CN113269027A - 一种口罩遮挡的人脸识别方法 - Google Patents
一种口罩遮挡的人脸识别方法 Download PDFInfo
- Publication number
- CN113269027A CN113269027A CN202110365851.6A CN202110365851A CN113269027A CN 113269027 A CN113269027 A CN 113269027A CN 202110365851 A CN202110365851 A CN 202110365851A CN 113269027 A CN113269027 A CN 113269027A
- Authority
- CN
- China
- Prior art keywords
- face
- mask
- mobilenet
- data
- face data
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06N3/08—Learning methods
-
- 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)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种口罩遮挡的人脸识别方法。所述口罩遮挡的人脸识别方法包括获取采集人脸数据;对获取的人脸数据进行预处理,消除由于采取的原始图像受到各方面的干扰;对预处理后获取的人脸数据进行划分作为训练集和测试集,而通过MobileNet作为特征提取网络对采集的人脸数据进行特征提取;对获取特征提取后的人脸数据进行测试和检验。本发明提供的口罩遮挡的人脸识别方法具有高了识别的速度,且能够在移动端上搭载使用丰富了应用场景口罩遮挡的优点,并且可以在手机等移动端上使用,大大提高了罩遮挡的人脸识别使用的场景。
Description
技术领域
本发明涉及目标检测领域,尤其涉及一种口罩遮挡的人脸识别方法。
背景技术
人脸识别是目前快速提取生物特征,并且通过特征对个体识别的一种有效、方便快捷的技术,具有很大的发展空间以及应用前景。特别是在当前疫情常态化的环境下,机场、车站、旅游景点、农业现代化园区等人流量大范围聚集且必须佩戴口罩的地方。
口罩已经成为疫情常态化下不可缺少的东西,在商场、车站等人流量比较大的地点已经强制性的要求必须佩戴口罩,而对于一些重要的科研院所,军队和政府机构这些要求严格的单位而言,能够快速的对佩戴口罩的人脸进行识别是很有必要的。在当前的研究环境下,大部分的研究都在于提升人脸识别的速度以及精度上,而对于有遮挡的人脸识别,只有眼睛、眉毛、额头、皮肤等部分裸露出来,给研究提升了不少难度,导致口罩遮挡的人脸识别研究相对比较少。因此本发明设计出一种口罩遮挡的人脸识别方法。
因此,有必要提供一种新的口罩遮挡的人脸识别方法解决上述技术问题。
发明内容
为解决上述技术问题,本发明提供一种提高了识别的速度,且能够在移动端上搭载使用丰富了应用场景口罩遮挡的人脸识别方法。
本发明提供的口罩遮挡的人脸识别方法包括:获取采集人脸数据;对获取的人脸数据进行预处理,消除由于采取的原始图像受到各方面的干扰;对预处理后获取的人脸数据进行划分作为训练集和测试集,而通过MobileNet作为特征提取网络对采集的人脸数据进行特征提取;对获取特征提取后的人脸数据进行测试和检验。
优选的,采集人脸数据需在判断监测距离人脸数据采集单元的预设范围内是否有用户或监测是否接收到用户输入的人脸数据采集请求,接收到信息后对口罩遮挡的人脸进行在不同的光照条件、复杂的环境和人脸正侧面等不同角度等条件下获取戴口罩和不戴口罩人脸图像。
优选的,人脸数据预处理包括灰度变化、直方图均衡化、归一化和锐话,并通过翻转、缩放和旋转添加噪音等方式对数据集进行扩充。
优选的,对采集的数据进行划分作为训练集和测试集中使用了轻量级的MobileNet作为深度学习的特征提取网络,通过使用MobileNet特征网络对人脸的裸露的眼睛、眉毛、两个眉毛之间和两个眼角和鼻梁之间的皮肤、和对暴露出来的额头和耳朵边缘的发际线进行特征提取。
优选的,所述MobileNet可在移动终端实现众多的应用,其包括目标检测、目标分类、人脸属性识别和人脸识别,而MobileNet的网络拥有更小的体积,更少的计算量,更高的精度,更快的速度在神经网络中拥有极大的优势。
优选的,通过SSD-MobileNet模型对数据计行训练并对佩戴有口罩的人脸进行检测与识别,SSD-MobileNet模型做人脸识别,提高了识别的速度,且能够在移动端上搭载使用应用场景。
与相关技术相比较,本发明提供的口罩遮挡的人脸识别方法具有如下有益效果:
本发明提供一种口罩遮挡的人脸识别方法,在本方法中使用了轻量级的MobileNet作为深度学习的特征提取网络,MobileNet的网络拥有更小的体积,更少的计算量,更高的精度,更快的速度在神经网络中拥有极大的优势;在口罩遮挡的人脸识别中能够快速有效的提取人物的特征,并且计算量小、速度快,并且不会出现内存溢出等现象;MobileNet同时还可以在移动终端实现众多的应用,包括目标检测,目标分类,人脸属性识别和人脸识别等;相比于其他识别方法,以标准SSD模型为基础搭载MobileNet作为backbone,其大大减少了参数的数量提高了识别的速度,能够在极少的时间内完成对目标的识别,并且可以在手机等移动端上使用,大大提高了罩遮挡的人脸识别使用的场景。
附图说明
图1为本发明提供的口罩遮挡的人脸识别方法的一种较佳实施例的结构示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1,其中,图1为本发明提供的口罩遮挡的人脸识别方法的一种较佳实施例的结构示意图。包括:获取采集人脸数据;对获取的人脸数据进行预处理,消除由于采取的原始图像受到各方面的干扰;对预处理后获取的人脸数据进行划分作为训练集和测试集,而通过MobileNet作为特征提取网络对采集的人脸数据进行特征提取;对获取特征提取后的人脸数据进行测试和检验。
在具体实施过程中,如图1所示,采集人脸数据需在判断监测距离人脸数据采集单元的预设范围内是否有用户或监测是否接收到用户输入的人脸数据采集请求,接收到信息后对口罩遮挡的人脸进行在不同的光照条件、复杂的环境和人脸正侧面等不同角度等条件下获取戴口罩和不戴口罩人脸图像,而人脸数据预处理包括灰度变化、直方图均衡化、归一化和锐话,并通过翻转、缩放和旋转添加噪音等方式对数据集进行扩充,而对采集的数据进行划分作为训练集和测试集中使用了轻量级的MobileNet作为深度学习的特征提取网络,通过使用MobileNet特征网络对人脸的裸露的眼睛、眉毛、两个眉毛之间和两个眼角和鼻梁之间的皮肤、和对暴露出来的额头和耳朵边缘的发际线进行特征提取,其中,MobileNet可在移动终端实现众多的应用,其包括目标检测、目标分类、人脸属性识别和人脸识别,而MobileNet的网络拥有更小的体积,更少的计算量,更高的精度,更快的速度在神经网络中拥有极大的优势,而通过SSD-MobileNet模型对数据计行训练并对佩戴有口罩的人脸进行检测与识别,SSD-MobileNet模型做人脸识别,提高了识别的速度,且能够在移动端上搭载使用应用场景。
本方法中使用了轻量级的MobileNet作为深度学习的特征提取网络,MobileNet的网络拥有更小的体积,更少的计算量,更高的精度,更快的速度在神经网络中拥有极大的优势;
在口罩遮挡的人脸识别中能够快速有效的提取人物的特征,并且计算量小、速度快,并且不会出现内存溢出等现象;
MobileNet同时还可以在移动终端实现众多的应用,包括目标检测,目标分类,人脸属性识别和人脸识别等;
相比于其他识别方法,以标准SSD模型为基础搭载MobileNet作为backbone,其大大减少了参数的数量提高了识别的速度,能够在极少的时间内完成对目标的识别,并且可以在手机等移动端上使用,大大提高了罩遮挡的人脸识别使用的场景。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种口罩遮挡的人脸识别方法,其特征在于,包括:
获取采集人脸数据;
对获取的人脸数据进行预处理,消除由于采取的原始图像受到各方面的干扰;
对预处理后获取的人脸数据进行划分作为训练集和测试集,而通过MobileNet作为特征提取网络对采集的人脸数据进行特征提取;
对获取特征提取后的人脸数据进行测试和检验。
2.根据权利要求1所述的口罩遮挡的人脸识别方法,其特征在于,采集人脸数据需在判断监测距离人脸数据采集单元的预设范围内是否有用户或监测是否接收到用户输入的人脸数据采集请求,接收到信息后对口罩遮挡的人脸进行在不同的光照条件、复杂的环境和人脸正侧面等不同角度等条件下获取戴口罩和不戴口罩人脸图像。
3.根据权利要求1所述的口罩遮挡的人脸识别方法,其特征在于,人脸数据预处理包括灰度变化、直方图均衡化、归一化和锐话,并通过翻转、缩放和旋转添加噪音等方式对数据集进行扩充。
4.根据权利要求1所述的口罩遮挡的人脸识别方法,其特征在于,对采集的数据进行划分作为训练集和测试集中使用了轻量级的MobileNet作为深度学习的特征提取网络,通过使用MobileNet特征网络对人脸的裸露的眼睛、眉毛、两个眉毛之间和两个眼角和鼻梁之间的皮肤、和对暴露出来的额头和耳朵边缘的发际线进行特征提取。
5.根据权利要求4所述的口罩遮挡的人脸识别方法,其特征在于,所述MobileNet可在移动终端实现众多的应用,其包括目标检测、目标分类、人脸属性识别和人脸识别,而MobileNet的网络拥有更小的体积,更少的计算量,更高的精度,更快的速度在神经网络中拥有极大的优势。
6.根据权利要求1所述的口罩遮挡的人脸识别方法,其特征在于,通过SSD-MobileNet模型对数据计行训练并对佩戴有口罩的人脸进行检测与识别,SSD-MobileNet模型做人脸识别,提高了识别的速度,且能够在移动端上搭载使用应用场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110365851.6A CN113269027A (zh) | 2021-04-06 | 2021-04-06 | 一种口罩遮挡的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110365851.6A CN113269027A (zh) | 2021-04-06 | 2021-04-06 | 一种口罩遮挡的人脸识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269027A true CN113269027A (zh) | 2021-08-17 |
Family
ID=77228508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110365851.6A Pending CN113269027A (zh) | 2021-04-06 | 2021-04-06 | 一种口罩遮挡的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269027A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334615A (zh) * | 2019-06-20 | 2019-10-15 | 湖北亮诚光电科技有限公司 | 一种有遮挡的人脸识别的方法 |
CN111460962A (zh) * | 2020-03-27 | 2020-07-28 | 武汉大学 | 一种口罩人脸识别方法及系统 |
CN111783600A (zh) * | 2020-06-24 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种人脸识别模型训练方法、装置、设备及介质 |
CN112016464A (zh) * | 2020-08-28 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 检测人脸遮挡的方法、装置、电子设备及存储介质 |
CN112418177A (zh) * | 2020-12-09 | 2021-02-26 | 南京甄视智能科技有限公司 | 人脸识别方法与系统 |
CN112597941A (zh) * | 2020-12-29 | 2021-04-02 | 北京邮电大学 | 一种人脸识别方法、装置及电子设备 |
-
2021
- 2021-04-06 CN CN202110365851.6A patent/CN113269027A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334615A (zh) * | 2019-06-20 | 2019-10-15 | 湖北亮诚光电科技有限公司 | 一种有遮挡的人脸识别的方法 |
CN111460962A (zh) * | 2020-03-27 | 2020-07-28 | 武汉大学 | 一种口罩人脸识别方法及系统 |
CN111783600A (zh) * | 2020-06-24 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种人脸识别模型训练方法、装置、设备及介质 |
CN112016464A (zh) * | 2020-08-28 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 检测人脸遮挡的方法、装置、电子设备及存储介质 |
CN112418177A (zh) * | 2020-12-09 | 2021-02-26 | 南京甄视智能科技有限公司 | 人脸识别方法与系统 |
CN112597941A (zh) * | 2020-12-29 | 2021-04-02 | 北京邮电大学 | 一种人脸识别方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Fingerprint liveness detection using an improved CNN with image scale equalization | |
Baraldi et al. | Gesture recognition in ego-centric videos using dense trajectories and hand segmentation | |
CN111523462B (zh) | 基于自注意增强cnn的视频序列表情识别系统及方法 | |
CN104123543B (zh) | 一种基于人脸识别的眼球运动识别方法 | |
CN105184266B (zh) | 一种手指静脉图像识别方法 | |
CN109497990B (zh) | 一种基于典型相关分析的心电信号身份识别方法及系统 | |
CN111126240B (zh) | 一种三通道特征融合人脸识别方法 | |
CN111666845B (zh) | 基于关键帧采样的小样本深度学习多模态手语识别方法 | |
WO2021127916A1 (zh) | 脸部情感识别方法、智能装置和计算机可读存储介质 | |
CN110119695A (zh) | 一种基于特征融合和机器学习的虹膜活性检测方法 | |
CN111597990A (zh) | 一种基于rsvp范式的脑-机结合目标检测方法及系统 | |
CN112784767A (zh) | 基于白细胞显微图像的细胞实例分割算法 | |
Mali et al. | Indian sign language recognition using SVM classifier | |
CN110969101A (zh) | 一种基于hog和特征描述子的人脸检测与跟踪方法 | |
Hebda et al. | A compact deep convolutional neural network architecture for video based age and gender estimation | |
CN112818899A (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
CN109359543B (zh) | 一种基于骨骼化的人像检索方法及装置 | |
Cao | Application of support vector machine algorithm based gesture recognition technology in human-computer interaction | |
CN113269027A (zh) | 一种口罩遮挡的人脸识别方法 | |
Marjusalinah et al. | Classification of finger spelling American sign language using convolutional neural network | |
CN113057654B (zh) | 基于频率耦合神经网络模型的记忆负荷检测提取系统及方法 | |
CN109241819A (zh) | 基于快速多尺度及联合模板匹配的多目标行人检测方法 | |
CN112990213B (zh) | 一种基于深度学习的数字万用表字符识别系统和方法 | |
CN112070009B (zh) | 基于改进的lbp算子的卷积神经网络表情识别方法 | |
CN110751034B (zh) | 行人行为识别方法及终端设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210817 |
|
WD01 | Invention patent application deemed withdrawn after publication |