CN112149559A - 人脸识别方法、装置、可读存储介质及计算机设备 - Google Patents
人脸识别方法、装置、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN112149559A CN112149559A CN202011002116.0A CN202011002116A CN112149559A CN 112149559 A CN112149559 A CN 112149559A CN 202011002116 A CN202011002116 A CN 202011002116A CN 112149559 A CN112149559 A CN 112149559A
- Authority
- CN
- China
- Prior art keywords
- face
- contour
- current
- image
- angle
- 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 36
- 210000001061 forehead Anatomy 0.000 claims description 25
- 210000000216 zygoma Anatomy 0.000 claims description 25
- 210000004373 mandible Anatomy 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 description 10
- 210000000887 face Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 241000353135 Psenopsis anomala Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
一种人脸识别方法、装置、可读存储介质及计算机设备,该人脸识别方法包括:捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;若是,提取所述当前人脸图像中的人脸轮廓特征,并根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。本发明中的技术方案降低了图像匹配的难度,提高了的人脸识别效率。
Description
技术领域
本发明涉及电子技术领域,特别是涉及一种人脸识别方法、装置、可读存储介质及计算机设备。
背景技术
人脸识别(Face Recognition)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。人脸识别利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图像进行识别。
人脸识别首先需要进行人脸图像采集,并基于识别算法在人脸数据库中进行相似度计算,从而获得一个识别的结果。现有的人脸识别过程中通常将采集到人脸图像均传送至识别模块识别,但是在人脸图像采集时,用户并非一直正对镜头,有时人脸偏向一边,这种情况下人脸图像中的人脸特征不完整,增大了识别难度,并且,从人脸数据库中进行人脸匹配时,需要将拍摄的人脸图像与数据库中的每一个人脸图像进行相似度计算,计算来打,效率低,且浪费了计算资源。
发明内容
鉴于上述状况,有必要针对现有技术中人脸识别效率低和难度大的问题,提供一种人脸识别方法、装置、可读存储介质及计算机设备。
一种人脸识别方法,包括:
捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;
根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;
若是,提取所述当前人脸图像中的人脸轮廓特征,并根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;
从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;
将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
进一步的,上述人脸识别方法,其中,所述提取所述当前人脸图像中的人脸轮廓特征的步骤包括:
根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓;
确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度;
根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并对所述脸型曲线进行区域切割得到多个线段,分别计算每个所述线段的曲线曲率;
将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
进一步的,上述人脸识别方法,其中,所述根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型的步骤包括:
将所述轮廓特征进行归一化处理;
将处理后的所述轮廓特征输入至训练后的预测模型中进行分析,并输出所述当前脸型的类型。
进一步的,上述人脸识别方法,其中,所述将处理后的所述轮廓特征输入至训练后的预测模型中进行分析的步骤之前还包括:
获取历史人脸数据,所述历史人脸数据包括多个人脸轮廓特征样本,以及每个所述人脸轮廓特征样本对应的脸型标签;
利用所述人脸轮廓特征样本和对应的脸型标签对预测模型进行训练。
进一步的,上述人脸识别方法,其中,所述预测模型由变分自编码器和softmax分类器构建得到,所述将处理后的所述轮廓特征输入至训练后的预测模型中进行分析的步骤包括:
将所述轮廓特征输入至所述自编码器中,并从所述变分自编码器提取的隐变量特征输入至所述softmax分类器中。
