CN115690468A - 一种人脸图像相似度比对优化方法及系统 - Google Patents
一种人脸图像相似度比对优化方法及系统 Download PDFInfo
- Publication number
- CN115690468A CN115690468A CN202211479160.XA CN202211479160A CN115690468A CN 115690468 A CN115690468 A CN 115690468A CN 202211479160 A CN202211479160 A CN 202211479160A CN 115690468 A CN115690468 A CN 115690468A
- Authority
- CN
- China
- Prior art keywords
- face
- similarity
- image
- sample
- face image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于人脸识别技术领域,特别涉及一种人脸图像相似度比对优化方法及系统。包括:获取人脸目标检材图像,以及样本库待比较人脸的N张虚拟二维人脸图像,所述N为整数,大于等于2;预处理目标检材人脸图像和样本库待比较人脸图像,使用训练好的计算机检测模型,人脸图像比对系统计算检材人脸图像的整体特征,并提取检材和样本人脸图像预处理后的人脸图像特征向量;计算检材人脸图像和虚拟二维样本人脸图像的相似度;根据相似度得到似然率,出具的检验报告的检验结果以似然率的形式表述。本发明可以快速统计大规模数据的正负样本相似度分布概率这一情况,完成对系统应用的人脸图像比对算法模型的有效性、可靠性和鲁棒性评价。
Description
技术领域
本发明属于人脸识别技术领域,特别涉及一种人脸图像相似度比对优化方法及系统。
背景技术
人脸比对,属于人脸识别领域的一个必要的后处理过程,人脸比对就是确定待识别人脸和人脸数据库中的人脸图像进行验证,判断是否为同一人。
由于拍摄受场景、光线、角度等因素的变化影响,人脸识别由于条件的限制,比对方法错误率较高或难以认定。上述方法的问题在于,若同一人的人脸图像相似度结果不够高,现有技术可能误判为不是同一人。利用三维人脸的信息丰富优势,运用计算机人工智能和大数据技术精准计算人脸图像相似度,为同一认定提供科学依据成为可能。
发明内容
为解决背景技术中提到的缺陷,本发明展示了一种人脸图像相似度比对优化方法及系统。该方法通过采集到的监控或者其他人脸图像,上传至人脸比对系统,测试正样本(同一人的两张不同样本)和负样本(不同人的两张样本)的相似度,得到算法相似度分数的随机抽样分布。
为实现上述目的,现提供技术方案如下:
一种人脸图像相似度比对优化方法,包括:
获取人脸目标检材图像,以及样本库待比较人脸的N张虚拟二维人脸图像,所述N为整数,大于等于2;
预处理目标检材人脸图像和样本库待比较人脸图像,使用训练好的计算机检测模型,人脸图像比对系统计算检材人脸图像的整体特征,并提取检材和样本人脸图像预处理后的人脸图像特征向量;
计算检材人脸图像和虚拟二维样本人脸图像的相似度;根据相似度得到似然率,出具的检验报告的检验结果以似然率的形式表述。
进一步的,建立样本图像库和检材图像库的方法为:所述检材人脸图像包括人脸数字照片和视频画面中的人脸图像,其他载体记录的人脸图像需要转化为所述人脸数字照片和视频画面中的人脸图像两类;从检材对应的人脸图像中选出质量合格的人脸图像,将其组成样本图像库,并将其他人脸组成检材图像库。
进一步的,建立样本人脸特征库后和检材库中的人脸图像。
进一步的,所述预处理目标检材人脸图像和样本库待比较人脸图像,包括特征点检测方法和人脸校准方法。
进一步的,所述特征点检测方法:使用待测人脸检测算法提取人脸检测特征,并在人脸原图上标注出人脸五官特征点的位置。
进一步的,所述人脸校准方法:根据五官特征点的坐标信息,将人脸对齐到统一模板,消除不同姿态引起的误差。
进一步的,从所述检材图像库中随机选取一张检材图像;
所述提取预处理后的人脸特征后,计算检材人脸图像特征与已有人脸库中所有人脸图像特征向量(或样本的人脸图像特征向量)之间的距离,距离越小,相似度越高;
遍历所述检材库中的所有检材图像,获得1*N条相似度比较结果,其中1是所述检材图像组中能够成功提取人脸图像特征的图像数,N为所述样本人脸特征库中的特征数;
对所述检材库的相似度排序,判断相似度最高的图像所对应的相似度接受阈值。
进一步的,正样本为同一人的两张人脸图像,所述负样本为不同人的两张人脸图像,所述相似度接受阈值为在负样本对中找到对应错误接受率下最高的相似度值设置为相似度接受阈值。
进一步的,肯定判断阈值和否定判断阈值以错误接受率FAR亿万分之一为标准判定。
一种人脸图像相似度比对优化系统,包括:
数据准备模块,用于将人脸图像分为样本图像库和检材图像库;
人脸图像预处理模块,用来检测图片中检材和样本的人脸,提取人脸五官特征,给出检测结果;并对人脸进行校准;
特征库建立模块,用于提取所述样本图像库的特征,并建立样本图像特征库;
相似度计算模块,用于提取所述检材图像库的特征,将其与所述样本人像特征库中的特征进行比对并确定相似度数值;
相似度评估模块,用于判断相似度数值所对应的为正样本还是负样本,并评估样本和检材的相似度,给出评估报告。
本发明的有益效果:
本发明的人脸比对及优化方法,可以调用厂商已集成的人脸识别系统的入库;人脸校准,可以提高检材人脸的比对准确度;快速统计大规模数据的正负样本相似度分布概率这一情况,完成对系统应用的人脸图像比对算法模型的有效性、可靠性和鲁棒性评价,适用于需要人像鉴定的地方。
人脸图像相似度统计作为算法评估的核心指标,具有良好的区分度,可以直观地观察到样本库各个特征向量的相似度结果、相似度排序。
附图说明
图1为本发明一实施例中人脸图像相似度计算的流程图;
图2为本发明一实施例中建立检材人像库的预处理流程图;
图3为本发明以实施例中人脸比对系统的结构示意图;
图4为本发明以实施例中获得正负样本相似度统计的结构示意图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明技术方案,下面结合附图对本发明技术方案进行详细描述,但本发明的实施方式不限于此。
一种人脸图像相似度比对优化方法,该方法通过采集到的监控或者其他人脸图像,上传至人脸比对系统,测试正样本(同一人的两张不同样本)和负样本(不同人的两张样本)的相似度,得到算法相似度分数的随机抽样分布。
一种人脸图像相似度比对优化方法,包括:步骤1、将人脸图像分为样本图像库和检材图像库。步骤2、人脸图像预处理,利用训练好的人脸特征检测模型,检测图片中的检材与样本人脸,给出人脸检测结果。步骤3、人脸图像特征提取,利用训练好的人脸特征提取模型,提取检材和样本人脸图像预处理后的人脸图像特征向量。步骤4、人脸特征相似度计算,计算检材的人脸图像特征向量与已有人脸库中所有人脸图像特征向量(或样本的人脸图像特征向量)距离,最后生成分布概率曲线。
步骤1中建立样本图像库和检材图像库的方法为:根据人脸图像对应的人,获得虚拟化产生多张与检材条件相同或相近的不同光线、角度、位置的样本虚拟人脸图像,放入待比对库中,并从每个人对应的人脸图像中选出一张质量最优的人脸图像,将其组成样本图像库,将其他人脸组成检材图像库。
步骤2中建立样本与检材人脸特征库后,对人脸图像预处理,包括特征点检测和人脸校准。
步骤3中的具体操作方法为:3. 1从检材图像库中随机抽取一张检材图像,使用待测人脸比对算法提取人脸比对特征;3.2若人脸图像特征提取成功,则标注出人脸特征点的位置,并整体分析人脸五官特征,包括脸型、眼型、眉形、鼻型、唇形和下巴,则将生成的五官特征和样本五官标准模板进行比较;3.3)检材人脸校准,对检材人脸进行归一化,以人工选择两个眼角特征点为基准,将检材归一化到标准模板上。
步骤3中所获取的检材人脸校准后,计算校准后人脸图像和样本库中的特征向量。
步骤4中正样本为同一人的两张人脸图像;负样本为同一人的两张人脸图像,根据相似度统计结果;确定正样本相似度和负样本相似度,累计正样本相似度和负样本相似度,从而生成正样本相似度和负样本相似度的分布概率曲线。
步骤4中获得正样本相似度和负样本相似度的分布概率曲线后,设定肯定判决和否定判决的相似度阈值。
肯定判决阈值和否定判决阈值以错误接受率FAR为亿万分之一为标准选定。
根据人脸图像预处理指标、人脸校准成功率指标、五官特征点整体分析指标、正样本相似度和负样本相似度的分布概率曲线对待测人脸比对算法进行综合评估。
本发明还公开了一种人脸比对及优化系统,比对及优化系统根据人脸图像相似度比对及优化方法设置,包括数据入库模块,用于将人脸图像分为样本图像库和检材图像库;数据预处理模块,分别提取检材人脸和样本人脸特征,并校准;特征库建立模块,用于根据待测人脸比对算法提取样本图像库的特征,并建立样本人脸特征库;相似度计算模块,用于根据待测人脸比对算法提取检材特征库的特征,计算检材的人脸图像特征向量与已有人脸库中所有人脸图像特征向量距离;概率曲线生成模块,统计正样本相似度和负样本相似度的分布概率曲线,并筛选出评分最高的人脸图像。
本发明提供一种人脸图像比对优化算法,其比对结果可以通过计算正样本和负样本的相似度数值,得到算法相似度分数的随机抽样分布。经过人脸图像校准,可以提高检材与样本的相似度分数。人脸图像相似度统计作为算法评估的核心指标,具有良好的区分度,可以直观地观察到样本库各个特征向量的相似度结果、相似度排序等。
具体的,本实例公开了一种人脸比对优化方法,如图1-图3所示,包括以下步骤:
1)将人脸图像分为样本图像库和检材图像库;
所述人脸图像库的建立方法为:获取的人脸图像可以是三维虚拟人脸图像的二维化样本,获得虚拟化产生多张与检材条件相同或相近的不同光线、角度、位置的样本虚拟人脸图像。获取的待识别人脸图像应当为即时采集的,图像质量应当满足以下要求:
a)面部五官整体或大部分清晰可见,无明显变形,双瞳中心清晰确定;
b)两眼瞳孔中心间距不小于40像素,符合GA T 1154.1-2014 第4部分视频图像人脸比对技术要求;
c)人脸水平转动角应在±30°以内,俯仰角应在±15°以内,倾斜角应在±30°以内;
d)五官及面部轮廓无明显变形,无明显阴影;
e)图像动态灰度范围不小于180,或24位真彩色;
f)人脸部分水平和垂直分辨率不小于100像素;
g)人脸部分清晰无明显运动模糊或散焦模糊;
h)图像无明显噪波。
2)人脸图像预处理,利用训练好的人脸特征检测模型,检测图片中的检材与样本人脸,给出人脸检测结果;
需要说明的是,此流程还包括以下两个流程:
a)特征点检测;
b)人脸校准,所述方法需人工设置两个定位点,将检材人脸经放射变换至标准模板。
3)人脸图像特征提取,利用训练好的人脸特征提取模型,提取检材和样本人脸图像预处理后的人脸图像特征向量。
4)人脸特征相似度计算,计算检材的人脸图像特征向量与已有人脸库中所有人脸图像特征向量(或样本的人脸图像特征向量)距离,最后生成分布概率曲线。
其中,计算特征向量距离的方法包括:
4.1)从检材图像库中随机选择一张人脸图像,经图像预处理提取特征点做整体分析。
4.2)人脸图像特征提取成功后,将提取到的人脸特征与样本人脸库进行逐一比对计算特征距离,所述距离度量包括但不限于欧式距离和切比雪夫距离,以样本库图像,ID为1,2,···n为横坐标,与检材比对后的相似度数值结果一一对应为纵坐标,动态生成出相似度统计结果图。
4.3)累计正负样本相似度概率曲线,生成相似度的分布概率曲线。
根据人脸图像预处理指标、人脸校准成功率指标、五官特征点整体分析指标、正样本相似度和负样本相似度的分布概率曲线对待测人脸比对算法进行综合评估。
另外,本实例公开一种人脸比优化系统,包括:
数据采集模块,可将单张或者多张检材上传至人脸比对系统;
图像预处理模块,用于根据检材人脸图像特征提取和人脸校准;
特征库建立模块,用于建立待测人脸图像的特征库,并建立样本人脸库的特征库;
相似度计算模块,用于计算样本与检材的特征度量,并将其转化为相似度,同样本特征库的数据逐一比对。
通过上述实施方案的描述,本领域的技术人员可以清楚地了解到实施方法可以通过软件加所需硬件平台实现,基于这样的理解,上述技术方案对现有技术可以以软件的形式体现出来,该计算机软件产品可以储存在计算机可读存储介质中,如ROM/RAM、光盘等。包括若干指令可使得一台计算机设备执行实施例的某部分所述方法。
以上所述,仅是本发明的最佳实施例而已,并非对本发明的任何形式的限制,任何熟悉本领域的技术人员,在不脱离本发明技术方案范围的情况下利用上述揭示的方法和内容对本发明做出的许多可能的变动和修饰,均属于权利要求书保护的范围。
Claims (10)
1.一种人脸图像相似度比对优化方法,其特征在于:包括:
获取人脸目标检材图像,以及样本库待比较人脸的N张虚拟二维人脸图像,所述N为整数,大于等于2;
预处理目标检材人脸图像和样本库待比较人脸图像,使用训练好的计算机检测模型,人脸图像比对系统计算检材人脸图像的整体特征,并提取检材和样本人脸图像预处理后的人脸图像特征向量;
计算检材人脸图像和虚拟二维样本人脸图像的相似度;根据相似度得到似然率,出具的检验报告的检验结果以似然率的形式表述。
2.如权利要求1所述的人脸图像相似度比对优化方法,其特征在于,建立样本图像库和检材图像库的方法为:所述检材人脸图像包括人脸数字照片和视频画面中的人脸图像,其他载体记录的人脸图像需要转化为所述人脸数字照片和视频画面中的人脸图像两类;从检材对应的人脸图像中选出质量合格的人脸图像,将其组成样本图像库,并将其他人脸组成检材图像库。
3.如权利要求2所述的人脸图像相似度比对优化方法,其特征在于:建立样本人脸特征库后,获取检材库中的人脸图像,提取检材人脸图像的特征,将图片信息转换为多维人脸特征向量。
4.如权利要求1所述的人脸图像相似度比对优化方法,其特征在于,所述预处理目标检材人脸图像和样本库待比较人脸图像,包括特征点检测方法和人脸校准方法。
5.如权利要求4所述的人脸图像相似度比对优化方法,其特征在于,所述特征点检测方法:使用待测人脸检测算法提取人脸检测特征,并在人脸原图上标注出人脸五官特征点的位置。
6.如权利要求4所述的人脸图像相似度比对优化方法,其特征在于,所述人脸校准方法:根据五官特征点的坐标信息,将人脸对齐到统一模板,消除不同姿态引起的误差。
7.如权利要求1所述的人脸图像相似度比对优化方法,其特征在于,从所述检材图像库中随机选取一张检材图像;
所述提取预处理后的人脸特征后,计算检材人脸图像特征与已有人脸库中所有人脸图像特征向量之间的距离,距离越小,相似度越高;
遍历所述检材库中的所有检材图像,获得1*N条相似度比较结果,其中1是所述检材图像组中能够成功提取人脸图像特征的图像数,N为所述样本人脸特征库中的特征数;
对所述检材库的相似度排序,判断相似度最高的图像所对应的相似度接受阈值。
8.如权利要求7所述的人脸图像相似度比对优化方法,其特征在于,正样本为同一人的两张人脸图像,负样本为不同人的两张人脸图像,所述相似度接受阈值为在负样本对中找到对应错误接受率下最高的相似度值设置为相似度接受阈值。
9.如权利要求8所述的人脸图像相似度比对及优化方法,其特征在于,肯定判断阈值和否定判断阈值以错误接受率FAR亿万分之一为标准判定。
10.一种人脸图像相似度比对优化系统,其特征在于,所述系统基于权利要求1至9任意一项所述的人脸图像相似度比对优化方法,包括:
数据准备模块,用于将人脸图像分为样本图像库和检材图像库;
人脸图像预处理模块,用来检测图片中检材和样本的人脸,提取人脸五官特征,给出检测结果;并对人脸进行校准;
特征库建立模块,用于提取所述样本图像库的特征,并建立样本图像特征库;
相似度计算模块,用于提取所述检材图像库的特征,将其与所述样本人像特征库中的特征进行比对并确定相似度数值;
相似度评估模块,用于判断相似度数值所对应的为正样本还是负样本,并评估样本和检材的相似度,给出评估报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211479160.XA CN115690468A (zh) | 2022-11-24 | 2022-11-24 | 一种人脸图像相似度比对优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211479160.XA CN115690468A (zh) | 2022-11-24 | 2022-11-24 | 一种人脸图像相似度比对优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690468A true CN115690468A (zh) | 2023-02-03 |
Family
ID=85056750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211479160.XA Pending CN115690468A (zh) | 2022-11-24 | 2022-11-24 | 一种人脸图像相似度比对优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690468A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078507A (zh) * | 2023-08-18 | 2023-11-17 | 上海凌立健康管理股份有限公司 | 一种基于ai技术的虚拟数字人动态追溯监管方法与系统 |
-
2022
- 2022-11-24 CN CN202211479160.XA patent/CN115690468A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078507A (zh) * | 2023-08-18 | 2023-11-17 | 上海凌立健康管理股份有限公司 | 一种基于ai技术的虚拟数字人动态追溯监管方法与系统 |
CN117078507B (zh) * | 2023-08-18 | 2024-05-14 | 上海凌立健康管理股份有限公司 | 一种基于ai技术的虚拟数字人动态追溯监管方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
CN106295124B (zh) | 多种图像检测技术综合分析基因子图相似概率量的方法 | |
CN111882579A (zh) | 基于深度学习和目标跟踪的大输液异物检测方法、系统、介质及设备 | |
WO2015149696A1 (en) | Method and system for extracting characteristic of three-dimensional face image | |
CN111476827B (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN111968098A (zh) | 一种带钢表面缺陷检测方法、装置和设备 | |
CN108960142B (zh) | 基于全局特征损失函数的行人再识别方法 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN115690468A (zh) | 一种人脸图像相似度比对优化方法及系统 | |
CN114549446A (zh) | 一种基于深度学习的气缸套缺陷标检测方法 | |
CN115526889A (zh) | 基于图像处理的锅炉压力管道的无损检测方法 | |
CN110222660B (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及系统 | |
CN117237747B (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN112468721A (zh) | 一种具有自动调焦功能的视觉采集方法及装置 | |
CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
CN112183287A (zh) | 一种移动机器人在复杂背景下的人数统计方法 | |
KR101782366B1 (ko) | 스케일 보정을 통한 표본 정규화가 수행되는 학습기반의 비전검사 방법 | |
CN116188458A (zh) | 一种汽车配件压铸模具表面形变异常智能识别方法 | |
CN114662594B (zh) | 一种目标特征识别分析系统 | |
CN115239663A (zh) | 隐形眼镜瑕疵检测方法及系统、电子设备、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 |