CN111046806A - 异构图像人脸识别目标库生成方法 - Google Patents
异构图像人脸识别目标库生成方法 Download PDFInfo
- Publication number
- CN111046806A CN111046806A CN201911289448.9A CN201911289448A CN111046806A CN 111046806 A CN111046806 A CN 111046806A CN 201911289448 A CN201911289448 A CN 201911289448A CN 111046806 A CN111046806 A CN 111046806A
- Authority
- CN
- China
- Prior art keywords
- image
- face recognition
- requirement
- target library
- recognition target
- 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 13
- 210000001747 pupil Anatomy 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种异构图像人脸识别目标库生成方法,包括以下步骤:A.汇集采集图像;B.检查图像是否损坏;C.诊断未损坏图像的图像类型并统一转化为标准JPEG格式;D.检查瞳距是否满足要求,如果检测到人脸并且瞳距满足要求则进入步骤E;E.推理出图像多维度信息;F.根据推理出的多维度信息评估图像是否满足人脸识别要求,如果满足则将图像输出到人脸识别图像目标库;G.重复步骤C‑F,生成人脸识别目标库;H.将不满足人脸识别要求目标库信息输出,重新采集,重复步骤A‑G,生成最终人脸识别目标库。本发明有益效果:在一定程度上提高了面向大众的大规模人脸识别目标库生成的效率,节省了异构图像人脸图像采集的时间。
Description
技术领域
本发明属于人脸识别技术领域,尤其是涉及一种异构图像人脸识别目标库生成方法。
背景技术
随着人工智能技术的发展,人脸识别技术越来越多地服务于我们的日常生活。生成人脸识别目标库作为人脸识别的基础工作也日益暴露出各种问题。由于大众对图像专业知识的缺乏提交的人脸照片通常是各种设备拍摄各种格式的异构图像,并且人脸质量通常不能满足人脸识别的要求,需要与专业人员通过反复沟通才能解决问题。
发明内容
有鉴于此,本发明旨在提出一种异构图像人脸识别目标库生成方法,以解决上述问题的不足之处。
为达到上述目的,本发明的技术方案是这样实现的:
异构图像人脸识别目标库生成方法,包括以下步骤:
A.汇集采集图像;
B.检查图像是否损坏,把所有损坏图像输入到不满足人脸识别要求图像库;
C.诊断未损坏图像的图像类型并统一转化为标准JPEG格式;
D.检查瞳距是否满足大于或等于30像素的要求,如果检测到人脸并且瞳距满足要求则进入步骤E;否则,将图像输出到不满足人脸识别要求图像库;
E.推理出图像多维度信息;
F.根据推理出的多维度信息评估图像是否满足人脸识别要求,如果满足则将图像输出到人脸识别图像目标库,否则输出到不满足人脸识别要求图像库;
G.重复步骤C-F,生成人脸识别目标库;
H.将不满足人脸识别要求目标库信息输出,重新采集,重复步骤A-G,生成最终人脸识别目标库。
进一步的,所述步骤E中通过基于InceptionResnet和ResNeXt的深度学习网络进行推理。
进一步的,所述步骤F中满足人脸识别要求的条件为人脸质量得分大于或等于80分。
相对于现有技术,本发明所述的异构图像人脸识别目标库生成方法具有以下优势:
本发明所述的异构图像人脸识别目标库生成方法包括异构图像类型诊断部分和多维度图像质量评价部分,异构图像诊断部分实现图像类型诊断并统一转换成图像质量为95%的标准JPEG图像;多维度图像质量评价部分从表情,眼镜,遮挡,瞳距,姿态,亮度,对比度,浓妆,运动模糊,高斯模糊,几何畸变等维度进行质量评价;对于满足要求的图像生成目标库,对于未满足要求的图像返回不满足要求维度的信息;在一定程度上提高了面向大众的大规模人脸识别目标库生成的效率,节省了异构图像人脸图像采集的时间。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的异构图像人脸识别目标库生成方法流程图;
图2为异构图像类型诊断流程图;
图3为多维度图像质量评估示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
如图1至图3所示,异构图像人脸识别目标库生成方法,包括以下步骤:
A.汇集采集图像,把采集到的异构图像汇集起来;
B.检查图像是否损坏,把所有损坏图像输入到不满足人脸识别要求图像库;
C.诊断未损坏图像的图像类型并统一转化为标准JPEG格式;
D.检查瞳距是否满足大于或等于30像素的要求,如果检测到人脸并且瞳距满足要求则进入步骤E;否则,将图像输出到不满足人脸识别要求图像库;
E.推理出图像多维度信息;
F.根据推理出的多维度信息评估图像是否满足人脸识别要求,如果满足则将图像输出到人脸识别图像目标库,否则输出到不满足人脸识别要求图像库;
G.重复步骤C-F,生成人脸识别目标库;
H.将不满足人脸识别要求目标库信息输出,重新采集,重复步骤A-G,生成最终人脸识别目标库。
所述步骤E中通过基于InceptionResnet和ResNeXt的深度学习网络进行推理。
所述步骤F中满足人脸识别要求的条件为人脸质量得分大于或等于80分。
以上所述仅为本发明的较佳实施例而已,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 (3)
1.异构图像人脸识别目标库生成方法,其特征在于,包括以下步骤:
A.汇集采集图像;
B.检查图像是否损坏,把所有损坏图像输入到不满足人脸识别要求图像库;
C.诊断未损坏图像的图像类型并统一转化为标准JPEG格式;
D.检查瞳距是否满足大于或等于30像素的要求,如果检测到人脸并且瞳距满足要求则进入步骤E;否则,将图像输出到不满足人脸识别要求图像库;
E.推理出图像多维度信息;
F.根据推理出的多维度信息评估图像是否满足人脸识别要求,如果满足则将图像输出到人脸识别图像目标库,否则输出到不满足人脸识别要求图像库;
G.重复步骤C-F,生成人脸识别目标库;
H.将不满足人脸识别要求目标库信息输出,重新采集,重复步骤A-G,生成最终人脸识别目标库。
2.根据权利要求1所述的异构图像人脸识别目标库生成方法,其特征在于:所述步骤E中通过基于InceptionResnet和ResNeXt的深度学习网络进行推理。
3.根据权利要求1所述的异构图像人脸识别目标库生成方法,其特征在于:所述步骤F中满足人脸识别要求的条件为人脸质量得分大于或等于80分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289448.9A CN111046806A (zh) | 2019-12-12 | 2019-12-12 | 异构图像人脸识别目标库生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289448.9A CN111046806A (zh) | 2019-12-12 | 2019-12-12 | 异构图像人脸识别目标库生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111046806A true CN111046806A (zh) | 2020-04-21 |
Family
ID=70236515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911289448.9A Pending CN111046806A (zh) | 2019-12-12 | 2019-12-12 | 异构图像人脸识别目标库生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046806A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642481A (zh) * | 2021-08-17 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 识别方法、训练方法、装置、电子设备以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
CN107977439A (zh) * | 2017-12-07 | 2018-05-01 | 宁波亿拍客网络科技有限公司 | 一种人脸图像库构建方法 |
CN108319938A (zh) * | 2017-12-31 | 2018-07-24 | 奥瞳系统科技有限公司 | 用于高性能人脸识别系统的高质量训练数据准备系统 |
CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及系统 |
CN109359609A (zh) * | 2018-10-25 | 2019-02-19 | 浙江宇视科技有限公司 | 一种人脸识别训练样本获取方法及装置 |
CN110390229A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视数字技术股份有限公司 | 一种人脸图片筛选方法、装置、电子设备及存储介质 |
-
2019
- 2019-12-12 CN CN201911289448.9A patent/CN111046806A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
CN107977439A (zh) * | 2017-12-07 | 2018-05-01 | 宁波亿拍客网络科技有限公司 | 一种人脸图像库构建方法 |
CN108319938A (zh) * | 2017-12-31 | 2018-07-24 | 奥瞳系统科技有限公司 | 用于高性能人脸识别系统的高质量训练数据准备系统 |
CN110390229A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视数字技术股份有限公司 | 一种人脸图片筛选方法、装置、电子设备及存储介质 |
CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及系统 |
CN109359609A (zh) * | 2018-10-25 | 2019-02-19 | 浙江宇视科技有限公司 | 一种人脸识别训练样本获取方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642481A (zh) * | 2021-08-17 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 识别方法、训练方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170049389A1 (en) | Internet-Based Traditional Chinese Medical Science Health Consultation System | |
WO2021208601A1 (zh) | 基于人工智能的图像处理方法、装置、设备及存储介质 | |
CN111597946B (zh) | 图像生成器的处理方法、图像生成方法及装置 | |
CN101610425B (zh) | 一种评测立体图像质量的方法和装置 | |
CN113255763B (zh) | 基于知识蒸馏的模型训练方法、装置、终端及存储介质 | |
CN108960126A (zh) | 手语翻译的方法、装置、设备及系统 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN107873097A (zh) | 适用于处理异步信号的方法 | |
CN112258382A (zh) | 一种基于图像到图像的面部风格转移方法和系统 | |
CN111243730A (zh) | 一种基于乳腺超声影像的乳腺病灶智能分析方法及系统 | |
CN106202948A (zh) | 一种可数字化超声心动图报告自动管理的方法和系统 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
WO2021027152A1 (zh) | 基于条件生成对抗网络合成图像的方法及相关设备 | |
CN111046806A (zh) | 异构图像人脸识别目标库生成方法 | |
CN111797811A (zh) | 一种基于图像理解的盲人导航系统 | |
KR102036052B1 (ko) | 인공지능 기반으로 비규격화 피부 이미지의 의료 영상 적합성을 판별 및 변환하는 장치 | |
CN113837390A (zh) | 一种模态信息补全方法、装置及设备 | |
CN111652837A (zh) | 基于ai的甲状腺结节左右叶定位与超声报告纠错方法 | |
CN108765413B (zh) | 用于图像分类的方法、装置及计算机可读介质 | |
CN114548403B (zh) | 一种医学图像数据平台的数据处理方法与系统 | |
CN116433679A (zh) | 一种基于空间位置结构先验的内耳迷路多级标注伪标签生成与分割方法 | |
Zahedi et al. | Robust sign language recognition system using ToF depth cameras | |
CN111274447A (zh) | 基于视频的目标表情生成方法、装置、介质、电子设备 | |
Charih et al. | Mining audiograms to improve the interpretability of automated audiometry measurements | |
Unal et al. | Customized design of hearing aids using statistical shape learning |
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: 20200421 |
|
RJ01 | Rejection of invention patent application after publication |