光轴之间的水平夹角在10°-20°之间,垂直夹角不超过±10°。
在一些可行的实施方式中,所述人脸识别装置可以设置于车辆上,其可以通过车辆的多媒体向驾驶员发送相应的提示信息,其也可以通过移动终端向驾驶员发送相应的提示信息。
其中,所述移动终端可以包括、智能手机、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、车载终端等类型的实体设备,也可以包括运行于实体设备中的软体,例如应用程序等
本发明实施例还提供了一种计算机存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任意一种驾驶员的人脸识别方法。
本发明实施例还提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述任意一种驾驶员的人脸识别方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、系统和服务器实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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。
Claims (10)
1.一种驾驶员的人脸识别方法,其特征在于,所述人脸识别方法包括:
录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;
采集实际驾驶员的实时脸部图像;
根据所述实时脸部图像和所述脸部图像模版计算匹配率;
根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
2.根据权利要求1所述的驾驶员的人脸识别方法,其特征在于,所述录入注册驾驶员的脸部图像模版包括:
向所述注册驾驶员发送采集所述脸部图像对应的提示信息,并采集所述脸部图像;
根据所述脸部图像的特征点和对应的角度,从所述脸部图像中提取人脸特征信息;
判断所述人脸特征信息是否满足脸部图像要求;
若满足,则存储所述脸部图像。
3.根据权利要求2所述的驾驶员的人脸识别方法,其特征在于,所述录入注册驾驶员的脸部图像模版还包括:
若所述人脸特征不满足所述脸部图像要求;
则重新采集所述脸部图像以及重新提取所述人脸特征信息;
再次判断所述人脸特征信息是否满足所述脸部图像要求。
4.根据权利要求1所述的驾驶员的人脸识别方法,其特征在于,所述录入注册驾驶员的脸部图像模版还包括:
通过感兴趣区域划分和动态调整曝光策略对所述脸部图像进行处理。
5.根据权利要求1所述的驾驶员的人脸识别方法,其特征在于,所述根据所述实时脸部图像和所述脸部图像模版计算匹配率包括:
将所述实时脸部图像依次和所述脸部图像模版中的各个脸部图像比对,分别计算对应的图像匹配率;
根据所述脸部图像对应的权重和所述图像匹配率计算所述匹配率。
6.根据权利要求1所述的驾驶员的人脸识别方法,其特征在于,所述根据所述实时脸部图像和所述脸部图像模版计算匹配率包括:
从所述脸部图像模版中选取与所述实时脸部图像的角度对应的脸部图像;
根据所述对应的脸部图像和所述实时脸部图像计算所述匹配率。
7.根据权利要求1所述的驾驶员的人脸识别方法,其特征在于,所述根据所述匹配率判断所述实际驾驶员是否为所述注册驾驶员包括:
根据所述匹配率、第一预设值和第二预设值判断所述实际驾驶员是否为所述注册驾驶员;
若所述匹配率不小于所述第一预设值,则判定所述实际驾驶员为所述注册驾驶员;
若所述匹配率不大于所述第二预设值,则重新获取预设次数的所述实时脸部图像分别计算对应的匹配率;
若预设次数的所述实时脸部图像的匹配率都不大于所述第二预设值,则判定所述实际驾驶员为非注册驾驶员;
其中,所述第一预设值大于所述第二预设值。
8.一种驾驶员的人脸识别装置,其特征在于,所述人脸识别装置包括:
脸部图像模版录入模块,用于录入注册驾驶员的脸部图像模版,所述脸部图像模版包括所述注册驾驶员驾驶时相应角度的脸部图像和所述注册驾驶员正面的脸部图像;
实时脸部图像采集模块,用于采集实际驾驶员的实时脸部图像;
匹配率计算模块,用于根据所述实时脸部图像和所述脸部图像模版计算匹配率;
识别模块,用于根据所述匹配率识别所述实际驾驶员是否为所述注册驾驶员。
9.一种驾驶员的人脸识别系统,其特征在于,所述人脸识别系统包括图像采集装置和权利要求8中所述的人脸识别装置;
所述图像采集装置与所述人脸识别装置连接,所述图像采集装置用于采集所述注册驾驶员的脸部图像模版以及采集实际驾驶员的实时脸部图像;
所述图像采集装置设置于车辆内的A柱、方向盘或多媒体上。
10.一种终端,其特征在于,
所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一项所述的驾驶员的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910385632.7A CN110276245A (zh) | 2019-05-09 | 2019-05-09 | 一种驾驶员的人脸识别方法、装置、系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910385632.7A CN110276245A (zh) | 2019-05-09 | 2019-05-09 | 一种驾驶员的人脸识别方法、装置、系统及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276245A true CN110276245A (zh) | 2019-09-24 |
Family
ID=67959865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910385632.7A Pending CN110276245A (zh) | 2019-05-09 | 2019-05-09 | 一种驾驶员的人脸识别方法、装置、系统及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276245A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758325A (zh) * | 2019-10-23 | 2020-02-07 | 上海能塔智能科技有限公司 | 车辆的人脸认证方法及装置、存储介质、终端、汽车 |
CN112766086A (zh) * | 2021-01-04 | 2021-05-07 | 深圳阜时科技有限公司 | 一种识别模板注册方法及存储介质 |
CN114694284A (zh) * | 2022-03-24 | 2022-07-01 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
CN105235615A (zh) * | 2015-10-27 | 2016-01-13 | 浙江吉利控股集团有限公司 | 一种基于人脸识别的车辆控制系统 |
CN108647708A (zh) * | 2018-04-28 | 2018-10-12 | 清华-伯克利深圳学院筹备办公室 | 驾驶员评估方法、装置、设备和存储介质 |
CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
