CN112052727A - 一种基于大数据的人像识别分析系统及方法 - Google Patents

一种基于大数据的人像识别分析系统及方法 Download PDF

Info

Publication number
CN112052727A
CN112052727A CN202010753110.0A CN202010753110A CN112052727A CN 112052727 A CN112052727 A CN 112052727A CN 202010753110 A CN202010753110 A CN 202010753110A CN 112052727 A CN112052727 A CN 112052727A
Authority
CN
China
Prior art keywords
portrait
module
image
face
recognition
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.)
Granted
Application number
CN202010753110.0A
Other languages
English (en)
Other versions
CN112052727B (zh
Inventor
杨晓峰
张颖
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.)
GUANGZHOU INSTITUTE OF STANDARDIZATION
Original Assignee
GUANGZHOU INSTITUTE OF STANDARDIZATION
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 GUANGZHOU INSTITUTE OF STANDARDIZATION filed Critical GUANGZHOU INSTITUTE OF STANDARDIZATION
Priority to CN202010753110.0A priority Critical patent/CN112052727B/zh
Publication of CN112052727A publication Critical patent/CN112052727A/zh
Application granted granted Critical
Publication of CN112052727B publication Critical patent/CN112052727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明属于人像识别技术领域，公开了一种基于大数据的人像识别分析系统及方法，所述基于大数据的人像识别分析系统包括：面部图像采集模块、图像数据处理模块、主控模块、人像建模模块、人像识别模块、身份查找模块、检查修正模块、数据存储模块、显示模块。本发明通过面部图像采集模块和人像识别模块能够通过人像的拍摄或扫描获取人像数据，并找出相应的人的身份信息；通过图像数据处理模块对待增强图像进行滤波处理和画质增强处理，可以直接对整个图像进行增强，提高了图像画质增强的效率；通过检查修正模块修正人像特征和特征区域，用户能够可视化的检查人像识别结果并对其进行修正，进而为计算人像识别结果正确率提供数据支撑。

