CN112200144A - 一种基于面部特征对监狱人员进行人脸识别的方法和装置 - Google Patents
一种基于面部特征对监狱人员进行人脸识别的方法和装置 Download PDFInfo
- Publication number
- CN112200144A CN112200144A CN202011205717.1A CN202011205717A CN112200144A CN 112200144 A CN112200144 A CN 112200144A CN 202011205717 A CN202011205717 A CN 202011205717A CN 112200144 A CN112200144 A CN 112200144A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- interest
- target region
- edge
- 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 19
- 230000001815 facial effect Effects 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 80
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 5
- 238000005498 polishing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Abstract
本发明提供一种基于面部特征对监狱人员进行人脸识别的方法和装置,所述方法包括:获取视频图像;对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;采用所述人脸矩形框标识人脸所在的位置。本发明实施例能够在复杂的环境背景下准确地识别出人脸,从而提高复杂环境下人脸识别的准确率。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于面部特征对监狱人员进行人脸识别的方法和装置。
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技术,通过提取人脸特征与数据库中已存有特征信息进行比对,获取比对结果,进而进行身份的识别。
监狱内部环境复杂,人群聚集程度较高,当对视频流中的监狱人员的人脸进行识别时,由于人脸所在背景环境随机多变,会存在人脸打光不均匀等情况的发生。当人脸打光不均匀时,目前的人脸识别技术会识别不出人脸,从而导致人脸识别的准确率不高的技术问题。
发明内容
本发明提供一种基于面部特征对监狱人员进行人脸识别的方法和装置,能够在复杂的环境背景下,特别是在人脸打光不均匀时,准确地识别出人脸,提高人脸识别的准确率。
为解决上述技术问题,第一方面,本发明实施例提供一种基于面部特征对监狱人员进行人脸识别的方法,包括:
获取视频图像;
对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;
采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行
人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;
当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;
采用所述人脸矩形框标识人脸所在的位置。
优选地,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征、动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测。
优选地,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标,g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
优选地,所述根据人脸轮廓特征确定人脸矩形框,具体为:
在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值;
根据所述平均值形成平均值曲线图;
采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强;
采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线;
根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘;
根据所述人脸的上部边缘,所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
第二方面,本发明实施例提供一种基于面部特征对监狱人员进行人脸识别的装置,包括:
图像获取单元,用于获取视频图像;
图像边缘增强处理单元,用于对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;
人脸检测单元,用于采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;
人脸矩形框确定单元,用于当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;
人脸标识单元,用于采用所述人脸矩形框标识人脸所在的位置。
优选地,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征、动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测。
优选地于,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标,g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
优选地,所述根据人脸轮廓特征确定人脸矩形框,具体为:
在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值;
根据所述平均值形成平均值曲线图;
采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强;
