CN112270219A - 一种用于人脸识别方法及系统 - Google Patents

一种用于人脸识别方法及系统 Download PDF

Info

Publication number
CN112270219A
CN112270219A CN202011093842.8A CN202011093842A CN112270219A CN 112270219 A CN112270219 A CN 112270219A CN 202011093842 A CN202011093842 A CN 202011093842A CN 112270219 A CN112270219 A CN 112270219A
Authority
CN
China
Prior art keywords
face
image
recognized
feature
face image
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.)
Withdrawn
Application number
CN202011093842.8A
Other languages
English (en)
Inventor
李贤波
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 Wuzi Technology Co ltd
Original Assignee
Guangzhou Wuzi Technology 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 Guangzhou Wuzi Technology Co ltd filed Critical Guangzhou Wuzi Technology Co ltd
Priority to CN202011093842.8A priority Critical patent/CN112270219A/zh
Publication of CN112270219A publication Critical patent/CN112270219A/zh
Withdrawn legal-status Critical Current

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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • 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)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提出了一种用于人脸识别方法及系统，所述方法包括：通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；显示所述人脸识别结果，所述系统包括与所述方法的步骤对应的模块。

Description

一种用于人脸识别方法及系统
技术领域
本发明属于人脸识别技术领域，更具体地说，是涉及一种用于人脸识别方法及系统。
背景技术
目前，人脸识别在我们的生活中已经越来越常见，也使得我们的生活更加的方便。与此同时，人脸识别技术的需求量也变得越来越大。现在的登录大多数是账号、密码和验证码组合的方式，系统在要求过安全等级的时候，要求用户的密码比较复杂，给用户带来了记忆负担。通过人脸识别登录，可以免去繁琐的密码输入，交互更加快捷方便。在人脸识别的同时，如何进一步提高人脸识别的精度成为一个亟待解决的问题。
发明内容
本发明的目的在于提供一种用于人脸识别方法及系统，以解决现有技术中存在如何进一步提高人脸识别精度的技术问题。
本发明实施例的第一方面，提供了一种用于人脸识别方法，包括：
通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
显示所述人脸识别结果。
优选的，所述通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像，包括：
通过摄像头采集人脸图像；
从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
优选的，所述对所述第一待识别的人脸图像进行预处理获得第二待识别的人脸图像步骤包括：
步骤A1，根据以下公式构建所述第一待识别的人脸图像像素值：
Figure BDA0002722996740000021
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
步骤A2，根据以下公式求出预处理后的第二待识别的人脸图像：
Figure BDA0002722996740000022
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,
Figure BDA0002722996740000024
代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
优选的，所述通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果，包括：
步骤A1，根据以下公式计算所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure BDA0002722996740000023
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
步骤A2，根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
优选的，其中，所述第一设备本体的背面设置有第四凹槽，所述第四凹槽内设置有第一连接部，所述隐藏搭接部的外端设置有与所述第一连接部可拆卸连接的第二连接部。
优选的是，所述显示所述人脸识别结果包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示与显示屏上。
一种用于人脸识别系统，所述系统包括：
获取模块，用于通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
图像生成模块，用于获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
人脸识别模块，用于通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
显示模块，用于将人脸识别结果通过云服务器进行传输，最终展示于显示屏上。
优选的，所述获取模块包括：
采集模块，用于通过摄像头采集人脸图像；
提取模块，用于从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
映射模块，用于将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
优选的，所述图像生成模块包括：
构建模块，用于利用公式(1)构建所述第一待识别的人脸图像像素值；
Figure BDA0002722996740000031
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
图像预处理模块，用于利用公式(2)对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
Figure BDA0002722996740000032
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,X代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
优选的，所述人脸识别模块包括：
计算模块，用于利用公式(3)求出所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure BDA0002722996740000041
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
判断模块，用于根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
优选的，所述显示所述人脸识别结果包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示与显示屏上。
本发明有益效果：