Description

一种基于大数据的人像识别分析系统及方法
技术领域
本发明属于人像识别技术领域，尤其涉及一种基于大数据的人像识别分析系统及方法。
背景技术
目前，人像识别又叫人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，其优势在于自然性和不被被测个体察觉。现有人像识别系统中，为了能够获得更好的拍摄效果，智能终端会自动检测人脸，并框选检测到人脸的区域，当用户执行拍照动作之后，智能终端将自动对焦框选的区域，从而使得拍摄的人脸更清晰。
但在实际情况中，当存在多个人脸时，检测的人脸特征可能受到影响，从而导致相似度下降，将影响人脸检测结果；同时，现有人像识别系统极少涉及到对人像识别结果的检查修正；在图像预处理过程中，对采集的人像图像增强效果较差，不够均衡。
通过上述分析，现有技术存在的问题及缺陷为：
(1)当存在多个人脸时，现有人像识别系统检测的人脸特征可能受到影响，从而导致相似度下降，将影响人脸检测结果。
(2)现有人像识别系统极少涉及到对人像识别结果的检查修正。
(3)在图像预处理过程中，对采集的人像图像增强效果较差，不够均衡。
发明内容
针对现有技术存在的问题，本发明提供了一种基于大数据的人像识别分析系统及方法。
本发明是这样实现的，一种基于大数据的人像识别分析系统，所述基于大数据的人像识别分析系统包括：
面部图像采集模块、图像数据处理模块、主控模块、人像建模模块、人像识别模块、身份查找模块、检查修正模块、数据存储模块、显示模块。
面部图像采集模块，与主控模块连接，用于通过图像采集设备采集待识别的人脸原始图像数据；
图像数据处理模块，与主控模块连接，用于通过图像出路程序对采集的人脸原始图像数据进行预处理；
主控模块，与面部图像采集模块、图像数据处理模块、人像建模模块、人像识别模块、身份查找模块、检查修正模块、数据存储模块、显示模块连接，用于通过主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行；
人像建模模块，与主控模块连接，用于通过建模程序根据处理后的人脸图像数据建立3D人像识别分析模型；
人像识别模块，与主控模块连接，用于通过人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息；
身份查找模块，与主控模块连接，用于通过身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；
检查修正模块，与主控模块连接，用于通过检查修正程序对人像身份识别分析结果进行检查修正；
数据存储模块，与主控模块连接，用于通过数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果；
显示模块，与主控模块连接，用于通过显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果的实时数据。
进一步，所述人像识别模块包括：
数据比对单元，用于通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度；
优化处理单元，用于将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理；
识别分析单元，用于通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
本发明的另一目的在于提供一种应用所述的基于大数据的人像识别分析系统的基于大数据的人像识别分析方法，所述基于大数据的人像识别分析方法包括以下步骤：
步骤一，通过面部图像采集模块利用图像采集设备采集待识别的人脸原始图像数据；通过图像数据处理模块利用图像出路程序对采集的人脸原始图像数据进行预处理。
步骤二，通过主控模块利用主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行。
步骤三，通过人像建模模块利用建模程序根据处理后的人脸图像数据建立3D人像识别分析模型。
步骤四，通过人像识别模块利用人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息。
步骤五，通过身份查找模块利用身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正。
步骤六，通过数据存储模块利用数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果。
步骤七，通过显示模块利用显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果的实时数据。
进一步，步骤一中，所述通过图像数据处理模块对采集的人脸原始图像数据进行预处理的方法，包括：
(I)利用图像增强程序对采集的人脸原始图像进行增强处理；图像增强处理中，对待增强图像进行滤波处理；
(II)对滤波处理后的待增强图像进行画质增强处理；
(III)对画质增强处理后的图像进行区域划分，得到多个图像区域。
进一步，所述画质增强处理包括直方图均衡和归一化处理；
所述直方图均衡采用下式进行处理：
Figure BDA0002610667160000041
b(x，y)＝N×Pa[a(x，y)]
其中，M和N分别为图像的像素点和灰度级，输入图像a(x，y)的直方图是ha(u)，经直方图均衡后的输出图像是b(x，y)；
所述归一化处理包括：
几何归一化，用于对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；
灰度归一化，用于对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱。兙俥
进一步，步骤四中，所述通过人像识别模块对人脸图像数据进行测量并分析的方法，包括：
(1)通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度；
