CN112800886B - 一种基于机器视觉的人脸识别系统及方法 - Google Patents
一种基于机器视觉的人脸识别系统及方法 Download PDFInfo
- Publication number
- CN112800886B CN112800886B CN202110058256.8A CN202110058256A CN112800886B CN 112800886 B CN112800886 B CN 112800886B CN 202110058256 A CN202110058256 A CN 202110058256A CN 112800886 B CN112800886 B CN 112800886B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- pixel point
- face
- point
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于机器视觉的人脸识别系统及方法,所述人脸识别系统包括门禁数据库、图像采集模块、脸部图像提取模块、人脸特征比较模块和门禁开启判断模块,所述门禁数据库用于存储预先存储受认证的人脸特征以及相应人脸的门禁认证历史,所述图像采集模块用于获取摄像头的采集图像,所述脸部图像提取模块用于从采集图像中提取脸部图像,所述人脸特征比较模块用于从脸部图像中提取人脸特征,并将人脸特征与门禁数据库中的人脸特征进行比较,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,令门禁开启判断模块从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁。
Description
技术领域
本发明涉及机器视觉技术领域,具体为一种基于机器视觉的人脸识别系统及方法。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断,通过图像摄取装置,将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。随着机器视觉的发展,越来越流行通过机器视觉进行人脸识别来开启门锁,但是现有技术中对于人脸的识别不够准确。
发明内容
本发明的目的在于提供一种基于机器视觉的人脸识别系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于机器视觉的人脸识别系统,所述人脸识别系统包括门禁数据库、图像采集模块、脸部图像提取模块、人脸特征比较模块和门禁开启判断模块,所述门禁数据库用于存储预先存储受认证的人脸特征以及相应人脸的门禁认证历史,所述图像采集模块用于获取摄像头的采集图像,所述脸部图像提取模块用于从采集图像中提取脸部图像,所述人脸特征比较模块用于从脸部图像中提取人脸特征,并将人脸特征与门禁数据库中的人脸特征进行比较,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,令门禁开启判断模块从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁。
进一步的,所述脸部图像提取模块包括中心像素点确定模块、像素点判断模块、封闭边界判断模块、疑似脸部图像选取模块和脸部图像判断模块,所述中心像素点确定模块用于定位采集图像的中心所在的像素点为中心像素点,并获取该中心像素点的颜色值,所述像素点判断模块根据像素点的颜色值与中心像素点的颜色值判断像素点为参考像素点还是边界像素点,所述封闭边界判断模块用于判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线,在采集图像中存在封边边界时,令疑似脸部图像选取模块设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;所述脸部图像判断模块包括封闭图像判断模块和轴对称判断模块,所述封闭图像判断模块用于判断疑似脸部图像内是否包含封闭图像,在包含封闭图像时,令轴对称判断模块判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线。
进一步的,所述门禁开启判断模块包括定位点获取模块、第一相似度获取模块、第二相似度获取模块、综合相似度获取模块和综合相似度比较模块,所述定位点获取模块分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,所述第一相似度获取模块包括第一比较区域提取模块和第一相似度比较模块,所述第一比较区域提取模块在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,所述第一相似度比较模块用于比较出该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1,所述第二相似度获取模块包括第二比较区域提取模块和第二相似度比较模块,所述第二比较区域提取模块在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,所述第二相似度比较模块比较出第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;所述综合相似度获取模块根据第一相似度m1和第二相似度m2得到综合相似度,所述综合相似度比较模块将综合相似度与综合相似度阈值进行比较,在综合相似度大于等于综合相似度阈值时,门禁开启。
进一步的,所述像素点判断模块包括参考像素点判断模块和颜色差值比较模块,所述参考像素点判断模块用于判断某一个像素点是否为参考像素点,在是参考像素点时,令颜色差值比较模块比较与该参考像素点相邻的像素点的颜色值与中心像素点的颜色值的差值与差值阈值的大小关系,在小于等于差值阈值时,该相邻的像素点的颜色值也为参考像素点,并传输检测信号,在大于差值阈值时,该相邻的像素点为边界像素点;所述脸部图像提取模块还包括时间间隔比较模块,所述时间间隔比较模块用于获取当前时间距离上一次接收到检测信号的时间间隔,在时间间隔大于等于间隔阈值时,令封闭边界判断模块工作。
一种基于机器视觉的人脸识别方法,:所述人脸识别方法包括以下步骤:
预先建立门禁数据库,所述门禁数据库用于预先存储受认证的人脸特征以及相应人脸的门禁认证历史;
获取摄像头的采集图像,从采集图像中提取脸部图像;
从脸部图像中提取人脸特征,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,那么从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁。
进一步的,所述从采集图像中提取脸部图像包括以下:
定位采集图像的中心所在的像素点为中心像素点,
获取该中心像素点的颜色值,判断与中心像素点相邻的像素点是否为参考像素点,如果判断与中心像素点相邻的像素点为参考像素点,那么判断与该参考像素点相邻的像素点是否为参考像素点;
判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线;
如果存在封闭边界,设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;
如果疑似脸部图像内包含封闭图像,判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线;
其中,判断像素点是否为参考像素点包括:
如果相邻的像素点的颜色值与中心像素点的颜色值的差值小于等于差值阈值,那么该相邻的像素点的颜色值也为参考像素点,如果相邻的像素点的颜色值与中心像素点的颜色值的差值大于差值阈值,那么该相邻的像素点为边界像素点。
进一步的,所述从采集图像中提取除脸部图像以外的剩余图像并根据剩余图像判断是否开启门禁包括以下:
分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,
在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,比较该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1;
在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,比较第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;
那么综合相似度M=0.68*m1+0.32*m2;
如果综合相似度大于等于综合相似度阈值,那么门禁开启。
进一步的,所述从采集图像中提取脸部图像还包括:
如果判断某个像素点为参考像素点,传输检测信号。
进一步的,所述在判断采集图像中是否存在封闭边界之前包括:
如果当前时间距离上一次接收到检测信号的时间间隔大于等于间隔阈值,那么判断采集图像中是否存在封闭边界。
与现有技术相比,本发明所达到的有益效果是:本发明通过对采集图像中的像素点的颜色值进行比较分析,确定脸部图像,在脸部图像的人脸特征符合预先存储的人脸特征时,根据脸部图像的位置,提取采集图像除脸部图像以外的部分图像进行分析,从而达到了高效判断是否要开启门禁的技术效果。
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是本发明基于机器视觉的人脸识别系统的结构示意图。
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做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。
请参阅图1,本发明提供技术方案:一种基于机器视觉的人脸识别系统,所述人脸识别系统包括门禁数据库、图像采集模块、脸部图像提取模块、人脸特征比较模块和门禁开启判断模块,所述门禁数据库用于存储预先存储受认证的人脸特征以及相应人脸的门禁认证历史,所述图像采集模块用于获取摄像头的采集图像,所述脸部图像提取模块用于从采集图像中提取脸部图像,所述人脸特征比较模块用于从脸部图像中提取人脸特征,并将人脸特征与门禁数据库中的人脸特征进行比较,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,令门禁开启判断模块从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁。
所述脸部图像提取模块包括中心像素点确定模块、像素点判断模块、封闭边界判断模块、疑似脸部图像选取模块和脸部图像判断模块,所述中心像素点确定模块用于定位采集图像的中心所在的像素点为中心像素点,并获取该中心像素点的颜色值,所述像素点判断模块根据像素点的颜色值与中心像素点的颜色值判断像素点为参考像素点还是边界像素点,所述封闭边界判断模块用于判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线,在采集图像中存在封边边界时,令疑似脸部图像选取模块设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;所述脸部图像判断模块包括封闭图像判断模块和轴对称判断模块,所述封闭图像判断模块用于判断疑似脸部图像内是否包含封闭图像,在包含封闭图像时,令轴对称判断模块判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线。
所述门禁开启判断模块包括定位点获取模块、第一相似度获取模块、第二相似度获取模块、综合相似度获取模块和综合相似度比较模块,所述定位点获取模块分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,所述第一相似度获取模块包括第一比较区域提取模块和第一相似度比较模块,所述第一比较区域提取模块在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,所述第一相似度比较模块用于比较出该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1,所述第二相似度获取模块包括第二比较区域提取模块和第二相似度比较模块,所述第二比较区域提取模块在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,所述第二相似度比较模块比较出第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;所述综合相似度获取模块根据第一相似度m1和第二相似度m2得到综合相似度,所述综合相似度比较模块将综合相似度与综合相似度阈值进行比较,在综合相似度大于等于综合相似度阈值时,门禁开启。
所述像素点判断模块包括参考像素点判断模块和颜色差值比较模块,所述参考像素点判断模块用于判断某一个像素点是否为参考像素点,在是参考像素点时,令颜色差值比较模块比较与该参考像素点相邻的像素点的颜色值与中心像素点的颜色值的差值与差值阈值的大小关系,在小于等于差值阈值时,该相邻的像素点的颜色值也为参考像素点,并传输检测信号,在大于差值阈值时,该相邻的像素点为边界像素点;所述脸部图像提取模块还包括时间间隔比较模块,所述时间间隔比较模块用于获取当前时间距离上一次接收到检测信号的时间间隔,在时间间隔大于等于间隔阈值时,令封闭边界判断模块工作。
一种基于机器视觉的人脸识别方法,所述人脸识别方法包括以下步骤:
预先建立门禁数据库,所述门禁数据库用于预先存储受认证的人脸特征以及相应人脸的门禁认证历史;门禁数据库用于存储人脸特征,以及每一次成功开启门禁前的采集到的图像数据,便于后续进行图像比较,判断是否要开启门禁;
获取摄像头的采集图像,从采集图像中提取脸部图像;
所述从采集图像中提取脸部图像包括以下:
定位采集图像的中心所在的像素点为中心像素点,
获取该中心像素点的颜色值,判断与中心像素点相邻的像素点是否为参考像素点,如果判断与中心像素点相邻的像素点为参考像素点,那么判断与该参考像素点相邻的像素点是否为参考像素点;
如果当前时间距离上一次接收到检测信号的时间间隔大于等于间隔阈值,那么判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线;
如果存在封闭边界,设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;
如果疑似脸部图像内包含封闭图像,判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线;在疑似脸部图像内不包含封闭图像时或者疑似脸部图像内包含的封闭图像部关于参照线轴对称时,发出提醒,让用户移动位置,在用户移动位置后重新获取摄像头的采集图像,从采集图像中提取脸部图像;判断疑似脸部图像内是否包含封闭图像是用于判断是否采集到用户的脸部图像,判断所包含的封闭图像是否关于参照线轴对称是用于判断采集到的用户的脸部图像是否完整;在采集到完整的用户的脸部图像时,在比较人脸特征是否一致,从而提高了进行人脸特征比较的效率;
其中,判断像素点是否为参考像素点包括:
如果相邻的像素点的颜色值与中心像素点的颜色值的差值小于等于差值阈值,那么该相邻的像素点的颜色值也为参考像素点,传输检测信号,如果相邻的像素点的颜色值与中心像素点的颜色值的差值大于差值阈值,那么该相邻的像素点为边界像素点;如果说某一个像素点为参考像素点,那么继续检测该参考像素点周围的像素点,如果说周围的像素点均为边界像素点,那么停止对该参考像素点及其周围的参考像素点的检测,如果说检测到该参考像素点周围的像素点存在新的参考像素点,那么就对继续检测新的参考像素点周围的像素点,直到周围的像素点均为边界像素点时,停止检测;
从脸部图像中提取人脸特征,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,那么从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁;
从采集图像中提取除脸部图像以外的剩余图像并根据剩余图像判断是否开启门禁包括以下:
分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,
在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,比较该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1;第一比较区域图像实际上对应的是脸部图像的背景图像,第二比较区域图像实际上对应的是用户的衣服着装图像;在比较采集图像的时候,根据脸部图像的位置确定部分背景图像、部分衣服着装图像进行比较相似度的部分,不仅能够对用户的身份、环境进行进一步验证,而且能够提高效率;
在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,比较第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;
那么综合相似度M=0.68*m1+0.32*m2;提取第一比较区域图像和第二比较区域图像,不仅能够在比较相似度时减少杂质影响,而且能够减少了进行比较区域的计算量,提高了计算速度,提升了判断是否要开启门禁的速度;
如果综合相似度大于等于综合相似度阈值,那么门禁开启,并且将该次门禁开启前的检验过程中的数据,包括第一比较区域图像、第二比较区域图像存入门禁数据库。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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 (5)
1.一种基于机器视觉的人脸识别系统,其特征在于,所述人脸识别系统包括门禁数据库、图像采集模块、脸部图像提取模块、人脸特征比较模块和门禁开启判断模块,所述门禁数据库用于存储预先存储受认证的人脸特征以及相应人脸的门禁认证历史,所述图像采集模块用于获取摄像头的采集图像,所述脸部图像提取模块用于从采集图像中提取脸部图像,所述人脸特征比较模块用于从脸部图像中提取人脸特征,并将人脸特征与门禁数据库中的人脸特征进行比较,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,令门禁开启判断模块从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁;
所述脸部图像提取模块包括中心像素点确定模块、像素点判断模块、封闭边界判断模块、疑似脸部图像选取模块和脸部图像判断模块,所述中心像素点确定模块用于定位采集图像的中心所在的像素点为中心像素点,并获取该中心像素点的颜色值,所述像素点判断模块根据像素点的颜色值与中心像素点的颜色值判断像素点为参考像素点还是边界像素点,所述封闭边界判断模块用于判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线,在采集图像中存在封闭 边界时,令疑似脸部图像选取模块设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;所述脸部图像判断模块包括封闭图像判断模块和轴对称判断模块,所述封闭图像判断模块用于判断疑似脸部图像内是否包含封闭图像,在包含封闭图像时,令轴对称判断模块判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线;
所述门禁开启判断模块包括定位点获取模块、第一相似度获取模块、第二相似度获取模块、综合相似度获取模块和综合相似度比较模块,所述定位点获取模块分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,所述第一相似度获取模块包括第一比较区域提取模块和第一相似度比较模块,所述第一比较区域提取模块在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,所述第一相似度比较模块用于比较出该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1,所述第二相似度获取模块包括第二比较区域提取模块和第二相似度比较模块,所述第二比较区域提取模块在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,所述第二相似度比较模块比较出第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;所述综合相似度获取模块根据第一相似度m1和第二相似度m2得到综合相似度,所述综合相似度比较模块将综合相似度与综合相似度阈值进行比较,在综合相似度大于等于综合相似度阈值时,门禁开启。
2.根据权利要求1所述的一种基于机器视觉的人脸识别系统,其特征在于:所述像素点判断模块包括参考像素点判断模块和颜色差值比较模块,所述参考像素点判断模块用于判断某一个像素点是否为参考像素点,在是参考像素点时,令颜色差值比较模块比较与该参考像素点相邻的像素点的颜色值与中心像素点的颜色值的差值与差值阈值的大小关系,在小于等于差值阈值时,该相邻的像素点的颜色值也为参考像素点,并传输检测信号,在大于差值阈值时,该相邻的像素点为边界像素点;所述脸部图像提取模块还包括时间间隔比较模块,所述时间间隔比较模块用于获取当前时间距离上一次接收到检测信号的时间间隔,在时间间隔大于等于间隔阈值时,令封闭边界判断模块工作。