本发明提出的一种用于人脸识别方法及系统，通过人脸图像的处理方式和识别方式的结合，能够在通过摄像头采集人脸图像局部有噪声的情况下，通过预处理依然能够对人脸图像进行有效识别，同时，人脸图像的处理方式和识别方式的结合能够进行准确识别，极大程度上提高了人脸识别的准确率。在采集的图像具有迷糊，有噪声的情况下，有效避免因人脸图像无法识别而导致的手机无法解锁的问题，显著提高用户体验。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明所述方法的流程图；
图2为本发明所述系统的系统框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，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。
本发明提出的一个实施例，如图1所示，一种用于人脸识别方法，所述方法包括：
S1、通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
S2、获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
S3、通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
S4、显示所述人脸识别结果。
上述技术方案的工作原理为：首先，通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；然后，获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；随后，通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；最后，显示所述人脸识别结果。
上述技术方案的效果为：通过人脸图像的处理方式和识别方式的结合，能够在通过摄像头采集人脸图像局部有噪声的情况下，通过预处理依然能够对人脸图像进行有效识别，同时，人脸图像的处理方式和识别方式的结合能够进行准确识别，极大程度上提高了人脸识别的准确率。在采集的图像具有迷糊，有噪声的情况下，有效避免因人脸图像无法识别而导致的手机无法解锁的问题，显著提高用户体验。
本发明的一个实例中，所述通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像，包括：
S301、通过摄像头采集人脸图像；
S302、从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
S303、将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
上述技术方案的工作原理为：首先，通过摄像头采集人脸图像，然后，从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；最后，将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
同时，所述人脸特征需要提前明确的特征点眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征为后期进行人脸识别时最重要的对比点，同时建立映射关系将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定，为后期人脸识别模块进行对第二待识别人脸图像与人脸特征图像进行对比，然后人脸图像有对应的身份信息，通过对第二待识别人脸图像可以获取其识别结果以及对应的身份信息。
上述技术方案的效果为：有效减少在图像处理中和后续图像识别过程中产生的干扰，提高图像处理的效率和准确度。
本发明的一个实施例，所述对所述第一待识别的人脸图像进行预处理获得第二待识别的人脸图像步骤包括：步骤A1，根据以下公式构建所述第一待识别的人脸图像像素值：
Figure BDA0002722996740000061
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
步骤A2，根据以下公式求出预处理后的第二待识别的人脸图像：
Figure BDA0002722996740000062
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,X代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
在本实施例中，所述通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果，包括：
步骤A1，根据以下公式计算所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure BDA0002722996740000063
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
步骤A2，根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
在本实施例中，所述显示所述人脸识别结果包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示与显示屏上。
上述技术方案的工作原理为：获取所述第一待识别人脸图像，对所述第一待识别人脸图像进行数据预处理，消除噪声，增强图像，得到第二待识别人脸图像，对第二待识别人脸图像与人脸特征图像进行对比，求出其相似度，根据相似度的大小判断是否符合，最终确定识别结果是否通过。
上述技术方案的效果为：通过对其第一待识别图像进行预处理，增强了图像的质感，减少图像中的噪声点，离群值，可以提升人脸识别的准确率，通过计算预处理后的第二待识别图像和人脸特征图像的相似度，根据相似度判断其识别结果，有效减少在图像处理中和后续图像识别过程中产生的干扰，提高图像处理的效率和准确度。
本发明实施例提出了一种用于人脸识别系统，如图2所示，所述系统包括：
获取模块，用于通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
图像生成模块，用于获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
人脸识别模块，用于通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
显示模块，用于将识别结果通过云服务器进行传输，最终展示于显示屏上。
上述技术方案的工作原理为：通过获取模块采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；利用图像生成模块将对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像，通过人脸识别模块对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；采用显示模块显示所述人脸识别结果。
上述技术方案的效果为：通过人脸图像的处理方式和识别方式的结合，能够在通过摄像头采集人脸图像局部有噪声的情况下，通过预处理依然能够对人脸图像进行有效识别，同时，人脸图像的处理方式和识别方式的结合能够进行准确识别，极大程度上提高了人脸识别的准确率。在采集的图像具有迷糊，有噪声的情况下，有效避免因人脸图像无法识别而导致的手机无法解锁的问题，显著提高用户体验。
本发明的一个实施列，所述所述获取模块包括：
采集模块，用于通过摄像头采集人脸图像；
提取模块，用于从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
映射模块，用于将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
上述技术方案的工作原理为：利用采集模块采集人脸图像；利用提取模块将所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；最后利用映射模块将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
上诉技术方案的效果为：有效的提取出人脸重要部分的特征，为后期人脸识别模块的对比效果提供了有力的支持，通过建立映射关系，可以对人脸进行很好的识别分类，最终返回识别结果。
本发明的一个实施例，所述图像生成模块包括：
构建模块，用于利用公式(1)构建所述第一待识别的人脸图像像素值；
Figure BDA0002722996740000081
