CN112613489A - 一种数据采集方法及系统 - Google Patents
一种数据采集方法及系统 Download PDFInfo
- Publication number
- CN112613489A CN112613489A CN202110023042.7A CN202110023042A CN112613489A CN 112613489 A CN112613489 A CN 112613489A CN 202110023042 A CN202110023042 A CN 202110023042A CN 112613489 A CN112613489 A CN 112613489A
- Authority
- CN
- China
- Prior art keywords
- rgb data
- data
- channel
- visible light
- merging
- 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
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/172—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)
- Image Analysis (AREA)
Abstract
本申请公开了一种数据采集方法及系统。数据采集方法包括:数据获取步骤:获取可见光RGB数据与热成像RGB数据;数据通道合并步骤:将可见光RGB数据通道与热成像RGB数据通道进行合并;训练步骤:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;层次信息获取步骤:通过所述权重矩阵处理所有图像,获取RGB数据合并通道的最终的层次信息。本发明提出一种数据采集方法及系统,本发明通过使用可见光、热成像来区分人脸的方法,在采集人脸数据时就能把人脸信息和背景区分开来,能有效的提升人脸范围的权重,增强人脸识别的准确度,使得特征空间更聚焦于人脸部分。
Description
技术领域
本申请涉及数据采集技术领域,尤其涉及一种数据采集方法及系统。
背景技术
人脸识别指的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。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进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。人脸识别的主要目的是抽取人脸的特征,所以背景的特征是需要去除掉的。现有的人脸识别处理中,每个人的数据都是和背景在一个层里面,是无法直接拆分开的。如果需要把人和背景拆分开了,需要手动标注大量数据。希望通过一个设备直接在采集数据的时候,就能把人和背景区分开来。
因此,针对以上现状,本发明提出一种数据采集方法及系统,本发明通过使用可见光、热成像来区分人脸的方法,在采集人脸数据时就能把人脸信息和背景区分开来,能有效的提升人脸范围的权重,增强人脸识别的准确度,使得特征空间更聚焦于人脸部分。
发明内容
本申请实施例提供了一种数据采集方法及系统,以至少解决相关技术中主观因素影响的问题。
本发明提供了一种数据采集方法,包括:
数据获取步骤:获取可见光RGB数据与热成像RGB数据;
数据通道合并步骤:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练步骤:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取步骤:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
上述的数据采集方法,所述数据获取步骤包括,通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
上述的数据采集方法,所述数据通道合并步骤包括,将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个RGB数据通道合并组成的所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
上述的数据采集方法,所述训练步骤包括,通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
上述的数据采集方法,所述层次信息获取步骤包括,通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
本发明还提供一种数据采集系统,其中,适用于上述所述的数据采集方法,所述数据采集系统包括:
数据获取单元:获取可见光RGB数据与热成像RGB数据;
数据通道合并单元:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练单元:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取单元:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
上述的数据采集系统,所述数据获取单元通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
上述的数据采集系统,所述数据通道合并单元将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个RGB数据通道合并组成的所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
上述的数据采集系统,所述训练单元通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
上述的数据采集系统,所述层次信息获取单元通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
相比于相关技术,本发明提出一种数据采集方法及系统,本发明通过使用可见光、热成像来区分人脸的方法,在采集人脸数据时就能把人脸信息和背景区分开来,能有效的提升人脸范围的权重,增强人脸识别的准确度,使得特征空间更聚焦于人脸部分。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的数据采集方法流程图;
图2是根据本申请实施例的数据采集流程框架图;
图3为本发明的数据采集系统的结构示意图;
图4是根据本申请实施例的电子设备的框架图。
其中,附图标记为:
数据获取单元:51;
数据通道合并单元:52;
训练单元:53;
层次信息获取单元:54;
81:处理器;
82:存储器;
83:通信接口;
80:总线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本发明基于人脸识别数据采集,下面进行简要的介绍。
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一系列的相关应用操作。技术上包括图像采集、特征定位、身份的确认和查找等。人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期,并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提,与其它类型的生物识别比较人脸识别具有如下特点:非强制性:用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;非接触性:用户不需要和设备直接接触就能获取人脸图像;并发性:在实际应用场景下可以进行多个人脸的分拣、判断及识别;除此之外,还符合视觉特性:“以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。
人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸图像采集:为便于人口管理,身份证等证件是一种必然的产物,而其中信息的一一对应关系显得尤为关键。人像、证件号、密码、指纹、掌静脉等逐渐发展起来。人像采集于现代社会越来越重要,从身份证办理到学生证等办理均需要人像采集。我国的公共安全部门是国内最早应用人体生物特征识别技术行业,也是最早制定人体生物特征识别技术标准的行业。经过十几年的发展,各类基于指纹、掌静脉、人像采集已经在公安业务领域得到广泛利用,成为排查、破案过程中不可或缺的技术。不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
本发明提出一种数据采集方法及系统,本发明通过使用可见光、热成像来区分人脸的方法,在采集人脸数据时就能把人脸信息和背景区分开来,能有效的提升人脸范围的权重,增强人脸识别的准确度,使得特征空间更聚焦于人脸部分。
下面将数据采集为例对本申请实施例进行说明。
实施例一
本实施例提供了数据采集方法。请参照图1-图2,图1是根据本申请实施例的数据采集方法流程图;图2是根据本申请实施例的数据采集流程框架图,如图所示,数据采集方法包括如下步骤:
数据获取步骤S1:获取可见光RGB数据与热成像RGB数据;
数据通道合并步骤S2:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练步骤S3:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取步骤S4:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
实施例中,所述数据获取步骤S1包括,通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
具体实施中,借助人体发热的特性和红外热成像技术,有效的把人的轮廓信息和彩色图像结合起来。本发明设计的采集装置包含了一个可见光的摄像头和一个红外热成像摄像头。首先通过可见光的摄像头获取可见光RGB数据,通过红外热成像摄像获取热成像RGB数据。
实施例中,所述数据通道合并步骤S2包括,将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个RGB数据通道合并组成的所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
实施例中,所述训练步骤S3包括,通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
实施例中,所述层次信息获取步骤S4包括,通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
具体实施中,人脸的层次信息可以作为人脸识别时,人脸范围的辅助信息,对人类特征的位置进行进一步增强,人脸识别数据采集流程图如图1所示。
由此,本发明提出一种数据采集方法及系统,本发明通过使用可见光、热成像来区分人脸的方法,在采集人脸数据时就能把人脸信息和背景区分开来,能有效的提升人脸范围的权重,增强人脸识别的准确度,使得特征空间更聚焦于人脸部分。
实施例二
请参照图3,图3为本发明的数据采集系统的结构示意图。如图3所示,发明的数据采集系统,适用于上述的数据采集方法,数据采集系统包括:
数据获取单元51:获取可见光RGB数据与热成像RGB数据;
数据通道合并单元52:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练单元53:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取单元54:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
在本实施例中,所述数据获取单元51通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
在本实施例中,所述数据通道合并单元52将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
在本实施例中,所述训练单元53通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
在本实施例中,所述层次信息获取单元54通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
实施例三
结合4所示,本实施例揭示了一种电子设备的一种具体实施方式。电子设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为FPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EFPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意数据采集方法。
在其中一些实施例中,电子设备还可包括通信接口83和总线80。其中,如图4所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(FrontSide Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
电子设备可连接数据采集系统,从而实现结合图1-图2描述的方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据采集方法,其特征在于,包括:
数据获取步骤:获取可见光RGB数据与热成像RGB数据;
数据通道合并步骤:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练步骤:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取步骤:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
2.根据权利要求1所述的数据采集方法,其特征在于,所述数据获取步骤包括,通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
3.根据权利要求1所述的数据采集方法,其特征在于,所述数据通道合并步骤包括,将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个RGB数据通道合并组成的所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
4.根据权利要求1所述的数据采集方法,其特征在于,所述训练步骤包括,通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
5.根据权利要求1所述的数据采集方法,其特征在于,所述层次信息获取步骤包括,通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
6.一种数据采集系统,其特征在于,适用于上述权利要求1-5所述的数据采集方法,所述数据采集系统包括:
数据获取单元:获取可见光RGB数据与热成像RGB数据;
数据通道合并单元:将可见光RGB数据通道与热成像RGB数据通道合并,获取RGB数据合并通道;
训练单元:建立可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的权重矩阵;
层次信息获取单元:通过所述权重矩阵处理所有图像数据,获取所述RGB数据合并通道的最终的层次信息。
7.根据权利要求6所述的数据采集系统,其特征在于,所述数据获取单元通过可见光摄像头获取所述可见光RGB数据,通过热成像摄像头获取所述热成像RGB数据。
8.根据权利要7所述的数据采集系统,其特征在于,所述数据通道合并单元将所述可见光RGB数据通道与所述热成像RGB数据通道进行合并,获取6个RGB数据通道合并组成的所述RGB数据合并通道,并得到所述RGB数据合并通道的图像数据。
9.根据权利要求8所述的数据采集系统,其特征在于,所述训练单元通过对部分所述可见光RGB数据进行人脸轮廓标注,建立所述可见光RGB数据样本,并结合所述热成像RGB数据,训练出所述热成像RGB数据通道的所述权重矩阵。
10.根据权利要求9所述的数据采集系统,其特征在于,所述层次信息获取单元通过所述权重矩阵处理所有所述图像数据,获取所述RGB数据合并通道的最终的所述层次信息,并结合所述可见光RGB数据通道,将所述层次信息存储为新的格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023042.7A CN112613489A (zh) | 2021-01-08 | 2021-01-08 | 一种数据采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023042.7A CN112613489A (zh) | 2021-01-08 | 2021-01-08 | 一种数据采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112613489A true CN112613489A (zh) | 2021-04-06 |
Family
ID=75253579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110023042.7A Pending CN112613489A (zh) | 2021-01-08 | 2021-01-08 | 一种数据采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613489A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292860A (zh) * | 2017-07-26 | 2017-10-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像处理的方法及装置 |
CN110751705A (zh) * | 2019-10-08 | 2020-02-04 | 兴承恩机械设备(深圳)有限公司 | 一种热成像与可见光的图像融合方法 |
CN111369486A (zh) * | 2020-04-01 | 2020-07-03 | 浙江大华技术股份有限公司 | 一种图像融合处理方法及装置 |
CN111582066A (zh) * | 2020-04-21 | 2020-08-25 | 浙江大华技术股份有限公司 | 异质人脸识别模型训练方法、人脸识别方法及相关装置 |
-
2021
- 2021-01-08 CN CN202110023042.7A patent/CN112613489A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292860A (zh) * | 2017-07-26 | 2017-10-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像处理的方法及装置 |
CN110751705A (zh) * | 2019-10-08 | 2020-02-04 | 兴承恩机械设备(深圳)有限公司 | 一种热成像与可见光的图像融合方法 |
CN111369486A (zh) * | 2020-04-01 | 2020-07-03 | 浙江大华技术股份有限公司 | 一种图像融合处理方法及装置 |
CN111582066A (zh) * | 2020-04-21 | 2020-08-25 | 浙江大华技术股份有限公司 | 异质人脸识别模型训练方法、人脸识别方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Face detection and recognition system using digital image processing | |
Syarif et al. | Enhanced maximum curvature descriptors for finger vein verification | |
WO2020077866A1 (zh) | 基于摩尔纹的图像识别方法、装置、设备和存储介质 | |
TW202006602A (zh) | 三維臉部活體檢測方法、臉部認證識別方法及裝置 | |
CN103426016B (zh) | 一种第二代身份证真伪鉴别方法与装置 | |
US20210034840A1 (en) | Method for Recognzing Face from Monitoring Video Data | |
CN105930709A (zh) | 人脸识别技术应用于人证一致性检验的方法及装置 | |
CN111931758B (zh) | 一种结合面部静脉的人脸识别方法及装置 | |
CN111126240B (zh) | 一种三通道特征融合人脸识别方法 | |
WO2019127273A1 (zh) | 一种多人脸检测方法、装置、服务器、系统及存储介质 | |
Han et al. | Tattoo based identification: Sketch to image matching | |
CN112613480A (zh) | 一种人脸识别方法、系统、电子设备及存储介质 | |
CN104134061A (zh) | 一种基于特征融合的支持向量机的数字手势识别方法 | |
KR20170015639A (ko) | 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법 | |
WO2022213396A1 (zh) | 猫的面部个体识别装置、方法、计算机设备及存储介质 | |
CN111488943A (zh) | 人脸识别的方法及设备 | |
CN106203322A (zh) | 一种基于手背静脉与掌纹融合图像的身份认证系统及方法 | |
CN115240280A (zh) | 人脸活体检测分类模型的构建方法、检测分类方法及装置 | |
CN109598235B (zh) | 一种指静脉图像认证方法及装置 | |
CN110969101A (zh) | 一种基于hog和特征描述子的人脸检测与跟踪方法 | |
Song et al. | Face liveliness detection based on texture and color features | |
CN107480628B (zh) | 一种人脸识别方法及装置 | |
CN111160121A (zh) | 一种基于深度学习的人像识别系统、方法及装置 | |
Arbab‐Zavar et al. | On forensic use of biometrics | |
CN112613489A (zh) | 一种数据采集方法及系统 |
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 |