采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线;
根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘;
根据所述人脸的上部边缘,所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
综上,本发明实施例的有益效果在于:
本发明实施例通过获取视频图像;对所述视频图像进行图像边缘增强处理,使得所需的内容清晰的呈现出来;采用基于特征模型驱动的人脸检测方法对边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,使得准确地识别出有效的人脸;当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;采用所述人脸矩形框标识人脸所在的位置。本发明实施例考虑了来自人脸打光不均匀,人脸所在背景环境随机多变的干扰,能稳定准确地识别人脸。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,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是本发明一实施例提供的基于面部特征对监狱人员进行人脸识别的方法的流程图;
图2是本发明一实施例提供的基于面部特征对监狱人员进行人脸识别的装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
实施例1:
请参阅图1,本发明实施例提供一种对监狱人员进行人脸识别的方法,包括:
S1、获取视频图像;
S2、对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像。
应当理解的是,图像边缘增强的作用是使待检测目标的边缘信息更明显,便于更好地识别,同时可削弱光线或者阳光照射不均带来的影响。
优选地,采用Sobel算子进行图像边缘增强处理。
在本发明实施例中,应当理解的是,一般来说,背景的光照比较均匀,相邻的几个像素点的灰度值也差不多相同,通特征算子的运算可以把它们之间的接近程度用数值表示出来,一般情况下该值是一个相对接近零的数值。人脸的灰度值与背景的灰度值会有一定的不同,相比于背景与背景之间的灰度差异而言,背景与人脸的灰度差异会更大,因此,通过特征算子能够突出人脸与背景的交界处的像素差异,并且还能获得边界的梯度方向数据。Sobel算子是特征算子中的一种。
S3、采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸。
由于人脸的方向与获得的图像平面几乎平行,图像获取频率非常高,人脸在环境中的形状等特性十分突出,因此选用基于特征模型驱动的人脸检测方法能够准确的识别出人脸。
基于特征模型的人脸检测方法的检测过程可以分为3个阶段:①目标的初步探测,建立目标感兴趣区;②在目标感兴趣区域中找出需要的人脸;③在不间断的图像序列中,一直寻找人脸目标。所述感兴趣区指从图像中选择的一个图像区域。这里目标感兴趣区域的建立使用三帧差分法,具体地,先选取视频图像序列中连续三帧图像并分别计算相邻两帧的差分图像,然后将差分图像通过选取适当的阈值进行二值化处理,得到二值化图像,最后在每一个像素点得到的二值图像进行逻辑与运算,获取共同部分,从而获得目标的轮廓信息,建立目标感兴趣区域。
S4、当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框。
S5、采用所述人脸矩形框标识人脸所在的位置。
本发明实施例通过获取视频图像;对所述视频图像进行图像边缘增强处理,使得所需的内容清晰的呈现出来;采用基于特征模型驱动的人脸检测方法对边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,使得准确地识别出有效的人脸;当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;采用所述人脸矩形框标识人脸所在的位置。本发明实施例考虑了来自人脸打光不均匀,人脸所在背景环境随机多变的干扰,能稳定准确地识别人脸。
作为本发明实施例的一种举例,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征和动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸。
此处,需要说明的是,对所述目标感兴趣区域进行人脸检测不仅需要对称特征、边界特征、灰度特征、形状特征和动态变化特征中的一种或多种特征,还需要结合其他先验知识进行检测。
若整一帧图片都没有灰度值的阶跃变化,那么就可以认定要识别的人脸后方没有其他无关的人脸,也即没有重叠的人脸,因此,作为本发明实施例的一种举例,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标;g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
作为本发明实施例的一种举例,所述根据人脸轮廓特征确定人脸矩形框,具体为:
S11、在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值。
其中,对称性测度的公式为:
其中,定义测度s的数值区间范围为(-1,1)。当s=1时图像为彻底对称,当s=-1时图像为彻底不对称,xs为对称轴,Eo(xs,w)表示奇函数的能量函数,Ee′(xs,w)表示归一化后的偶函数的能量函数,xs的物理含义为人脸对称轴,w的物理含义为人脸的宽度,参数xs与参数w的数值和测度s的数值为对应关系。
S12、根据所述平均值形成平均值曲线图。
S13、采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强。
在本发明实施例中,所述垂直特征算子优选为Sobel算子。
S14、采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线。
在本发明实施例中,所述第二垂直特征算子优选为Hough算子。
S15、根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
经研究发现,位于图片下方的平均值曲线的最高峰值与位于平均值曲线上方的图片的人脸的对称轴在同一条垂直线上.
S16、根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘。
S17、根据所述人脸的上部边缘、所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
S13、将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得对称轴;其中所述对称轴为人脸对称轴。
实施例2:
请参阅图2,本发明实施例提供一种基于面部特征对监狱人员进行人脸识别的装置,包括:
图像获取单元1,用于获取视频图像;
图像边缘增强处理单元2,用于对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;
人脸检测单元3,用于采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;
人脸矩形框确定单元4,用于当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;
人脸标识单元5,用于采用所述人脸矩形框标识人脸所在的位置。
本发明实施例通过获取视频图像;对所述视频图像进行图像边缘增强处理,使得所需的内容清晰的呈现出来;采用基于特征模型驱动的人脸检测方法对边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,使得准确地识别出有效的人脸;当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;采用所述人脸矩形框标识人脸所在的位置。本发明实施例考虑了来自人脸打光不均匀,人脸所在背景环境随机多变的干扰,能稳定准确地识别人脸。
作为本发明实施例的一种举例,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征、动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测。
作为本发明实施例的一种举例,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标;g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
作为本发明实施例的一种举例,,所述根据人脸轮廓特征确定人脸矩形框,具体为:
在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值;
根据所述平均值形成平均值曲线图;
采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强;
采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线;
根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘;
根据所述人脸的上部边缘,所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可监听存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于面部特征对监狱人员进行人脸识别的方法,其特征在于,包括:
获取视频图像;
对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;
采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;
当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;
采用所述人脸矩形框标识人脸所在的位置。
2.根据权利要求1所述的基于面部特征对监狱人员进行人脸识别的方法,其特征在于,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征、动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测。
3.根据权利要求1所述的基于面部特征对监狱人员进行人脸识别的方法,其特征在于,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标,g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
4.根据权利要求1所述的基于面部特征对监狱人员进行人脸识别的方法,其特征在于,所述根据人脸轮廓特征确定人脸矩形框,具体为:
在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值;
根据所述平均值形成平均值曲线图;
采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强;
采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线;
根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘;
根据所述人脸的上部边缘,所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
5.一种基于面部特征对监狱人员进行人脸识别的装置,其特征在于,包括:
图像获取单元,用于获取视频图像;
图像边缘增强处理单元,用于对所述视频图像进行图像边缘增强处理,得到边缘增强处理后的图像;
人脸检测单元,用于采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸;
人脸矩形框确定单元,用于当检测到无重叠的人脸时,根据人脸轮廓特征确定人脸矩形框;
人脸标识单元,用于采用所述人脸矩形框标识人脸所在的位置。
6.根据权利要求5所述的基于面部特征对监狱人员进行人脸识别的装置,其特征在于,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
根据对称特征、边界特征、灰度特征、形状特征、动态变化特征中的一种或多种特征对所述目标感兴趣区域进行人脸检测。
7.根据权利要求5所述的基于面部特征对监狱人员进行人脸识别的装置,其特征在于,所述采用基于特征模型驱动的人脸检测方法对所述边缘增强处理后的图像进行人脸检测,当检测到重叠的人脸时,重新进行人脸检测,直至检测到无重叠的人脸,具体为:
在所述边缘增强处理后的图像中建立目标感兴趣区域;
采用特征算子对所述目标感兴趣区域进行水平计算,使图像的轮廓边沿更加地突出和明显;
根据如下公式计算所述目标感兴趣区域中每一行像素的灰度平均值:
G(r)为目标感兴趣区域中第r行的灰度平均值,bL(r),bR(r)分别为目标感兴趣区内第r行左侧、右侧的像素坐标,g(r,c)为像素(r,c)的灰度值;
若G(r)的变化大于等于预设的阈值,则判断所述目标感兴趣区域内存在重叠的人脸,重新进行人脸检测,直至所述G(r)的变化小于所述预设的阈值。
8.根据权利要求6或7所述的基于面部特征对监狱人员进行人脸识别的装置,其特征在于,所述根据人脸轮廓特征确定人脸矩形框,具体为:
在所述目标感兴趣区域内一行一行地计算对称性测度,并相加取其平均值;
根据所述平均值形成平均值曲线图;
采用第一垂直特征算子对所述目标感兴趣区域进行处理,使图像的竖值边缘得到加强;
采用第二垂直特征算子对竖值边缘得到加强后的图像进行处理,计算得到垂直直线;
根据所述垂直直线和人脸对称轴确定人脸垂直边缘;其中,所述人脸对称轴为将所述平均值曲线图置于所述目标感兴趣区域的下方进行分析获得;
根据人脸的宽高比例,采用水平特征算子对所述目标感兴趣区域进行处理,得到人脸的上部边缘和下部边缘;
根据所述人脸的上部边缘,所述人脸的下部边缘和所述人脸的垂直边缘确定人脸矩形框。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205717.1A CN112200144A (zh) | 2020-11-02 | 2020-11-02 | 一种基于面部特征对监狱人员进行人脸识别的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205717.1A CN112200144A (zh) | 2020-11-02 | 2020-11-02 | 一种基于面部特征对监狱人员进行人脸识别的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200144A true CN112200144A (zh) | 2021-01-08 |