进一步的,上述人脸识别方法,其中,所述目标特征包括左眼的中心位置点、右眼的中心位置点、鼻尖的位置点、左嘴角的位置点和右嘴角的位置点,所述根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸的步骤包括:
根据左眼的中心位置点的位置坐标和右眼的中心位置点的位置坐标计算左右眼睛连线与水平面之间的夹角eye_angle;
根据左眼的中心位置点的位置坐标与鼻尖的位置点的位置坐标确定左眼与鼻尖之间的连线与水平面的夹角L_eyenose_angle,以及根据右眼的中心位置点与鼻尖的位置点的位置坐标确定右眼与鼻尖之间的连线与水平面的夹角R_eyenose_angle,并计算L_eyenose_angle与R_eyenose_angle之间的差值;
根据左嘴角的位置点的位置坐标LMouse(x,y)和右嘴角的位置点的位置坐标RMouse(x,y)确定嘴角连线与水平面之间的夹角mouse_angle;
当计算结果同时满足下述条件时确定所述当前人脸图像中的人脸为正脸:
eye_angle≦60(度);
waitou_angle≦100(度);
mouse_angle≦60(度)。
本方实施例还提供了一种人脸识别装置,包括:
图像捕捉模块,用于捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;
判断模块,用于根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;
提取模块,用于提取所述当前人脸图像中的人脸轮廓特征;
确定模块,用于根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;
查询模块,用于从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;
匹配模块,用于将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
进一步的,上述人脸识别装置,其中,所述提取模块具体用于:
根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓;
确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度;
根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并对所述脸型曲线进行区域切割得到多个线段,分别计算每个所述线段的曲线曲率;
将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
进一步的,上述人脸识别装置,其中,所述确定模块具体用于,
将所述轮廓特征进行归一化处理;
将处理后的所述轮廓特征输入至训练后的预测模型中进行分析,并输出所述当前脸型的类型。
进一步的,上述人脸识别装置,还包括:
模型训练模块,用于获取历史人脸数据,所述历史人脸数据包括多个人脸轮廓特征样本,以及每个所述人脸轮廓特征样本对应的脸型标签,以及利用所述人脸轮廓特征样本和对应的脸型标签对预测模型进行训练。
本发明实施例还提供了一种可读存储介质,其上存储有程序,所述程序被处理器执行时实现上述任一所述的方法。
本发明实施例还提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现上述任意一项所述的方法。
本发明实施例中,通过对捕捉的人脸的目标特征的位置坐标来对人脸的角度进行判断,以确定当前人脸图像是否为正脸,若为正脸则进入下一步的识别算法,以降低误识别率和提高识别效率。并且,在进行人脸识别时,先提取当前人脸图像中的人脸轮廓特征,根据人脸轮廓特征确定当前脸型,并根据当前脸型在人脸数据库中查询与之对应的一组目标人脸图像。将该当前人脸图像的特征与查询到的一组目标人脸图像中各个人脸图像进行匹配,从而确定该用户的身份。通过该方式降低图像匹配的难度,进一步提高的人脸识别效率。
附图说明
图1为本发明第一实施例中的人脸识别方法的流程图;
图2为本发明第二实施例中的人脸识别方法的流程图;
图3为本发明第三实施例中的人脸识别装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1,为本发明第一实施例中的人脸识别方法,包括步骤S11~S15。
步骤S11,捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标。
步骤S12,根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸。
步骤S13,当所述当前人脸图像中的人脸为正脸时,提取所述当前人脸图像中的人脸轮廓特征,根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型。
该人脸图像可通过图像采集设备(如摄像头)进行实时采集,对采集的人脸图像进行面部特征捕捉和检测,以获取当前人脸图像中目标特征。根据该目标特征计算出人脸的角度,以判断当前人脸图像中的人脸是否为正脸,即正对摄像头。该目标特征例如为左眼的中心位置点、右眼的中心位置点、鼻尖的位置点、左嘴角的位置点和右嘴角的位置点。根据各个目标特征的位置坐标可确定当前人脸图像中的人脸是否为正脸,若为正脸则进行下一步在,若不为正脸则继续进行人脸图像步骤。
具体的,根据左右眼中心位置点的坐标即可计算出眼睛连线与水平面的角度,即左右眼的坐标分别为Leye(x,y),Reye(x,y),令dx=Reye(x)-Leye(x),dy=Reye(y)-Leye(y),则eye_angle=atan2(dy,dx)*180.0。也即是计算指向点(dy,dx)的射线在坐标平面上与x轴正方向之间的角的角度。当eye_angle>60(度),则认为当前人脸不是正脸则继续进行人脸图像捕捉的步骤。
