CN115690884A - 一种人脸识别方法、系统、存储介质及计算设备 - Google Patents
一种人脸识别方法、系统、存储介质及计算设备 Download PDFInfo
- Publication number
- CN115690884A CN115690884A CN202211386008.7A CN202211386008A CN115690884A CN 115690884 A CN115690884 A CN 115690884A CN 202211386008 A CN202211386008 A CN 202211386008A CN 115690884 A CN115690884 A CN 115690884A
- Authority
- CN
- China
- Prior art keywords
- face
- feature data
- face image
- registered
- recognized
- 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
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸识别方法、系统、存储介质及计算设备，本发明根据衰老指数对底库中的注册人脸图像特征数据进行周期性修正，避免年龄变化带来的识别误差，在人脸识别时，基于图像采集设备与待识别人脸的俯仰角阈值对注册人脸图像特征数据进行修正，基于修正后的特征数据进行人脸识别，降低图像采集设备与待识别人脸俯仰角带来的误差，相较于传统的识别方法，识别更加准确。
Description
技术领域
本发明涉及一种人脸识别方法、系统、存储介质及计算设备，属于计算机技术领域。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，通过采集含有人脸的图像，自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。目前的人脸识别往往没有考虑年龄变化带来的误差、人脸采集时人脸与采集设备俯仰角带来的误差，从而导致现有的人脸识别准确度较差。
发明内容
本发明提供了一种人脸识别方法、系统、存储介质及计算设备，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种人脸识别方法，包括：
从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据；
分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；
若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数；
若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N；
分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度；
若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功。
底库中预存人脸图像特征数据包括：
从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库。
衰老指数对包括年龄段和与年龄段匹配的人脸部位衰老指数；其中，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比。
根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据，包括：
计算图像采集设备与待识别人脸俯仰角阈值的余弦值；
采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据。
一种人脸识别系统，包括：
特征提取模块，从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据；
第一相似度模块，分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；
筛选模块，若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数；
几何修正模块，若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N；
第二相似度模块，分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度；
识别模块，若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功。
还包括预存模块，用以向底库中预存人脸图像特征数据，预存过程包括：
从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库。
衰老指数对包括年龄段和与年龄段匹配的人脸部位衰老指数；其中，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比。
几何修正模块中，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据，包括：
计算图像采集设备与待识别人脸俯仰角阈值的余弦值；
采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行人脸识别方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行人脸识别方法的指令。
本发明所达到的有益效果：本发明根据衰老指数对底库中的注册人脸图像特征数据进行周期性修正，避免年龄变化带来的识别误差，在人脸识别时，基于图像采集设备与待识别人脸的俯仰角阈值对注册人脸图像特征数据进行修正，基于修正后的特征数据进行人脸识别，降低图像采集设备与待识别人脸俯仰角带来的误差，相较于传统的识别方法，识别更加准确。
附图说明
图1为人脸识别方法的流程图；
图2为公司智能化服务系统的功能框图；
图3为男士A某25岁68个人脸图像特征数据；
图4为男士A某26岁68个人脸图像特征数据；
图5为男士A某30岁68个人脸图像特征数据；
图6为底库中的人脸图像特征数据；
图7为基于俯仰角阈值修正后的人脸图像特征数据。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种人脸识别方法，包括：
步骤1，从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据；
步骤2，分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；
步骤3，若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数；
若任一第一相似度均不小于相似度阈值，待识别人脸图像与对应的注册人脸图像特征数据匹配，人脸识别成功；
步骤4，若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N；
若所有差值百分比均不小于预设百分比，则人脸识别失败，即当前待识别人脸没有注册；
步骤5，分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度；
步骤6，若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功；
若所有第二相似度小于相似度阈值，则人脸识别失败，即当前待识别人脸没有注册。
上述方法根据衰老指数对底库中的注册人脸图像特征数据进行周期性修正，避免年龄变化带来的识别误差，在人脸识别时，基于图像采集设备与待识别人脸的俯仰角阈值对注册人脸图像特征数据进行修正，基于修正后的特征数据进行人脸识别，降低图像采集设备与待识别人脸俯仰角带来的误差，相较于传统的识别方法，识别更加准确。
在实施上述人脸识别之前，需要先构建底库，即进行人脸注册，在底库中预存人脸图像特征数据，特征数据可选取人脸的眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘相关的68个特征点特征。
底库中预存人脸图像特征数据可以如下：
S1)从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据。
S2)若注册人脸图像特征数据中的亮度值在预设的亮度范围内，转至S3)，若注册人脸图像特征数据中的亮度值不在预设的亮度范围内，则丢弃特征数据，重新进行人脸图像采集。
该步骤主要是对人脸区域内的亮度值进行评估，若亮度值均匀正常，则通过，若部分或全部过亮或过暗，则不通过。一般正常的亮度范围为0～255，而不影响识别结果的亮度范围为60～210，即预设的亮度范围设置在60～210，小于60或大于210的则不通过。
S3)若注册人脸图像特征数据中的清晰度在预设的差清晰度范围内，则丢弃特征数据，重新进行人脸图像采集；其中，差清晰度范围为清晰度小于0.08；
若注册人脸图像特征数据中的清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；其中，高清晰度范围为清晰度大于0.2；
若注册人脸图像特征数据中的清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库；其中，中等清晰度范围为0.08～0.2。
人脸特征会随着年龄的增长发生变化，结合斯坦福大学发布的人体生长发育衰老时间表，在不考虑人化妆或美容等手段带来影响的情况下；当年龄小于18岁，会向着更成熟的方向，具体表现为眉毛浓密、眼距不变、鼻子变宽、嘴唇变宽、脸部外轮廓下缘变宽；18岁-25岁，基本稳定；25岁-40岁，眉毛基本稳定、眼眶变小、鼻头下移、嘴角下垂、脸部外轮廓下缘扩大；40岁以后，前述面部特征变化持续发生，眉毛变长；60岁以后衰老现象加剧，其中脸部外轮廓下缘变化最大。
将人脸特征随着年龄发生的变化量化，设置包括年龄段和与年龄段匹配的人脸部位衰老指数，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比，具体可见下表1：
表1衰老指数对表
表格中，第一列是年龄区间，衰老指数是人脸部位的面积变化，正值表示面积增大的比例，0表示维持不变，负值表示面积减小的比例，如在(40,60]年龄段，42岁的眉毛比41岁的眉毛增加了0.6％，42岁的眼睛比41岁的眼睛减少了1.3％。
基于上表，对底库中的注册人脸图像特征数据进行周期性修正，修正周期一般设定为一年，即每一年更新一次底库。
如图3为男士A某25岁68个人脸图像特征数据，1年后基于衰老指数进行修正，修正后的人脸图像特征数据如图4所示，5年后修正后的人脸图像特征数据如图5所示。
基于最新的底库进行人脸识别的过程如下：
A1)获取待识别人脸图像，提取待识别人脸图像的特征数据。
A2)分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度。
A3)若任一第一相似度均不小于相似度阈值，待识别人脸图像与对应的注册人脸图像特征数据匹配，人脸识别成功；
若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比(用相似度阈值减去第一相似度得到的差值，除以相似度阈值)，转至A4)；其中，N可定义为10；
其中，相似度阈值视情况而定，若是门禁系统中的人脸识别，相似度阈值为0.56，若是刷脸授权签字时的人脸识别，相似度阈值为0.62，若是刷脸考勤打卡时的人脸识别，相似度阈值为0.59。
A4)若所有差值百分比均不小于预设百分比，则人脸识别失败，即当前待识别人脸没有注册；
若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值(俯仰角范围为-30度到30度，即俯仰角阈值为30度)，修正M个差值百分比对应的注册人脸图像特征数据，转至A5)；其中，预设百分比为20％。
图像采集设备在进行人脸采集时，镜头所在平面往往与人脸所在平面不平行，而图像采集设备与待识别人脸的真实俯仰角是无法采集的，因此这里设置一个俯仰角阈值，可计算图像采集设备与待识别人脸俯仰角阈值的余弦值，采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据，从而降低因俯仰角带来的误差。
如图6为没有修正之前的底库中的人脸图像特征数据，经过俯仰角阈值的余弦值修正后，人脸图像特征数据如图7所示。
A5)分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度。
A6)若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功；
若所有第二相似度小于相似度阈值，则人脸识别失败，即当前待识别人脸没有注册。
上述方法可应于公司智能化服务系统的刷脸门禁、考勤打卡和授权签字业务，这些功能共用一套人脸底库。公司智能化服务系统的功能模块如图2，人员注册采集员工人脸信息，在人员信息管理模块与员工工号、所属组织机构及个人详细信息关联，再进行人脸信息处理，包括人脸检测和关键点定位，人脸检测时，最小人脸参数设置的值越大，计算速度越快，但是对于手持设备的性能要求越高，结合计算速度和兼容性考虑，这里设置的参数值是75像素。可检测的图像最大宽度和可检测的图像最大高度是相关的设置，这里都设置为1500像素。最大高度和宽度，是算法实际检测的高度。考虑到计算速度和设备性能，当输入图像的宽或者高超过限度之后，会自动将图像缩小到所用设备的分辨率之内。为了保证好的人脸抠图效果，抠图宽高比设置为3：4。关键点选取了表征人脸的眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘的68个特征点，提取特征，并以一维数组的形式保存。
考虑到应用场景主要是20岁-60岁的用户，每隔一年，按照下表1中的3～5行对底库特征进行生物修正，修正器官的面积，并更新底库人脸特征数据。
按需进行预存修正，对人脸特征数据的亮度、清晰度进行评估修正，只选定通过评估的修正后人脸特征保存在人脸特征底库。亮度评估的通过范围为60～210像素，清晰度大于0.2时通过评估，对清晰度在0.08～0.2之间的人脸范围，基于直方图均衡化增强图像对比度，把图像的灰度从比较集中间变成在全部灰度范围内的均匀分布。
在应用现场，采集装置采集到的人脸，先进行预处理，包括人脸检测和关键点定位，具体的操作和参数设置与人员注册建立人脸底库环节相同。提取到人脸特征数据后，进行人脸比对。该比对过程中，根据需要进行几何修正(即上述根据余弦值修正)，并且在人脸底库保存用户几何修正后的人脸特征，因为在应用场景，该用户大概率还会用到几何修正后的人脸特征数据。
人脸识别门禁系统在上班高峰期刷脸过闸机时，对吞吐量要求较高，相似度阈值设置为0.56；在刷脸授权签字时，高准确度则是首要目标，相似度阈值设置为0.62；而在刷脸考勤打卡应用中，要兼顾准确度和速度，相似度阈值设置为0.59。
在刷脸门禁应用中，在人员进出数据库中插新增记录；在考勤打卡应用中，在考勤打卡数据库新增记录；在授权签字应用中，在签字记录数据库新增记录。
应用结果表明，对底库人脸特征的修正，确实能提高人脸识别的准确率，尤其是公司刷脸门禁场景，降低了识别不通过再人工查证的概率。
基于相同的技术方案，本发明还公开了上述方法的软件系统，一种人脸识别系统，包括：
特征提取模块，从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据。
第一相似度模块，分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；衰老指数对包括年龄段和与年龄段匹配的人脸部位衰老指数；其中，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比。
筛选模块，若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数。
几何修正模块，若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N。
几何修正模块中，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据，包括：计算图像采集设备与待识别人脸俯仰角阈值的余弦值；采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据。
第二相似度模块，分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度。
识别模块，若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功。
预存模块，用以向底库中预存人脸图像特征数据，预存过程包括：
1)从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据；
2)若注册人脸图像特征数据中的亮度值不在预设的亮度范围内、或清晰度在预设的差清晰度范围内，丢弃注册人脸图像的特征数据；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库。
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行人脸识别方法。
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行人脸识别方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种人脸识别方法，其特征在于，包括：
从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据；
分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；
若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数；
若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N；
分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度；
若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功。
2.根据权利要求1所述的一种人脸识别方法，其特征在于，底库中预存人脸图像特征数据包括：
从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库。
3.根据权利要求1所述的一种人脸识别方法，其特征在于，衰老指数对包括年龄段和与年龄段匹配的人脸部位衰老指数；其中，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比。
4.根据权利要求1所述的一种人脸识别方法，其特征在于，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据，包括：
计算图像采集设备与待识别人脸俯仰角阈值的余弦值；
采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据。
5.一种人脸识别系统，其特征在于，包括：
特征提取模块，从图像采集设备获取待识别人脸图像，提取待识别人脸图像的特征数据；
第一相似度模块，分别计算待识别人脸图像特征数据与各注册人脸图像特征数据的第一相似度；其中，注册人脸图像特征数据为预存在底库中的人脸图像特征数据，底库中的注册人脸图像特征数据根据预设的衰老指数对进行周期性修正；
筛选模块，若所有第一相似度均小于相似度阈值，获取最接近相似度阈值的N个第一相似度，分别计算N个第一相似度与相似度阈值的差值百分比；其中，N为预设个数；
几何修正模块，若M个差值百分比小于预设百分比，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据；其中，0<M≤N；
第二相似度模块，分别计算待识别人脸图像特征数据与修正后的注册人脸图像特征数据的第二相似度；
识别模块，若任一第二相似度不小于相似度阈值，待识别人脸图像与对应的修正后的注册人脸图像特征数据匹配，人脸识别成功。
6.根据权利要求5所述的一种人脸识别系统，其特征在于，还包括预存模块，用以向底库中预存人脸图像特征数据，预存过程包括：
从图像采集设备获取注册的人脸图像，提取注册人脸图像的特征数据；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的高清晰度范围内，则将注册人脸图像特征数据存入底库；
若注册人脸图像特征数据中的亮度值在预设的亮度范围内、且清晰度在预设的中等清晰度范围内，基于直方图均衡化增强注册人脸图像对比度，直到清晰度在预设的高清晰度范围内，将注册人脸图像特征数据存入底库。
7.根据权利要求5所述的一种人脸识别系统，其特征在于，衰老指数对包括年龄段和与年龄段匹配的人脸部位衰老指数；其中，人脸部位包括眉毛、眼睛、鼻子、嘴唇和脸部外轮廓下缘，衰老指数为在年龄段内后一年相较于前一年人脸部位增大或减小的面积百分比。
8.根据权利要求5所述的一种人脸识别系统，其特征在于，几何修正模块中，根据图像采集设备与待识别人脸的俯仰角阈值，修正M个差值百分比对应的注册人脸图像特征数据，包括：
计算图像采集设备与待识别人脸俯仰角阈值的余弦值；
采用余弦值，修正M个差值百分比对应的注册人脸图像特征数据。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
10.一种计算设备，其特征在于，包括：
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211386008.7A CN115690884A (zh) | 2022-11-07 | 2022-11-07 | 一种人脸识别方法、系统、存储介质及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211386008.7A CN115690884A (zh) | 2022-11-07 | 2022-11-07 | 一种人脸识别方法、系统、存储介质及计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115690884A true CN115690884A (zh) | 2023-02-03 |
Family
ID=85049267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211386008.7A Pending CN115690884A (zh) | 2022-11-07 | 2022-11-07 | 一种人脸识别方法、系统、存储介质及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115690884A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
| CN116993463A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于权限认证的智能账单系统 |
-
2022
- 2022-11-07 CN CN202211386008.7A patent/CN115690884A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
| CN116993463A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于权限认证的智能账单系统 |
| CN116993463B (zh) * | 2023-09-27 | 2023-12-22 | 尚云(广州)信息科技有限公司 | 一种基于权限认证的智能账单系统 |
| CN116993133B (zh) * | 2023-09-27 | 2024-01-26 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115690884A (zh) | 一种人脸识别方法、系统、存储介质及计算设备 | |
| Tang et al. | 3D face recognition using local binary patterns | |
| US8655029B2 (en) | Hash-based face recognition system | |
| WO2021174819A1 (zh) | 人脸遮挡检测方法及系统 | |
| CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
| US8577094B2 (en) | Image template masking | |
| CN110826408B (zh) | 一种分区域特征提取人脸识别方法 | |
| US20110013845A1 (en) | Optimal subspaces for face recognition | |
| CN111291701B (zh) | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 | |
| KR101700818B1 (ko) | 얼굴 영상을 이용하여 나이 또는 성별을 추정하는 방법 및 장치 | |
| CN114359998B (zh) | 一种人脸口罩佩戴状态下的识别方法 | |
| CN111860453B (zh) | 一种戴口罩的人脸识别方法 | |
| CN108154132A (zh) | 一种身份证文字提取方法、系统及设备和存储介质 | |
| CN115661872A (zh) | 一种自然场景下鲁棒的手掌感兴趣区域定位方法 | |
| CN114445879A (zh) | 一种高精度人脸识别方法及人脸识别设备 | |
| Lee et al. | Robust iris recognition baseline for the grand challenge | |
| US8577095B2 (en) | System and method for non-cooperative iris recognition | |
| CN111401222A (zh) | 一种面向遮挡人脸的联合多属性信息的特征学习方法 | |
| CN107729863B (zh) | 人体指静脉识别方法 | |
| CN117877085A (zh) | 一种基于微表情识别的心理分析方法 | |
| CN113468925B (zh) | 一种遮挡人脸识别方法、智能终端及存储介质 | |
| KR101779642B1 (ko) | 텍스처화된 영역들의 지능형 선택에 의해 홍채들의 이미지들을 비교하는 방법 | |
| Karungaru et al. | Face recognition in colour images using neural networks and genetic algorithms | |
| CN110826384A (zh) | 增强虹膜识别精度的系统和方法 | |
| CN111382703B (zh) | 一种基于二次筛选与分数融合的指静脉识别方法 |
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 |