CN112464727A - 一种基于光场相机的自适应人脸识别方法 - Google Patents
一种基于光场相机的自适应人脸识别方法 Download PDFInfo
- Publication number
- CN112464727A CN112464727A CN202011206986.XA CN202011206986A CN112464727A CN 112464727 A CN112464727 A CN 112464727A CN 202011206986 A CN202011206986 A CN 202011206986A CN 112464727 A CN112464727 A CN 112464727A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- light field
- face detection
- field camera
- 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 23
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012827 research and development Methods 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于光场相机的自适应人脸识别方法,包括以下步骤:通过光场相机采集原始图像,对原始图像进行光场再聚焦获取T张同一场景在不同位置的再聚焦图像;采用人脸检测算法对再聚焦图像进行人脸检测,得到初步人脸检测结果;对初步人脸检测结果进行人脸分组,得到同一人脸不同清晰程度的人脸图像序列;计算同一人脸不同清晰程度的人脸图像序列中每张图像的清晰度,获取每张人脸对应的清晰度最大的人脸图像;对清晰度最大的人脸图像进行人脸识别,完成基于光场相机的自适应人脸识别。本发明提出的基于光场相机的自适应人脸识别方法,提高了方法的自适应性,对环境依赖弱,能够适用于更多的识别场景。
Description
技术领域
本发明属于人脸识别技术与光场成像技术领域,具体涉及一种基于光场相机的自适应人脸识别方法。
背景技术
近年来,人脸识别引起了越来越多的研究与开发,但是人脸识别在一些真实场景中的效果依然不理想。实际上,人脸识别的性能受到很多方面的因素影响,比如光照、遮挡,以及年龄的差异等,在智能监控系统中,仍存在一些有待解决的挑战。在监控场景下,因为相机的聚焦范围有限,我们希望针对不同姿态和不同距离的人脸有个准确的检测和识别结果。显然,传统相机一次拍摄不能够得到不同距离物体的清晰聚焦图像,从而影响了对物体识别的准确率,而光场相机可以实现先拍照后聚焦、全聚焦等功能,但是现有技术中基于广场相机的适应性差,对环境依赖性非常差。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于光场相机的自适应人脸识别方法解决了现有技术中存在的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于光场相机的自适应人脸识别方法,包括以下步骤:
S1、通过光场相机采集原始图像,对原始图像进行光场再聚焦获取T张同一场景在不同位置的再聚焦图像;
S2、采用人脸检测算法对再聚焦图像进行人脸检测,得到初步人脸检测结果;
S3、对初步人脸检测结果进行人脸分组,得到同一人脸不同清晰程度的人脸图像序列;
S4、计算同一人脸不同清晰程度的人脸图像序列中每张图像的清晰度,获取每张人脸对应的清晰度最大的人脸图像;
S5、对清晰度最大的人脸图像进行人脸识别,完成基于光场相机的自适应人脸识别。
进一步地,所述步骤S1中再聚焦图像具体为:
其中,I(δ,Δ)表示再聚焦图像,wij表示原始图像中x轴正方向第i个且在y轴正方向第j个位置的子图,δ表示子图wij的尺寸,wij(δ,Δ)表示子图wij的子块patch,Δ表示子块patch的中心相对于子图wij中心的偏移量,i=1,2,...,Nx,j=1,2,...,Ny,Nx表示原始图像的子图阵列在x轴方向的总个数,Ny表示原始图像的子图阵列在y轴方向的总个数。
进一步地,所述步骤S2中人脸检测算法为PyramidBox。
进一步地,所述步骤S3包括以下分步骤:
S3.1、设置计数器t=1,并将所有再聚焦图像的同一角点作为图像坐标系的原点;
S3.2、将第t张中再聚焦图像中所有人脸分配不同的编码;
S3.3、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸,并将人脸检测框的角点坐标作为其位置;
S3.4、将第t张再聚焦图像中所有人脸作为参考人脸;
S3.5、令t的计数值加1;
S3.6、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸;
S3.7、根据第t张再聚焦图像中人脸检测框的位置,计算第t张再聚焦图像中人脸q与所有参考人脸之间的距离D,取出所有参考人脸中与人脸q距离最小的人脸ref,并记录人脸q与人脸ref之间的距离为Dist;
S3.8、判断距离Dist是否小于d/4且0.9<Sq/Sref<1.1是否成立,若是,则将人脸ref的编码分配给人脸q,并进入步骤S3.9,否则给人脸q分配新的编码,记录人脸q的位置和尺寸,将人脸q作为参考人脸,并进入步骤S3.9;
S3.9、判断t的计数值是否等于T,若是,则得到人脸不同清晰程度的图像序列,否则返回步骤S3.5;
其中,d表示人脸q的人脸检测框边长的平均值,Sq表示人脸q的尺寸,Sref表示人脸ref的尺寸。
进一步地,所述步骤S3.7中距离D的计算公式为:
