CN112990036A - 一种基于分块放大提升集体照人脸识别精度方法 - Google Patents
一种基于分块放大提升集体照人脸识别精度方法 Download PDFInfo
- Publication number
- CN112990036A CN112990036A CN202110310340.4A CN202110310340A CN112990036A CN 112990036 A CN112990036 A CN 112990036A CN 202110310340 A CN202110310340 A CN 202110310340A CN 112990036 A CN112990036 A CN 112990036A
- Authority
- CN
- China
- Prior art keywords
- face
- photo
- face recognition
- photos
- block
- 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 33
- 230000003321 amplification Effects 0.000 title claims abstract description 31
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 claims description 27
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于分块放大提升集体照人脸识别精度方法，通过对识别对象进行分块截取成多个小块，同时对小块进行局部放大，然后供人脸识别模块进行识别和人脸特征信息提取的过程。通过该方法应用，可解决人数较多的集体照、毕业照等照片进行人脸检索时所常遇到的识别人脸数量不全，识别精度不够等问题。将照片放大后再进行识别，可提升人脸特征信息被提取的可能性和质量，实现较完整人员的识别效果；分块放大提升集体照人脸识别精度方法，可以提升人脸识别的能性效率，同时提升了人脸被识别的精度，本发明为档案管理部门提供智能、精准检索提供了全新技术手段，有助于提升档案管理部门服务水平。
Description
技术领域
本发明涉及人脸识别技术领域，特别地是一种基于分块放大提升集体照人脸识别精度方法。
背景技术
目前人脸识别技术已应用于社会方方面面，技术应用也比较成熟，通过人脸识别可以简化身份认证等问题。但该技术在超多人物(超过50人)的集体照、毕业照片等照片人物识别方面仍存在一些不足。市场上许多成熟的人脸识别厂商(如红软、百度、谷歌等)产品在针对这类超多人物照片人脸识别时，常出现识别数量不全，识别精度不够问题，以至市场上的人脸识别技术难以完全使用。由于人脸识别技术在涉及人物人脸信息识别和特征信息提取时，涉及大量运行计算，而且对照片中的人脸图案需要具备一定的清晰度方能完成认别与提取工作。因此，目前在遇到人数较多集体照或毕业照时，现有人脸识别技术及实现方法常遇到计算或识别方面困难，难以完整地、精准地实现全员识别，以致影响了应用效果。
在各级档案馆非常重视声像档案的整理与利用服务，特别是高校档案馆对学生毕业照的接收与整理是一项重要工作。如能准确、完整地将各班学习毕业照片进行人脸识别并辅助实现人物著录工作，将是极大减少人力物力投入，实现提升档案管理工作水平目标。
发明内容
本发明的目的在于提供一种基于分块放大提升集体照人脸识别精度方法，以改善人脸检索在档案检索利用中的准确性、完整性问题，提高档案管理及利用水平。
本发明通过以下技术方案实现的：
一种基于分块放大提升集体照人脸识别精度方法，包括以下步骤：
步骤S1、档案管理部门在接收声像档案时进行档案采集或整理录入工作；
步骤S2、采用人脸识别模块对声像档案进行人物分析，通过调用CASIA预训练模型对声像档案的图形内容进行分析，完成人物对象识别、人脸信息提取工作，为后续人脸配对服务奠定数据基础；
步骤S3、当集体照或毕业照上的人数超过50人时，先对集体照或毕业照复制一份照片；
步骤S4、按分辨率大小对复制照片进行分块截取，形成多个拆分的分块照片；对分块照片进行人脸和内容场景信息提取；
步骤S5、对各分块照片进行局部放大处理；
步骤S6、将局部放大处理后的分块照片提交至人脸识别模块进识别与人脸特征值提取；图像分类基于Faster R-CNN深度学习目标检测框架，通过Alexnet模型对图形内容进行分析，提取内容特征值，完成照片内容场景的分类标注，完成信息提取；
步骤S7、依照指定要求将照片中的人物人脸信息进行提取并与原照片进行定位，将提取的人脸信息与档案ID存入档案人脸信息库；
步骤S8、人脸信息与档案ID存入档案人脸信息库后，完成人数超过50人照片的人脸特征高精度提取工作。
进一步地，所述步骤S3中，当集体照或毕业照的文件大小超过10M时，根据照片分辨率级别将照片文件截取成多块并独立保存。
进一步地，所述步骤S5中，各分块照片按从左至右的顺序扫描，将各分块照片进行局部放大。
进一步地，所述步骤S6中，将成功完成人脸提取的对象及位置信息反馈回原照片中，进行人脸识别标注。
进一步地，所述人脸识别模块基于谷歌FaceNet和TensorFlow深度学习框架。
进一步地，一种基于分块放大提升集体照人脸识别精度方法，该方法可应用于老照片数字化加工后的人脸识别服务，通过实施局部放大技术，提高人脸被识别的可能性和特征值被提取的完整性，从而提升被人脸识别的精度。
进一步地，一种基于分块放大提升集体照人脸识别精度方法，该方法可应用于人群大流量场合视频监控与人脸动态识别服务，通过分块截取及人脸识别方式，可以提升识别服务的效率，同时提高识别精度。
本发明的有益效果：
本发明基于分块放大提升集体照人脸识别精度方法，主要在识别前进行分块截取和局部放大方法，减轻人脸识别过程性能压力，同时提升人脸识别精确度，而且实现提升集体照人脸识别精度的目标。具体过程是在针对人数较多集体照或毕业照处理时，首先将照片按一定区域比例进行截取多个小块，同时将各小块照片进行放大处理以提高照片人物辨认度，然后再将各小块照提交人脸识别服务进行人脸特征认别与提取。由于将大文件截取成许多小文件，这样在人脸认别时降低了运行计算量，减少了识别服务性能压力，这样有利于提高识别速度。将照片放大后再进行识别，可提升人脸特征信息被提取的可能性和质量，实现较完整人员的识别效果。分块放大提升集体照人脸识别精度方法，可以提升人脸识别的能性效率，同时提升了人脸被识别的精度，最终实现对集体照、毕业照中人物信息的高精度人脸提取目标，本发明为档案管理部门提供智能、精准检索提供了全新技术手段，特别是针对整理不完整或未整理的档案，该方法为解决这些档案检索提供了有效手段，可有效提高档案检索便利度和利用及时性，有助于提升档案管理部门服务水平。
附图说明
图1为本发明实施例基于分块放大提升集体照人脸识别精度方法的步骤流程框图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，在此以本发明的示意下面将结合附图以及具体实施例来详细说明本发明，在此以本发明的示意性实施例及说明用来解释本发明，但并不作为对本发明的限定。
需要说明，在本发明中如涉及“第一”、“第二”的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
在本发明中，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
一种基于分块放大提升集体照人脸识别精度方法，包括以下步骤：
步骤S1、档案管理部门在接收声像档案时进行档案采集或整理录入工作；
步骤S2、采用人脸识别模块对声像档案进行人物分析，通过调用CASIA预训练模型对声像档案的图形内容进行分析，完成人物对象识别、人脸信息提取工作，为后续人脸配对服务奠定数据基础；
步骤S3、当集体照或毕业照上的人数超过50人时，先对集体照或毕业照复制一份照片；
步骤S4、按分辨率大小对复制照片进行分块截取，形成多个拆分的分块照片；对分块照片进行人脸和内容场景信息提取；
步骤S5、对各分块照片进行局部放大处理；
步骤S6、将局部放大处理后的分块照片提交至人脸识别模块进识别与人脸特征值提取；图像分类基于Faster R-CNN深度学习目标检测框架，通过Alexnet模型对图形内容进行分析，提取内容特征值，完成照片内容场景的分类标注，完成信息提取；
步骤S7、依照指定要求将照片中的人物人脸信息进行提取并与原照片进行定位，将提取的人脸信息与档案ID存入档案人脸信息库；
步骤S8、人脸信息与档案ID存入档案人脸信息库后，完成人数超过50人照片的人脸特征高精度提取工作。
具体的，本实施例方案中，所述步骤S3中，当集体照或毕业照的文件大小超过10M时，根据照片分辨率级别将照片文件截取成多块并独立保存。
具体的，本实施例方案中，所述步骤S5中，各分块照片按从左至右的顺序扫描，将各分块照片进行局部放大。
具体的，本实施例方案中，所述步骤S6中，将成功完成人脸提取的对象及位置信息反馈回原照片中，进行人脸识别标注。
具体的，本实施例方案中，所述人脸识别模块基于谷歌FaceNet和TensorFlow深度学习框架。
具体的，本实施例方案中，基于分块放大提升集体照人脸识别精度方法，该方法可应用于老照片数字化加工后的人脸识别服务，通过实施局部放大技术，提高人脸被识别的可能性和特征值被提取的完整性，从而提升被人脸识别的精度。
具体的，本实施例方案中，基于分块放大提升集体照人脸识别精度方法，该方法可应用于人群大流量场合视频监控与人脸动态识别服务，通过分块截取及人脸识别方式，可以提升识别服务的效率，同时提高识别精度。
实施例1：
本实施例提出了一种基于分块放大提升集体照人脸识别精度实现方法，以改善人脸识别技术在人数众多的集体照、毕业照等电子档案中的人脸特征信息被提取的可能性和质量，实现完整人员识别的效果。本实施例基于分块放大提升集体照人脸识别精度实现方法如下：
A、由系统检测发现档案照片中人物数量比多(超过50人)而且文件比较大量(超过10M)时，根据照片分辨率级别进行一拆二、一拆四或一拆八块来处理；
B、将照片文件进行截取成多块并独立保存；
C、按从左至右的扫描顺序，将各块文件先进行局部放大，然后加载至人脸识别服务中，进行人脸检索和特征值的提取操作；
D、将成功完成人脸提取的对象及位置信息反馈回原照片中，进行人脸识别标注；
E、完成照片中人物提取后，将提取信息存入档案人脸信息库，供后期人脸检索及其它用途，最终完成照片人物信息完整提取操作。
需要说明的是，该方式主要是采用谷歌进行图像分析，对照片(录像文件则截图成多张照片)电子档案进行逐张扫描并按照图片文件分辨率多次拆分图片为多分文件，分析并提取出人物人脸信息及场景分类信息。以提高图像信息识别精度。
如图1所示，具体事项过程如下：
1、人脸识别基于谷歌FaceNet和TensorFlow开源技术实现，通过调用CASIA预训练模型对图形内容进行分析，完成人物对象识别、人脸信息提取工作，为后面人脸配对服务奠定数据基础。
2、根据图片文件的分辨率进行多次拆分(不同比例)进行人脸和内容场景信息提取。
3、图像分类基于Faster R-CNN开源技术实现，通过Alexnet模型对图形内容进行分析，提取内容特征值，完成照片内容场景的分类标注，进一步丰富信息提取。
本实例基于人脸识别的档案快速检索方法，为档案管理总该提供智能、精准检索提供了全新技术手段，特别是针对整理不完整或未整理的档案，该方法为解决这些档案检索提供了有效手段，可有效提高档案检索便利度和利用及时性，有助于提升档案管理部门服务水平。
以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于分块放大提升集体照人脸识别精度方法，其特征在于，包括以下步骤：
步骤S1、档案管理部门在接收声像档案时进行档案采集或整理录入工作；
步骤S2、采用人脸识别模块对声像档案进行人物分析，通过调用CASIA预训练模型对声像档案的图形内容进行分析，完成人物对象识别、人脸信息提取工作，为后续人脸配对服务奠定数据基础；
步骤S3、当集体照或毕业照上的人数超过50人时，先对集体照或毕业照复制一份照片；
步骤S4、按分辨率大小对复制照片进行分块截取，形成多个拆分的分块照片；对分块照片进行人脸和内容场景信息提取；
步骤S5、对各分块照片进行局部放大处理；
步骤S6、将局部放大处理后的分块照片提交至人脸识别模块进识别与人脸特征值提取；图像分类基于Faster R-CNN深度学习目标检测框架，通过Alexnet模型对图形内容进行分析，提取内容特征值，完成照片内容场景的分类标注，完成信息提取；
步骤S7、依照指定要求将照片中的人物人脸信息进行提取并与原照片进行定位，将提取的人脸信息与档案ID存入档案人脸信息库；
步骤S8、人脸信息与档案ID存入档案人脸信息库后，完成人数超过50人照片的人脸特征高精度提取工作。
2.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：所述步骤S3中，当集体照或毕业照的文件大小超过10M时，根据照片分辨率级别将照片文件截取成多块并独立保存。
3.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：所述步骤S5中，各分块照片按从左至右的顺序扫描，将各分块照片进行局部放大。
4.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：所述步骤S6中，将成功完成人脸提取的对象及位置信息反馈回原照片中，进行人脸识别标注。
5.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：所述人脸识别模块基于谷歌FaceNet和TensorFlow深度学习框架。
6.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：该方法可应用于老照片数字化加工后的人脸识别服务，通过实施局部放大技术，提高人脸被识别的可能性和特征值被提取的完整性，从而提升被人脸识别的精度。
7.根据权利要求1所述的一种基于分块放大提升集体照人脸识别精度方法，其特征在于：该方法可应用于人群大流量场合视频监控与人脸动态识别服务，通过分块截取及人脸识别方式，可以提升识别服务的效率，同时提高识别精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110310340.4A CN112990036A (zh) | 2021-03-23 | 2021-03-23 | 一种基于分块放大提升集体照人脸识别精度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110310340.4A CN112990036A (zh) | 2021-03-23 | 2021-03-23 | 一种基于分块放大提升集体照人脸识别精度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112990036A true CN112990036A (zh) | 2021-06-18 |
Family
ID=76333253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110310340.4A Pending CN112990036A (zh) | 2021-03-23 | 2021-03-23 | 一种基于分块放大提升集体照人脸识别精度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990036A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114117095A (zh) * | 2022-01-25 | 2022-03-01 | 广东图友软件科技有限公司 | 一种基于图像识别的声像档案著录方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180005071A1 (en) * | 2013-06-25 | 2018-01-04 | University Of Central Florida Research Foundation, Inc. | Multi-Source, Multi-Scale Counting in Dense Crowd Images |