(2)将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理；
(3)通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
进一步，所述将各个匹配度中的最大值与第一阈值进行比较的步骤中，当所述最大值大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
进一步，步骤四中，对人脸图像数据测量并分析前，首先建立人脸图像候选集，具体包括：
(a)首先指定一组Hash函数，离线计算注册人脸图像库的Hash向量，并按每一维排序；
(b)当给定一张检索图像时，计算其Hash向量，将对每一维在注册库中进行二分查找，确定最相似的候选样本；
(c)融合所有维得到最终候选集，在候选集内进行人脸图像数据测量。
进一步，步骤五中，所述通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正的方法，包括：
1)获取人像身份识别分析结果，所述人像身份识别分析结果中记录有对应目标识别图片中识别出的各个特征区域和各个特征区域所对应的人像特征；
2)根据人像识别数据在显示界面预设的绘图区域显示出目标识别图片，并在显示的目标识别图片上层显示出相应的特征区域；与特征区域相对应的人像特征能够在显示界面进行显示；
3)通过预设的工具软件能够在显示界面上分别修正人像特征和特征区域，修正完成后确认检查完毕。
进一步，所述修正人像特征和特征区域包括：移动特征区域的位置和/或调整特征区域的形状和/或将特征区域标记为错误和/或新增特征区域并添加对应的人像特征和/或修改人像特征。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的基于大数据的人像识别分析方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于大数据的人像识别分析方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于大数据的人像识别分析系统，通过面部图像采集模块和人像识别模块能够通过人像的拍摄或扫描获取人像数据，并找出相应的人的身份信息，具有广泛的应用；通过图像数据处理模块对待增强图像进行滤波处理和画质增强处理，然后对图像进行区域划分，可以直接对整个图像进行增强，提高了图像画质增强的效率；通过检查修正模块修正人像特征和特征区域，用户能够可视化的检查人像识别结果并对其进行修正，进而为计算人像识别结果正确率提供数据支撑。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的基于大数据的人像识别分析系统结构框图；
图中：1、面部图像采集模块；2、图像数据处理模块；3、主控模块；4、人像建模模块；5、人像识别模块；6、身份查找模块；7、检查修正模块；8、数据存储模块；9、显示模块。
图2是本发明实施例提供的基于大数据的人像识别分析方法流程图。
图3是本发明实施例提供的通过图像数据处理模块对采集的人脸原始图像数据进行预处理的方法流程图。
图4是本发明实施例提供的通过人像识别模块对人脸图像数据进行测量并分析的方法流程图。
图5是本发明实施例提供的通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于大数据的人像识别分析系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于大数据的人像识别分析系统包括：面部图像采集模块1、图像数据处理模块2、主控模块3、人像建模模块4、人像识别模块5、身份查找模块6、检查修正模块7、数据存储模块8、显示模块9。
面部图像采集模块1，与主控模块3连接，用于通过图像采集设备采集待识别的人脸原始图像数据；
图像数据处理模块2，与主控模块3连接，用于通过图像出路程序对采集的人脸原始图像数据进行预处理；
主控模块3，与面部图像采集模块1、图像数据处理模块2、人像建模模块4、人像识别模块5、身份查找模块6、检查修正模块7、数据存储模块8、显示模块9连接，用于通过主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行；
人像建模模块4，与主控模块3连接，用于通过建模程序根据处理后的人脸图像数据建立3D人像识别分析模型；
人像识别模块5，与主控模块3连接，用于通过人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息；
身份查找模块6，与主控模块3连接，用于通过身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；
检查修正模块7，与主控模块3连接，用于通过检查修正程序对人像身份识别分析结果进行检查修正；
数据存储模块8，与主控模块3连接，用于通过数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果；
显示模块9，与主控模块3连接，用于通过显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果的实时数据。
本发明实施例提供的人像识别模块5包括：
数据比对单元5-1，用于通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度；
优化处理单元5-2，用于将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理；
识别分析单元5-3，用于通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
如图2所示，本发明实施例提供的基于大数据的人像识别分析方法包括以下步骤：
S101，通过面部图像采集模块利用图像采集设备采集待识别的人脸原始图像数据；通过图像数据处理模块利用图像出路程序对采集的人脸原始图像数据进行预处理。
S102，通过主控模块利用主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行。
S103，通过人像建模模块利用建模程序根据处理后的人脸图像数据建立3D人像识别分析模型。
S104，通过人像识别模块利用人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息。
S105，通过身份查找模块利用身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正。
S106，通过数据存储模块利用数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果、检查修正结果。
S107，通过显示模块利用显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果、检查修正结果的实时数据。
如图3所示，本发明实施例提供的步骤S101中，所述通过图像数据处理模块对采集的人脸原始图像数据进行预处理的方法，包括：
S201，利用图像增强程序对采集的人脸原始图像进行增强处理；图像增强处理中，对待增强图像进行滤波处理。
S202，对滤波处理后的待增强图像进行画质增强处理。
S203，对画质增强处理后的图像进行区域划分，得到多个图像区域。
本发明实施例中的画质增强处理包括直方图均衡和归一化处理；
所述直方图均衡采用下式进行处理：
Figure BDA0002610667160000091
b(x，y)＝N×Pa[a(x，y)]
其中，M和N分别为图像的像素点和灰度级，输入图像a(x，y)的直方图是ha(u)，经直方图均衡后的输出图像是b(x，y)；
所述归一化处理包括：
几何归一化，用于对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；
灰度归一化，用于对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱。兙
如图4所示，本发明实施例提供的步骤S104中，所述通过人像识别模块对人脸图像数据进行测量并分析的方法，包括：
S301，通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度。
S302，将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理。
S303，通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
本发明实施例提供的将各个匹配度中的最大值与第一阈值进行比较的步骤中，当所述最大值大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
步骤S104中，对人脸图像数据测量并分析前，首先建立人脸图像候选集，具体包括：
(a)首先指定一组Hash函数，离线计算注册人脸图像库的Hash向量，并按每一维排序；
(b)当给定一张检索图像时，计算其Hash向量，将对每一维在注册库中进行二分查找，确定最相似的候选样本；
(c)融合所有维得到最终候选集，在候选集内进行人脸图像数据测量。
如图5所示，本发明实施例提供的步骤S105中，所述通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正的方法，包括：
S401，获取人像身份识别分析结果，所述人像身份识别分析结果记录有对应目标识别图片中识别出的各个特征区域和各个特征区域所对应的人像特征。
S402，根据人像识别数据在显示界面预设的绘图区域显示出目标识别图片，并在显示的目标识别图片上层显示出相应的特征区域；与特征区域相对应的人像特征能够在显示界面进行显示。
S403，通过预设的工具软件能够在显示界面上分别修正人像特征和特征区域，修正完成后确认检查完毕。
本发明实施例提供的修正人像特征和特征区域包括：移动特征区域的位置和/或调整特征区域的形状和/或将特征区域标记为错误和/或新增特征区域并添加对应的人像特征和/或修改人像特征。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的人像识别分析方法，其特征在于，所述基于大数据的人像识别分析方法包括以下步骤：
步骤一，通过面部图像采集模块利用图像采集设备采集待识别的人脸原始图像数据；通过图像数据处理模块利用图像出路程序对采集的人脸原始图像数据进行预处理；
步骤二，通过主控模块利用主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行；
步骤三，通过人像建模模块利用建模程序根据处理后的人脸图像数据建立3D人像识别分析模型；
步骤四，通过人像识别模块利用人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息；
对人脸图像数据测量并分析的具体方法包括：
(1)通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度；
(2)将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理；
(3)通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配；
步骤五，通过身份查找模块利用身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正；
步骤六，通过数据存储模块利用数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果；
步骤七，通过显示模块利用显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果的实时数据。
2.如权利要求1所述的基于大数据的人像识别分析方法，其特征在于，步骤一中，所述通过图像数据处理模块对采集的人脸原始图像数据进行预处理的方法，包括：
(I)利用图像增强程序对采集的人脸原始图像进行增强处理；图像增强处理中，对待增强图像进行滤波处理；
(II)对滤波处理后的待增强图像进行画质增强处理；
(III)对画质增强处理后的图像进行区域划分，得到多个图像区域。
3.如权利要求2所述的基于大数据的人像识别分析方法，其特征在于，所述画质增强处理包括直方图均衡和归一化处理；
所述直方图均衡采用下式进行处理：
Figure FDA0002610667150000021
b(x，y)＝N×Pa[a(x，y)]
其中，M和N分别为图像的像素点和灰度级，输入图像a(x，y)的直方图是ha(u)，经直方图均衡后的输出图像是b(x，y)；
所述归一化处理包括：
几何归一化，用于对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；
灰度归一化，用于对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱。
4.如权利要求1所述的基于大数据的人像识别分析方法，其特征在于，步骤四中，对人脸图像数据测量并分析前，首先建立人脸图像候选集，具体包括：
(a)首先指定一组Hash函数，离线计算注册人脸图像库的Hash向量，并按每一维排序；
(b)当给定一张检索图像时，计算其Hash向量，将对每一维在注册库中进行二分查找，确定最相似的候选样本；
(c)融合所有维得到最终候选集，在候选集内进行人脸图像数据测量。
5.如权利要求1所述的基于大数据的人像识别分析方法，其特征在于，步骤(2)中，所述将各个匹配度中的最大值与第一阈值进行比较的步骤中，当所述最大值大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
6.如权利要求1所述的基于大数据的人像识别分析方法，其特征在于，步骤五中，所述通过检查修正模块利用检查修正程序对人像身份识别分析结果进行检查修正的方法，包括：
1)获取人像身份识别分析结果，所述人像身份识别分析结果中记录有对应目标识别图片中识别出的各个特征区域和各个特征区域所对应的人像特征；
2)根据人像识别数据在显示界面预设的绘图区域显示出目标识别图片，并在显示的目标识别图片上层显示出相应的特征区域；与特征区域相对应的人像特征能够在显示界面进行显示；
3)通过预设的工具软件能够在显示界面上分别修正人像特征和特征区域，修正完成后确认检查完毕；
所述修正人像特征和特征区域包括：移动特征区域的位置和/或调整特征区域的形状和/或将特征区域标记为错误和/或新增特征区域并添加对应的人像特征和/或修改人像特征。
7.一种实施权利要求1-6任意一项所述的基于大数据的人像识别分析系统，其特征在于，所述基于大数据的人像识别分析系统包括：
面部图像采集模块、图像数据处理模块、主控模块、人像建模模块、人像识别模块、身份查找模块、检查修正模块、数据存储模块、显示模块；
面部图像采集模块，与主控模块连接，用于通过图像采集设备采集待识别的人脸原始图像数据；
图像数据处理模块，与主控模块连接，用于通过图像出路程序对采集的人脸原始图像数据进行预处理；
主控模块，与面部图像采集模块、图像数据处理模块、人像建模模块、人像识别模块、身份查找模块、检查修正模块、数据存储模块、显示模块连接，用于通过主控器监测并控制所述基于大数据的人像识别分析系统各个模块的正常运行；
人像建模模块，与主控模块连接，用于通过建模程序根据处理后的人脸图像数据建立3D人像识别分析模型；
人像识别模块，与主控模块连接，用于通过人像识别程序利用3D人像识别分析模型进行人脸图像数据测量并分析，得到待识别的人像数据信息；
身份查找模块，与主控模块连接，用于通过身份查找程序根据获得的待识别的人像数据信息在数据库中进行查找，得到人像身份识别分析结果；
检查修正模块，与主控模块连接，用于通过检查修正程序对人像身份识别分析结果进行检查修正；
数据存储模块，与主控模块连接，用于通过数据库存储采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果；
显示模块，与主控模块连接，用于通过显示器显示采集的人脸原始图像数据、3D人像识别分析模型、待识别的人像数据信息、人像身份识别分析结果以及检查修正结果的实时数据。
8.如权利要求7所述的基于大数据的人像识别分析系统，其特征在于，所述人像识别模块包括：
数据比对单元，用于通过数据比对程序利用3D人像识别分析模型将处理后的人脸图像数据与存储在数据库中的各用户的面部图像数据进行比较，获得比较结果并计算每次比较结果的匹配度；
优化处理单元，用于将各个匹配度中的最大值与第一阈值进行比较，当所述最大值小于所述第一阈值时，通过优化处理程序对所述最大值进行优化处理；
识别分析单元，用于通过人像识别程序将优化后的结果与所述第一阈值再次进行比较，当所述优化后的结果大于或等于所述第一阈值时，判定待识别用户和与所述最大值对应的存储在数据库中的用户相匹配。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～6任意一项所述的基于大数据的人像识别分析方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～6任意一项所述的基于大数据的人像识别分析方法。
CN202010753110.0A 2020-07-30 2020-07-30 一种基于大数据的人像识别分析系统及方法 Active CN112052727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010753110.0A CN112052727B (zh) 2020-07-30 2020-07-30 一种基于大数据的人像识别分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010753110.0A CN112052727B (zh) 2020-07-30 2020-07-30 一种基于大数据的人像识别分析系统及方法