其中,(xq,yq)表示人脸q的位置坐标,(xm,ym)表示参考人脸m的位置坐标。
进一步地,所述步骤S4每张图像的清晰度计算公式为:
其中,D(n)表示同一人脸对应的再聚焦图像n的清晰度,n=1,2,...,K,K表示再聚焦图像的总数,(xn,yn)表示再聚焦图像n的像素点坐标值,xn=1,2,...,X,yn=1,2,...,Y,X表示再聚焦图像n的人脸检测部分中像素点最大的x轴坐标值,Y表示再聚焦图像n的人脸检测部分中像素点最大的y轴坐标值,f(xn,yn)表示(xn,yn)对应像素点的灰度值,f(xn+2,yn)表示(xn+2,yn)对应像素点的灰度值。
本发明的有益效果为:
(1)本发明实现了一种基于光场相机的自适应人脸识别方法,提高了方法的自适应性,对环境依赖弱,能够适用于更多的识别场景。
(2)本发明通过光场相机进行先拍照后聚焦,并且对照片进行检测人脸、人脸分组、计算清晰度和再识别处理,使人脸识别准确率较高。
(3)本发明通过对人脸进行分组,能够准确地找到同一人脸不同距离的图像,并通过计算图像清晰度,得到了不同距离中最清晰的人脸图像,提高了人脸识别的准确率。
附图说明
图1为本发明提出的一种基于光场相机的自适应人脸识别方法流程图。
图2为本发明中再聚焦过程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
下面结合附图详细说明本发明的实施例。
如图1所示,一种基于光场相机的自适应人脸识别方法,包括以下步骤:
S1、通过光场相机采集原始图像,对原始图像进行光场再聚焦获取T张同一场景在不同位置的再聚焦图像;
S2、采用人脸检测算法对再聚焦图像进行人脸检测,得到初步人脸检测结果;
S3、对初步人脸检测结果进行人脸分组,得到同一人脸不同清晰程度的人脸图像序列;
S4、计算同一人脸不同清晰程度的人脸图像序列中每张图像的清晰度,获取每张人脸对应的清晰度最大的人脸图像;
S5、对清晰度最大的人脸图像进行人脸识别,完成基于光场相机的自适应人脸识别。
在本实施例中,光场相机采用Lytro II相机。
如图2所示,通过对原始图像进行不同深度的再聚焦操作,获取若干再聚焦图像,所述步骤S1中再聚焦图像具体为:
其中,I(δ,Δ)表示再聚焦图像,wij表示原始图像中x轴正方向第i个且在y轴正方向第j个位置的子图,δ表示子图wij的尺寸,wij(δ,Δ)表示子图wij的子块patch,Δ表示子块patch的中心相对于子图wij中心的偏移量,i=1,2,...,Nx,j=1,2,...,Ny,Nx表示原始图像的子图阵列在x轴方向的总个数,Ny表示原始图像的子图阵列在y轴方向的总个数。
所述步骤S2中人脸检测算法为PyramidBox。
所述步骤S3包括以下分步骤:
S3.1、设置计数器t=1,并将所有再聚焦图像的同一角点作为图像坐标系的原点;
S3.2、将第t张中再聚焦图像中所有人脸分配不同的编码;
S3.3、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸,并将人脸检测框的角点坐标作为其位置;
S3.4、将第t张再聚焦图像中所有人脸作为参考人脸;
S3.5、令t的计数值加1;
S3.6、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸;
S3.7、根据第t张再聚焦图像中人脸检测框的位置,计算第t张再聚焦图像中人脸q与所有参考人脸之间的距离D,取出所有参考人脸中与人脸q距离最小的人脸ref,并记录人脸q与人脸ref之间的距离为Dist;
S3.8、判断距离Dist是否小于d/4且0.9<Sq/Sref<1.1是否成立,若是,则将人脸ref的编码分配给人脸q,并进入步骤S3.9,否则给人脸q分配新的编码,记录人脸q的位置和尺寸,将人脸q作为参考人脸,并进入步骤S3.9;
S3.9、判断t的计数值是否等于T,若是,则得到人脸不同清晰程度的图像序列,否则返回步骤S3.5;
其中,d表示人脸q的人脸检测框边长的平均值,Sq表示人脸q的尺寸,Sref表示人脸ref的尺寸。
所述步骤S3.7中距离D的计算公式为:
其中,(xq,yq)表示人脸q的位置坐标,(xm,ym)表示参考人脸m的位置坐标。
所述步骤S4每张图像的清晰度计算公式为:
其中,D(n)表示同一人脸对应的再聚焦图像n的清晰度,n=1,2,...,K,K表示再聚焦图像的总数,(xn,yn)表示再聚焦图像n的像素点坐标值,xn=1,2,...,X,yn=1,2,...,Y,X表示再聚焦图像n的人脸检测部分中像素点最大的x轴坐标值,Y表示再聚焦图像n的人脸检测部分中像素点最大的y轴坐标值,f(xn,yn)表示(xn,yn)对应像素点的灰度值,f(xn+2,yn)表示(xn+2,yn)对应像素点的灰度值。
本发明的有益效果为:
(1)本发明实现了一种基于光场相机的自适应人脸识别方法,提高了方法的自适应性,对环境依赖弱,能够适用于更多的识别场景。
本发明的有益效果为:
(1)本发明实现了一种基于光场相机的自适应人脸识别方法,提高了方法的自适应性,对环境依赖弱,能够适用于更多的识别场景。
(2)本发明通过光场相机进行先拍照后聚焦,并且对照片进行检测人脸、人脸分组、计算清晰度和再识别处理,使人脸识别准确率较高。
(3)本发明通过对人脸进行分组,能够准确地找到同一人脸不同距离的图像,并通过计算图像清晰度,得到了不同距离中最清晰的人脸图像,提高了人脸识别的准确率。
Claims (6)
1.一种基于光场相机的自适应人脸识别方法,其特征在于,包括以下步骤:
S1、通过光场相机采集原始图像,对原始图像进行光场再聚焦获取T张同一场景在不同位置的再聚焦图像;
