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:
(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;
(2-4)通过五官坐标,得到五官评价得分S4:
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;
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:
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:
(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
(2-4)通过五官坐标,得到五官评价得分S4:
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;
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:
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:
(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;
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;
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:
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。
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。
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 |