根据人脸图像中左右眼的中心点的位置坐标以及鼻尖的位置坐标来计算左右眼分别与鼻尖的连线与水平面的夹角之间的差值。具体的,鼻尖的坐标为Nose(x,y),令dx=Reye(x)-Nose(x),dy=Reye(y)-Nose(y),则右眼与鼻尖连线与x轴之间的夹角为R_eyenose_angle=atan2(dy,dx)*180.0,同时,令dx=Nose(x)-Leye(x),dy=Nose(y)-Leye(y),则左眼与鼻子之间的角度为L_eyenose_angle=atan2(dy,dx)*180.0。再令waitou_angle=|R_eyenose_angle-L_eyenose_angle|,则当waitou_angle>100(度)时,则认为当前人脸不是正脸则继续进行人脸图像捕捉的步骤。
根据左右嘴角位置点的位置坐标即可计算出嘴角连线与水平面的角度,左右嘴角的位置坐标分别LMouse(x,y)和RMouse(x,y),令dx=RMouse(x)-LMouse(x),dy=RMouse(y)-LMouse(y),则两嘴角的连线与水平面的角度为mouse_angle=atan2(dy,dx)*180.0,当mouse_angle>60(度),则认为当前人脸不是正脸则继续进行人脸图像捕捉的步骤。
上述步骤中,当计算的三个角度同时满足eye_angle≦60(度)、waitou_angle≦100(度)和mouse_angle≦60(度)时,则认为当前人脸图像中的人脸为正脸。
本实施例中,进行人脸识别时,首先检测人脸是否为正脸,当捕捉的当前人脸图像中人脸为歪头或者侧脸时,不做识别处理,只有正脸(即正对摄像头),才送入后面的识别算法,这样处理后发现能大大降低误识别率。
当判定到当前人脸为正脸时,则提取当前人脸图像中的人脸轮廓特征,该人脸轮廓特征可根据轮廓识别算法来提取。根据该人脸轮廓特征确定当前人脸图像中人脸的当前脸型。
本实施例中人脸的脸型的种类可根据实际情况划分,例如根据亚洲人脸型的特点,一般可以分为七种类型:(1)瓜子脸;(2)长型脸;(3)倒三角型脸;(4)方型脸;(5)圆型脸;(6)三角形脸;(7)菱形脸型。
每种脸型的形状、长宽比例不同,例如瓜子脸的特点为,额头与颧骨基本等宽,同时又比下颌稍宽一点,脸宽约是脸长的三分之二;长型脸的特点为,额头、颧骨、下颌的宽度基本相同,但脸宽小于脸长的三分之二,其他脸型的额头、颧骨和下颌也都有一定的特点。因此可以根据人脸图像中人脸轮廓的特点来判定脸型。
步骤S14,从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组。
步骤S15,将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
在人脸数据库中存储有大量用户的身份信息,该身份信息包括用户预先录入系统中的人脸特征信息,现有技术中进行身份认证时需要将当前采集的人脸特征信息与每一个身份信息进行匹配,以确定该用户的身份,这种匹配的方式效率较低。因此,本实施例中预先将各个用户的人脸特征信息按照脸型进行分类,不同脸型的人分类进行存储。再根据当前人脸图像中的人脸的当前脸型在人脸数据库中查询对应的一组人脸图像,并对当前人脸图像进行人脸特征提取并与查询到的一组人脸图像人脸特征信息进行相似度计算,以确定该用户的身份。
本实施例中,通过对捕捉的人脸的目标特征的位置坐标来对人脸的角度进行判断,以确定当前人脸图像是否为正脸,若为正脸则进入下一步的识别算法,以降低误识别率和提高识别效率。并且,在进行人脸识别时,先提取当前人脸图像中的人脸轮廓特征,根据人脸轮廓特征确定当前脸型,并根据当前脸型在人脸数据库中查询与之对应的一组目标人脸图像。将该当前人脸图像的特征与查询到的一组目标人脸图像中各个人脸图像进行匹配,从而确定该用户的身份。通过该方式降低图像匹配的难度,进一步提高的人脸识别效率。
请参阅图2,为本发明第二实施例中的人脸识别方法,包括步骤S21~S29。
步骤S21,捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标,所述目标特征包括左眼的中心位置点、右眼的中心位置点、鼻尖的位置点、左嘴角的位置点和右嘴角的位置点;
步骤S22,根据目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸。
具体的,根据左眼的中心位置点的位置坐标Leye(x,y)和右眼的中心位置点的位置坐标Reye(x,y)计算左右眼睛的连线与水平面之间的夹角eye_angle,该夹角的计算方法如下:
dx=Reye(x)-Leye(x),dy=Reye(y)-Leye(y),得到eye_angle=atan2(dy,dx)*180.0。
根据左眼的中心位置点的位置坐标Leye(x,y)与鼻尖的位置点的位置坐标Nose(x,y)确定左眼与鼻尖之间的连线与水平面的夹角L_eyenose_angle、根据右眼的中心位置点与鼻尖的位置点的位置坐标确定右眼与鼻尖之间的连线与水平面的夹角R_eyenose_angle,并计算L_eyenose_angle与R_eyenose_angle之间的差值,具体计算方法如下:
令dx=Nose(x)-Leye(x),dy=Nose(y)-Leye(y),得到L_eyenose_angle=atan2(dy,dx)*180.0;
令dx=Reye(x)-Nose(x),dy=Reye(y)-Nose(y),得到R_eyenose_angle=atan2(dy,dx)*180.0;
waitou_angle=|R_eyenose_angle-L_eyenose_angle|。
根据左嘴角的位置点的位置坐标LMouse(x,y)和右嘴角的位置点的位置坐标RMouse(x,y)确定嘴角连线与水平面之间的夹角,具体计算方法如下:
令dx=RMouse(x)-LMouse(x),dy=RMouse(y)-LMouse(y),得到mouse_angle=atan2(dy,dx)*180.0。
当计算结果同时满足下述条件时确定该当前人脸图像中的人脸为正脸:
eye_angle≦60(度);
waitou_angle≦100(度);
mouse_angle≦60(度)。
步骤S23,当所述当前人脸图像中的人脸是否为正脸根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓。
步骤S24,确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度。
通过轮廓检测算法对人脸图像进行轮廓检测,确定出人脸轮廓,以及确定该人脸轮廓中额头、颧骨和下颌的位置。根据脸轮廓中额头、颧骨和下颌的位置测量额头的宽度、颧骨宽度和下颌宽度,以及人脸轮廓的长度。
步骤S25,根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并计算所述脸型曲线上各个线段的曲线曲率。
步骤S26,将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
得到的人脸轮廓进行平滑处理得到人脸轮廓的脸型曲线,计算该脸型曲线上各个线段的曲线曲率。具体实施时可先对该脸型曲线进行区域划分和切割得到多个线段,再分别计算每个线段的曲线曲率。
将人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、该人脸轮廓的长度,以及所述曲线曲率作为当前人脸图像中的人脸轮廓特征。
步骤S27,将所述轮廓特征进行归一化处理,并将处理后的所述轮廓特征输入至训练后的预测模型中进行分析,并输出所述当前脸型的类型。
具体实施时,该预测模型由变分自编码器和softmax分类器构建得到。softmax分类器连接到变分自编码器的中间层,即该变分自编码器的输入为该人脸轮廓特征,输出为隐变量特征,该softmax分类器的输入为变分自编码器中间层输出的隐变量特征,输出为人脸的脸型。
通过设置变分自编码器对人脸轮廓特征进行有效提取特征的特性,提高脸型分类的效率。将softmax分类器的与变分自编码器相结合,学习脸型与有效特征间的关系,得到具有更高准确性的脸型预测模型。
进一步的,该预测模型脸型预测之前还需进行模型训练,具体包括如下步骤包括:
获取历史人脸数据,所述历史人脸数据包括多个人脸轮廓特征样本,以及每个所述人脸轮廓特征样本对应的脸型标签;
利用所述人脸轮廓特征样本和对应的脸型标签对预测模型进行训练。
该预测模型采用大量的历史人脸数据进行训练,使该模型能够充分识别到人脸图像中的人脸脸型。
步骤S28,从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组。
步骤S29,将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
根据当前人脸图像中的人脸的当前脸型在人脸数据库中查询对应的一组人脸图像。对当前人脸图像进行人脸特征提取并与查询到的一组人脸图像人脸特征信息进行比对,以确定该用户的身份。
请参阅图3,为本发明第三实施例中的人脸识别装置,包括:
图像捕捉模块10,用于捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;
判断模块20,用于根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;
提取模块30,用于提取所述当前人脸图像中的人脸轮廓特征;
确定模块40,用于根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;
查询模块50,用于从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;
匹配模块60,用于将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
进一步的,上述人脸识别装置,其中,所述提取模块30具体用于:
根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓;
确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度;
根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并对所述脸型曲线进行区域切割得到多个线段,分别计算每个所述线段的曲线曲率;
将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
进一步的,上述人脸识别装置,其中,所述确定模块具体用于,
将所述轮廓特征进行归一化处理;
将处理后的所述轮廓特征输入至训练后的预测模型中进行分析,并输出所述当前脸型的类型。
进一步的,上述人脸识别装置,还包括:
模型训练模块,用于获取历史人脸数据,所述历史人脸数据包括多个人脸轮廓特征样本,以及每个所述人脸轮廓特征样本对应的脸型标签,以及利用所述人脸轮廓特征样本和对应的脸型标签对预测模型进行训练。
本发明实施例所提供的人脸识别装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例还提供了一种可读存储介质,其上存储有程序,所述程序被处理器执行时实现上述任一所述的方法。
本发明实施例还提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现上述任意一项所述的方法。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸识别方法,其特征在于,包括:
捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;
根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;
若是,提取所述当前人脸图像中的人脸轮廓特征,并根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;
从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;
将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
2.如权利要求1所述的人脸识别方法,其特征在于,所述提取所述当前人脸图像中的人脸轮廓特征的步骤包括:
根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓;
确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度;
根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并对所述脸型曲线进行区域切割得到多个线段,分别计算每个所述线段的曲线曲率;
将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
3.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型的步骤包括:
将所述轮廓特征进行归一化处理;
将处理后的所述轮廓特征输入至训练后的预测模型中进行分析,并输出所述当前脸型的类型。
4.如权利要求3所述的人脸识别方法,其特征在于,所述将处理后的所述轮廓特征输入至训练后的预测模型中进行分析的步骤之前还包括:
获取历史人脸数据,所述历史人脸数据包括多个人脸轮廓特征样本,以及每个所述人脸轮廓特征样本对应的脸型标签;
利用所述人脸轮廓特征样本和对应的脸型标签对预测模型进行训练。
5.如权利要求3所述的人脸识别方法,其特征在于,所述预测模型由变分自编码器和softmax分类器构建得到,所述将处理后的所述轮廓特征输入至训练后的预测模型中进行分析的步骤包括:
将所述轮廓特征输入至所述自编码器中,并从所述变分自编码器提取的隐变量特征输入至所述softmax分类器中。
6.如权利要求1所述的人脸识别方法,其特征在于,所述目标特征包括左眼的中心位置点、右眼的中心位置点、鼻尖的位置点、左嘴角的位置点和右嘴角的位置点,所述根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸的步骤包括:
根据左眼的中心位置点的位置坐标和右眼的中心位置点的位置坐标计算左右眼睛连线与水平面之间的夹角eye_angle;
根据左眼的中心位置点的位置坐标与鼻尖的位置点的位置坐标确定左眼与鼻尖之间的连线与水平面的夹角L_eyenose_angle,以及根据右眼的中心位置点与鼻尖的位置点的位置坐标确定右眼与鼻尖之间的连线与水平面的夹角R_eyenose_angle,并计算L_eyenose_angle与R_eyenose_angle之间的差值;
根据左嘴角的位置点的位置坐标LMouse(x,y)和右嘴角的位置点的位置坐标RMouse(x,y)确定嘴角连线与水平面之间的夹角mouse_angle;
当计算结果同时满足下述条件时确定所述当前人脸图像中的人脸为正脸:
eye_angle≦60(度);
waitou_angle≦100(度);
mouse_angle≦60(度)。
7.一种人脸识别装置,其特征在于,包括:
图像捕捉模块,用于捕捉用户的人脸图像,并检测捕捉到的当前人脸图像中目标特征的位置坐标;
判断模块,用于根据所述目标特征的位置坐标确定所述当前人脸图像中的人脸是否为正脸;
提取模块,用于提取所述当前人脸图像中的人脸轮廓特征;
确定模块,用于根据所述人脸轮廓特征确定所述当前人脸图像中人脸的当前脸型;
查询模块,用于从人脸数据库中查询所述当前脸型对应的一组目标人脸图像,所述人脸数据库中存储的人脸图像按照脸型的不同划分为多组;
匹配模块,用于将所述当前人脸图像与查询到的一组目标人脸图像中的各个人脸图像进行匹配,以确定所述用户的身份。
8.如权利要求7所述的人脸识别装置,其特征在于,所述提取模块,具体用于:
根据轮廓检测算法确定所述当前人脸图像中的人脸轮廓;
确定所述人脸轮廓中额头、颧骨和下颚的位置,并计算所述人脸轮廓中额头的宽度、颧骨宽度和下颌宽度,以及所述人脸轮廓的长度;
根据所述人脸轮廓生成所述人脸轮廓的脸型曲线,并对所述脸型曲线进行区域切割得到多个线段,分别计算每个所述线段的曲线曲率;
将所述人脸轮廓中额头的宽度、颧骨宽度、下颌宽度、所述人脸轮廓的长度,以及所述曲线曲率作为所述当前人脸图像中的人脸轮廓特征。
9.一种可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6任一所述的方法。
10.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011002116.0A CN112149559A (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011002116.0A CN112149559A (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、可读存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149559A true CN112149559A (zh) | 2020-12-29 |
Family
ID=73896111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011002116.0A Pending CN112149559A (zh) | 2020-09-22 | 2020-09-22 | 人脸识别方法、装置、可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149559A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837067A (zh) * | 2021-09-18 | 2021-12-24 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
CN109446893A (zh) * | 2018-09-14 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN109800643A (zh) * | 2018-12-14 | 2019-05-24 | 天津大学 | 一种活体人脸多角度的身份识别方法 |
CN110443213A (zh) * | 2019-08-12 | 2019-11-12 | 北京比特大陆科技有限公司 | 面部检测方法、目标检测方法和装置 |
CN110728234A (zh) * | 2019-10-12 | 2020-01-24 | 爱驰汽车有限公司 | 驾驶员人脸识别方法、系统、设备及介质 |
CN110889355A (zh) * | 2019-11-19 | 2020-03-17 | 深圳市紫金支点技术股份有限公司 | 一种人脸识别校验方法、系统及存储介质 |
CN111652086A (zh) * | 2020-05-15 | 2020-09-11 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-22 CN CN202011002116.0A patent/CN112149559A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
CN109446893A (zh) * | 2018-09-14 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN109800643A (zh) * | 2018-12-14 | 2019-05-24 | 天津大学 | 一种活体人脸多角度的身份识别方法 |
CN110443213A (zh) * | 2019-08-12 | 2019-11-12 | 北京比特大陆科技有限公司 | 面部检测方法、目标检测方法和装置 |
CN110728234A (zh) * | 2019-10-12 | 2020-01-24 | 爱驰汽车有限公司 | 驾驶员人脸识别方法、系统、设备及介质 |
CN110889355A (zh) * | 2019-11-19 | 2020-03-17 | 深圳市紫金支点技术股份有限公司 | 一种人脸识别校验方法、系统及存储介质 |
CN111652086A (zh) * | 2020-05-15 | 2020-09-11 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837067A (zh) * | 2021-09-18 | 2021-12-24 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
CN113837067B (zh) * | 2021-09-18 | 2023-06-02 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809144B (zh) | 一种采用动作切分的手势识别系统和方法 | |
CN105740779B (zh) | 人脸活体检测的方法和装置 | |
CN109145742B (zh) | 一种行人识别方法及系统 | |
US8855363B2 (en) | Efficient method for tracking people | |
CN108073914B (zh) | 一种动物面部关键点标注方法 | |
CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
US8965068B2 (en) | Apparatus and method for discriminating disguised face | |
EP3680794A1 (en) | Device and method for user authentication on basis of iris recognition | |
Li et al. | Efficient 3D face recognition handling facial expression and hair occlusion | |
CN110674680B (zh) | 活体识别的方法、装置、存储介质 | |
CN111209818A (zh) | 视频个体识别方法、系统、设备及可读存储介质 | |
CN110889355A (zh) | 一种人脸识别校验方法、系统及存储介质 | |
CN110796101A (zh) | 一种嵌入式平台的人脸识别方法及系统 | |
CN106682591B (zh) | 人脸识别方法及装置 | |
JP2012190159A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN111291701A (zh) | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 | |
CN110569775A (zh) | 一种识别人体姿势的方法、系统、存储介质及电子设备 | |
CN112149559A (zh) | 人脸识别方法、装置、可读存储介质及计算机设备 | |
Haque et al. | Constructing facial expression log from video sequences using face quality assessment | |
CN107657201A (zh) | Next系列产品图像特征识别系统及其识别方法 | |
Peng et al. | A robust and efficient algorithm for eye detection on gray intensity face | |
Gottumukkal et al. | Real time face detection from color video stream based on PCA method | |
CN102073842A (zh) | 一种通过分类匹配的人脸识别方法 | |
CN115019364A (zh) | 基于人脸识别的身份认证方法、装置、电子设备及介质 | |
CN109344791B (zh) | 基于脸部智能扫描的识别鉴定方法 |
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 |