S2、采用人脸检测算法对再聚焦图像进行人脸检测,得到初步人脸检测结果;
S3、对初步人脸检测结果进行人脸分组,得到同一人脸不同清晰程度的人脸图像序列;
S4、计算同一人脸不同清晰程度的人脸图像序列中每张图像的清晰度,获取每张人脸对应的清晰度最大的人脸图像;
S5、对清晰度最大的人脸图像进行人脸识别,完成基于光场相机的自适应人脸识别。
3.根据权利要求1所述的基于光场相机的自适应人脸识别方法,其特征在于,所述步骤S2中人脸检测算法为PyramidBox。
4.根据权利要求1所述的基于光场相机的自适应人脸识别方法,其特征在于,所述步骤S3包括以下分步骤:
S3.1、设置计数器t=1,并将所有再聚焦图像的同一角点作为图像坐标系的原点;
S3.2、将第t张中再聚焦图像中所有人脸分配不同的编码;
S3.3、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸,并将人脸检测框的角点坐标作为其位置;
S3.4、将第t张再聚焦图像中所有人脸作为参考人脸;
S3.5、令t的计数值加1;
S3.6、根据初步人脸检测结果中人脸检测框,记录第t张再聚焦图像中人脸检测框与原点最近的角点坐标和人脸检测框的尺寸;
S3.7、根据第t张再聚焦图像中人脸检测框的位置,计算第t张再聚焦图像中人脸q与所有参考人脸之间的距离D,取出所有参考人脸中与人脸q距离最小的人脸ref,并记录人脸q与人脸ref之间的距离为Dist;
S3.8、判断距离Dist是否小于d/4且0.9<Sq/Sref<1.1是否成立,若是,则将人脸ref的编码分配给人脸q,并进入步骤S3.9,否则给人脸q分配新的编码,记录人脸q的位置和尺寸,将人脸q作为参考人脸,并进入步骤S3.9;
S3.9、判断t的计数值是否等于T,若是,则得到人脸不同清晰程度的图像序列,否则返回步骤S3.5;
其中,d表示人脸q的人脸检测框边长的平均值,Sq表示人脸q的尺寸,Sref表示人脸ref的尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206986.XA CN112464727A (zh) | 2020-11-03 | 2020-11-03 | 一种基于光场相机的自适应人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206986.XA CN112464727A (zh) | 2020-11-03 | 2020-11-03 | 一种基于光场相机的自适应人脸识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112464727A true CN112464727A (zh) | 2021-03-09 |
Family
ID=74835336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011206986.XA Pending CN112464727A (zh) | 2020-11-03 | 2020-11-03 | 一种基于光场相机的自适应人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464727A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113432719A (zh) * | 2021-06-22 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种人体温度确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303228A (zh) * | 2016-08-04 | 2017-01-04 | 深圳市未来媒体技术研究院 | 一种聚焦型光场相机的渲染方法和系统 |
CN107637061A (zh) * | 2015-04-27 | 2018-01-26 | 汤姆逊许可公司 | 处理光场内容的方法和设备 |
CN108509868A (zh) * | 2018-03-12 | 2018-09-07 | 杭州软库科技有限公司 | 一种基于光场相机的人脸识别系统及方法 |
CN108692655A (zh) * | 2017-04-06 | 2018-10-23 | 上海盟云移软网络科技股份有限公司 | 基于光场成像的三维测量方法 |
CN110348366A (zh) * | 2019-07-05 | 2019-10-18 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
CN111462075A (zh) * | 2020-03-31 | 2020-07-28 | 湖南国科智瞳科技有限公司 | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 |
-
2020
- 2020-11-03 CN CN202011206986.XA patent/CN112464727A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107637061A (zh) * | 2015-04-27 | 2018-01-26 | 汤姆逊许可公司 | 处理光场内容的方法和设备 |
CN106303228A (zh) * | 2016-08-04 | 2017-01-04 | 深圳市未来媒体技术研究院 | 一种聚焦型光场相机的渲染方法和系统 |
CN108692655A (zh) * | 2017-04-06 | 2018-10-23 | 上海盟云移软网络科技股份有限公司 | 基于光场成像的三维测量方法 |
CN108509868A (zh) * | 2018-03-12 | 2018-09-07 | 杭州软库科技有限公司 | 一种基于光场相机的人脸识别系统及方法 |
CN110348366A (zh) * | 2019-07-05 | 2019-10-18 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
CN111462075A (zh) * | 2020-03-31 | 2020-07-28 | 湖南国科智瞳科技有限公司 | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 |
Non-Patent Citations (3)
Title |
---|
SHAHENDA SARHAN 等: "Multipose Face Recognition-Based Combined Adaptive Deep Learning Vector Quantization", 《COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE》 * |
ZENG ZENG 等: "Adaptive shadow removal algorithm for face images", 《2018 12TH INTERNATIONAL CONFERENCE ON SENSING TECHNOLOGY (ICST)》 * |
黄法秀 等: "基于CNN的人脸图像亮度和清晰度质量评价", 《计算机工程与设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113432719A (zh) * | 2021-06-22 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种人体温度确定方法及装置 |
CN113432719B (zh) * | 2021-06-22 | 2022-10-18 | 浙江大华技术股份有限公司 | 一种人体温度确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
US10462362B2 (en) | Feature based high resolution motion estimation from low resolution images captured using an array source | |
US8385595B2 (en) | Motion detection method, apparatus and system | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN109767467A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
JP5074322B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置 | |
CN111144213B (zh) | 一种对象检测方法和相关设备 | |
CN110248097A (zh) | 追焦方法、装置、终端设备、计算机可读存储介质 | |
CN110191287B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN112132874B (zh) | 无标定板异源图像配准方法、装置、电子设备及存储介质 | |
CN109389630B (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 | |
CN113206949B (zh) | 基于熵加权图像梯度的半直接单目视觉slam方法 | |
WO2022135588A1 (zh) | 图像校正方法、装置及系统、电子设备 | |
CN109327626A (zh) | 图像采集方法、装置、电子设备和计算机可读存储介质 | |
TWI394097B (zh) | 移動物體的偵測方法以及偵測系統 | |
CN110111341B (zh) | 图像前景获取方法、装置及设备 | |
CN109978908B (zh) | 一种适应大尺度形变的单目标快速跟踪定位方法 | |
CN112464727A (zh) | 一种基于光场相机的自适应人脸识别方法 | |
CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
CN113379854B (zh) | 相机图像融合方法及相机图像融合系统 | |
CN114358131A (zh) | 数码相框智能照片优化处理系统 | |
JP2002352231A (ja) | 人体端点検出方法及び装置 | |
CN109242910B (zh) | 一种基于任意已知平面形状的单目相机自标定方法 | |
CN112614182B (zh) | 基于深度学习的识别加工位置的方法、存储设备、移动终端 | |
US20230058934A1 (en) | Method for camera control, image signal processor and device |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210309 |
|
RJ01 | Rejection of invention patent application after publication |