Family
ID=74032966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205717.1A Pending CN112200144A (zh) | 2020-11-02 | 2020-11-02 | 一种基于面部特征对监狱人员进行人脸识别的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200144A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246880A (zh) * | 2013-05-15 | 2013-08-14 | 中国科学院自动化研究所 | 基于多阶局部显著模式特征统计的人脸识别方法 |
CN105206109A (zh) * | 2015-08-13 | 2015-12-30 | 长安大学 | 一种基于红外ccd的车辆雾天识别预警系统及方法 |
CN105426867A (zh) * | 2015-12-11 | 2016-03-23 | 小米科技有限责任公司 | 人脸识别验证方法及装置 |
CN108416336A (zh) * | 2018-04-18 | 2018-08-17 | 特斯联(北京)科技有限公司 | 一种智慧社区人脸识别的方法和系统 |
CN108491798A (zh) * | 2018-03-23 | 2018-09-04 | 四川意高汇智科技有限公司 | 基于个性化特征的人脸识别方法 |
CN109635749A (zh) * | 2018-12-14 | 2019-04-16 | 网易(杭州)网络有限公司 | 基于视频流的图像处理方法及装置 |
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 |
-
2020
- 2020-11-02 CN CN202011205717.1A patent/CN112200144A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246880A (zh) * | 2013-05-15 | 2013-08-14 | 中国科学院自动化研究所 | 基于多阶局部显著模式特征统计的人脸识别方法 |
CN105206109A (zh) * | 2015-08-13 | 2015-12-30 | 长安大学 | 一种基于红外ccd的车辆雾天识别预警系统及方法 |
CN105426867A (zh) * | 2015-12-11 | 2016-03-23 | 小米科技有限责任公司 | 人脸识别验证方法及装置 |
CN108491798A (zh) * | 2018-03-23 | 2018-09-04 | 四川意高汇智科技有限公司 | 基于个性化特征的人脸识别方法 |
CN108416336A (zh) * | 2018-04-18 | 2018-08-17 | 特斯联(北京)科技有限公司 | 一种智慧社区人脸识别的方法和系统 |
CN109635749A (zh) * | 2018-12-14 | 2019-04-16 | 网易(杭州)网络有限公司 | 基于视频流的图像处理方法及装置 |
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 |
Non-Patent Citations (3)
Title |
---|
张伟: "基于图像处理技术的前方车辆识别系统", 检测技术与数据处理, no. 9, 30 September 2019 (2019-09-30), pages 48 - 51 * |
徐国艳;王传荣;高峰;王江峰;: "车辆视频检测感兴趣区域确定算法", 北京航空航天大学学报, no. 07, 15 July 2010 (2010-07-15), pages 781 - 784 * |
施树明, 储江伟, 李斌, 郭烈, 王荣本: "基于单目视觉的前方车辆探测方法", 农业机械学报, no. 04, 1 August 2004 (2004-08-01), pages 5 - 8 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816644B (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
JP4755202B2 (ja) | 顔特徴の検出方法 | |
Tan et al. | Efficient and robust segmentation of noisy iris images for non-cooperative iris recognition | |
Vezhnevets et al. | Robust and accurate eye contour extraction | |
Kim et al. | Fast and robust ellipse extraction from complicated images | |
US20020126901A1 (en) | Automatic image pattern detection | |
CN106663157A (zh) | 用户认证方法、执行该方法的装置及存储该方法的记录介质 | |
Kortli et al. | A novel illumination-invariant lane detection system | |
Thalji et al. | Iris Recognition using robust algorithm for eyelid, eyelash and shadow avoiding | |
US10521659B2 (en) | Image processing device, image processing method, and image processing program | |
CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
CN105488486A (zh) | 防止照片攻击的人脸识别方法及装置 | |
Ahmadi et al. | Iris recognition system based on canny and LoG edge detection methods | |
US20140334694A1 (en) | Method for determining eye location on a frontal face digital image to validate the frontal face and determine points of reference | |
Ahmad et al. | A geometric-based method for recognizing overlapping polygonal-shaped and semi-transparent particles in gray tone images | |
CN106447683A (zh) | 一种圆的特征提取算法 | |
CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
Ranjan et al. | Enhanced edge detection technique in digital images using optimised fuzzy operation | |
Kročka et al. | Automatic license plate recognition using OpenCV | |
CN112200144A (zh) | 一种基于面部特征对监狱人员进行人脸识别的方法和装置 | |
Karakaya et al. | An iris segmentation algorithm based on edge orientation for off-angle iris recognition | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及系统 | |
Zhao et al. | Fast localization algorithm of eye centers based on improved hough transform | |
Bartunek et al. | Improved adaptive fingerprint binarization |
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 |