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
图像预处理模块，用于利用公式(2)对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
Figure BDA0002722996740000082
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,X代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
本发明的一个实施例，所述人脸识别模块包括：
计算模块，用于利用公式(3)求出所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure BDA0002722996740000091
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
判断模块，用于根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
本发明的一个实施例中，所述显示模块包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示与显示屏上。
上述技术方案的工作原理为：图像生成模块包括构建模块以及图像预处理模块，构建模块用于构建所述第一待识别的人脸图像像素值，图像预处理模块用于对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；人脸识别模块包括计算模块以及判断模块，计算模块用于计算第二待识别模块与人脸特征模块的相似度，判断模块用于根据相似度结果来衡量人脸识别是否成功；显示模块将最终人脸识别结果展示与显示屏上。
上述技术方案的效果为：通过对其第一待识别图像进行预处理，增强了图像的质感，减少图像中的噪声点，离群值，可以提升人脸识别的准确率，通过计算预处理后的第二待识别图像和人脸特征图像的相似度，根据相似度判断其识别结果，有效减少在图像处理中和后续图像识别过程中产生的干扰，提高图像处理的效率和准确度，通过人脸图像的处理方式和识别方式的结合，能够在通过摄像头采集人脸图像局部有噪声的情况下，通过预处理依然能够对人脸图像进行有效识别，同时，人脸图像的处理方式和识别方式的结合能够进行准确识别，极大程度上提高了人脸识别的准确率。在采集的图像具有迷糊，有噪声的情况下，有效避免因人脸图像无法识别而导致的手机无法解锁的问题，显著提高用户体验。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述仅为本公开的可选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种用于人脸识别方法，其特征在于，所述方法包括：
通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
显示所述人脸识别结果。
2.根据权要求1所述的方法，其特征在于，所述通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像，包括：
通过摄像头采集人脸图像；
从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
3.根据权要求1所述的方法，其特征在于，所述对所述第一待识别的人脸图像进行预处理获得第二待识别的人脸图像步骤包括：
步骤A1，根据以下公式构建所述第一待识别的人脸图像像素值：
Figure FDA0002722996730000011
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
步骤A2，根据以下公式求出预处理后的第二待识别的人脸图像：
Figure FDA0002722996730000012
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,
Figure FDA0002722996730000013
代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
4.根据权利要求1-3所述的方法，其特征在于，所述通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果，包括：
步骤A1，根据以下公式计算所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure FDA0002722996730000021
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
步骤A2，根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
5.根据权利要求1所述的方法，其特征在于，所述显示所述人脸识别结果包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示于显示屏上。
6.一种用于人脸识别系统，其特征在于，所述系统包括：
获取模块，用于通过摄像头采集人脸图像，对人脸图像进行特征提取，获得人脸特征图像；
图像生成模块，用于获取第一待识别的人脸图像，并对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
人脸识别模块，用于通过对所述第二待识别的人脸图像与所述人脸特征图像进行人脸识别，并获取人脸识别结果；
显示模块，用于将人脸识别结果通过云服务器进行传输，最终展示于显示屏上。
7.根据权利要求6所述的系统，其特征在于，所述获取模块包括：
采集模块，用于通过摄像头采集人脸图像；
提取模块，用于从所述人脸图像中提取人脸特征图像，其中，所述人脸特征图像包括眼部特征、颌部特征、嘴唇特征、眉毛特征以及鼻子特征中的至少一种；
映射模块，用于将所述人脸特征图像存储于平台中，并将所述人脸特征图像与所述人脸图像以及对应的身份信息进行绑定并建立唯一的映射关系。
8.根据权利要求6所述的系统，其特征在于，所述图像生成模块包括：
构建模块，用于利用公式(1)构建所述第一待识别的人脸图像像素值；
Figure FDA0002722996730000031
其中，X代表第一待识别的人脸图像像素值总数据，anm代表横坐标为n，纵坐标为m点的像素值，其中，n＝1,2,3,......，m＝1,2,3,......，因为第一待识别的人脸图像根据不同的摄像头，像素值也会用差异，所以采用n,m表示；
图像预处理模块，用于利用公式(2)对第一待识别的人脸图像进行预处理，生成第二待识别的人脸图像；
Figure FDA0002722996730000032
其中，X代表第一待识别的人脸图像像素值总数据，ε代表非0常数,
Figure FDA0002722996730000033
代表第二待识别的人脸图像像素值总数据，r代表构建第一待识别的人脸图像的总数量。
9.根据权利要求6所述的系统，其特征在于，所述人脸识别模块包括：
计算模块，用于利用公式(3)求出所述第二待识别的人脸图像与所述人脸特征图像的相似度：
Figure FDA0002722996730000034
其中，sim(P,Q)表示第二待识别人脸图像特征向量与人脸特征图像特征向量之间的相似度；P表示第二待识别人脸图像特征向量，且，P＝(p1、p2……pn)；Q表示人脸特征图像特征向量，且，Q＝(q1、q2……qn)；
判断模块，用于根据第二待识别的人脸图像与所述人脸特征图像的相似度获取人脸识别结果，当sim(P,Q)＜0.65时，人脸识别失败，当sim(P,Q)≥0.65时，表示人脸识别成功。
10.根据权利要求6所述的系统，其特征在于，所述显示模块包括，当所述人脸识别成功后，所述将识别结果通过云服务器进行传输，最终展示与显示屏上。
CN202011093842.8A 2020-10-14 2020-10-14 一种用于人脸识别方法及系统 Withdrawn CN112270219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011093842.8A CN112270219A (zh) 2020-10-14 2020-10-14 一种用于人脸识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011093842.8A CN112270219A (zh) 2020-10-14 2020-10-14 一种用于人脸识别方法及系统

Publications (1)

Publication Number Publication Date
CN112270219A true CN112270219A (zh) 2021-01-26

Family

ID=74338176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011093842.8A Withdrawn CN112270219A (zh) 2020-10-14 2020-10-14 一种用于人脸识别方法及系统

Country Status (1)

Country Link
CN (1) CN112270219A (zh)

Similar Documents

Publication Publication Date Title
US8675926B2 (en) Distinguishing live faces from flat surfaces
CN102663444B (zh) 防止账号被盗用的方法和系统
CN106682632B (zh) 用于处理人脸图像的方法和装置
CN107590430A (zh) 活体检测方法、装置、设备及存储介质
CN107545241A (zh) 神经网络模型训练及活体检测方法、装置及存储介质
EP3076321A1 (en) Methods and systems for detecting user head motion during an authentication transaction
CN105069622A (zh) 一种面向移动终端的人脸识别支付系统和方法
CN108062544A (zh) 用于人脸活体检测的方法和装置
CN113343826A (zh) 人脸活体检测模型的训练方法、人脸活体检测方法及装置
CN111222433B (zh) 自动人脸稽核方法、系统、设备及可读存储介质
CN107622246A (zh) 人脸识别方法及相关产品
CN111339897B (zh) 活体识别方法、装置、计算机设备和存储介质
CN110321792A (zh) 无卡取现方法、装置、设备及计算机可读存储介质
CN109118233A (zh) 基于人脸识别的认证方法和装置
CN111047796A (zh) 一种基于人脸识别的存取款方法及系统
CN111460416B (zh) 一种基于微信小程序平台的人脸特征与动态属性的认证方法
CN111915307A (zh) 一种无接触式移动支付系统及方法
CN112270219A (zh) 一种用于人脸识别方法及系统
WO2022222735A1 (zh) 信息处理方法、装置、计算机设备和存储介质
CN111598031A (zh) 一种人脸识别方法及系统
CN114299569A (zh) 一种基于眼球运动的安全人脸认证方法
CN110991211B (zh) 基于改进残差神经网络的便携式单兵人脸识别装置
CN113420279A (zh) 一种密码输入方法及装置
WO2020232889A1 (zh) 支票取现方法、装置、设备及计算机可读存储介质
CN109242489B (zh) 认证方式选择方法和装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210126

WW01 Invention patent application withdrawn after publication