CN111597894B - 一种基于人脸检测技术的人脸库更新方法 - Google Patents

一种基于人脸检测技术的人脸库更新方法 Download PDF

Info

Publication number
CN111597894B
CN111597894B CN202010292240.9A CN202010292240A CN111597894B CN 111597894 B CN111597894 B CN 111597894B CN 202010292240 A CN202010292240 A CN 202010292240A CN 111597894 B CN111597894 B CN 111597894B
Authority
CN
China
Prior art keywords
face
picture
reference picture
preparation
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.)
Active
Application number
CN202010292240.9A
Other languages
English (en)
Other versions
CN111597894A (zh
Inventor
陈小虎
赵海秀
刘同存
张少杰
王彦青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinxun Digital Technology Hangzhou Co ltd
Original Assignee
Xinxun Digital Technology Hangzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinxun Digital Technology Hangzhou Co ltd filed Critical Xinxun Digital Technology Hangzhou Co ltd
Priority to CN202010292240.9A priority Critical patent/CN111597894B/zh
Publication of CN111597894A publication Critical patent/CN111597894A/zh
Application granted granted Critical
Publication of CN111597894B publication Critical patent/CN111597894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • 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
    • G06F16/55—Clustering; Classification
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

一种基于人脸检测技术的人脸库更新方法，包括：获取人脸图片，采用人脸检测技术获得关键点坐标；计算人脸旋转角度；从人脸基准库中查找人脸旋转角度和图片的人脸旋转角度的差值在阈值范围内的所有基准照，保存到基准照组中；判断基准照组中是否存在和图片的人脸旋转角度相同的基准照，如果是，则将基准照存在标识符设为1，如果否，则将基准照存在标识符设为0；计算基准照组中所有基准照和图片的相似度平均值，并判断是否大于阈值，如果是，继续下一步；判断基准照存在标识符是否是1，如果是，则将图片加入到预备基准库中，如果否，则将图片加入到人脸基准库中。本发明属于信息技术领域，能将人脸图片自动添加到人脸库中，且人脸识别准确率高。

Description

一种基于人脸检测技术的人脸库更新方法
技术领域
本发明涉及一种基于人脸检测技术的人脸库更新方法，属于信息技术领域。
背景技术
在人脸识别技术中，人脸基准库中基准照的数据获取对于人脸识别效果有着举足轻重的作用。现有技术中，人脸基准库中基准照的数据主要来自于网上公开数据集或是已有数据，但这些数据在获取之后都难以进行自动再更新。
专利申请CN 201910305993.6(申请名称：一种自动建立人脸库的方法，申请人：杭州潜能科技有限公司，申请日：2019-04-16)公开了一种自动建立人脸库的方法，包括如下步骤：
步骤1：开始；步骤2：抓拍人脸照片；步骤3：输出比对结果；步骤4：解析比对结果消息；步骤5：若相似度参数大于或等于人脸匹配阈值t，则进入步骤6，否则进入步骤7；步骤6：若抓拍人脸照片评分与人脸库人脸评分的差值大于人阈值g，则进入步骤8，否则结束；步骤7：若相似度参数小于阈值h，则进入步骤10，否则结束；步骤8：上传人脸照片到人脸库，进入步骤9；步骤9：更新人脸库，然后结束；步骤10：若抓拍人脸照片评分大于或等于阈值k，则进入步骤11，否则结束；步骤11：更新人脸库；步骤12：结束。该技术方案通过比较相似度阈值以及人脸评分阈值，无论是人脸库中已存在或者不存在的人脸照片都会被加入到人脸库中，从而导致人脸库中存在大量无明确结果的数据，同时由于进入人脸库中的人脸照片存在有角度问题，也会导致识别效果变差，更新过于频繁并且是没有必要的更新，浪费系统大量资源。
因此，如何能有效将符合要求的人脸图片自动添加到人脸基准库中，并具有较高的人脸识别准确率，已经成为技术人员普遍关注的技术问题。
发明内容
有鉴于此，本发明的目的是提供一种基于人脸检测技术的人脸库更新方法，能有效将符合要求的人脸图片自动添加到人脸基准库中，并具有较高的人脸识别准确率。
为了达到上述目的，本发明提供了一种基于人脸检测技术的人脸库更新方法，包括有：
步骤一、获取目标人脸图片，采用人脸检测技术获得目标人脸图片上的若干个人脸关键点坐标；
步骤二、利用人脸关键点坐标，计算目标人脸图片的人脸旋转角度；
步骤三、为目标人脸图片构建一个基准照组，然后从人脸基准库中查找其人脸旋转角度和目标人脸图片的人脸旋转角度的差值在差值阈值范围内的所有人脸基准照，并将查找到的所有人脸基准照保存到基准照组中，所述人脸基准库用于保存每个用户的人脸基准照及其人脸旋转角度信息；
步骤四、判断目标人脸图片的基准照组是否为空，如果是，则本流程结束；如果否，则继续下一步；
步骤五、判断目标人脸图片的基准照组中是否存在有和目标人脸图片的人脸旋转角度相同的人脸基准照，如果是，则将目标人脸图片的基准照存在标识符设为1，然后继续下一步；如果否，则将目标人脸图片的基准照存在标识符设为0，然后继续下一步；
步骤六、计算目标人脸图片的基准照组中所有人脸基准照和目标人脸图片的相似度平均值，并判断所述相似度平均值是否大于相似度阈值，如果是，则继续步骤七；如果否，则本流程结束；
步骤七、判断目标人脸图片的基准照存在标识符是否是1，如果是，则将目标人脸图片、其人脸旋转角度、基准照组中和目标人脸图片的人脸旋转角度相同的人脸基准照信息作为一条新的预备基准照记录加入到预备基准库中，并将入库时间也保存到所述新的预备基准照记录中；如果否，则将目标人脸图片和其人脸旋转角度作为一条新的人脸基准照记录加入到人脸基准库中，
还包括有：
步骤A1、依次从人脸基准库中读取每条人脸基准照记录，人脸基准照记录包括人脸基准照及其人脸旋转角度信息；
步骤A2、从预备基准库中查找所读取人脸基准照和人脸旋转角度对应的所有预备基准照，然后将查找到的所有预备基准照按照其加入时间的先后次序进行排序，从而构成一个预备基准照队列；
步骤A3、计算所读取人脸基准照和预备基准照队列中的每张预备基准照的人脸轮廓相似度、所读取人脸基准照和每张预备基准照的人脸关键点距离值，并据此计算所读取人脸基准照和预备基准照队列中的每张预备基准照的对比趋势值；
步骤A4、根据所读取人脸基准照和每张预备基准照的对比趋势值，计算所读取人脸基准照的人脸变化趋势值；
步骤A5、从预备基准照队列的所有预备基准照中选取一张和所读取人脸基准照的人脸变化趋势值一致、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照。
与现有技术相比，本发明的有益效果是：本发明将人脸旋转角度作为人脸基准库更新的一个因素，将不同人脸旋转角度下的人脸图片加入到人脸基准库或预备基准库中，可以有效实现人脸基准库的自动更新，并具有较高的人脸识别准确率；本发明除了计算相似度，还进一步通过清晰度、五官完整度、人脸大小程度这3个指标的计算，筛选出具备基准照质量的人脸图片，从而有效确保入库的人脸图片质量；本发明还可以每隔一定时间周期，对人脸基准库中的每张人脸基准照进行人脸脸型变化的预测，然后从预备基准库中选取更符合用户变化趋势的预备基准照替换人脸基准库中的原有人脸基准照，从而进一步实现了较高的人脸识别效果，有效节约系统资源。
附图说明
图1是本发明一种基于人脸检测技术的人脸库更新方法的流程图。
图2是图1步骤二的具体操作流程图。
图3是图1步骤六中，当目标人脸图片的基准照组中所有人脸基准照和目标人脸图片的相似度平均值大于相似度阈值时，还进一步按照基准照要求对目标人脸图片进行筛选，当筛选通过后，再继续步骤七的具体操作流程图。
图4是本发明每隔一定时间周期对每张人脸基准照进行人脸脸型变化的预测，并从预备基准库中选取一张符合用户变化趋势的最近预备基准照更新人脸基准库中的原有人脸基准照的具体操作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
如图1所示，本发明一种基于人脸检测技术的人脸库更新方法，包括有：
步骤一、获取目标人脸图片，采用人脸检测技术获得目标人脸图片上的若干个人脸关键点坐标，所述人脸关键点包括眉毛、眼睛、鼻子、嘴巴、下巴各个部位；
步骤二、利用人脸关键点坐标，计算目标人脸图片的人脸旋转角度；
步骤三、为目标人脸图片构建一个基准照组，然后从人脸基准库中查找其人脸旋转角度和目标人脸图片的人脸旋转角度的差值在差值阈值范围内的所有人脸基准照，并将查找到的所有人脸基准照保存到基准照组中，所述人脸基准库用于保存每个用户的人脸基准照及其人脸旋转角度信息，差值阈值可以根据实际业务需要而设置，例如设置为10°；
步骤四、判断目标人脸图片的基准照组是否为空，如果是，则本流程结束；如果否，则继续下一步；
步骤五、判断目标人脸图片的基准照组中是否存在有和目标人脸图片的人脸旋转角度相同的人脸基准照，如果是，则将目标人脸图片的基准照存在标识符设为1，然后继续下一步；如果否，则将目标人脸图片的基准照存在标识符设为0，然后继续下一步；
步骤六、计算目标人脸图片的基准照组中所有人脸基准照和目标人脸图片的相似度平均值，并判断所述相似度平均值是否大于相似度阈值，如果是，则继续步骤七；如果否，则本流程结束；相似度阈值可以根据业务需要而设置；
步骤七、判断目标人脸图片的基准照存在标识符是否是1，如果是，则将目标人脸图片、其人脸旋转角度、基准照组中和目标人脸图片的人脸旋转角度相同的人脸基准照信息作为一条新的预备基准照记录加入到预备基准库中，并将入库时间也保存到所述新的预备基准照记录中；如果否，则将目标人脸图片和其人脸旋转角度作为一条新的人脸基准照记录加入到人脸基准库中。
如图2所述，图1步骤二可以进一步包括有：
步骤21、从人脸关键点坐标中读取左眼、右眼、鼻尖、左嘴角、右嘴角、下巴的2D坐标；
步骤22、对3D姿态估计算法中的参考位置参数进行初始化，3D坐标参数的初始化设置可以如下：鼻尖：(0.0,0.0,0.0)、下巴：(0.0,-330.0,-65.0)、左眼角：(-165.0,170.0,-135.0)、右眼角：(225.0，170.0，-135.0)、左嘴角：(-150.0，-150.0，-125.0)、右嘴角：(150.0，-150.0，-125.0)；
步骤23、初始化相机内置参数；
步骤24、使用函数solvePnP，计算旋转矩阵R：其中，rij表示R中的第i行第j列元素值，i∈[1,3],j∈[1,3]；
步骤25、根据旋转矩阵，计算目标人脸图片的人脸旋转角度：θz＝atan2(r21，r11)，其中，θz是目标人脸图片的人脸旋转角度，atan2(r21，r11)的表示含义为：当r11的绝对值比r21的绝对值大时，atan2(r21，r11)＝atan(r21/r11)；反之atan2(r21，r11)＝atan(r11/r21)。
步骤六中，计算目标人脸图片的基准照组中每张人脸基准照和目标人脸图片的相似度，可以进一步包括有：
采用人脸特征提取网络，获取每张人脸基准照和目标人脸图片各自对应的人脸特征向量，然后计算每张人脸基准照和目标人脸图片的人脸特征向量之间的欧式距离，所述欧式距离即是每张基准照和目标人脸图片的相似度，人脸特征提取网络可以基于Insightface等算法。
如图3所示，步骤六中，当目标人脸图片的基准照组中所有基准照和目标人脸图片的相似度平均值大于相似度阈值时，还可以进一步按照基准照要求对目标人脸图片进行筛选，当筛选通过后，再继续步骤七，包括有：
步骤61、利用Laplance算子，计算目标人脸图片的清晰度w1；
步骤62、从目标人脸图片中提取左眼、右眼、鼻子、嘴巴这4个部位的子图片，并分别输入至已预先训练过的分类神经网络，从而获得分类神经网络输出的4个部位各自对应的完整程度值，最后计算目标人脸图片的五官完整度：其中，yk是分类神经网络输出的第k个部位的完整程度值；
步骤63、根据目标人脸图片中鼻子和下巴的关键点坐标之间的距离，计算目标人脸图片的人脸大小程度w3；
步骤64、判断目标人脸图片的清晰度w1、五官完整度w2、人脸大小程度w3是否均大于各自的阈值？如果是，则继续步骤七；如果否，则本流程结束。清晰度、五官完整度、人脸大小程度的阈值可以根据实际业务需要而设置。
如图4所示，本发明还可以每隔一定时间周期对每张人脸基准照进行人脸脸型变化的预测，并从预备基准库中选取一张符合用户变化趋势的最近预备基准照，更新人脸基准库中的原有人脸基准照，还包括有：
步骤A1、依次从人脸基准库中读取每条人脸基准照记录，人脸基准照记录包括人脸基准照及其人脸旋转角度信息；
步骤A2、从预备基准库中查找所读取人脸基准照和人脸旋转角度对应的所有预备基准照，然后将查找到的所有预备基准照按照其加入时间的先后次序进行排序，从而构成一个预备基准照队列；人脸基准库在每个人脸旋转角度下的人脸基准照可以对应于预备基准库在相同人脸旋转角度下的多张不同时期的预备基准照；
步骤A3、计算所读取人脸基准照和预备基准照队列中的每张预备基准照的人脸轮廓相似度、所读取人脸基准照和每张预备基准照的人脸关键点距离值，并据此计算所读取人脸基准照和预备基准照队列中的每张预备基准照的对比趋势值；
步骤A4、根据所读取人脸基准照和每张预备基准照的对比趋势值，计算所读取人脸基准照的人脸变化趋势值；
步骤A5、从预备基准照队列的所有预备基准照中选取一张和所读取人脸基准照的人脸变化趋势值一致、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照。
步骤A3中，可以根据人脸关键点坐标，利用hu矩不变性来计算所读取人脸基准照和每张预备基准照的人脸轮廓相似度λ；所读取人脸基准照或每张预备基准照的人脸关键点距离值的计算公式可以如下：其中,N是从所读取人脸基准照或每张预备基准照中提取的人脸关键点总数，X、Y是所读取人脸基准照或每张预备基准照中两眼之间的横、纵距离，x0、y0是所读取人脸基准照或每张预备基准照中鼻尖的横、纵坐标，xn、yn是所读取人脸基准照或每张预备基准照中的第n个人脸关键点的横、纵坐标；所读取人脸基准照和每张预备基准照的对比趋势值的计算公式可以如下：ρv＝(1-λ)(δv-δ0)，其中，ρv是所读取人脸基准照和预备基准照队列中的第v张预备基准照的对比趋势值，δ0、δv分别是所读取人脸基准照、第v张预备基准照的人脸关键点距离值。
步骤A4中，计算所读取人脸基准照的人脸变化趋势值的公式可以如下：其中，M是预备基准照队列中的预备基准照总数，tm是预备基准照队列中的第m张预备基准照的加入时间和当前时间的差值，σm是第m张预备基准照的人脸变化趋势值，σm＝ρm-ρm-1，ρm、ρm-1分别是所读取人脸基准照和预备基准照队列中的第m、m-1张预备基准照的对比趋势值。
步骤A5可以进一步包括有：
判断所读取人脸基准照的人脸变化趋势值是否大于0？如果是，则从预备基准照队列中挑选一张人脸变化趋势值大于0、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照；如果否，则从预备基准照队列中挑选一张人脸变化趋势值小于0、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种基于人脸检测技术的人脸库更新方法，其特征在于，包括有：
步骤一、获取目标人脸图片，采用人脸检测技术获得目标人脸图片上的若干个人脸关键点坐标；
步骤二、利用人脸关键点坐标，计算目标人脸图片的人脸旋转角度；
步骤三、为目标人脸图片构建一个基准照组，然后从人脸基准库中查找其人脸旋转角度和目标人脸图片的人脸旋转角度的差值在差值阈值范围内的所有人脸基准照，并将查找到的所有人脸基准照保存到基准照组中，所述人脸基准库用于保存每个用户的人脸基准照及其人脸旋转角度信息；
步骤四、判断目标人脸图片的基准照组是否为空，如果是，则本流程结束；如果否，则继续下一步；
步骤五、判断目标人脸图片的基准照组中是否存在有和目标人脸图片的人脸旋转角度相同的人脸基准照，如果是，则将目标人脸图片的基准照存在标识符设为1，然后继续下一步；如果否，则将目标人脸图片的基准照存在标识符设为0，然后继续下一步；
步骤六、计算目标人脸图片的基准照组中所有人脸基准照和目标人脸图片的相似度平均值，并判断所述相似度平均值是否大于相似度阈值，如果是，则继续步骤七；如果否，则本流程结束；
步骤七、判断目标人脸图片的基准照存在标识符是否是1，如果是，则将目标人脸图片、其人脸旋转角度、基准照组中和目标人脸图片的人脸旋转角度相同的人脸基准照信息作为一条新的预备基准照记录加入到预备基准库中，并将入库时间也保存到所述新的预备基准照记录中；如果否，则将目标人脸图片和其人脸旋转角度作为一条新的人脸基准照记录加入到人脸基准库中，
每隔一定时间周期对每张人脸基准照进行人脸脸型变化的预测，并从预备基准库中选取一张符合用户变化趋势的最近预备基准照，更新人脸基准库中的原有人脸基准照，还包括有：
步骤A1、依次从人脸基准库中读取每条人脸基准照记录，人脸基准照记录包括人脸基准照及其人脸旋转角度信息；
步骤A2、从预备基准库中查找所读取人脸基准照和人脸旋转角度对应的所有预备基准照，然后将查找到的所有预备基准照按照其加入时间的先后次序进行排序，从而构成一个预备基准照队列；
步骤A3、计算所读取人脸基准照和预备基准照队列中的每张预备基准照的人脸轮廓相似度、所读取人脸基准照和每张预备基准照的人脸关键点距离值，并据此计算所读取人脸基准照和预备基准照队列中的每张预备基准照的对比趋势值；
步骤A4、根据所读取人脸基准照和每张预备基准照的对比趋势值，计算所读取人脸基准照的人脸变化趋势值；
步骤A5、从预备基准照队列的所有预备基准照中选取一张和所读取人脸基准照的人脸变化趋势值一致、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照。
2.根据权利要求1所述的方法，其特征在于，步骤二进一步包括有：
步骤21、从人脸关键点坐标中读取左眼、右眼、鼻尖、左嘴角、右嘴角、下巴的2D坐标；
步骤22、对3D姿态估计算法中的参考位置参数进行初始化，3D坐标参数的初始化设置如下：鼻尖：(0.0,0.0,0.0)、下巴：(0.0,-330.0,-65.0)、左眼角：(-165.0,170.0,-135.0)、右眼角：(225.0，170.0，-135.0)、左嘴角：(-150.0，-150.0，-125.0)、右嘴角：(150.0，-150.0，-125.0)；
步骤23、初始化相机内置参数；
步骤24、使用函数solvePnP，计算旋转矩阵R：其中，rij表示R中的第i行第j列元素值，i∈[1，3]，j∈[1，3]；
步骤25、根据旋转矩阵，计算目标人脸图片的人脸旋转角度：θz＝atan2(r21，r11)，其中，θz是目标人脸图片的人脸旋转角度，atan2(r21，r11)的表示含义为：当r11的绝对值比r21的绝对值大时，atan2(r21，r11)＝atan(r21/r11)；反之，atan2(r21，r11)＝atan(r11/r21)。
3.根据权利要求1所述的方法，其特征在于，步骤六中，计算目标人脸图片的基准照组中每张人脸基准照和目标人脸图片的相似度，进一步包括有：
采用人脸特征提取网络，获取每张人脸基准照和目标人脸图片各自对应的人脸特征向量，然后计算每张人脸基准照和目标人脸图片的人脸特征向量之间的欧式距离，所述欧式距离即是每张基准照和目标人脸图片的相似度。
4.根据权利要求1所述的方法，其特征在于，步骤六中，当目标人脸图片的基准照组中所有人脸基准照和目标人脸图片的相似度平均值大于相似度阈值时，还进一步按照基准照要求对目标人脸图片进行筛选，当筛选通过后，再继续步骤七，包括有：
步骤61、利用Laplance算子，计算目标人脸图片的清晰度w1；
步骤62、从目标人脸图片中提取左眼、右眼、鼻子、嘴巴这4个部位的子图片，并分别输入至已预先训练过的分类神经网络，从而获得分类神经网络输出的4个部位各自对应的完整程度值，最后计算目标人脸图片的五官完整度：其中，yk是分类神经网络输出的第k个部位的完整程度值；
步骤63、根据目标人脸图片中鼻子和下巴的关键点坐标之间的距离，计算目标人脸图片的人脸大小程度w3；
步骤64、判断目标人脸图片的清晰度w1、五官完整度w2、人脸大小程度w3是否均大于各自的阈值，如果是，则继续步骤七；如果否，则本流程结束。
5.根据权利要求1所述的方法，其特征在于，步骤A3中，根据人脸关键点坐标，利用hu矩不变性来计算所读取人脸基准照和每张预备基准照的人脸轮廓相似度λ。
6.根据权利要求5所述的方法，其特征在于，步骤A3中，所读取人脸基准照或每张预备基准照的人脸关键点距离值的计算公式如下：其中,N是从所读取人脸基准照或每张预备基准照中提取的人脸关键点总数，X、Y是所读取人脸基准照或每张预备基准照中两眼之间的横、纵距离，x0、y0是所读取人脸基准照或每张预备基准照中鼻尖的横、纵坐标，xn、yn是所读取人脸基准照或每张预备基准照中的第n个人脸关键点的横、纵坐标。
7.根据权利要求6所述的方法，其特征在于，步骤A3中，所读取人脸基准照和每张预备基准照的对比趋势值的计算公式如下：ρv＝(1-λ)(δv-δ0)，其中，ρv是所读取人脸基准照和预备基准照队列中的第v张预备基准照的对比趋势值，δ0、δv分别是所读取人脸基准照、第v张预备基准照的人脸关键点距离值。
8.根据权利要求1所述的方法，其特征在于，步骤A4中，计算所读取人脸基准照的人脸变化趋势值的公式如下：其中，M是预备基准照队列中的预备基准照总数，tm是预备基准照队列中的第m张预备基准照的加入时间和当前时间的差值，αm是第m张预备基准照的人脸变化趋势值，αm＝ρm-ρm-1，ρm、ρm-1分别是所读取人脸基准照和预备基准照队列中的第m、m-1张预备基准照的对比趋势值。
9.根据权利要求1所述的方法，其特征在于，步骤A5进一步包括有：
判断所读取人脸基准照的人脸变化趋势值是否大于0，如果是，则从预备基准照队列中挑选一张对比趋势值大于0、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照；如果否，则从预备基准照队列中挑选一张对比趋势值小于0、且加入时间距当前最近的预备基准照，然后将人脸基准库中的所读取人脸基准照更新为所选取的预备基准照。
CN202010292240.9A 2020-04-15 2020-04-15 一种基于人脸检测技术的人脸库更新方法 Active CN111597894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010292240.9A CN111597894B (zh) 2020-04-15 2020-04-15 一种基于人脸检测技术的人脸库更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010292240.9A CN111597894B (zh) 2020-04-15 2020-04-15 一种基于人脸检测技术的人脸库更新方法

Publications (2)

Publication Number Publication Date
CN111597894A CN111597894A (zh) 2020-08-28
CN111597894B true CN111597894B (zh) 2023-09-15

Family

ID=72189093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010292240.9A Active CN111597894B (zh) 2020-04-15 2020-04-15 一种基于人脸检测技术的人脸库更新方法

Country Status (1)

Country Link
CN (1) CN111597894B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221086B (zh) * 2021-05-21 2023-04-07 深圳和锐网络科技有限公司 离线人脸认证方法、装置、电子设备及存储介质
CN113705393A (zh) * 2021-08-16 2021-11-26 武汉大学 一种基于3d人脸模型的俯角人脸识别方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927515A (zh) * 2014-04-08 2014-07-16 章建国 三维动态人脸比对方法
CN106156762A (zh) * 2016-08-12 2016-11-23 乐视控股（北京）有限公司 拍照处理方法及装置
WO2017107957A1 (zh) * 2015-12-22 2017-06-29 中兴通讯股份有限公司 人脸图像的检索方法及装置
CN107526999A (zh) * 2016-06-22 2017-12-29 腾讯科技（深圳）有限公司 一种标准人脸图片更新方法、数据处理设备及系统
CN108288024A (zh) * 2017-12-20 2018-07-17 深圳和而泰数据资源与云技术有限公司 人脸识别方法及装置
CN109871767A (zh) * 2019-01-17 2019-06-11 平安科技（深圳）有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质
CN110348315A (zh) * 2019-06-14 2019-10-18 深圳英飞拓科技股份有限公司 动态更新人脸特征底库的方法及装置、人脸抓拍系统
CN110363124A (zh) * 2019-07-03 2019-10-22 广州多益网络股份有限公司 基于人脸关键点与几何形变的快速表情识别及应用方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927515A (zh) * 2014-04-08 2014-07-16 章建国 三维动态人脸比对方法
WO2017107957A1 (zh) * 2015-12-22 2017-06-29 中兴通讯股份有限公司 人脸图像的检索方法及装置
CN107526999A (zh) * 2016-06-22 2017-12-29 腾讯科技（深圳）有限公司 一种标准人脸图片更新方法、数据处理设备及系统
CN106156762A (zh) * 2016-08-12 2016-11-23 乐视控股（北京）有限公司 拍照处理方法及装置
CN108288024A (zh) * 2017-12-20 2018-07-17 深圳和而泰数据资源与云技术有限公司 人脸识别方法及装置
CN109871767A (zh) * 2019-01-17 2019-06-11 平安科技（深圳）有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质
CN110348315A (zh) * 2019-06-14 2019-10-18 深圳英飞拓科技股份有限公司 动态更新人脸特征底库的方法及装置、人脸抓拍系统
CN110363124A (zh) * 2019-07-03 2019-10-22 广州多益网络股份有限公司 基于人脸关键点与几何形变的快速表情识别及应用方法

Also Published As

Publication number Publication date
CN111597894A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN109408653B (zh) 基于多特征检索和形变的人体发型生成方法
CN110263659B (zh) 一种基于三元组损失和轻量级网络的指静脉识别方法及系统
CN108846358B (zh) 一种基于孪生网络进行特征融合的目标跟踪方法
Kwak et al. Unsupervised object discovery and tracking in video collections
JP5801601B2 (ja) 画像認識装置、画像認識装置の制御方法、およびプログラム
CN104573614B (zh) 用于跟踪人脸的设备和方法
US7587068B1 (en) Classification database for consumer digital images
CN111368683B (zh) 基于模约束CenterFace的人脸图像特征提取方法及人脸识别方法
CN107545256B (zh) 一种结合时空和网络一致性的摄像机网络行人重识别方法
CN111597894B (zh) 一种基于人脸检测技术的人脸库更新方法
JP2007272896A (ja) 適応型文脈支援による人間分類を行うためのデジタル画像処理方法および装置
WO2018121287A1 (zh) 目标再识别方法和装置
Obeso et al. Connoisseur: classification of styles of Mexican architectural heritage with deep learning and visual attention prediction
CN109376796A (zh) 基于主动半监督学习的图像分类方法
CN111625687B (zh) 一种在媒资视频库中通过人脸快速搜索人物的方法及系统
WO2011152821A1 (en) Clustering images
Wu et al. Privacy leakage of sift features via deep generative model based image reconstruction
CN113963303A (zh) 图像处理方法、视频识别方法、装置、设备及存储介质
Pushkar et al. Automated progress monitoring of masonry activity using photogrammetric point cloud
CN110188625B (zh) 一种基于多特征融合的视频精细结构化方法
CN112926557B (zh) 一种训练多模态人脸识别模型的方法以及多模态人脸识别方法
US20220207808A1 (en) Image manipulation
Zhou et al. Modeling perspective effects in photographic composition
Paterson et al. 3D head tracking using non-linear optimization.
CN110990604A (zh) 图像底库生成方法、人脸识别方法和智能门禁系统

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
CB02 Change of applicant information

Address after: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant after: Xinxun Digital Technology (Hangzhou) Co.,Ltd.

Address before: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: EB Information Technology Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant