CN113779290A - 一种摄像头人脸识别聚合优化方法 - Google Patents
一种摄像头人脸识别聚合优化方法 Download PDFInfo
- Publication number
- CN113779290A CN113779290A CN202111015215.7A CN202111015215A CN113779290A CN 113779290 A CN113779290 A CN 113779290A CN 202111015215 A CN202111015215 A CN 202111015215A CN 113779290 A CN113779290 A CN 113779290A
- Authority
- CN
- China
- Prior art keywords
- face
- picture
- camera
- threshold
- library
- 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 24
- 230000002776 aggregation Effects 0.000 title claims abstract description 19
- 238000004220 aggregation Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 101100261006 Salmonella typhi topB gene Proteins 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 101150032437 top-3 gene Proteins 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种摄像头人脸识别聚合优化方法，包括以下步骤；步骤一、摄像头将视频码流上传到服务端，服务端对视频码流进行抽帧，将抽帧得到的图片进行人脸监测，通过检测分值得出top3图片；步骤二、服务端将top3中的每个图片与已有的人脸库中的人脸逐一比较，通过特有的人脸算法打出对应一组分值；步骤三、提取最高分值与其对应的人脸库中的人脸，平台配置两个不同的阈值，用于控制该人脸图片的处理结果；步骤四、将人脸图片分值与配置好的阈值进行比较，高于阈值1视为归类到对应人脸，低于阈值2视为注册成新人脸，两者中间视为丢弃。本发明识别精准度更高，同一个人更少得被识别成多个人可以主动对识别结果进行修正，使得后续识别更准确。
Description
技术领域
本发明涉及人脸识别技术领域，具体为一种摄像头人脸识别聚合优化方法。
背景技术
随着安防摄像头的不断普及以及其智能化程度的不断提高，人脸识别在该类产品中应用使用的越来越多，然而受光线及角度等一些因素的影响，摄像头中经常会出现误识别以及识别准确率不高等问题，现有市面上的方案并不能很好的处理这种误识别的问题，需要一种优化方案来保证摄像头对人脸识别的准确率及使用体验，本方案公开一种人脸识别中对识别到的人脸信息进行聚合管理的方法，解决安防摄像头中人脸误识别的问题。
发明内容
本发明的目的在于提供一种摄像头人脸识别聚合优化方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种摄像头人脸识别聚合优化方法，包括以下步骤；
步骤一、摄像头将视频码流上传到服务端，服务端对视频码流进行抽帧，将抽帧得到的图片进行人脸监测，通过检测分值得出top3图片；
步骤二、服务端将top3中的每个图片与已有的人脸库中的人脸逐一比较，通过特有的人脸算法打出对应一组分值；
步骤三、提取最高分值与其对应的人脸库中的人脸，平台配置两个不同的阈值，用于控制该人脸图片的处理结果；
步骤四、将人脸图片分值与配置好的阈值进行比较，高于阈值1视为归类到对应人脸，低于阈值2视为注册成新人脸，两者中间视为丢弃；
步骤五、如果该图片被归类到已有人脸中，将对对应的人脸特征库进行更新；如果该图片需要注册成新的人脸，则人脸库中新增一人脸且该人脸特征库中加入一个特征；
步骤六、通过客户端，用户可以将不同人脸进行手动聚合，聚合后的合并人脸特征库会进行合并处理，被合并的人脸将被删除；
步骤七、同时服务端创建被删除人脸库id和新合并人脸库的索引，用户访问被删除的人脸会被指引到合并后的人脸库，以此获取正确的信息。
优选的，步骤一中，摄像头进行人脸识别时首先获得摄像头的预置位，每次识别开始的时候都将摄像头恢复到该位置，然后从服务器获取人脸所在的空间坐标，然后通过该空间坐标计算出人脸所在位置和摄像头的初始位置的相对关 系，控制摄像头的运动，使人脸位于摄像头的视野中心。
优选的，对获取到的人脸检测时，若检测到人脸就开始进行识别，否则继续进行检测。
优选的，步骤四中，可以预设人脸的置信度的最低阈值、最高阈值，并可以预设人脸的角度值的最小阈值、最大阈值。
本发明提出的一种摄像头人脸识别聚合优化方法，有益效果在于：本发明识别精准度更高，同一个人更少得被识别成多个人可以主动对识别结果进行修正，使得后续识别更准确。
附图说明
图1为本发明的原理流程图；
图2为本发明的人脸进行手动聚合流程图。
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1-2，本发明提供一种技术方案：一种摄像头人脸识别聚合优化方法，包括以下步骤；
步骤一、摄像头将视频码流上传到服务端，服务端对视频码流进行抽帧，将抽帧得到的图片进行人脸监测，通过检测分值得出top3图片；
摄像头进行人脸识别时首先获得摄像头的预置位，每次识别开始的时候都将摄像头恢复到该位置，然后从服务器获取人脸所在的空间坐标，然后通过该空间坐标计算出人脸所在位置和摄像头的初始位置的相对关 系，控制摄像头的运动，使人脸位于摄像头的视野中心，对获取到的人脸检测时，若检测到人脸就开始进行识别，否则继续进行检测；
步骤二、服务端将top3中的每个图片与已有的人脸库中的人脸逐一比较，通过特有的人脸算法打出对应一组分值；
步骤三、提取最高分值与其对应的人脸库中的人脸，平台配置两个不同的阈值，用于控制该人脸图片的处理结果；
步骤四、将人脸图片分值与配置好的阈值进行比较，高于阈值1视为归类到对应人脸，低于阈值2视为注册成新人脸，两者中间视为丢弃；
可以预设人脸的置信度的最低阈值、最高阈值，并可以预设人脸的角度值的最小阈值、最大阈值；
步骤五、如果该图片被归类到已有人脸中，将对对应的人脸特征库进行更新；如果该图片需要注册成新的人脸，则人脸库中新增一人脸且该人脸特征库中加入一个特征；
步骤六、通过客户端，用户可以将不同人脸进行手动聚合，聚合后的合并人脸特征库会进行合并处理，被合并的人脸将被删除；
步骤七、同时服务端创建被删除人脸库id和新合并人脸库的索引，用户访问被删除的人脸会被指引到合并后的人脸库，以此获取正确的信息。
实施例，本发明分为自动聚合和主动聚合两部分，实际场景因环境光线、人脸角度等因素，采集到的人脸图片出现模糊或者面部不全的情况，该类人脸图片容易出现误识别或者吴丢弃的情况，为了减少该类情况的发生，在通过特定的人脸算法后，需要对抓取到的图片进行聚合操作，最终执行归类、注册为新人以及丢弃等不同操作，其中涉及到2个不同人脸评分阈值，用于控制最终操作的精确度；
（1）、平台对摄像头上传的码流进行抽帧，为了控制识别效率和准确率，方案中采用一个GOP抽取6帧，然后将这6张图进行人脸检测算，得出top3；
（2）、将筛选出的top3中的每个图片通过服务端人脸算法，与现有人脸库的人脸进行对比，打出一组分值；
（3）、确定最高分值并选出最高分值对应的比对人脸，将该分值与平台配置好的两个阈值进行比较，其中阈值1>阈值2，高于阈值1视为归类到对应人脸，低于阈值2视为注册成新人脸，两者中间视为丢弃；
（4）、方案设计每个人脸下允许最大9个人脸特征，每个特征对应一个分值，如果上述人脸最终视为归类，则将该图片加入对应人脸的特征库中，如果特征库中超出了9个特征，则移除分值最低的特征，此过程为自动聚合；
（5）、对于识别到的人脸，如果还存在一个人误识别成多人的情况，用户可以通过客户端手动将不同的人脸聚合成一个人，同时会扩充对应的人脸特征库，最大为50个特征，每次识别都会与特征库中特征进行比较，特征越多，人脸识别会更准确。
（6）、通过阈值控制、特征库扩充、自动聚合、手动聚合等过程可以很大程度提高人脸识别的准确性；
（7）、人脸合并后会将原有被合并的人脸进行删除，为了保证被删除的人脸能够正确指向合并后的人脸，同时会创建被删除人脸id和合并后的人脸库的索引，这样在前端显示中被删除的人脸依然能够正确获取相关信息。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种摄像头人脸识别聚合优化方法，其特征在于：包括以下步骤；
步骤一、摄像头将视频码流上传到服务端，服务端对视频码流进行抽帧，将抽帧得到的图片进行人脸监测，通过检测分值得出top3图片；
步骤二、服务端将top3中的每个图片与已有的人脸库中的人脸逐一比较，通过特有的人脸算法打出对应一组分值；
步骤三、提取最高分值与其对应的人脸库中的人脸，平台配置两个不同的阈值，用于控制该人脸图片的处理结果；
步骤四、将人脸图片分值与配置好的阈值进行比较，高于阈值1视为归类到对应人脸，低于阈值2视为注册成新人脸，两者中间视为丢弃；
步骤五、如果该图片被归类到已有人脸中，将对对应的人脸特征库进行更新；如果该图片需要注册成新的人脸，则人脸库中新增一人脸且该人脸特征库中加入一个特征；
步骤六、通过客户端，用户可以将不同人脸进行手动聚合，聚合后的合并人脸特征库会进行合并处理，被合并的人脸将被删除；
步骤七、同时服务端创建被删除人脸库id和新合并人脸库的索引，用户访问被删除的人脸会被指引到合并后的人脸库，以此获取正确的信息。
2.根据权利要求1所述的一种摄像头人脸识别聚合优化方法，其特征在于：步骤一中，摄像头进行人脸识别时首先获得摄像头的预置位，每次识别开始的时候都将摄像头恢复到该位置，然后从服务器获取人脸所在的空间坐标，然后通过该空间坐标计算出人脸所在位置和摄像头的初始位置的相对关 系，控制摄像头的运动，使人脸位于摄像头的视野中心。
3.根据权利要求2所述的一种摄像头人脸识别聚合优化方法，其特征在于：对获取到的人脸检测时，若检测到人脸就开始进行识别，否则继续进行检测。
4.根据权利要求1所述的一种摄像头人脸识别聚合优化方法，其特征在于：步骤四中，可以预设人脸的置信度的最低阈值、最高阈值，并可以预设人脸的角度值的最小阈值、最大阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111015215.7A CN113779290A (zh) | 2021-09-01 | 2021-09-01 | 一种摄像头人脸识别聚合优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111015215.7A CN113779290A (zh) | 2021-09-01 | 2021-09-01 | 一种摄像头人脸识别聚合优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113779290A true CN113779290A (zh) | 2021-12-10 |
Family
ID=78840370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111015215.7A Pending CN113779290A (zh) | 2021-09-01 | 2021-09-01 | 一种摄像头人脸识别聚合优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113779290A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114157813A (zh) * | 2022-02-07 | 2022-03-08 | 深圳市慧为智能科技股份有限公司 | 电子秤摄像头运动控制方法、装置、控制终端及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
| CN110287835A (zh) * | 2019-06-14 | 2019-09-27 | 南京云创大数据科技股份有限公司 | 一种亚洲人脸库智能建立方法 |
-
2021
- 2021-09-01 CN CN202111015215.7A patent/CN113779290A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
| CN110287835A (zh) * | 2019-06-14 | 2019-09-27 | 南京云创大数据科技股份有限公司 | 一种亚洲人脸库智能建立方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114157813A (zh) * | 2022-02-07 | 2022-03-08 | 深圳市慧为智能科技股份有限公司 | 电子秤摄像头运动控制方法、装置、控制终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101869442B1 (ko) | 화재 감지 장치 및 방법 | |
| CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
| US11048930B2 (en) | Alias capture to support searching for an object-of-interest | |
| CN106503691B (zh) | 一种人脸图片的身份标注方法和装置 | |
| CN112016353B (zh) | 一种基于视频的人脸图像进行身份识别方法及装置 | |
| US20080273766A1 (en) | Face recognition system and method based on adaptive learning | |
| KR101653278B1 (ko) | 색상 기반 얼굴 검출을 통한 실시간 얼굴 추적 시스템 | |
| CN106991370B (zh) | 基于颜色和深度的行人检索方法 | |
| CN102007499A (zh) | 检测数字图像中的脸部表情 | |
| CN110691202A (zh) | 视频剪辑方法、装置及计算机存储介质 | |
| WO2005096213A1 (en) | Face recognition system and method | |
| GB2414616A (en) | Comparing test image with a set of reference images | |
| CN115880784A (zh) | 基于人工智能的景区多人动作行为监测方法 | |
| CN112215156A (zh) | 一种视频监控中的人脸抓拍方法及系统 | |
| CN108764060A (zh) | 基于滑动窗口的视频镜头边缘检测方法 | |
| GB2409029A (en) | Face detection | |
| CN113779290A (zh) | 一种摄像头人脸识别聚合优化方法 | |
| CN110825916A (zh) | 一种基于形体识别技术的寻人方法 | |
| CN115035564A (zh) | 基于巡逻车智能摄像机的人脸识别方法、系统及相关组件 | |
| CN111079757A (zh) | 服饰属性识别方法、装置及电子设备 | |
| CN110968719B (zh) | 一种人脸聚类方法及装置 | |
| CN110349184B (zh) | 基于迭代滤波和观测判别的多行人跟踪方法 | |
| Ruiz-del-Solar et al. | Real-time tracking of multiple persons | |
| CN111062294B (zh) | 一种客流排队时间的检测方法、装置及系统 | |
| CN114064669A (zh) | 一种人员轨迹特征记录及特征更新方法 |
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 |
Application publication date: 20211210 |
|
| RJ01 | Rejection of invention patent application after publication |