CN109522792A (zh) * | 2018-10-09 | 2019-03-26 | 浙江吉利控股集团有限公司 | 一种驾驶身份验证系统和方法 |
EP3480729A1 (en) * | 2017-11-07 | 2019-05-08 | Tata Consultancy Services Limited | System and method for face position tracking and alerting user |
-
2019
- 2019-05-09 CN CN201910385632.7A patent/CN110276245A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
CN105235615A (zh) * | 2015-10-27 | 2016-01-13 | 浙江吉利控股集团有限公司 | 一种基于人脸识别的车辆控制系统 |
EP3480729A1 (en) * | 2017-11-07 | 2019-05-08 | Tata Consultancy Services Limited | System and method for face position tracking and alerting user |
CN108647708A (zh) * | 2018-04-28 | 2018-10-12 | 清华-伯克利深圳学院筹备办公室 | 驾驶员评估方法、装置、设备和存储介质 |
CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
CN109522792A (zh) * | 2018-10-09 | 2019-03-26 | 浙江吉利控股集团有限公司 | 一种驾驶身份验证系统和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758325A (zh) * | 2019-10-23 | 2020-02-07 | 上海能塔智能科技有限公司 | 车辆的人脸认证方法及装置、存储介质、终端、汽车 |
CN112766086A (zh) * | 2021-01-04 | 2021-05-07 | 深圳阜时科技有限公司 | 一种识别模板注册方法及存储介质 |
CN114694284A (zh) * | 2022-03-24 | 2022-07-01 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
CN114694284B (zh) * | 2022-03-24 | 2024-03-22 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fang et al. | Intention recognition of pedestrians and cyclists by 2d pose estimation | |
US10684681B2 (en) | Neural network image processing apparatus | |
US10157441B2 (en) | Hierarchical system for detecting object with parallel architecture and hierarchical method thereof | |
Khraief et al. | Elderly fall detection based on multi-stream deep convolutional networks | |
CN110276245A (zh) | 一种驾驶员的人脸识别方法、装置、系统及终端 | |
Ohn-Bar et al. | Learning to detect vehicles by clustering appearance patterns | |
Zhang et al. | Real-time multiple human perception with color-depth cameras on a mobile robot | |
Min et al. | Traffic sign recognition based on semantic scene understanding and structural traffic sign location | |
US6804396B2 (en) | Gesture recognition system | |
Köhler et al. | Early detection of the pedestrian's intention to cross the street | |
JP2021510225A (ja) | ビデオチューブを使用した行動認識方法 | |
US20070230797A1 (en) | Method, apparatus, and program for detecting sightlines | |
JP2022517254A (ja) | 注視エリア検出方法、装置、及び電子デバイス | |
CN111797657A (zh) | 车辆周边障碍检测方法、装置、存储介质及电子设备 | |
Sohail et al. | Detection of facial feature points using anthropometric face model | |
KR20180042254A (ko) | 오브젝트 추적을 위한 시스템들 및 방법들 | |
Bär et al. | Driver head pose and gaze estimation based on multi-template icp 3-d point cloud alignment | |
CN108089695B (zh) | 一种控制可移动设备的方法和装置 | |
JP2005318546A (ja) | 画像認識システム、画像認識方法、及び画像認識プログラム | |
US10521679B2 (en) | Human detection device, human detection system, human detection method, and human detection program | |
CN110826370A (zh) | 车内人员的身份识别方法、装置、车辆及存储介质 | |
JP2010123019A (ja) | 動作認識装置及び方法 | |
JP2012221162A (ja) | 対象物検出装置及びプログラム | |
Wang et al. | Towards a kinect-based behavior recognition and analysis system for small animals | |
Rangesh et al. | Long-term multi-cue tracking of hands in vehicles |
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: 20190924 |
|
RJ01 | Rejection of invention patent application after publication |