Publications (2)

Publication Number Publication Date
CN112052727A true CN112052727A (zh) 2020-12-08
CN112052727B CN112052727B (zh) 2024-04-02

Family

ID=73602780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010753110.0A Active CN112052727B (zh) 2020-07-30 2020-07-30 一种基于大数据的人像识别分析系统及方法

Country Status (1)

Country Link
CN (1) CN112052727B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112989934A (zh) * 2021-02-05 2021-06-18 方战领 视频分析方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171111A (zh) * 2017-11-28 2018-06-15 苏州市东皓计算机系统工程有限公司 一种计算机人像识别系统
WO2019071664A1 (zh) * 2017-10-09 2019-04-18 平安科技（深圳）有限公司 结合深度信息的人脸识别方法、装置及存储介质
CN110443198A (zh) * 2019-08-06 2019-11-12 中国工商银行股份有限公司 基于人脸识别的身份识别方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019071664A1 (zh) * 2017-10-09 2019-04-18 平安科技（深圳）有限公司 结合深度信息的人脸识别方法、装置及存储介质
CN108171111A (zh) * 2017-11-28 2018-06-15 苏州市东皓计算机系统工程有限公司 一种计算机人像识别系统
CN110443198A (zh) * 2019-08-06 2019-11-12 中国工商银行股份有限公司 基于人脸识别的身份识别方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈一宁;陈晓光;: "基于手机和人脸识别的身份识别系统", 计算机应用与软件, no. 03, 31 March 2011 (2011-03-31), pages 77 - 79 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112989934A (zh) * 2021-02-05 2021-06-18 方战领 视频分析方法、装置及系统
CN112989934B (zh) * 2021-02-05 2024-05-24 方战领 视频分析方法、装置及系统

Also Published As

Publication number Publication date
CN112052727B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN110264444B (zh) 基于弱分割的损伤检测方法及装置
CN110660102B (zh) 基于人工智能的说话人识别方法及装置、系统
CN116228780B (zh) 基于计算机视觉的硅片缺陷检测方法及系统
CN117557820B (zh) 一种基于机器视觉的量子点光学膜损伤检测方法及系统
WO2024021461A1 (zh) 缺陷检测方法及装置、设备、存储介质
CN112052730B (zh) 一种3d动态人像识别监控设备及方法
CN111784658B (zh) 一种用于人脸图像的质量分析方法和系统
WO2020087434A1 (zh) 一种人脸图像清晰度评价方法及装置
CN113989604A (zh) 基于端到端深度学习的轮胎dot信息识别方法
CN115909157A (zh) 一种基于机器视觉的识别检测方法、装置、设备及介质
CN113392241B (zh) 测井图像清晰度的识别方法、装置、介质及电子设备
CN112052727B (zh) 一种基于大数据的人像识别分析系统及方法
CN114359161A (zh) 一种缺陷检测方法、装置、设备和存储介质
CN115035168B (zh) 基于多约束的光伏面板多源图像配准方法、装置及系统
CN114255493A (zh) 图像检测方法、人脸检测方法及装置、设备及存储介质
CN115376026A (zh) 关键区域定位方法、装置、设备及存储介质
CN117011216A (zh) 一种缺陷检测方法、装置、电子设备及存储介质
CN111667012B (zh) 分类结果修正方法、装置、修正设备及可读存储介质
CN112396648B (zh) 一种可定位目标物质心的目标识别方法和系统
CN107123105A (zh) 基于fast算法的图像匹配缺陷检测方法
CN113920087A (zh) 基于深度学习的微小元器件缺陷检测系统及方法
CN114255339A (zh) 一种输电导线断点识别方法、设备及存储介质
KR20210031444A (ko) 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치
CN117474916B (zh) 一种图像检测方法、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant