CN112733717B - 一种基于人脸属性优化人脸识别的方法 - Google Patents
一种基于人脸属性优化人脸识别的方法 Download PDFInfo
- Publication number
- CN112733717B CN112733717B CN202110030067.XA CN202110030067A CN112733717B CN 112733717 B CN112733717 B CN 112733717B CN 202110030067 A CN202110030067 A CN 202110030067A CN 112733717 B CN112733717 B CN 112733717B
- Authority
- CN
- China
- Prior art keywords
- face
- attributes
- algorithm
- face recognition
- faces
- 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.)
- Active
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
- G06V40/172—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
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- 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)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人脸属性优化人脸识别的方法,特别是涉及人脸识别技术领域,包括以下步骤:步骤一、在开始人脸识别之前,需要对目前市场上主流的人脸识别算法进行测试,已确定不同算法对不同人脸属性的支持程度。该种基于人脸属性优化人脸识别的方法,是根据人脸属性分类选择不同人脸识别算法进行人脸识别的方法,在其他市场主流人脸识别算法的基础上,根据人脸属性进行分类,并找到最适合某一种类型人脸的识别算法,以此来最大程度的提高人脸识别的准确率,解决了目前对于人脸识别,各家的算法针对不同人脸属性无法都做到最大程度支持的问题。
Description
技术领域
本发明涉及人脸识别技术领域,特别是涉及一种基于人脸属性优化人脸识别的方法。
背景技术
当前的人脸识别技术上已经比较成熟,已经有多家厂商研发出比较可靠的人脸识别算法,然而各家的算法都是相对独立的,而各家算法的模型受训练数据和训练场景的不同,训练出来的AI模型都有一定的偏向。比如有的模型对女性人脸的识别比较准确,有的模型对男性人脸识别比较准确,有的模型在强光照的场景下表现相对优异,有的模型在光线不足的场景表现较好等,这就导致各家的算法针对不同人脸属性无法都做到最大程度的支持。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷,提供一种基于人脸属性优化人脸识别的方法,解决了目前对于人脸识别,各家的算法针对不同人脸属性无法都做到最大程度支持的问题。
本发明解决其技术问题所采用的技术方案是:一种基于人脸属性优化人脸识别的方法,包括以下步骤:
步骤一、在开始人脸识别之前,需要对目前市场上主流的人脸识别算法进行测试,已确定不同算法对不同人脸属性的支持程度;
步骤二、在进行人脸识别时,采集人脸图片,对人脸进行人脸活体检测,活体检测包括可见光活体检测、红外光活体检测、深度活体检测;
步骤三、采集人脸图片后,对采集的人脸进行属性检测;
步骤四、根据人脸属性的结果对当前人脸进行分类;
步骤五、根据对当前人脸的分类来确定使用的人脸识别算法;
步骤六、根据选定的人脸识别算法,调用该法的人脸检测,人脸对齐,特征值提取和特征值比对的方法,与库中的人脸比对,确定该人脸的最大相似度和对应的人脸。
进一步的,所述步骤一中对目前市场上主流的人脸识别算法进行测试时,先建立一个大型的人脸库,其中包含不同属性的人脸图片。
进一步的,对所述人脸图片进行人脸属性检测,根据检测出来的属性对人脸图片进行分类。
进一步的,把所述人脸图片放到各个算法中去做特征码比对,并记录这些图片在各算法中的准确率。
进一步的,所述人脸库包括女性人脸、男性人脸。
进一步的,所述人脸分类分为年龄为30~40岁男性、年龄为40~50岁的男性、年龄为20~30岁的女性。
与现有技术相比,本发明实现的有益效果:该种基于人脸属性优化人脸识别的方法,是根据人脸属性分类选择不同人脸识别算法进行人脸识别的方法,在其他市场主流人脸识别算法的基础上,根据人脸属性进行分类,并找到最适合某一种类型人脸的识别算法,以此来最大程度的提高人脸识别的准确率。
附图说明
图1为本发明基于人脸属性优化人脸识别的方法流程示意图;
图2为本发明各人脸算法分类测试流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1-图2所示,一种基于人脸属性优化人脸识别的方法,包括以下步骤:
步骤一、在开始人脸识别之前,需要对目前市场上主流的人脸识别算法进行测试,已确定不同算法对不同人脸属性的支持程度,这样首先建立一个大型的人脸库,其中包含不同属性的人脸图片,人脸库包含有不同属性的人脸,比如女性人脸、男性人脸,然后对这些人脸图片进行人脸属性检测,根据检测出来的属性对人脸图片进行分类,比如可分为人脸分类分为年龄为30~40岁男性、年龄为40~50岁的男性、年龄为20~30岁的女性等,这些类别根据检测出来的属性多少决定,接着把人脸图片放到各个算法中去做特征码比对,并记录这些图片在各算法中的准确率,根据统计出来的各算法对不同类型的人脸的准确率,就能知道哪种算法对哪种类型的人脸的支持是最好的;