| US20180247132A1 (en) * | 2017-02-28 | 2018-08-30 | Microsoft Technology Licensing, Llc | System and method for person counting in image data |
| CN111860523A (zh) * | 2020-07-28 | 2020-10-30 | 上海兑观信息科技技术有限公司 | 一种声像档案的智能著录系统与方法 |
-
2021
- 2021-03-23 CN CN202110310340.4A patent/CN112990036A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180005071A1 (en) * | 2013-06-25 | 2018-01-04 | University Of Central Florida Research Foundation, Inc. | Multi-Source, Multi-Scale Counting in Dense Crowd Images |
| US20180247132A1 (en) * | 2017-02-28 | 2018-08-30 | Microsoft Technology Licensing, Llc | System and method for person counting in image data |
| CN111860523A (zh) * | 2020-07-28 | 2020-10-30 | 上海兑观信息科技技术有限公司 | 一种声像档案的智能著录系统与方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114117095A (zh) * | 2022-01-25 | 2022-03-01 | 广东图友软件科技有限公司 | 一种基于图像识别的声像档案著录方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101957919B (zh) | 基于图像局部特征检索的文字识别方法 | |
| CN107944452A (zh) | 一种圆形印章文字识别方法 | |
| CN110267061B (zh) | 一种新闻拆条方法及系统 | |
| CN103020619B (zh) | 一种自动切分电子化笔记本中手写条目的方法 | |
| CN112183036B (zh) | 一种格式文档生成方法、装置、设备及存储介质 | |
| CN106354755A (zh) | 一种用户画像优化处理方法 | |
| US20110026764A1 (en) | Detection of objects using range information | |
| CN111191652A (zh) | 一种证件图像识别方法、装置、电子设备及存储介质 | |
| CN110909123B (zh) | 一种数据提取方法、装置、终端设备及存储介质 | |
| CN111695498B (zh) | 一种木材同一性检测方法 | |
| CN114359553B (zh) | 一种基于物联网的签章定位方法、系统及存储介质 | |
| CN112990036A (zh) | 一种基于分块放大提升集体照人脸识别精度方法 | |
| CN112149548A (zh) | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 | |
| CN113850060A (zh) | 民航文档数据识别录入方法及系统 | |
| CN112528954A (zh) | 一种证件图像文字提取方法 | |
| CN110503051B (zh) | 一种基于图像识别技术的珍贵木材识别系统及方法 | |
| CN109344281B (zh) | 一种基于wifi探针与摄像头技术的数据分析方法 | |
| US10991085B2 (en) | Classifying panoramic images | |
| CN104299000A (zh) | 基于局部片段分布特征的笔迹识别方法 | |
| Suryawanshi et al. | Detection of contrast enhancement forgery in previously and post compressed jpeg images | |
| CN113569864B (zh) | 一种识别签字和印章的方法及系统 | |
| CN110956174A (zh) | 一种器件编号的识别方法 | |
| JP2000348142A (ja) | 文字認識装置，文字認識方法，および文字認識方法を実行するプログラムを記録した記録媒体 | |
| CN112364790B (zh) | 基于卷积神经网络的机场工作单信息识别方法及系统 | |
| CN114820476A (zh) | 基于合规性检测的身份证识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |