CN111797691A - 提高人脸识别准确率的方法及处理子系统 - Google Patents
提高人脸识别准确率的方法及处理子系统 Download PDFInfo
- Publication number
- CN111797691A CN111797691A CN202010494538.8A CN202010494538A CN111797691A CN 111797691 A CN111797691 A CN 111797691A CN 202010494538 A CN202010494538 A CN 202010494538A CN 111797691 A CN111797691 A CN 111797691A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- human
- identification
- pedestrian
- 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 28
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种提高人脸识别准确率的方法，包括：将待分析视频流解码为帧图像；获得人脸图像和人形图像形成关联；执行二次筛选人脸图像和人形图像；将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；生成人脸ID和行人重识别ID；检索数据库查找与新增人脸ID关联的人形图像，查找该人形图像的行人重识别ID；若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂；若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则将新增人脸ID独立生成为新用户ID。本发明还提供了一种提高人脸识别准确率的处理子系统。本发明能降低处理图片质量要求、图片过滤量和数据处理量，降低人脸识别系统对于硬件的依赖度。
Description
技术领域
本发明涉及图像处理领域，特别是涉及一种人脸识别过程中提高人脸识别准确率的 方法。本发明还涉及一种用于人脸识别系统的提高人脸识别准确率的处理子系统。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机 或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别在实际应用场景中普遍存在的问题就是人脸分裂问题，即同一个人在不同 场景下的人脸图片被错误的识别成为两个或多个人。这种问题在图片清晰度、人脸角度和图片亮度等参数不稳定的情况下尤为严重，同一个人的人脸图片请求识别次数越多， 分裂情况也会越严重。
首先，人脸识别系统需要能准确的发现人脸图像分裂情况，再对人脸图像分裂进行 相应的处理，但在现有技术中采用的是事后查询补救，即产生错误的数据后再通过复核判断发现人脸图像分裂情况，并进行相应的补救处理，无法实时发现人脸图像分裂并及 时处理，这样的策略会严重影响系统的准确性和运行处理速度。
现有技术在解决人脸图像分裂问题时，通常采用的方案是一方面提升人脸采集硬件 的规格提升图片质量，尽量能捕捉更多更高清的人脸图片。另一方面加强对人脸图片的质量过滤要求，既保证进行人脸识别的图片满足一定的清晰度、亮度和人脸角度等质量 要求。现有技术在解决人脸图像分裂的方案，如果从边缘端硬件解决，会增加硬件成本。 在实际使用场景中，人处于一直运动的过程中，即使增加硬件成本也不能保证一直拍摄 到人脸；如果后期提升图片质量要求，则会导致过滤大量不符合要求的人脸图片，从而 降低了数据完整度，数据可用性大大降低，严重影响人脸识别系统的准确度。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现 有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
本发明要解决的技术问题是提供一种用于人脸识别能提高人脸识别准确率的方法。
本发明要解决的另一技术问题是提供一种用于人脸识别系统的能提高人脸识别准 确率的处理子系统。
行人重识别(Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的 视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能 安保等领域。
为解决上述技术问题，本发明提供用于人脸识别的提高人脸识别准确率的方法，包 括以下步骤：
S1，将待分析视频流解码为帧图像；
S2，对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图像形成关联；
其中，步骤S2包括以下子步骤：
S2.1，分别提取每帧图像中待分析人脸图像和待分析人形图像在该帧图像原始坐标 系中的坐标；
S2.2，提取人脸图像中心点坐标；
S2.3，根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形 图像中则建立人脸图像和人形图像关联关系。
S3，第一次筛选人脸图像和人形图像，解除错误的人脸图像和人形图像关联；
实施步骤S3时，若同帧图像出现多个人脸图像关联同一个人形图像，则解除该帧图像中所述多个人脸图像与人形图像的关联。
S4，第二次筛选人脸图像和人形图像，滤除不符合预设要求的人脸图像和人形图像；
实施步骤S4时，预设要求包括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于图像完整度阈值的人脸图像和人形图像。
S5，将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；
S6，执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
S7，记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
S8，若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂， 新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
可选择的，进一步改进所述的提高人脸识别准确率的方法，还包括人脸分裂修复的 步骤：
S9，若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的 人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
本发明提供一种用于人脸识别系统的提高人脸识别准确率的处理子系统，其能应用 现有技术的硬件通过计算机编程技术手段实现，包括：
图像处理单元，其用于将待分析视频流解码为帧图像；
关联单元，其用于对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图 像形成关联；
筛选单元，其用于将解除错误的人脸图像和人形图像关联，滤除不符合预设要求的 人脸图像和人形图像；
数据库生成单元，其用于筛选单元处理后的人脸图像、人形图像以及人脸图像和人 形图像关联形成数据库；
识别单元，其用于执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
查询单元，其用于记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
判断单元，其用于判断是否发生人脸图像分裂；
若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
可选择的，进一步改进提高人脸识别准确率的处理子系统，还包括：
修正单元，其用于修正人脸图像分裂；
若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的 人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
可选择的，进一步改进提高人脸识别准确率的处理子系统，分别提取每帧图像中待 分析人脸图像和待分析人形图像在该帧图像原始坐标系中的坐标，并提取人脸图像中心 点坐标，关联单元根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形图像中则关联单元建立人脸图像和人形图像关联关系。
可选择的，进一步改进提高人脸识别准确率的处理子系统，若同帧图像出现多个人 脸图像关联同一个人形图像，则筛选单元解除该帧图像中所述多个人脸图像与人形图像 的关联。
可选择的，进一步改进提高人脸识别准确率的处理子系统，筛选单元的预设要求包 括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于图像完整度阈值的人脸图像和人形图像。
本发明获得人脸图像和人形图像形成关联后将解除错误的人脸图像和人形图像关 联，并滤除不符合预设要求的人脸图像和人形图像；将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；记录新增人脸ID及其对应的人脸图像，检索数 据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行 人重识别ID；若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸 分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；若未查找到人形图像的行人 重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人 脸ID独立生成为新用户ID。本发明能通过新增的新增人脸ID对应的行人重识别ID是 否已关联到已有的用户ID上来判断人脸分裂。并，对产生人脸图像分裂的新增人脸ID 合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户对人脸图像分裂进 行修复。通过上述方案，相对现有技术本发明能降低对处理图片的质量要求，能降低图 片过滤量和图片数据处理量，降低人脸识别系统对于硬件的依赖度。在保证采集数据的 完整度和可用性前提下，降低系统运营成本。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或 材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附 图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范 围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明提高人脸识别准确率的方法第一实施例流程示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书 所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体 实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以 下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形 式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供 这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术 方案充分传达给本领域技术人员。
第一实施例，如图1所示，本发明提供用于人脸识别的提高人脸识别准确率的方法， 包括以下步骤：
S1，将待分析视频流解码为帧图像；
S2，对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图像形成关联；
S3，第一次筛选人脸图像和人形图像，解除错误的人脸图像和人形图像关联；
S4，第二次筛选人脸图像和人形图像，滤除不符合预设要求的人脸图像和人形图像；
S5，将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；
S6，执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
S7，记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
S8，若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂， 新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
第二实施例，本发明提供用于人脸识别的提高人脸识别准确率的方法，包括以下步 骤：
S1，将待分析视频流解码为帧图像；
S2，对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图像形成关联；
其中，步骤S2包括以下子步骤：
S2.1，分别提取每帧图像中待分析人脸图像和待分析人形图像在该帧图像原始坐标 系中的坐标；例如：人脸或人形框左上角横坐标，人脸或人形框左上角纵坐标，人脸或人形框右下角横坐标和人脸或人形框右下角纵坐标；
S2.2，提取人脸图像中心点坐标；
S2.3，根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形 图像中则建立人脸图像和人形图像关联关系。
S3，第一次筛选人脸图像和人形图像，若同帧图像出现多个人脸图像关联同一个人 形图像，则解除该帧图像中所述多个人脸图像与人形图像的关联；
S4，第二次筛选人脸图像和人形图像，滤除不符合预设要求的人脸图像和人形图像； 所述预设要求包括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于图像完整度 阈值的人脸图像和人形图像；
S5，将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；
S6，执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
S7，记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
S8，若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂， 新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
可选择的，进一步改进所述的提高人脸识别准确率的方法第二实施例，还包括人脸 分裂修复的步骤：
S9，若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的 人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
第三实施例，本发明提供一种用于人脸识别的能提高人脸识别准确率的处理子系统，其能应用现有技术的硬件通过计算机编程技术手段实现，包括：
图像处理单元，其用于将待分析视频流解码为帧图像；
关联单元，其用于对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图 像形成关联；
筛选单元，其用于将解除错误的人脸图像和人形图像关联，滤除不符合预设要求的 人脸图像和人形图像；
数据库生成单元，其用于筛选单元处理后的人脸图像、人形图像以及人脸图像和人 形图像关联形成数据库；
识别单元，其用于执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
查询单元，其用于记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
判断单元，其用于判断是否发生人脸图像分裂；
若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
第四实施例，本发明提供一种用于人脸识别的能提高人脸识别准确率的处理子系统，其能应用现有技术的硬件通过计算机编程技术手段实现，包括：
图像处理单元，其用于将待分析视频流解码为帧图像；
关联单元，其用于分别提取每帧图像中待分析人脸图像和待分析人形图像在该帧图 像原始坐标系中的坐标，并提取人脸图像中心点坐标，关联单元根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形图像中则关联单元建立人脸图像和人形图像关联关系；
筛选单元，其用于将解除错误的人脸图像和人形图像关联，滤除不符合预设要求的 人脸图像和人形图像；若同帧图像出现多个人脸图像关联同一个人形图像，则筛选单元解除该帧图像中所述多个人脸图像与人形图像的关联；
筛选单元的预设要求包括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于 图像完整度阈值的人脸图像和人形图像；
数据库生成单元，其用于筛选单元处理后的人脸图像、人形图像以及人脸图像和人 形图像关联形成数据库；
识别单元，其用于执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
查询单元，其用于记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
判断单元，其用于判断是否发生人脸图像分裂；
若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID；
修正单元，其用于修正人脸图像分裂；
若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的 人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里 明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关 领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形 和改进，这些也应视为本发明的保护范围。
Claims (10)
1.一种提高人脸识别准确率的方法，其用于人脸识别，其特征在于，包括以下步骤：
S1，将待分析视频流解码为帧图像；
S2，对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图像形成关联；
S3，第一次筛选人脸图像和人形图像，解除错误的人脸图像和人形图像关联；
S4，第二次筛选人脸图像和人形图像，滤除不符合预设要求的人脸图像和人形图像；
S5，将剩余的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；
S6，执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
S7，记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
S8，若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
2.如权利要求1所述的提高人脸识别准确率的方法，其特征在于，还包括：
S9，若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
3.如权利要求1所述的提高人脸识别准确率的方法，其特征在于，步骤S2包括以下子步骤：
S2.1，分别提取每帧图像中待分析人脸图像和待分析人形图像在该帧图像原始坐标系中的坐标；
S2.2，提取人脸图像中心点坐标；
S2.3，根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形图像中则建立人脸图像和人形图像关联关系。
4.如权利要求1所述的提高人脸识别准确率的方法，其特征在于：实施步骤S3时，若同帧图像出现多个人脸图像关联同一个人形图像，则解除该帧图像中所述多个人脸图像与人形图像的关联。
5.如权利要求1所述的提高人脸识别准确率的方法，其特征在于：实施步骤S4时，预设要求包括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于图像完整度阈值的人脸图像和人形图像。
6.一种提高人脸识别准确率的处理子系统，其用于人脸识别系统，其特征在于，包括：
图像处理单元，其用于将待分析视频流解码为帧图像；
关联单元，其用于对每帧图像进行人脸检测和人形检测，将获得人脸图像和人形图像形成关联；
筛选单元，其用于将解除错误的人脸图像和人形图像关联，滤除不符合预设要求的人脸图像和人形图像；
数据库生成单元，其用于筛选单元处理后的人脸图像、人形图像以及人脸图像和人形图像关联形成数据库；
识别单元，其用于执行人脸识别和人形识别，生成人脸ID和行人重识别ID；
查询单元，其用于记录新增人脸ID及其对应的人脸图像，检索数据库查找与新增人脸ID关联的人形图像，通过检索出的人形图像查找该人形图像的行人重识别ID；
判断单元，其用于判断是否发生人脸图像分裂；
若查找到的行人重识别ID已关联到用户ID则判断人脸识别图像产生人脸分裂，新增人脸ID对应的人脸图像为人脸图像分裂产生；
若未查找到人形图像的行人重识别ID或查找到行人重识别ID未关联到用户ID，则判断未产生人脸分裂，将新增人脸ID独立生成为新用户ID。
7.如权利要求6所述的提高人脸识别准确率的处理子系统，其特征在于，还包括：
修正单元，其用于修正人脸图像分裂；
若产生人脸分裂，则将新增人脸ID合并到其对应行人重识别ID关联的用户ID，并统一标识为同一用户；
若未产生人脸分裂，根据人脸图像和人形图像的关联关系，将具有相同关联关系的人脸ID和行人重识别ID合并为同一个用户ID，标识为同一用户。
8.如权利要求6所述的提高人脸识别准确率的处理子系统，其特征在于：
分别提取每帧图像中待分析人脸图像和待分析人形图像在该帧图像原始坐标系中的坐标，并提取人脸图像中心点坐标，关联单元根据坐标判断人脸图像中心点是否在人形图像中，若人脸图像中心点在人形图像中则关联单元建立人脸图像和人形图像关联关系。
9.如权利要求6所述的提高人脸识别准确率的处理子系统，其特征在于：若同帧图像出现多个人脸图像关联同一个人形图像，则筛选单元解除该帧图像中所述多个人脸图像与人形图像的关联。
10.如权利要求6所述的提高人脸识别准确率的处理子系统，其特征在于：筛选单元的预设要求包括，滤除小于图像清晰度阈值、小于图像光照度阈值和小于图像完整度阈值的人脸图像和人形图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494538.8A CN111797691A (zh) | 2020-06-03 | 2020-06-03 | 提高人脸识别准确率的方法及处理子系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494538.8A CN111797691A (zh) | 2020-06-03 | 2020-06-03 | 提高人脸识别准确率的方法及处理子系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111797691A true CN111797691A (zh) | 2020-10-20 |
Family
ID=72806162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010494538.8A Pending CN111797691A (zh) | 2020-06-03 | 2020-06-03 | 提高人脸识别准确率的方法及处理子系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111797691A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114565963A (zh) * | 2022-03-03 | 2022-05-31 | 成都佳华物链云科技有限公司 | 一种顾客流量统计方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150178557A1 (en) * | 2013-12-19 | 2015-06-25 | Institute For Information Industry | Pedestrian detection system and method |
| WO2017016516A1 (zh) * | 2015-07-24 | 2017-02-02 | 上海依图网络科技有限公司 | 一种复杂场景下基于人脸识别的视频人像跟踪方法 |
| CN108229297A (zh) * | 2017-09-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸识别方法和装置、电子设备、计算机存储介质 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
| CN110070010A (zh) * | 2019-04-10 | 2019-07-30 | 武汉大学 | 一种基于行人重识别的人脸属性关联方法 |
| CN110232331A (zh) * | 2019-05-23 | 2019-09-13 | 深圳大学 | 一种在线人脸聚类的方法及系统 |
| CN110598551A (zh) * | 2019-08-09 | 2019-12-20 | 深圳力维智联技术有限公司 | 一种提高行人身份识别效率的方法、装置、设备及介质 |
| CN110609920A (zh) * | 2019-08-05 | 2019-12-24 | 华中科技大学 | 一种视频监控场景下的行人混合搜索方法及系统 |
| CN110929695A (zh) * | 2019-12-12 | 2020-03-27 | 易诚高科（大连）科技有限公司 | 一种人脸识别和行人重识别关联方法 |
| CN111160264A (zh) * | 2019-12-30 | 2020-05-15 | 中山大学 | 一种基于生成对抗网络的漫画人物身份识别方法 |
-
2020
- 2020-06-03 CN CN202010494538.8A patent/CN111797691A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150178557A1 (en) * | 2013-12-19 | 2015-06-25 | Institute For Information Industry | Pedestrian detection system and method |
| WO2017016516A1 (zh) * | 2015-07-24 | 2017-02-02 | 上海依图网络科技有限公司 | 一种复杂场景下基于人脸识别的视频人像跟踪方法 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
| CN108229297A (zh) * | 2017-09-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸识别方法和装置、电子设备、计算机存储介质 |
| CN110070010A (zh) * | 2019-04-10 | 2019-07-30 | 武汉大学 | 一种基于行人重识别的人脸属性关联方法 |
| CN110232331A (zh) * | 2019-05-23 | 2019-09-13 | 深圳大学 | 一种在线人脸聚类的方法及系统 |
| CN110609920A (zh) * | 2019-08-05 | 2019-12-24 | 华中科技大学 | 一种视频监控场景下的行人混合搜索方法及系统 |
| CN110598551A (zh) * | 2019-08-09 | 2019-12-20 | 深圳力维智联技术有限公司 | 一种提高行人身份识别效率的方法、装置、设备及介质 |
| CN110929695A (zh) * | 2019-12-12 | 2020-03-27 | 易诚高科（大连）科技有限公司 | 一种人脸识别和行人重识别关联方法 |
| CN111160264A (zh) * | 2019-12-30 | 2020-05-15 | 中山大学 | 一种基于生成对抗网络的漫画人物身份识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| ARCHITH JOHN BENCY等: "Search Tracker: Human-Derived Object Tracking in the Wild Through Large-Scale Search and Retrieval", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》, vol. 27, no. 8, pages 1803 - 1814, XP011658054, DOI: 10.1109/TCSVT.2016.2555718 * |
| JU HONG YOON等: "Online Multi-Object Tracking via Structural Constraint Event Aggregation", 《CVPR》, pages 1392 - 1400 * |
| 焦珊珊等: "多目标跨摄像头跟踪技术", 《国防科技》, vol. 40, no. 6, pages 33 - 41 * |
| 陈墨: "视频混合搜索系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2020, pages 138 - 1121 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114565963A (zh) * | 2022-03-03 | 2022-05-31 | 成都佳华物链云科技有限公司 | 一种顾客流量统计方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110609920B (zh) | 一种视频监控场景下的行人混合搜索方法及系统 | |
| CN110941594B (zh) | 一种视频文件的拆分方法、装置、电子设备及存储介质 | |
| CN110008797B (zh) | 一种多摄像机多人脸视频接续采集方法 | |
| WO2021036436A1 (zh) | 一种人脸识别方法及装置 | |
| EP2084624B1 (en) | Video fingerprinting | |
| CN109919977B (zh) | 一种基于时间特征的视频运动人物跟踪与身份识别方法 | |
| CN101448100B (zh) | 一种快速准确的视频字幕提取方法 | |
| CN106503691B (zh) | 一种人脸图片的身份标注方法和装置 | |
| CN107944427B (zh) | 动态人脸识别方法及计算机可读存储介质 | |
| CN110267061B (zh) | 一种新闻拆条方法及系统 | |
| CN111144366A (zh) | 一种基于联合人脸质量评估的陌生人脸聚类方法 | |
| CN111968152B (zh) | 一种动态身份识别方法及装置 | |
| CN111539272B (zh) | 基于联合特征被动检测ai换脸视频的方法及系统 | |
| CN111507232B (zh) | 多模态多策略融合的陌生人识别方法和系统 | |
| CN112215156A (zh) | 一种视频监控中的人脸抓拍方法及系统 | |
| CN102301697B (zh) | 视频签名产生设备 | |
| Heng et al. | How to assess the quality of compressed surveillance videos using face recognition | |
| CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
| CN111914649A (zh) | 人脸识别的方法及装置、电子设备、存储介质 | |
| CN110826390A (zh) | 一种基于人脸矢量特征的视频数据处理方法 | |
| CN111797691A (zh) | 提高人脸识别准确率的方法及处理子系统 | |
| CN113591692A (zh) | 一种多视图身份识别方法 | |
| CN109784187B (zh) | 人脸识别的优化方法及装置 | |
| CN114863337A (zh) | 一种新型屏幕防拍照识别方法 | |
| CN115424253A (zh) | 车牌识别方法、装置、电子设备和存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201020 |