CN110472610B - 一种自深度优化的人脸识别装置及其方法 - Google Patents
一种自深度优化的人脸识别装置及其方法 Download PDFInfo
- Publication number
- CN110472610B CN110472610B CN201910776121.8A CN201910776121A CN110472610B CN 110472610 B CN110472610 B CN 110472610B CN 201910776121 A CN201910776121 A CN 201910776121A CN 110472610 B CN110472610 B CN 110472610B
- Authority
- CN
- China
- Prior art keywords
- face recognition
- arc
- motor
- shaped
- depth
- 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
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
- G06V10/10—Image acquisition
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Input (AREA)
Abstract
本发明公开了一种自深度优化的人脸识别装置及其方法,包括壳体和位于所述壳体底端的站板,所述壳体靠近所述站板的一侧开设有滑槽,所述滑槽内设有与其相匹配的滑块,所述壳体内的底端设有第一电机,所述第一电机的输出端设有延伸至所述滑槽内并贯穿所述滑块的丝杆,所述滑块内设有立体人脸识别机构,所述壳体的一侧设有与所述立体人脸识别机构相匹配的距离传感器。有益效果:电机带动丝杆旋转将立体人脸识别机构升降至合适高度的设计,便于适应不同身高的人群;内部人脸识别基准库可以根据时间周期和特征数据变化率基于自深度优化算法动态更新。极大的提高对于人脸处于快速生长发育或者衰老阶段的人群的人脸识别率,从而极大的提高人脸识别技术在不同人群和不同领域的应用广度和深度。
Description
技术领域
本发明涉及图像识别技术领域,具体来说,涉及一种自深度优化的人脸识别装置及其方法。
背景技术
脸识别技术是图像处理方面的重要技术,是生物特征识别中较活跃的研究领域,采用计算机视觉和图像处理技术,利用人脸的轮廓特征和局部细节特征,进行人脸识别。目前已经在身份鉴别和权限控制等方面得到了应用。
然而识别率不高是一直妨碍人脸识别技术广泛应用的重要原因,尤其是现有技术针对在快速生长发育阶段的儿童及青少年,及快速衰老阶段的老人识别成功率不足。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种自深度优化的人脸识别装置及其方法,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:一种自深度优化的人脸识别装置,包括壳体和位于所述壳体底端的站板,所述壳体靠近所述站板的一侧开设有滑槽,所述滑槽内设有与其相匹配的滑块,所述滑块内设有立体人脸识别机构,所述壳体内的底端设有第一电机,所述第一电机的输出端设有延伸至所述滑槽内并贯穿所述滑块的丝杆,所述滑块内设有立体人脸识别机构,所述壳体的一侧设有与所述立体人脸识别机构相匹配的距离传感器,所述滑块上位于所述立体人脸识别机构上方固定设有高度定位机构;所述立体人脸识别机构包括弧形滑轨,所述弧形滑轨的两端通过支架固定在所述滑块上,所述弧形滑轨外套设有移动套筒,所述移动套筒上固定设有人脸识别相机,所述移动套筒远离所述人脸识别相机的两端内壁固定设有支杆,所述支杆上设有滚轮,所述滚轮与所述弧形滑轨的内壁相接触,所述弧形滑轨的内壁固定设有与所述弧形滑轨的弧度相适配的弧形齿条,所述弧形齿条的一侧啮合设有第一齿轮,所述第一齿轮的中部通过轴承设有连接杆,所述连接杆的两端固定在所述支杆上,所述第一齿轮的一侧啮合设有第二齿轮,所述第二齿轮通过电机轴与第二电机的输出端相连接,所述第二电机固定在固定板上,所述固定板固定在移动套筒远离所述人脸识别相机的一侧,所述弧形滑轨的弧度不小于150度,所述弧形滑轨的两端均固定设有第一压力传感器;所述站板的顶端设有第二压力传感器,所述第二压力传感器、所述距离传感器和所述立体人脸识别机构以及所述第一电机分别均与位于所述壳体一侧的控制器相电性连接;所述高度定位机构包括连接座,所述连接座上设有按压板,所述按压板下固定设有若干补光灯,所述按压板远离所述连接座的一端固定设有第三压力传感器,所述第三压力传感器的周围位于所述按压板下端通过若干弹簧连接设有顶板,所述顶板下设有海绵垫,所述海绵垫的周围通过密封布与所述按压板相连接;所述连接座包括数量为两块的夹板,所述夹板一端夹持设有固定块,所述固定块固定在所述滑块上,所述固定块与所述夹板之间通过若干螺栓相固定连接,所述固定块的内壁固定设有弧形连接板,所述弧形连接板上通过销轴与所述按压板的一端相连接,所述按压板的两侧固定设有弧形板,所述弧形板外壁固定设有若干凸起,所述夹板的内壁开设有弧形槽,所述弧形槽内壁开设有若干凹槽,所述凸起与所述凹槽相适配。
更进一步地,所述第一电机和所述第二电机均为多频防爆正反转电机。
更进一步地,用于权利要求3所述的自深度优化的人脸识别装置的使用,其特征在于,包括以下步骤:
通过距离传感器与第二压力传感器的数据得到被检测的人员已然站立在站板上;
第一电机带动丝杆旋转将立体人脸识别机构下降,直至按压板上的第三压力传感器感受到压力,进而控制器控制第一电机停止工作;
此时控制器控制第二电机工作,通过第一齿轮、第二齿轮和弧形齿条的限位下,移动套筒携带人脸识别相机弧形运动;
在完成一个弧形运动的过程中,人脸识别相机获取并记录视频流中人脸的每帧的数据,形成3D原始数据集;
然后关闭第二电机,启动第一电机带动丝杆旋转将立体人脸识别机构上移,等待下一次检测;
将上述3D原始数据集进行直方图均衡化、特征提取和降维,即利用PCA算法对图像进行特征提取和降维;
同时在行与列上对图像矩阵进行降维,进一步降低特征向量的维数,有效降低问题的时间复杂度。
本发明还提供了一种自深度优化的人脸识别方法,在一定时间周期内基于时间序列去掉最不稳定的偏离度最高的,在符合变化趋势区间内的且识别率低于某个特征数据变化率的某个时间点调整人脸识别基准图像库;
基于人脸图像大数据的深度学习,预测人脸识别特征数据的变化趋势,根据预测的变化趋势及变化率周期性动态调整人脸识别基准图像库被更新的时间周期及特征数据变化率。
更进一步地,根据人脸的图像并跟踪变化趋势,并根据时间周期或者特征数据变化率来动态更新恰当的人脸识别基准图像和数据。
更进一步地,周期性更新的实拍图像和数据是预测深度学习的数据输入,从而训练和优化预测算法和模型。
更进一步地,动态调整实拍更新需要的时间周期或特征数据变化率的有效参考,从而提高基准图像库和数据库的稳定性和可靠性。
更进一步地,基于时间序列及预测算法自动过滤偏离度过高的人脸图像输入,从而降低动态更新基准图像库和数据库时的输入性污染,提高基准图像库和数据库的稳定性和可靠性。
本发明的有益效果为:
(1)、第一电机带动丝杆旋转将立体人脸识别机构升降至合适高度的设计,便于适应不同身高的人群,极大的提高对于人脸处于快速生长发育或者衰老阶段的人群的人脸识别率,从而极大的提高人脸识别技术在不同人群和不同领域的应用广度和深度。
(2)、通过适当的基准库调整和更新,使基准库和真实人脸的生长发育更加贴近,从而能够使得人脸识别的结果更加的贴近真实,信息更加的准确。
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是根据本发明实施例的一种自深度优化的人脸识别装置的结构示意图;
图2是根据本发明实施例的一种自深度优化的人脸识别装置中弧形滑轨的俯视图;
图3是根据本发明实施例的一种自深度优化的人脸识别装置中移动套筒的剖视图;
图4是根据本发明实施例的一种自深度优化的人脸识别装置中顶板的剖视图;
图5是根据本发明实施例的一种自深度优化的人脸识别装置中顶板的结构示意图;
图6是根据本发明实施例的一种自深度优化的人脸识别装置中连接座的结构示意图
图7是根据本发明实施例的一种自深度优化的人脸识别装置中连接座的俯视图;
图8是根据本发明实施例的一种自深度优化的人脸识别方法的流程图;
图9是根据本发明实施例的一种自深度优化的人脸识别装置的结构示意图;
图10是根据本发明实施例的一种自深度优化的人脸识别装置及其方法的步骤图。
图中(图1-8的附图标记如下):
1、壳体;2、站板;3、滑槽;4、滑块;5、第一电机;6、丝杆;7、立体人脸识别机构;8、距离传感器;9、第二压力传感器;10、控制器;11、高度定位机构;12、弧形滑轨;13、支架;14、移动套筒;15、人脸识别相机;16、支杆;17、滚轮;18、弧形齿条;19、第一齿轮;20、连接杆;21、第二齿轮;22、第二电机;23、固定板;24、第一压力传感器;25、连接座;26、按压板;27、补光灯;28、第三压力传感器;29、弹簧;30、顶板;31、海绵垫;32、夹板;33、弧形连接板;34、弧形板;35、凸起;36、弧形槽;37、凹槽。
图中(图9-10的附图标记如下):
1、壳体;2、站板;3、滑槽;4、滑块;5、第一电机;6、丝杆;7、人脸识别相机;8、距离传感器;9、压力传感器;10、控制器。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种自深度优化的人脸识别装置。
实施例一;
如图1-3所示,根据本发明实施例的自深度优化的人脸识别装置,包括壳体1和位于所述壳体1底端的站板2,所述壳体1靠近所述站板2的一侧开设有滑槽3,所述滑槽3内设有与其相匹配的滑块4,所述壳体1内的底端设有第一电机5,所述第一电机5的输出端设有延伸至所述滑槽3内并贯穿所述滑块4的丝杆6,所述滑块4内设有立体人脸识别机构7,所述壳体1的一侧设有与所述立体人脸识别机构7相匹配的距离传感器8,所述滑块4上位于所述立体人脸识别机构7上方固定设有高度定位机构11;
所述立体人脸识别机构7包括弧形滑轨12,所述弧形滑轨12的两端通过支架13固定在所述滑块4上,所述弧形滑轨12外套设有移动套筒14,所述移动套筒14上固定设有人脸识别相机15,所述移动套筒14远离所述人脸识别相机15的两端内壁固定设有支杆16,所述支杆16上设有滚轮17,所述滚轮17与所述弧形滑轨12的内壁相接触,所述弧形滑轨12的内壁固定设有与所述弧形滑轨12的弧度相适配的弧形齿条18,所述弧形齿条18的一侧啮合设有第一齿轮19,所述第一齿轮19的中部通过轴承设有连接杆20,所述连接杆20的两端固定在所述支杆16上,所述第一齿轮19的一侧啮合设有第二齿轮21,所述第二齿轮21通过电机轴与第二电机22的输出端相连接,所述第二电机22固定在固定板23上,所述固定板23固定在移动套筒14远离所述人脸识别相机15的一侧,所述弧形滑轨12的弧度不小于150度,所述弧形滑轨12的两端均固定设有第一压力传感器24。
通过上述技术方案,第一电机5带动丝杆6旋转将立体人脸识别机构7升降至合适高度的设计,便于适应不同身高的人群,极大的提高对于人脸处于快速生长发育或者衰老阶段的人群的人脸识别率,从而极大的提高人脸识别技术在不同人群和不同领域的应用广度和深度。
实施例二:
如图1所示,所述站板2的顶端设有第二压力传感器9,所述第二压力传感器9、所述距离传感器8和所述立体人脸识别机构7以及所述第一电机5分别均与位于所述壳体1一侧的控制器10相电性连接。所述第一电机5和所述第二电机22均为多频防爆正反转电机。
实施例三:
如图4-5所示,所述高度定位机构11包括连接座25,所述连接座25上设有按压板26,所述按压板26下固定设有若干补光灯27,所述按压板26远离所述连接座25的一端固定设有第三压力传感器28,所述第三压力传感器28的周围位于所述按压板26下端通过若干弹簧29连接设有顶板30,所述顶板30下设有海绵垫31,所述海绵垫31的周围通过密封布与所述按压板相连接。
通过上述技术方案,通过补光灯27能够增加其面部的反光率,继而令采集的数据更加的真实准确,通过设置第三压力传感器28,使得当按压板26下移到一定程度,此时海绵垫31与人头顶部接触,从而能够令弹簧29稍微的回缩,此时第三压力传感器28感受到压力,进而第一电机5停止工作,才能够令第二电机22工作,结构简单,反应瞬速,通过设置密封布减少外界的灰尘进入到第三压力传感器28内部。
实施例四:
如图6-7所示,所述连接座25包括数量为两块的夹板32,所述夹板32一端夹持设有固定块,所述固定块固定在所述滑块4上,所述固定块与所述夹板32之间通过若干螺栓相固定连接,所述固定块的内壁固定设有弧形连接板33,所述弧形连接板33上通过销轴与所述按压板26的一端相连接,所述按压板26的两侧固定设有弧形板34,所述弧形板34外壁固定设有若干凸起35,所述夹板32的内壁开设有弧形槽36,所述弧形槽36内壁开设有若干凹槽37,所述凸起35与所述凹槽37相适配。
通过上述技术方案,使得当遇到第三压力传感器28损坏,为了避免按压板损伤相关人员,当按压板26持续下压以后,令弧形板34在弧形槽36内滑动,使得凸起35卡接在凹槽37内,若相关人员躲避不及,则凸起35与持续的卡在下一个凹槽37内,继而能够改变按压板26的角度,减少按压板26持续按压的几率,避免伤害到相关人员。
另外,如图8所示,根据本发明的实施例,还提供了一种自深度优化的人脸识别方法,包括以下步骤:
步骤S101,通过距离传感器与第二压力传感器的数据得到被检测的人员已然站立在站板上;
步骤S103,第一电机带动丝杆旋转将立体人脸识别机构下降,直至按压板上的第三压力传感器感受到压力,进而控制器控制第一电机停止工作;
步骤S105,此时控制器控制第二电机工作,通过第一齿轮、第二齿轮和弧形齿条的限位下,移动套筒携带人脸识别相机弧形运动;
步骤S107,在完成一个弧形运动的过程中,人脸识别相机获取并记录视频流中人脸的每帧的数据,形成3D原始数据集;
步骤S109,然后关闭第二电机,启动第一电机带动丝杆旋转将立体人脸识别机构上移,等待下一次检测;
步骤S111,将上述3D原始数据集进行直方图均衡化、特征提取和降维,即利用PCA算法对图像进行特征提取和降维;
步骤S113,同时在行与列上对图像矩阵进行降维,进一步降低特征向量的维数,有效降低问题的时间复杂度;
步骤S115,去掉最不稳定的偏离度最高的,在符合变化趋势区间内的某个时间点调整基准图像库;
步骤S117,基于人脸图像大数据的深度学习,预测人脸识别特征数据的变化趋势,根据预测的变化趋势及变化率周期性动态调整人脸识别基准图像和数据。
另外,在一个实施例中,所述原始数据集包括识别结果ID、人脸框的坐标、置信度、角度值,根据人脸的图像并跟踪变化趋势,并根据时间周期或者特征数据变化率来动态更新恰当的人脸识别基准图像和数据,周期性更新的实拍图像和数据是预测深度学习的数据输入,从而训练和优化预测算法和模型,动态调整实拍更新需要的时间周期或特征数据变化率的有效参考,从而提高基准图像库和数据库的稳定性和可靠性。
优选的,基于时间序列及预测算法自动过滤偏离度过高的人脸图像输入,从而降低动态更新基准图像库和数据库时的输入性污染,提高基准图像库和数据库的稳定性和可靠性。
综上所述,借助于本发明的上述技术方案,第一电机5带动丝杆6旋转将立体人脸识别机构7升降至合适高度的设计,便于适应不同身高的人群,极大的提高对于人脸处于快速生长发育或者衰老阶段的人群的人脸识别率,从而极大的提高人脸识别技术在不同人群和不同领域的应用广度和深度。通过补光灯27能够增加其面部的反光率,继而令采集的数据更加的真实准确,通过设置第三压力传感器28,使得当按压板26下移到一定程度,此时海绵垫31与人头顶部接触,从而能够令弹簧29稍微的回缩,此时第三压力传感器28感受到压力,进而第一电机5停止工作,才能够令第二电机22工作,结构简单,反应瞬速,通过设置密封布减少外界的灰尘进入到第三压力传感器28内部。使得当遇到第三压力传感器28损坏,为了避免按压板损伤相关人员,当按压板26持续下压以后,令弧形板34在弧形槽36内滑动,使得凸起35卡接在凹槽37内,若相关人员躲避不及,则凸起35与持续的卡在下一个凹槽37内,继而能够改变按压板26的角度,减少按压板26持续按压的几率,避免伤害到相关人员。
作为本发明的另外一个实施例,提供了一种自深度优化的人脸识别装置及其方法。
如图9-10所示,根据本发明实施例的自深度优化的人脸识别装置,包括壳体1和位于所述壳体1底端的站板2,所述壳体1靠近所述站板2的一侧开设有滑槽3,所述滑槽3内设有与其相匹配的滑块4,所述壳体1内的底端设有第一电机5,所述第一电机5的输出端设有延伸至所述滑槽3内并贯穿所述滑块4的丝杆6,所述滑块4内设有人脸识别相机7,所述壳体1的一侧设有与所述人脸识别相机7相匹配的距离传感器8。
所述站板2的顶端设有压力传感器9,所述压力传感器9、所述距离传感器8和所述人脸识别相机7以及所述第一电机5分别均与位于所述壳体1一侧的控制器10相电性连接。
所述第一电机5为多频防爆正反转电机。
进一步地,如图9-10所示,根据本发明的另一方面,提供了一种自深度优化的人脸识别装置的方法。
该自深度优化的人脸识别装置的方法,包括以下步骤:
通过距离传感器8与压力传感器9的数据配合得出被人脸识别者的身高;
第一电机5带动丝杆6旋转将人脸识别相机7升降至合适高度;
然后人脸识别相机7获取并记录视频流中每一人脸的每帧的数据,形成原始数据集;
在对对人脸图像进行直方图均衡化、特征提取和降维,即利用PCA算法对图像进行特征提取和降维;
同时在行与列上对图像矩阵进行降维,进一步降低特征向量的维数,有效降低问题的时间复杂度;
去掉最不稳定的偏离度最高的,在符合变化趋势区间内的某个时间点调整基准图像库;
基于人脸图像大数据的深度学习,预测人脸识别特征数据的变化趋势,根据预测的变化趋势及变化率周期性动态调整人脸识别基准图像和数据;
进一步地,如图1-2所示,所述原始数据集包括识别结果ID、人脸框的坐标、置信度、角度值,根据人脸的图像并跟踪变化趋势,并根据时间周期或者特征数据变化率来动态更新恰当的人脸识别基准图像和数据,周期性更新的实拍图像和数据是预测深度学习的数据输入,从而训练和优化预测算法和模型,动态调整实拍更新需要的时间周期或特征数据变化率的有效参考,从而提高基准图像库和数据库的稳定性和可靠性。
进一步地,如图9-10所示,为了方便理解本发明的上述技术方案,以下结合附图对本发明的上述方案的流程进行详细说明,具体如下:
根据本发明的实施例,还提供了一种自深度优化的人脸识别装置的方法,包括以下步骤:
步骤S101,第一电机5带动丝杆6旋转将人脸识别相机7升降至合适高度;
步骤S103,然后人脸识别相机7获取并记录视频流中每一人脸的每帧的数据,形成原始数据集;
步骤S105,在对对人脸图像进行直方图均衡化、特征提取和降维,即利用PCA算法对图像进行特征提取和降维;
步骤S107,同时在行与列上对图像矩阵进行降维,进一步降低特征向量的维数,有效降低问题的时间复杂度;
步骤S109,去掉最不稳定的偏离度最高的,在符合变化趋势区间内的某个时间点调整基准图像库;
步骤S111,基于人脸图像大数据的深度学习,预测人脸识别特征数据的变化趋势,根据预测的变化趋势及变化率周期性动态调整人脸识别基准图像和数据。
综上所述,借助于本发明的上述技术方案,第一电机5带动丝杆6旋转将人脸识别相机7升降至合适高度的设计,便于适应不同身高的人群,极大的提高对于人脸处于快速生长发育或者衰老阶段的人群的人脸识别率,从而极大的提高人脸识别技术在不同人群和不同领域的应用广度和深度。
以上所述仅为本发明的较佳实施例而已,上述实施例可以相互组合,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 (2)
1.一种自深度优化的人脸识别装置,其特征在于,包括壳体(1)和位于所述壳体(1)底端的站板(2),所述壳体(1)靠近所述站板(2)的一侧开设有滑槽(3),所述滑槽(3)内设有与其相匹配的滑块(4),所述滑块(4)内设有立体人脸识别机构(7),所述壳体(1)内的底端设有第一电机(5),所述第一电机(5)的输出端设有延伸至所述滑槽(3)内并贯穿所述滑块(4)的丝杆(6),所述壳体(1)的一侧设有与所述立体人脸识别机构(7)相匹配的距离传感器(8),所述滑块(4)上位于所述立体人脸识别机构(7)上方固定设有高度定位机构(11);
所述立体人脸识别机构(7)包括弧形滑轨(12),所述弧形滑轨(12)的两端通过支架(13)固定在所述滑块(4)上,所述弧形滑轨(12)外套设有移动套筒(14),所述移动套筒(14)上固定设有人脸识别相机(15),所述移动套筒(14)远离所述人脸识别相机(15)的两端内壁固定设有支杆(16),所述支杆(16)上设有滚轮(17),所述滚轮(17)与所述弧形滑轨(12)的内壁相接触,所述弧形滑轨(12)的内壁固定设有与所述弧形滑轨(12)的弧度相适配的弧形齿条(18),所述弧形齿条(18)的一侧啮合设有第一齿轮(19),所述第一齿轮(19)的中部通过轴承设有连接杆(20),所述连接杆(20)的两端固定在所述支杆(16)上,所述第一齿轮(19)的一侧啮合设有第二齿轮(21),所述第二齿轮(21)通过电机轴与第二电机(22)的输出端相连接,所述第二电机(22)固定在固定板(23)上,所述固定板(23)固定在移动套筒(14)远离所述人脸识别相机(15)的一侧,所述弧形滑轨(12)的弧度不小于150度,所述弧形滑轨(12)的两端均固定设有第一压力传感器(24);
所述站板(2)的顶端设有第二压力传感器(9),所述第二压力传感器(9)、所述距离传感器(8)和所述立体人脸识别机构(7)以及所述第一电机(5)分别均与位于所述壳体(1)一侧的控制器(10)相电性连接;所述高度定位机构(11)包括连接座(25),所述连接座(25)上设有按压板(26),所述按压板(26)下固定设有若干补光灯(27),所述按压板(26)远离所述连接座(25)的一端固定设有第三压力传感器(28),所述第三压力传感器(28)的周围位于所述按压板(26)下端通过若干弹簧(29)连接设有顶板(30),所述顶板(30)下设有海绵垫(31),所述海绵垫(31)的周围通过密封布与所述按压板相连接;
所述连接座(25)包括数量为两块的夹板(32),所述夹板(32)一端夹持设有固定块,所述固定块固定在所述滑块(4)上,所述固定块与所述夹板(32)之间通过若干螺栓相固定连接,所述固定块的内壁固定设有弧形连接板(33),所述弧形连接板(33)上通过销轴与所述按压板(26)的一端相连接,所述按压板(26)的两侧固定设有弧形板(34),所述弧形板(34)外壁固定设有若干凸起(35),所述夹板(32)的内壁开设有弧形槽(36),所述弧形槽(36)内壁开设有若干凹槽(37),所述凸起(35)与所述凹槽(37)相适配;
所述自深度优化的人脸识别装置的使用,其特征在于,包括以下步骤:
通过距离传感器与第二压力传感器的数据得到被检测的人员已然站立在站板上;
第一电机带动丝杆旋转将立体人脸识别机构下降,直至按压板上的第三压力传感器感受到压力,进而控制器控制第一电机停止工作;
此时控制器控制第二电机工作,通过第一齿轮、第二齿轮和弧形齿条的限位下,移动套筒携带人脸识别相机弧形运动;
在完成一个弧形运动的过程中,人脸识别相机获取并记录视频流中人脸的每帧的数据,形成3D原始数据集;
然后关闭第二电机,启动第一电机带动丝杆旋转将立体人脸识别机构上移,等待下一次检测;
将上述3D原始数据集进行直方图均衡化、特征提取和降维,即利用PCA算法对图像进行特征提取和降维;
同时在行与列上对图像矩阵进行降维,进一步降低特征向量的维数,有效降低问题的时间复杂度;
在一定时间周期内基于时间序列去掉最不稳定的偏离度最高的人脸图像输入,在符合变化趋势区间内的且识别率低于某个特征数据变化率的某个时间点调整人脸识别基准图像库;
基于人脸图像大数据的深度学习,预测人脸识别特征数据的变化趋势,根据预测的变化趋势及变化率周期性动态调整人脸识别基准图像库被更新的时间周期及特征数据变化率;
根据人脸的图像并跟踪变化趋势,并根据时间周期或者特征数据变化率来动态更新恰当的人脸识别基准图像和数据。
2.根据权利要求1所述的一种自深度优化的人脸识别装置,其特征在于,所述第一电机(5)和所述第二电机(22)均为多频防爆正反转电机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776121.8A CN110472610B (zh) | 2019-08-22 | 2019-08-22 | 一种自深度优化的人脸识别装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776121.8A CN110472610B (zh) | 2019-08-22 | 2019-08-22 | 一种自深度优化的人脸识别装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472610A CN110472610A (zh) | 2019-11-19 |
CN110472610B true CN110472610B (zh) | 2023-08-01 |
Family
ID=68512696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910776121.8A Active CN110472610B (zh) | 2019-08-22 | 2019-08-22 | 一种自深度优化的人脸识别装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472610B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111911760A (zh) * | 2020-08-10 | 2020-11-10 | 厦门软件职业技术学院 | 一种面部识别装置多方向扫描设备 |
CN112215974A (zh) * | 2020-09-27 | 2021-01-12 | 贵州永光盛安防科技有限公司 | 一种基于人像识别的考勤系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679203B (zh) * | 2013-12-18 | 2015-06-17 | 江苏久祥汽车电器集团有限公司 | 机器人的人脸检测与情感识别系统及方法 |
US10614204B2 (en) * | 2014-08-28 | 2020-04-07 | Facetec, Inc. | Facial recognition authentication system including path parameters |
CN106874830B (zh) * | 2016-12-12 | 2019-09-24 | 杭州视氪科技有限公司 | 一种基于rgb-d相机和人脸识别的视障人士辅助方法 |
KR102585858B1 (ko) * | 2017-05-16 | 2023-10-11 | 애플 인크. | 이모지 레코딩 및 전송 |
CN207764856U (zh) * | 2018-01-26 | 2018-08-24 | 吉林省霍谱科技有限公司 | 一种自助识别交互签到机 |
CN208769765U (zh) * | 2018-04-10 | 2019-04-23 | 苏州智泰腾迪信息科技有限公司 | 一种少儿额温晨检装置 |
CN209070546U (zh) * | 2018-05-21 | 2019-07-05 | 新疆识微创融信息科技有限公司 | 一种可调人脸识别仪高度的人脸识别装置 |
CN108846317A (zh) * | 2018-05-24 | 2018-11-20 | 马鞍山倍亿通智能科技有限公司 | 一种具有补光功能的能够遮蔽强光的人脸识别设备 |
CN215679504U (zh) * | 2021-09-30 | 2022-01-28 | 深圳市盈泰智能系统有限公司 | 一种物联网安防运维管理用门禁装置 |
-
2019
- 2019-08-22 CN CN201910776121.8A patent/CN110472610B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110472610A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472610B (zh) | 一种自深度优化的人脸识别装置及其方法 | |
CN111007073B (zh) | 一种増材制造过程中零件缺陷在线检测的方法及检测系统 | |
CN104259670B (zh) | 一种基于机器视觉及工业机器人的涡轮叶片激光切割系统 | |
WO2018028361A1 (zh) | 机器人的充电方法、装置和设备 | |
CN105825268B (zh) | 面向机器人动作学习的数据处理方法和系统 | |
CN108000525A (zh) | 一种图书管理机器人和基于机器人的图书错放识别方法 | |
CN104992141A (zh) | 基于双虹膜、立体人脸和声纹识别的智能生物特征监控总成及监控方法 | |
CN108225798B (zh) | 基于边缘增强识别的轮胎滑移量测试系统及测试方法 | |
CN112816418B (zh) | 手机金属中框缺陷成像系统和检测方法 | |
CN209446480U (zh) | 车辆漆面及外观瑕疵检测装置 | |
CN106599806A (zh) | 一种基于局部曲面几何特征的人体动作识别方法 | |
CN111523377A (zh) | 一种多任务的人体姿态估计和行为识别的方法 | |
CN114184616A (zh) | 一种锂电池用蓝膜的检测装置及其控制方法 | |
Moreno-Noguer et al. | Stochastic exploration of ambiguities for nonrigid shape recovery | |
CN111570292A (zh) | 基于OpenCV的面部识别图书自动分选上架机器人系统 | |
CN116703919A (zh) | 一种基于最优传输距离损失模型的表面杂质检测方法 | |
CN111678009A (zh) | 一种智能图像识别系统及其识别装置 | |
CN113724302B (zh) | 一种个性化眼镜定制方法及定制系统 | |
JP2021521495A (ja) | 商品情報収集装置 | |
WO2022001000A1 (zh) | 一种牙科器械的生产方法、系统、装置及介质 | |
CN108986942A (zh) | 一种燃料棒端塞锥状面打标字符的线阵识别系统 | |
CN111526297B (zh) | 曲面屏图像采集方法、装置及终端设备 | |
CN113672096A (zh) | 一种具有全息效果的智能手势互动显示装置 | |
CN109683719B (zh) | 一种基于YOLOv3的视觉投影交互方法 | |
CN208460031U (zh) | 一种基于深度学习的安检人脸识别装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230921 Address after: Room 305-1, Building A, Lishui Digital Building, No. 153 Lianchuang Street, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province, 311100 Patentee after: Zhejiang Keyu Technology Service Co.,Ltd. Address before: 311100 Room 401, Unit 2, Building 33, Bailujun East, Liangzhu culture Village, Liangzhu Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee before: Wang Xumin |