3.一种基于机器视觉的人脸识别方法,其特征在于:所述人脸识别方法包括以下步骤:
预先建立门禁数据库,所述门禁数据库用于预先存储受认证的人脸特征以及相应人脸的门禁认证历史;
获取摄像头的采集图像,从采集图像中提取脸部图像;
从脸部图像中提取人脸特征,如果门禁数据库中存在人脸特征与提取的人脸特征相一致,那么从采集图像中提取除脸部图像以外的剩余图像,根据剩余图像判断是否开启门禁;
所述从采集图像中提取脸部图像包括以下:
定位采集图像的中心所在的像素点为中心像素点,
获取该中心像素点的颜色值,判断与中心像素点相邻的像素点是否为参考像素点,如果判断与中心像素点相邻的像素点为参考像素点,那么判断与该参考像素点相邻的像素点是否为参考像素点;
判断采集图像中是否存在封闭边界,其中,封闭边界为相邻的边界像素点连接成的曲线;
如果存在封闭边界,设每个封闭边界围成的图像为封闭图像,并将每个封闭图像的的面积按照从大到小的顺序排序,选取排序第一的封闭图像为疑似脸部图像;
如果疑似脸部图像内包含封闭图像,判断所包含的封闭图像是否关于参照线轴对称,如果疑似脸部图像内包含的所有封闭图像均关于参照线轴对称,那么该疑似脸部图像为脸部图像,其中,参照线为封闭图像的中心点所在的垂直线;
其中,判断像素点是否为参考像素点包括:
如果相邻的像素点的颜色值与中心像素点的颜色值的差值小于等于差值阈值,那么该相邻的像素点的颜色值也为参考像素点,如果相邻的像素点的颜色值与中心像素点的颜色值的差值大于差值阈值,那么该相邻的像素点为边界像素点;
所述从采集图像中提取除脸部图像以外的剩余图像并根据剩余图像判断是否开启门禁包括以下:
分别获取采集图像中脸部图像的上端点、下端点、左端点和右端点,其中,上端点为脸部图像中与采集图像的最上端最近的点,下端点为脸部图像中与采集图像的最下端最近的点,左端点为脸部图像中与采集图像的最左端最近的点,右端点为脸部图像中与采集图像的最右端最近的点,
在采集图像中分别作上端点和下端点的水平线,提取上端点所在水平线与下端点所在水平线之间的区域为第一候选区域,从第一候选区域中提取脸部图像以外的图像为第一比较区域图像,比较该第一比较区域图像与门禁最近一次开启前采集图像中的第一比较区域图像的相似度m1;
在采集图像中分别作左端点和右端点的垂直线,提取左端点所在垂直线与右端点所在垂直线之间的区域为第二候选区域,从第二候选区域中提取脸部图像的下端点所在水平线下方的图像为第二比较区域图像,比较第二比较区域图像与相应人脸的门禁认证历史中的第二比较区域图像的相似度m2;
那么综合相似度M=0.68*m1+0.32*m2;
如果综合相似度大于等于综合相似度阈值,那么门禁开启。
4.根据权利要求3所述的一种基于机器视觉的人脸识别方法,其特征在于:所述从采集图像中提取脸部图像还包括:
如果判断某个像素点为参考像素点,传输检测信号。
5.根据权利要求4所述的一种基于机器视觉的人脸识别方法,其特征在于:所述在判断采集图像中是否存在封闭边界之前包括:
如果当前时间距离上一次接收到检测信号的时间间隔大于等于间隔阈值,那么判断采集图像中是否存在封闭边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058256.8A CN112800886B (zh) | 2021-01-16 | 2021-01-16 | 一种基于机器视觉的人脸识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058256.8A CN112800886B (zh) | 2021-01-16 | 2021-01-16 | 一种基于机器视觉的人脸识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800886A CN112800886A (zh) | 2021-05-14 |
CN112800886B true CN112800886B (zh) | 2021-09-10 |
Family
ID=75809898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110058256.8A Active CN112800886B (zh) | 2021-01-16 | 2021-01-16 | 一种基于机器视觉的人脸识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800886B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610830B (zh) * | 2021-08-18 | 2023-12-29 | 常州领创电气科技有限公司 | 一种避雷器用的检测系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046789A (zh) * | 2015-08-13 | 2015-11-11 | 宝鸡市交通信息工程研究所 | 基于面部特定标识的人脸识别门禁系统及实现方法 |
CN105427421A (zh) * | 2015-11-16 | 2016-03-23 | 苏州市公安局虎丘分局 | 基于人脸识别的门禁控制方法 |
CN106339676A (zh) * | 2016-08-22 | 2017-01-18 | 湖南联信科技有限公司 | 一种人脸认证及人脸识别方法 |
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 |
CN108648310A (zh) * | 2018-05-10 | 2018-10-12 | 东南大学 | 一种双重认证的人脸识别门禁系统及其应用方法 |
CN109272616A (zh) * | 2018-08-31 | 2019-01-25 | 镇江赛唯思智能科技有限公司 | 一种基于人脸识别的门禁控制方法及系统 |
CN109325413A (zh) * | 2018-08-17 | 2019-02-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种人脸识别方法、装置及终端 |
CN109598251A (zh) * | 2018-12-11 | 2019-04-09 | 北京旷视科技有限公司 | 人证核验方法、装置、设备和系统及存储介质 |
CN110276320A (zh) * | 2019-06-26 | 2019-09-24 | 杭州创匠信息科技有限公司 | 基于人脸识别的门禁方法、装置、设备和存储介质 |
CN110544333A (zh) * | 2019-08-13 | 2019-12-06 | 成都电科慧安科技有限公司 | 一种门禁控制系统及其控制方法 |
CN111554021A (zh) * | 2020-05-16 | 2020-08-18 | 张现钦 | 基于门禁卡和人脸识别的双重认定识别装置 |
CN112150692A (zh) * | 2020-10-14 | 2020-12-29 | 吴喜庆 | 一种基于人工智能的门禁控制方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516649B (zh) * | 2019-09-02 | 2023-08-22 | 南京微小宝信息技术有限公司 | 基于人脸识别的校友认证方法及系统 |
CN111611849A (zh) * | 2020-04-08 | 2020-09-01 | 广东工业大学 | 一种用于门禁设备的人脸识别系统 |
-
2021
- 2021-01-16 CN CN202110058256.8A patent/CN112800886B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046789A (zh) * | 2015-08-13 | 2015-11-11 | 宝鸡市交通信息工程研究所 | 基于面部特定标识的人脸识别门禁系统及实现方法 |
CN105427421A (zh) * | 2015-11-16 | 2016-03-23 | 苏州市公安局虎丘分局 | 基于人脸识别的门禁控制方法 |
CN106339676A (zh) * | 2016-08-22 | 2017-01-18 | 湖南联信科技有限公司 | 一种人脸认证及人脸识别方法 |
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 |
CN108648310A (zh) * | 2018-05-10 | 2018-10-12 | 东南大学 | 一种双重认证的人脸识别门禁系统及其应用方法 |
CN109325413A (zh) * | 2018-08-17 | 2019-02-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种人脸识别方法、装置及终端 |
CN109272616A (zh) * | 2018-08-31 | 2019-01-25 | 镇江赛唯思智能科技有限公司 | 一种基于人脸识别的门禁控制方法及系统 |
CN109598251A (zh) * | 2018-12-11 | 2019-04-09 | 北京旷视科技有限公司 | 人证核验方法、装置、设备和系统及存储介质 |
CN110276320A (zh) * | 2019-06-26 | 2019-09-24 | 杭州创匠信息科技有限公司 | 基于人脸识别的门禁方法、装置、设备和存储介质 |
CN110544333A (zh) * | 2019-08-13 | 2019-12-06 | 成都电科慧安科技有限公司 | 一种门禁控制系统及其控制方法 |
CN111554021A (zh) * | 2020-05-16 | 2020-08-18 | 张现钦 | 基于门禁卡和人脸识别的双重认定识别装置 |
CN112150692A (zh) * | 2020-10-14 | 2020-12-29 | 吴喜庆 | 一种基于人工智能的门禁控制方法及系统 |
Non-Patent Citations (5)
Title |
---|
Keyless car entry through face recognition using FPGA;S Saifullah等;《2010 International Conference on Future Information Technology and Management Engineering》;20101203;224-227 * |
Pose and Illumination Invariant Face Recognition for Automation of Door Lock System;Amritha Purushothaman等;《2018 Second International Conference on Inventive Communication and Computational Technologies (ICICCT)》;20180927;1105-1108 * |
基于人脸识别的智能门禁系统设计与实现;陆轶秋;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190315;第2019年卷(第3期);C038-422 * |
智能门禁系统的身份识别与电控系统研究;刘奇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20181015;第2018年卷(第10期);I138-730 * |
门禁考勤系统中人脸识别的研究;高原;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015;第2012年卷(第10期);I138-2591 * |
Also Published As
Publication number | Publication date |
---|---|
CN112800886A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100831122B1 (ko) | 얼굴 인증 장치, 얼굴 인증 방법, 및 출입 관리 장치 | |
CN108197587A (zh) | 一种通过人脸深度预测进行多模态人脸识别的方法 | |
US8582833B2 (en) | Method and apparatus for detecting forged face using infrared image | |
CN108229362A (zh) | 一种基于门禁系统的双目人脸识别活体检测方法 | |
US9208375B2 (en) | Face recognition mechanism | |
US8422746B2 (en) | Face authentication system and authentication method thereof | |
KR100824757B1 (ko) | 걸음걸이를 이용한 생체 인식 방법 | |
KR101626837B1 (ko) | 손가락 마디 및 지정맥 기반의 융합형 생체 인증 방법 및 그 장치 | |
US11967176B2 (en) | Facial recognition method, facial recognition system, and electronic device | |
KR20000076486A (ko) | 안화상 처리장치 | |
CN111507232B (zh) | 多模态多策略融合的陌生人识别方法和系统 | |
CN106503638B (zh) | 用于颜色识别的图像处理、车辆颜色识别方法和系统 | |
TW201917636A (zh) | 一種基於線上學習的人臉辨識方法與系統 | |
CN112800886B (zh) | 一种基于机器视觉的人脸识别系统及方法 | |
CN106991448A (zh) | 一种人像比对处理方法 | |
CN109492509A (zh) | 身份识别方法、装置、计算机可读介质及系统 | |
CN111582118A (zh) | 一种人脸识别方法及装置 | |
CN105335720B (zh) | 虹膜信息的采集方法及采集系统 | |
KR101769741B1 (ko) | 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치 | |
CN108563997B (zh) | 一种建立人脸检测模型、人脸识别的方法和装置 | |
CN108596057B (zh) | 一种基于人脸识别的信息安全管理系统 | |
KR101070442B1 (ko) | 다중 레벨 얼굴 인식을 이용한 얼굴 인증 시스템 및 인증 방법 | |
CN109145845A (zh) | 住宅权限电子分辨方法 | |
Rodrigues et al. | A simple approach for biometrics: Finger-knuckle prints recognition based on a Sobel filter and similarity measures | |
US10990817B2 (en) | Method of detecting fraud during iris recognition |
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 |