步骤二、开始人脸识别第一部分是采集人脸图片,首先需要对人脸进行人脸活体检测,活体检测包括可见光活体检测、红外光活体检测、深度活体检测等,通过活体检测后需要对人脸姿态、人脸图像清晰度、人脸眼睛闭合状态等进行检测,通过的情况下采集下当前的图片用作后面的识别;
步骤三、人脸图片采集下来就是人脸属性检测,需要对采集的人脸进行属性检测,检测出当前人脸图片的性别,年龄,表情,遮挡情况等属性;
步骤四、根据人脸属性的结果,对当前人脸进行分类,比如可分为年龄为30~40岁男性、年龄为40~50岁的男性、年龄为20~30岁的女性等,类别根据步骤一中对算法测试时的人脸分类决定;
步骤五、根据步骤四中对当前人脸的分类和步骤一中确定的不同算法对不同类型人脸的支持程度,就可以确定此次识别使用哪个算法来做特征值比对;
步骤六、根据步骤五中选定的人脸识别算法,调用该法的人脸检测,人脸对齐,特征值提取和特征值比对的方法,与库中的人脸比对,确定该人脸的最大相似度和对应的人脸,这样通过人脸属性检测,确定最适合的人脸识别算法,以提高人脸识别的准确率。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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。
Claims (3)
1.一种基于人脸属性优化人脸识别的方法,其特征在于,包括以下步骤:
步骤一、在开始人脸识别之前,需要对目前市场上主流的人脸识别算法进行测试,以确定不同算法对不同人脸属性的支持程度,具体包括:先建立一个大型的人脸库,其中包含不同属性的人脸图片,然后对这些人脸图片进行人脸属性检测,根据检测出来的属性对人脸图片进行分类,接着把人脸图片放到各个算法中去做特征码比对,并记录这些图片在各算法中的准确率,根据统计出来的各算法对不同类型的人脸的准确率,就能知道哪种算法对哪种类型的人脸的支持是最好的:
步骤二、在进行人脸识别时,采集人脸图片,对人脸进行人脸活体检测,活体检测包括可见光活体检测、红外光活体检测、深度活体检测;
步骤三、采集人脸图片后,对采集的人脸进行属性检测;
步骤四、根据人脸属性的结果对当前人脸进行分类;
步骤五、根据对当前人脸的分类来确定使用的人脸识别算法;
步骤六、根据选定的人脸识别算法,调用该算法的人脸检测,人脸对齐,特征值提取和特征值比对的方法,与库中的人脸比对,确定该人脸的最大相似度和对应的人脸。
2.如权利要求1所述的一种基于人脸属性优化人脸识别的方法,其特征在于:所述人脸库包括女性人脸、男性人脸。
3.如权利要求2所述的一种基于人脸属性优化人脸识别的方法,其特征在于:人脸分类分为年龄为30~40岁男性、年龄为40~50岁的男性、年龄为20~30岁的女性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110030067.XA CN112733717B (zh) | 2021-01-11 | 2021-01-11 | 一种基于人脸属性优化人脸识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110030067.XA CN112733717B (zh) | 2021-01-11 | 2021-01-11 | 一种基于人脸属性优化人脸识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733717A CN112733717A (zh) | 2021-04-30 |
CN112733717B true CN112733717B (zh) | 2021-11-23 |
Family
ID=75590135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110030067.XA Active CN112733717B (zh) | 2021-01-11 | 2021-01-11 | 一种基于人脸属性优化人脸识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733717B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706872A (zh) * | 2009-11-26 | 2010-05-12 | 上海交通大学 | 通用的开放式人脸识别系统 |
CN107563280A (zh) * | 2017-07-24 | 2018-01-09 | 南京道熵信息技术有限公司 | 基于多模型的人脸识别方法和装置 |
CN108875474A (zh) * | 2017-07-18 | 2018-11-23 | 北京旷视科技有限公司 | 评估人脸识别算法的方法、装置及计算机存储介质 |
CN109558833A (zh) * | 2018-11-28 | 2019-04-02 | 厦门市巨龙信息科技有限公司 | 一种人脸识别算法评测方法以及装置 |
CN109815775A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于人脸属性的人脸识别方法及系统 |
CN110503072A (zh) * | 2019-08-29 | 2019-11-26 | 南京信息工程大学 | 基于多支路cnn架构的人脸年龄估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145704B (zh) * | 2018-06-14 | 2022-02-22 | 西安电子科技大学 | 一种基于人脸属性的人脸画像识别方法 |
CN108509945A (zh) * | 2018-06-29 | 2018-09-07 | 张维先 | 通过人脸属性识别提升掌静脉识别系统性能的方法 |
CN111523367B (zh) * | 2020-01-22 | 2022-07-22 | 湖北科技学院 | 基于人脸属性分析的智能化人脸表情识别方法与系统 |
-
2021
- 2021-01-11 CN CN202110030067.XA patent/CN112733717B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706872A (zh) * | 2009-11-26 | 2010-05-12 | 上海交通大学 | 通用的开放式人脸识别系统 |
CN108875474A (zh) * | 2017-07-18 | 2018-11-23 | 北京旷视科技有限公司 | 评估人脸识别算法的方法、装置及计算机存储介质 |
CN107563280A (zh) * | 2017-07-24 | 2018-01-09 | 南京道熵信息技术有限公司 | 基于多模型的人脸识别方法和装置 |
CN109815775A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于人脸属性的人脸识别方法及系统 |
CN109558833A (zh) * | 2018-11-28 | 2019-04-02 | 厦门市巨龙信息科技有限公司 | 一种人脸识别算法评测方法以及装置 |
CN110503072A (zh) * | 2019-08-29 | 2019-11-26 | 南京信息工程大学 | 基于多支路cnn架构的人脸年龄估计方法 |
Non-Patent Citations (1)
Title |
---|
Review on the effects of age, gender, and race demographics on automatic face recognition;Salem Hamed Abdurrahim 等;《Springer》;20170823;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733717A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI525317B (zh) | 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法 | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
KR102641115B1 (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
CN112001230B (zh) | 睡觉行为的监控方法、装置、计算机设备和可读存储介质 | |
US20160098636A1 (en) | Data processing apparatus, data processing method, and recording medium that stores computer program | |
CN111178120B (zh) | 一种基于作物识别级联技术的害虫图像检测方法 | |
US20020106112A1 (en) | Digital image processing method and computer program product for detecting human irises in an image | |
Boehnen et al. | A fast multi-modal approach to facial feature detection | |
US7643674B2 (en) | Classification methods, classifier determination methods, classifiers, classifier determination devices, and articles of manufacture | |
CN108470170B (zh) | 美瞳检测方法 | |
CN108960142B (zh) | 基于全局特征损失函数的行人再识别方法 | |
CN117011563B (zh) | 基于半监督联邦学习的道路损害巡检跨域检测方法及系统 | |
CN114581709A (zh) | 识别医学图像中的目标的模型训练、方法、设备及介质 | |
CN109685756A (zh) | 影像特征自动辨识装置、系统及方法 | |
Mohammad et al. | Texture analysis for glaucoma classification | |
CN112733717B (zh) | 一种基于人脸属性优化人脸识别的方法 | |
CN110618129A (zh) | 一种电网线夹自动检测与缺陷识别方法及装置 | |
Pathak et al. | Entropy based CNN for segmentation of noisy color eye images using color, texture and brightness contour features | |
CN115965992A (zh) | 一种基于半监督学习的提高行人重识别聚类精度的方法 | |
CN115631488A (zh) | 基于Jetson Nano的水果成熟度无损检测方法及系统 | |
CN109859112A (zh) | 一种实现人脸补全的方法及系统 | |
CN107122783A (zh) | 一种基于角点检测的装配连接件快速识别方法 | |
CN113240001B (zh) | 一种棉花花药开裂状态识别方法及系统 | |
CN113344858B (zh) | 特征检测方法、装置及计算机存储介质 | |
CN118115744B (zh) | 一种基于图像识别的电能表外壳检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |