CN114155590A - 一种人脸识别方法 - Google Patents
一种人脸识别方法 Download PDFInfo
- Publication number
- CN114155590A CN114155590A CN202111461533.6A CN202111461533A CN114155590A CN 114155590 A CN114155590 A CN 114155590A CN 202111461533 A CN202111461533 A CN 202111461533A CN 114155590 A CN114155590 A CN 114155590A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- evaluation
- face recognition
- carrying
- 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 45
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 47
- 210000000697 sensory organ Anatomy 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 4
- 239000013307 optical fiber Substances 0.000 abstract description 2
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸识别方法。现有方法常受限于环境、光纤、人脸遮挡、运动模糊、摄像头角度等因素，导致当采集人脸图像时，图像的质量存在不稳定性，难以保证人脸识别的效率或准确性，并且实时检测识别，大量占用了系统资源。本发明方法首先通过对所需分析的图像进行人脸检测，得到人脸信息，然后对人脸质量、环境质量进行判断，得到相关的质量信息，然后进行人脸优选；最后根据人脸优选的结果进行人脸识别。本发明方法能够有效地对人脸识别的场景进行有效的判断，减少因光线、环境等因素造成的人脸识别率低的同时，有效的节省系统资源。
Description
技术领域
本发明属于人工智能技术领域，具体涉及一种人脸识别方法。
背景技术
人脸识别是基于人的脸部的特征信息进行身份识别的技术，目前人脸识别技术被广泛应用于安全相关的身份验证领域，例如：人脸考勤、人脸解锁、人脸支付等领域。人脸识别设备对人脸的一系列的特征提取和比对，这些行为均是在终端完成。然而终端处理人脸识别的性能有限。终端设备常受限于环境、光纤、人脸遮挡、运动模糊、摄像头角度等因素，导致当采集人脸图像时，图像的质量存在不稳定性，难以保证人脸识别的效率或准确性，并且实时检测识别，大量占用了系统资源。
专利号为201710810714.2的发明专利公开了一种人脸识别方法，首先根据坐标变换判断同一视频流中是否为同一人；然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。
专利号为201310748379.X的发明专利公开了一种人脸识别方法，首先将拍摄到的人脸图像输入计算机中，先采用Retinex算法计算人脸图像受光照影响的程度，并根据影响程度调整人脸图像的明暗值，然后用主动表观模型提取人脸特征属性，再采用自组织神经网络和粗糙集约简算法将人脸特征属性约简，用约简后的属性数据训练支持向量机分类器，最后使用训练好的支持向量机分类器分析待识别的人脸图像。
发明内容
本发明的目的是提供一种人脸识别方法。
本发明方法首先进行人脸检测，然后人脸质量判断、环境质量判断、人脸优选，最后进行人脸识别。具体方法是：
步骤(1)对所需分析图像进行人脸检测；具体是：
(1-1)首先从图像传感器获取待检测的图像；
(1-2)将图像送入人脸检测神经网络模型中，得到人脸图像I、五官坐标、置信度C；
步骤(2)对人脸图像I、五官坐标、置信度C进行分析，通过模糊评价、置信度评价、正脸程度评价、五官质量评价、亮度评价，得到人脸质量得分S；具体是：
(2-1)对I进行归一化处理，通过计算水平梯度和垂直梯度的和平方Q1，得到模糊评价得分S1：
计算模糊评价得分
T1为用户配置的模糊评价系数，5≤T1≤10，配置T1越大，模糊判断条件越严苛。
(2-2)通过置信度C得到置信度评价得分S2：如果C＞T2H，则S2＝1；如果T2M＜C≤T2H，则S2＝0.9；如果T2L≤C≤T2M，则S2＝0.8；如果C＜T2L，则S2＝0.7；T2H、T2M、T2L为用户配置的置信度评价阈值，且1≥T2H＞T2M＞T2L≥0.1。
(2-3)通过人脸图像I的左、右脸图像，得到正脸程度评价得分S3：
首先将人脸图像I从中间均分，得到左脸图像L和右脸图像R，分别对L、R进行直方图统计，统计出N个灰度级，得到N段直方图统计集合H_L[n]和H_R[n]，n＝1,2,…,N，N＝256；
计算H_L[n]和H_R[n]的差平方
然后计算正脸程度评价得分
T3为用户配置的正脸评价系数，1≤T3≤4，配置T3越大，正脸判断条件越严苛。
(2-4)通过五官坐标，得到五官评价得分S4：
左眼中心点到右眼中心点的距离
左眼中心点到嘴巴中心点的距离
右眼中心点到嘴巴中心点的距离
(a1,b1)、(a2,b2)、(a3,b3)分别为左眼、右眼、嘴巴中心点的坐标。
五官评价得分
MAX(·,·)表示取最大值，|·|表示取绝对值，
为用户配置的五官评价系数，
配置
越大，五官判断条件越严苛。
(2-5)通过人脸图像I，得到亮度评价得分
θ为用户配置的亮度评价系数，0≤θ≤100，配置θ越大，光照判断条件越严苛。
(2-6)人脸质量得分
步骤(3)获取摄像头传感器的的增益值ISO，得到当前环境的亮度信息；根据ISO及最大增益，得到环境光照系数w；具体是：
(3-1)获取摄像头传感器的增益值ISO；
(3-2)计算环境增益权重
其中e为自然底数，β为用户配置的权重系数，0.1≤β≤1，β配置越大，权重分配越大。
步骤(4)通过人脸质量得分和环境增益权重，进行人脸识别选择；具体是：
(4-1)一次判定：如果
进行人脸识别处理；如果
则进行二次判定；如果
则忽略此幅图像，进行下一张图像的采集；
为用户设置的阈值，
设置越大，一次判定条件越严格。
(4-2)二次判定：如果
则判定排除环境因素，人脸清晰，进行人脸识别处理；如果
则判定图像为模糊图像，则忽略此幅图像，进行下一张图像的采集。
本发明方法充分考虑了光线、人脸模糊等的情况，保证该方法可以在不同的光源、场景场景下，可通过判断人脸质量和环境广信，自适应的调节识别阈值，避免了同一阈值下，人脸在模糊、环境较为恶劣的场景下，无法正确识别，造成人脸识别率低等情况。本发明方法通过阈值限制，排除掉质量较差、模糊的人脸，从而节省了运算量巨大的人脸识别的系统资源，使得系统性能达到最佳。通过此本发明方法，可以根据摄像机的实际使用场景和针对不同的图像问题，进行自适应的人脸识别的调节。
附图说明
图1是本发明方法流程示意图；
图2是本发明实施例的环境质量权重系数曲线示意图。
具体实施方式
如图1所示，一种人脸识别方法，首先进行人脸检测，然后人脸质量判断、环境质量判断、人脸优选，最后进行人脸识别。具体方法是：
步骤(1)对所需分析图像进行人脸检测；具体是：
(1-1)首先从图像传感器获取待检测的图像；
(1-2)将图像送入人脸检测神经网络模型中，得到人脸图像I、五官坐标、置信度C；
人脸检测神经网络模型是指AI模块搜寻到人脸信息及相关信息，属于现有开源技术，例如：MTCNN网络模型；也有各算法厂商各自的算法；这里是指设备使用的神经网络算法模型。
步骤(2)对人脸图像I、五官坐标、置信度C进行分析，通过模糊评价、置信度评价、正脸程度评价、五官质量评价、亮度评价，得到人脸质量得分S；具体是：
(2-1)对I进行归一化处理，通过计算水平梯度和垂直梯度的和平方Q1，得到模糊评价得分S1：
计算模糊评价得分
T1为用户配置的模糊评价系数，5≤T1≤10，配置T1越大，模糊判断条件越严苛。本实施例采用T1＝7。
(2-2)通过置信度C得到置信度评价得分S2：如果C＞T2H，则S2＝1；如果T2M＜C≤T2H，则S2＝0.9；如果T2L≤C≤T2M，则S2＝0.8；如果C＜T2L，则S2＝0.7；T2H、T2M、T2L为用户配置的置信度评价阈值，且1≥T2H＞T2M＞T2L≥0.1。本实施例采用T2H＝0.99，T2M＝0.95，T2L＝0.90。
(2-3)通过人脸图像I的左、右脸图像，得到正脸程度评价得分S3：
首先将人脸图像I从中间均分，得到左脸图像L和右脸图像R，分别对L、R进行直方图统计，统计出N个灰度级，得到N段直方图统计集合H_L[n]和H_R[n]，n＝1,2,…,N，N＝256；计算H_L[n]和H_R[n]的差平方
然后计算正脸程度评价得分
T3为用户配置的正脸评价系数，1≤T3≤4，配置T3越大，正脸判断条件越严苛。本实施例采用T3＝2.5。
(2-4)通过五官坐标，得到五官评价得分S4：
左眼中心点到右眼中心点的距离
左眼中心点到嘴巴中心点的距离
右眼中心点到嘴巴中心点的距离
(a1,b1)、(a2,b2)、(a3,b3)分别为左眼、右眼、嘴巴中心点的坐标。
五官评价得分
MAX(·,·)表示取最大值，|·|表示取绝对值，
为用户配置的五官评价系数，
配置
越大，五官判断条件越严苛。本实施例采用
(2-5)通过人脸图像I，得到亮度评价得分
θ为用户配置的亮度评价系数，0≤θ≤100，配置θ越大，光照判断条件越严苛。本实施例采用θ＝20。
(2-6)人脸质量得分
步骤(3)获取摄像头传感器的的增益值ISO，得到当前环境的亮度信息；根据ISO及最大增益，得到环境光照系数w；具体是：
(3-1)获取摄像头传感器的增益值ISO；
(3-2)计算环境增益权重
其中e为自然底数，β为用户配置的权重系数，0.1≤β≤1，β配置越大，权重分配越大。本实施例采用β＝0.2，环境质量权重系数曲线如图2所示，图中横坐标是ISO，纵坐标是w。
步骤(4)通过人脸质量得分和环境增益权重，进行人脸识别选择；具体是：
(4-1)一次判定：如果
进行人脸识别处理；如果
则进行二次判定；如果
则忽略此幅图像，进行下一张图像的采集；
为用户设置的阈值，
设置越大，一次判定条件越严格。本实施例采用
(4-2)二次判定：如果
则判定排除环境因素，人脸清晰，进行人脸识别处理；如果
则判定图像为模糊图像，则忽略此幅图像，进行下一张图像的采集。
本发明方法充分考虑了光线、人脸模糊等的情况，保证该方法可以在不同的光源、场景场景下，可通过判断人脸质量和环境广信，自适应的调节识别阈值，避免了同一阈值下，人脸在模糊、环境较为恶劣的场景下，无法正确识别人脸，造成人脸识别率低等情况。并通过二次删选的方式，进一步提升了人脸识别的准确率。
在通过阈值限制，排除掉质量较差、模糊的人脸，从而节省了运算量巨大的人脸识别的系统资源，在保证识别率的同时，使得系统性能达到最佳。通过此本发明方法，可以根据摄像机的实际使用场景和针对不同的图像问题，进行自适应的人脸识别的调节。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (8)
1.一种人脸识别方法，其特征在于，该方法具体如下：
步骤(1)对所需分析图像进行人脸检测；具体是：
(1-1)首先从图像传感器获取待检测的图像；
(1-2)将图像送入人脸检测神经网络模型中，得到人脸图像I、五官坐标、置信度C；
步骤(2)对人脸图像I、五官坐标、置信度C进行分析，通过模糊评价、置信度评价、正脸程度评价、五官质量评价、亮度评价，得到人脸质量得分S；具体是：
(2-1)对I进行归一化处理，通过计算水平梯度和垂直梯度的和平方Q1，得到模糊评价得分S1：
计算模糊评价得分
T1为用户配置的模糊评价系数；
(2-2)通过置信度C得到置信度评价得分S2：如果C＞T2H，则S2＝1；如果T2M＜C≤T2H，则S2＝0.9；如果T2L≤C≤T2M，则S2＝0.8；如果C＜T2L，则S2＝0.7；T2H、T2M、T2L为用户配置的置信度评价阈值；
(2-3)通过人脸图像I的左、右脸图像，得到正脸程度评价得分S3：
首先将人脸图像I从中间均分，得到左脸图像L和右脸图像R，分别对L、R进行直方图统计，统计出N个灰度级，得到N段直方图统计集合H_L[n]和H_R[n]，n＝1,2,…,N，N＝256；
计算H_L[n]和H_R[n]的差平方
然后计算正脸程度评价得分
T3为用户配置的正脸评价系数；
(2-4)通过五官坐标，得到五官评价得分
MAX(·,·)表示取最大值，|·|表示取绝对值，
为用户配置的五官评价系数；
其中，左眼中心点到右眼中心点的距离
左眼中心点到嘴巴中心点的距离
右眼中心点到嘴巴中心点的距离
(a1,b1)、(a2,b2)、(a3,b3)分别为左眼中心点、右眼中心点、嘴巴中心点的坐标；
(2-5)通过人脸图像I，得到亮度评价得分
θ为用户配置的亮度评价系数；
(2-6)人脸质量得分
步骤(3)获取摄像头传感器的的增益值ISO，得到当前环境的亮度信息；根据ISO及最大增益，得到环境光照系数w；具体是：
(3-1)获取摄像头传感器的增益值ISO；
(3-2)计算环境增益权重
其中e为自然底数，β为用户配置的权重系数；
步骤(4)通过人脸质量得分和环境增益权重，进行人脸识别选择；具体是：
(4-1)一次判定：如果
进行人脸识别处理；如果
则进行二次判定；如果
则忽略此幅图像，进行下一张图像的采集；
为用户设置的阈值；
(4-2)二次判定：如果
则判定排除环境因素，人脸清晰，进行人脸识别处理；如果
则判定图像为模糊图像，则忽略此幅图像，进行下一张图像的采集。
2.如权利要求1所述的一种人脸识别方法，其特征在于：(2-1)中，5≤T1≤10，配置T1越大，模糊判断条件越严苛。
3.如权利要求1所述的一种人脸识别方法，其特征在于：(2-2)中，1≥T2H＞T2M＞T2L≥0.1。
4.如权利要求1所述的一种人脸识别方法，其特征在于：(2-3)中，1≤T3≤4，配置T3越大，正脸判断条件越严苛。
5.如权利要求1所述的一种人脸识别方法，其特征在于：(2-4)中，
配置
越大，五官判断条件越严苛。
6.如权利要求1所述的一种人脸识别方法，其特征在于：(2-5)中，0≤θ≤100，配置θ越大，光照判断条件越严苛。
7.如权利要求1所述的一种人脸识别方法，其特征在于：(3-2)中，0.1≤β≤1，β配置越大，权重分配越大。
8.如权利要求1所述的一种人脸识别方法，其特征在于：(4-1)中，
设置越大，一次判定条件越严格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111461533.6A CN114155590A (zh) | 2021-12-02 | 2021-12-02 | 一种人脸识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111461533.6A CN114155590A (zh) | 2021-12-02 | 2021-12-02 | 一种人脸识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114155590A true CN114155590A (zh) | 2022-03-08 |
Family
ID=80456174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111461533.6A Pending CN114155590A (zh) | 2021-12-02 | 2021-12-02 | 一种人脸识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114155590A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882576A (zh) * | 2022-07-07 | 2022-08-09 | 中关村科学城城市大脑股份有限公司 | 人脸识别方法、电子设备、计算机可读介质和程序产品 |
| CN118522059A (zh) * | 2024-07-23 | 2024-08-20 | 湖南警察学院 | 一种用于公安实战场景人脸识别数据处理系统 |
-
2021
- 2021-12-02 CN CN202111461533.6A patent/CN114155590A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882576A (zh) * | 2022-07-07 | 2022-08-09 | 中关村科学城城市大脑股份有限公司 | 人脸识别方法、电子设备、计算机可读介质和程序产品 |
| CN114882576B (zh) * | 2022-07-07 | 2022-09-20 | 中关村科学城城市大脑股份有限公司 | 人脸识别方法、电子设备、计算机可读介质和程序产品 |
| CN118522059A (zh) * | 2024-07-23 | 2024-08-20 | 湖南警察学院 | 一种用于公安实战场景人脸识别数据处理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7599549B2 (en) | Image processing method, image processing apparatus, and computer readable medium, in which an image processing program is recorded | |
| US7835549B2 (en) | Learning method of face classification apparatus, face classification method, apparatus and program | |
| US8577099B2 (en) | Method, apparatus, and program for detecting facial characteristic points | |
| CN112541422B (zh) | 光照和头部姿态鲁棒的表情识别方法、设备及存储介质 | |
| CN104008364B (zh) | 人脸识别方法 | |
| CN114155590A (zh) | 一种人脸识别方法 | |
| CN111291701B (zh) | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 | |
| CN103218615B (zh) | 人脸判定方法 | |
| CN111832405A (zh) | 一种基于hog和深度残差网络的人脸识别方法 | |
| CN108446642A (zh) | 一种快速人脸识别系统 | |
| CN113450369A (zh) | 一种基于人脸识别技术的课堂分析系统及方法 | |
| CN110879985A (zh) | 一种抗噪声数据的人脸识别模型训练方法 | |
| CN106485226A (zh) | 一种基于神经网络的视频行人检测方法 | |
| CN111274851A (zh) | 一种活体检测方法及装置 | |
| CN108491798A (zh) | 基于个性化特征的人脸识别方法 | |
| CN108446639A (zh) | 低功耗增强现实设备 | |
| CN108520208A (zh) | 局部化面部识别方法 | |
| JP4690190B2 (ja) | 画像処理方法および装置並びにプログラム | |
| CN116959073A (zh) | 一种方向自适应的多姿态点云人脸识别方法及系统 | |
| CN109948541A (zh) | 一种面部情感识别方法与系统 | |
| CN113449694B (zh) | 基于Android的证件照合规性检测方法及系统 | |
| CN112818728B (zh) | 年龄识别的方法及相关产品 | |
| CN112541859B (zh) | 一种光照自适应的人脸图像增强方法 | |
| CN110503061B (zh) | 一种融合多特征的多因素视频遮挡区域检测方法及系统 | |
| CN112149598A (zh) | 一种侧脸评估方法、装置、电子设备及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 310012 5-6 / F, block a, East Software Park Innovation Building, 90 Wensan Road, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Guoxin Microelectronics Co.,Ltd. Address before: 310012 5-6 / F, block a, East Software Park Innovation Building, 90 Wensan Road, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU NATIONALCHIP SCIENCE & TECHNOLOGY Co.,Ltd. Country or region before: China |