TW202111602A - 生物特徵資料庫的建立方法、臉部識別方法與系統 - Google Patents
生物特徵資料庫的建立方法、臉部識別方法與系統 Download PDFInfo
- Publication number
- TW202111602A TW202111602A TW108132414A TW108132414A TW202111602A TW 202111602 A TW202111602 A TW 202111602A TW 108132414 A TW108132414 A TW 108132414A TW 108132414 A TW108132414 A TW 108132414A TW 202111602 A TW202111602 A TW 202111602A
- Authority
- TW
- Taiwan
- Prior art keywords
- face recognition
- ambient light
- facial
- image
- database
- Prior art date
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
揭露書公開一種生物特徵資料庫的建立方法、臉部識別方法與系統,在生物特徵資料庫建立方法中,利用影像讀取裝置取得多個臉部影像,並套用多組環境光參數在各個臉部影像上,之後通過臉部識別技術執行影像分析以取得每個套用環境光參數的臉部影像中的生物特徵,環境光參數例如色溫、顏色、亮度、對比以及飽和度,接著儲存套用了多組環境光參數的臉部影像對應的多筆生物特徵,以建立生物特徵資料庫,用以進行臉部識別的目的。在臉部識別的目的下,即利用此生物特徵資料庫辨識在各種光源下的使用者。
Description
本發明關於一種生物特徵資料庫,特別是指建立用以在各種環境光下執行臉部識別的生物特徵資料庫的方法,以及應用此資料庫的臉部識別方法與系統。
人臉識別技術已經被各種安全系統所使用,可用於門禁、身份識別與權限判斷的應用上。
然而,執行人臉識別時,所處的場域實際的狀況可能會影響人臉識別的辨識率,主要原因是建立人臉識別資料庫時,可能是在特定場域拍攝每個人的臉部影像,或是每個人都在各自所處的地方建立臉部影像,而執行人臉識別時,又是在另一個環境下執行,使得因為環境光線的差異影響了辨識率。
在另一情況是,在特定場域下執行人臉識別時,該場域可能隨時間或氣候會有環境光線的變化,例如早晨的光線與傍晚的光線在色溫上就有差異;晴天與陰天的環境光色溫也不同,都可能因為僅使用一套固定或不同光源的臉部影像特徵的資料庫,而造成人臉識別的辨識度下降的問題。
根據揭露書所揭示的生物特徵資料庫的建立方法以及應用此資料庫的臉部識別方法與系統,提出一種參考了各種場域環境光源的生物識別技術,目的之一是能通過減低不同光源造成的影響而提高辨識率。
根據生物特徵資料庫的建立方法的實施例之一,方法包括拍攝多個臉部影像,再套用多組環境光參數在各個臉部影像上,環境光參數包括色溫、顏色、亮度、對比以及飽和度等光線參數的其中之一,或其任意組合。之後擷取每個臉部影像套用各組環境光參數的生物特徵,經儲存每個臉部影像對應的多筆生物特徵,建立各個臉部影像套用該多組環境光參數形成的多筆生物特徵的生物特徵資料庫,用以進行臉部識別。
進一步地,於取得臉部影像時,所執行的影像分析取得臉部資訊包括定位使用者的人臉器官,以取得各器官位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,得出生物特徵。
在一實施例中,利用影像分析取得臉部資訊包括一深度網路學習模型所產生對應之高維度空間向量,形成用以人臉辨識的生物特徵。
進一步地,臉部影像中的生物特徵採用的人臉器官包括瞳孔、鼻尖、嘴型、下巴、耳垂、膚色、眼睛大小、眉毛長度以及眼睛顏色的其中之一,或任意組合。
揭露書所揭示的臉部識別方法則是應用所述生物特徵資料庫執行人臉識別,方法先取得一臉部影像,經執行影像分析,以取得臉部影像中的生物特徵,再根據生物特徵,比對生物特徵資料庫後,即可辨識使用者。
進一步地,在分析臉部影像步驟中,更包含分析臉部影像以得出環境光參數,以及根據生物特徵資料庫記載的生物特徵與環境光參數執行臉部識別,以辨識使用者。
其中,在一實施例中,當與生物特徵資料庫中的多筆生物特徵進行比對時,所述生物特徵具有一對應之向量,經比對向量後產生之差異若低過一預設值或互相為最接近的向量時,即判斷為同一人。
進一步地,於分析環境光參數後,將先判斷環境分類,於執行臉部識別時,針對環境分類中的生物特徵進行比對。而判斷環境分類的依據包括氣候、時間與場合分別產生的光線特徵。
進一步地,所述臉部識別方法可運作於雲端系統中,設有生物特徵資料庫,能通過一網路提供多個終端裝置執行臉部識別方法的服務。
根據臉部識別系統的實施例,系統主要元件有取得臉部影像的影像讀取裝置、執行臉部識別的裝置,以及一生物特徵資料庫,生物特徵資料庫記載多個使用者的個別使用者的臉部影像在多個環境分類下的生物特徵。
根據於臉部識別裝置執行的臉部識別方法的實施例,先取得一臉部影像,執行影像分析後可取得臉部影像中的生物特徵,以能根據處於各種環境光的生物特徵執行臉部識別,以辨識一使用者。
如此,在一概念下,可根據環境光參數判斷分類出使用者所處的環境,這些分類可依據氣候、時間與場合所產生的光線特徵。而進行臉部識別時,可以影像分析技術分析在特定環境中的膚色、定位使用者的人臉器官,以取得各器官位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,作為比對生物特徵的依據。
進一步地,臉部識別系統更提供一雲端系統,設有所述的生物特徵資料庫,通過一網路提供多個終端裝置執行臉部識別方法的服務。
為使能更進一步瞭解本發明的特徵及技術內容,請參閱以下有關本發明的詳細說明與圖式,然而所提供的圖式僅用於提供參考與說明,並非用來對本發明加以限制。
以下是通過特定的具體實施例來說明本發明的實施方式,本領域技術人員可由本說明書所公開的內容瞭解本發明的優點與效果。本發明可通過其他不同的具體實施例加以施行或應用,本說明書中的各項細節也可基於不同觀點與應用,在不悖離本發明的構思下進行各種修改與變更。另外,本發明的附圖僅為簡單示意說明,並非依實際尺寸的描繪,事先聲明。以下的實施方式將進一步詳細說明本發明的相關技術內容,但所公開的內容並非用以限制本發明的保護範圍。
應當可以理解的是,雖然本文中可能會使用到“第一”、“第二”、“第三”等術語來描述各種元件或者信號,但這些元件或者信號不應受這些術語的限制。這些術語主要是用以區分一元件與另一元件,或者一信號與另一信號。另外,本文中所使用的術語“或”,應視實際情況可能包括相關聯的列出項目中的任一個或者多個的組合。
揭露書提出一種生物特徵資料庫的建立方法,以及應用此生物特徵資料庫的臉部識別方法與系統,建立此生物特徵資料庫的主要概念是在進行臉部識別時,考量在各種環境光線下人臉受到光線影響的生物特徵,其中手段是建立人臉資料庫時,套用了各種不同的擬真光源在人臉上,建立具環境光效果的生物特徵資料庫,之後,可在各種光源的情況下進行臉部識別時,可以減低不同光源造成的影響,進而提高辨識率。
可參考圖1所示在特定環境光源下執行人臉識別的情境示意圖。
圖中顯示有一使用者10正在臉部識別裝置12之前進行人臉識別,而使用者10正在一個光源14的環境中,臉部識別裝置12利用其中照相機拍攝使用者10的臉部影像,臉部影像更包括了所處場域的光源14的影響。這時,臉部識別裝置12執行臉部識別時,先取得臉部影像,可以在執行臉部特徵分析時,同時也分析了臉部影像中的環境光特徵,得出了環境光參數。
臉部識別裝置12可以內建資料庫,或是連線到外部裝置中的資料庫,採用為臉部影像具有環境光效果的生物特徵資料庫100,生物特徵資料庫100記載多位使用者中個別使用者在多個環境光源下形成的生物特徵。
如此,當取得臉部影像並執行影像分析後,可以取得臉部影像中的生物特徵,接著即從臉部影像中分析得出環境光參數,使得可以對照生物特徵資料庫100中的向量特徵、生物特徵或生物特徵與環境光參數執行臉部識別,以辨識使用者10。
於一實施例中,於取得臉部影像時,所執行的影像分析取得臉部資訊可以包括以一深度網路學習模型所產生對應之高維度空間向量,這裡的高維度空間向量形成用以人臉辨識的生物特徵,作為識別使用者10的依據。
根據實施例,從臉部影像得出的環境光資訊可以包括色溫參數(color temperature)、顏色參數(color)、亮度參數(brightness)、對比參數(contrast)以及飽和度參數(saturation),且可不限於這些參數,實際可採用其中之一參數,或其任意組合,更可以為這些基本參數的等效資訊,因為許多設計得到的影像參數是這些參數的綜合表現,例如銳利度(sharpness)、白平衡(while balance)、模糊度(blur)與雜訊程度(noise degree)等。
在此一提的是,於執行臉部識別辨識使用者時,將每個臉部影像套用各組環境光參數產生多組對應特徵向量,以與生物特徵資料庫中的特徵向量進行比對,在一實施例中,若比對兩者特徵向量,比對後產生之差異低過一預設值或互相為最接近的向量時,即判斷為同一人。
根據另一實施例,當取得這些環境光參數時,可以進一步判斷環境分類,判斷環境分類的依據包括氣候、時間與場合分別產生的光線特徵,這些環境分類就是這些環境光參數的綜合表現。舉例來說,依據環境參數可以將使用者進行臉部識別的環境依照氣候分類為陽光下、多雲、雨天等,都會有不同的光線特徵;可以依照時間分類,如早晨、中午、傍晚與夜晚,都有不同的光線特徵;可以依照場合分類,例如有些場合使用黯淡的黃光、有些地方是採用日光燈,有些地方亮暗不均勻等;可以依照片分類,如黃光、充足光、普通光、背光,都有不同的光線特徵。然而,所述判斷環境分類並非必要步驟 ,而是透過特徵向量、生物特徵或生物特徵與環境光參數的比對就可以進行臉部識別。
臉部識別裝置於執行臉部識別辨識使用者時,臉部識別裝置依據特徵向量、生物特徵或生物特徵與環境光參數進行與生物特徵資料庫中的特徵向量、生物特徵或生物特徵與環境光參數逐一比對,執行臉部識別以辨識一使用者。此外,臉部識別裝置於執行臉部識別辨識使用者時,臉部識別裝置亦可以依據臉部影像所取出的環境光參數,進一步判斷環境分類,再依據該環境分類進行與生物特徵資料庫中該環境分類之特徵向量、生物特徵或生物特徵與環境光參數的比對,執行臉部識別以辨識一使用者。
因此,一旦臉部識別方法納入光線特徵時,對應的生物特徵資料庫對應地記載了各種環境光效果的生物特徵,可以有效增加辨識度,更者,因為有了環境光的考慮,能先對環境分類,而能針對對應環境分類下的生物特徵進行比對,可以提昇辨識效能。
圖2顯示實現臉部識別方法的系統實施例圖,圖中將臉部識別的技術分別以多個以軟體搭配硬體的功能模組描述。
影像讀取裝置201設有照相機,用以取得臉部影像,根據實施例之一,在取得臉部影像的過程中,可以執行一前置處理,例如,若有需要,可以校正取得的臉部影像的大小、角度,並儲存為影像數據,以利於後續識別的可靠度。
臉部識別裝置200即以軟體或搭配硬體實現臉部識別技術,例如,在一實施例中,經取得臉部影像後,以生物特徵擷取單元203執行影像分析以取得臉部影像中的生物特徵,所執行的影像分析可包括膚色分析、定位使用者的人臉器官,以取得各器官位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,得出生物特徵。
於一實施例中,於取得臉部影像時,所執行的影像分析取得臉部資訊可以包括以一深度網路學習模型所產生對應之高維度空間向量,這裡的高維度空間向量形成用以人臉辨識的生物特徵,作為識別使用者10的依據。
可以環境特徵分析單元205從臉部影像分析出其中光線特徵,得出由色溫、顏色、亮度、對比以及飽和度的其中之一或任意組合形成的環境光參數,並可進一步得到環境分類,以提供特徵比對單元207比對生物特徵資料庫100中記載每個使用者在多種環境光影響下的生物特徵,每個使用者都關聯到生物特徵與環境光參數,使得臉部識別裝置200中的處理程序可以根據所分析得到的環境參數或其分類,以針對特定環境參數或其分類下的生物特徵進行比對。在此一提的是,在實施例中,所述判斷環境分類並非必要步驟,而是透過特徵向量、生物特徵或生物特徵與環境光參數的比對就可以進行臉部識別。
之後由結果輸出單元209輸出比對結果,可能包括比對失敗,因為生物特徵資料庫100並未記載所分析得到在特定環境分類下的生物特徵,或是可以根據比對結果辨識出使用者。
上述實施例中描述的生物特徵資料庫100為事先建立的資料庫,其中在每個臉部影像上套用多種擬真光源,可以形成每個使用者在不同光源下的生物特徵,建立生物特徵資料庫,相關實施例流程圖可參考圖3,並可對照圖4顯示建立生物特徵資料庫的示意圖。
如步驟S301,先開始註冊程序,可以使用執行臉部識別用的裝置,或是另外設有照相機的電子裝置,如步驟S303,拍攝使用者的臉部影像,形成如圖4的臉部影像40,多個使用者產生多個臉部影像,每個臉部影像拍攝時形成識別資訊(face ID),並對應記錄使用者識別碼(user ID)。在步驟S305中,這時,將設定好在各種光源下的環境光參數套用在臉部影像上,形成擬真的光線,如圖4顯示對臉部影像40分別套用多組環境光參數,圖中示意表示有夜燈效果401、陽光效果402與日光燈效果403,這些環境光效果分別都由各種光線參數組成,實際實施並不限於這幾種效果。
其中各組環境光參數可對應至少一個環境分類,作為生物特徵資料庫中的查詢索引,如在某個氣候、某個時間與某個場合,完成套用各種環境光參數後,如步驟S307,使用影像分析技術,擷取每個臉部影像中套用環境光參數的生物特徵,形成如圖4示意表示的多種生物特徵,如套用夜燈效果401形成生物特徵一411、套用陽光效果402形成生物特徵二412,以及套用日光燈效果403形成生物特徵三413,之後,如步驟S309,依照多個環境分類儲存每個臉部影像對應的多筆生物特徵,形成多個臉部影像的個別臉部影像套用上述多組環境光參數所形成的多筆生物特徵,建立生物特徵資料庫100。
此外,根據另一實施例各組環境光參數可對應至少一個環境分類,作為生物特徵資料庫中的查詢索引,如在某個氣候、某個時間與某個場合,完成套用各種環境光參數後,如步驟S307,使用影像分析技術,擷取每個臉部影像中套用環境光參數的特徵向量,形成如圖4示意表示的多種特徵向量,如套用夜燈效果401擷取特徵向量一、套用陽光效果402擷取特徵向量二,以及套用日光燈效果403擷取特徵向量三,之後,如步驟S309,依照多個環境分類儲存每個臉部影像對應的多筆特徵向量,形成多個臉部影像的個別臉部影像套用上述多組環境光參數所形成的多筆特徵向量,建立生物特徵資料庫100。
舉例來說,生物特徵資料庫100記載的欄位可以包括使用者識別資料(user ID),包括使用者的其他資訊,如名字、性別、年齡與職稱等;接著欄位記載使用者臉部影像所加上的各個環境光參數,例如,在紅綠藍(RGB)色彩空間中的夜燈效果401的R、G、B值,在紅綠藍(RGB)色彩空間中的陽光效果402的R、G、B值,以及在紅綠藍(RGB)色彩空間中的日光燈效果403的R、G、B值;下一個欄位則接著記載其他環境參數,如飽和度、亮度、對比、銳利度、白平衡、模糊度與雜訊程度等;之後欄位即為臉部器官之間形成的生物特徵,可為一系列特徵向量的組合,如「-0.0312066,0.0721339,0.1305,0.0365532,-0.0377493,0.0769853,-0.127076,0.00105177,-0.0108275,0.0441909,0.0563452,0.0679601,-0.0210059,0.133741,-0.0332901,0.0541074,0.0673971,-0.00912411,0.106956,0.0246078,-0.0929529,-0.0940401,-0.159353,0.0797331,-0.0916072,0.0308622,-0.0674831,0.130585,0.110465,0.0198231,-0.0272877,-0.0830602,0.0623399,0.110629…等」。
圖5顯示實現臉部識別方法的系統另一實施例圖。
除各本地端臉部識別裝置的應用外,所述實現臉部識別方法的系統可提供一雲端系統50,可將生物特徵資料庫500設於雲端系統50中,使得雲端系統50可通過網路52提供多個終端裝置501, 502, 503執行臉部識別方法的服務,這些終端裝置501, 502, 503可為設於各種場域的影像讀取裝置,或加上部分功能的臉部識別裝置,而各終端裝置501, 502, 503無須完整的生物特徵資料庫,而通過雲端系統50進行比對。
這時,雲端系統50所設具有各種環境光效果的生物特徵資料庫500可以滿足各種具有不同環境光特徵的不同場域設置的影像識別的需求,而無須對個別場域分別進行臉部註冊,即可達到高辨識度的臉部識別服務。
根據上述實施例描述的臉部識別系統與建立具有各種環境光效果的生物特徵資料庫,圖6即顯示臉部識別方法的實施例流程圖。
在步驟S601中,以影像讀取裝置取得臉部影像,這時,在前置處理中,可以校正臉部影像,還可選擇色彩空間(如RGB、YUV、HSV等)、色彩空間處理(如灰階化)、進行膚色分析等,並可採用特徵比對來辨識出臉部器官,定位各種臉部器官,如得知眼睛、鼻子、耳朵、嘴唇和眉毛等器官的位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,得出生物特徵,如步驟S603。在另一實施例中,所取得臉部影像中的生物特徵可採用的人臉器官包括瞳孔、鼻尖、嘴型、下巴、耳垂、膚色、眼睛大小、眉毛長度以及眼睛顏色等器官的其中之一,或任意組合的辨識。
舉例來說,用以識別人臉的生物特徵值可以採用器官之間的距離比例,如眼臉比例(如臉寬/兩眼間距)、眼嘴比例(如兩眼間距/嘴的長度)、眼嘴比例(如眼至嘴的距離/兩眼間距)等;更者,若加上環境光的光線特徵,可以比對各器官的各種影像參數,例如眼睛的RGB均值、嘴部的RGB均值與鼻部的RGB均值等。
接著,如步驟S605,從臉部影像中可以分析出環境光參數,在如步驟S607,可據此判斷環境分類,如步驟S609,於執行臉部識別時,基於事先建立的生物特徵資料庫,比對在特定環境分類中的生物特徵數據,比對過程可以設有一相似度門檻,相似度超過此相似度門檻的,才列為符合的生物特徵,比對完成後,可用於辨識使用者(步驟S611)。
綜上所述,根據上述建立生物特徵資料庫的方法以及相關臉部識別系統的實施例的描述,提出的技術將套用了多組環境光參數的臉部影像對應的多筆生物特徵儲存後建立了生物特徵資料庫,目的之一為進行臉部識別,使得執行臉部識別時,應用此生物特徵資料庫識別處於各種環境的光線特徵下的使用者,比對條件包括了各種環境光源參數,例如色溫、亮度、對比與飽和度等,如此,利用生物特徵或生物特徵與環境光參數將可增進臉部辨識率。
以上所公開的內容僅為本發明的優選可行實施例,並非因此侷限本發明的申請專利範圍,所以凡是運用本發明說明書及圖式內容所做的等效技術變化,均包含於本發明的申請專利範圍內。
10:使用者
12:臉部識別裝置
14:光源
100:生物特徵資料庫
201:影像讀取裝置
200:臉部識別裝置
203:生物特徵擷取單元
205:環境特徵分析單元
207:特徵比對單元
209:結果輸出單元
40:臉部影像
401:夜燈效果
402:陽光效果
403:日光燈效果
411:生物特徵一
412:生物特徵二
413:生物特徵三
52:網路
50:雲端系統
500:生物特徵資料庫
501,502,503:終端裝置
步驟S301~S309:建立生物特徵資料庫的流程
步驟S601~S611:臉部識別流程
圖1顯示在特定環境光源下執行人臉識別的情境示意圖;
圖2顯示實現臉部識別方法的系統實施例圖之一;
圖3顯示建立生物特徵資料庫的實施例流程圖;
圖4顯示建立具有各種環境光效果的生物特徵資料庫的實施例示意圖;
圖5顯示實現臉部識別方法的系統實施例圖之二;
圖6顯示臉部識別方法的實施例流程圖。
40:臉部影像
401:夜燈效果
402:陽光效果
403:日光燈效果
411:生物特徵一
412:生物特徵二
413:生物特徵三
100:生物特徵資料庫
Claims (18)
- 一種生物特徵資料庫的建立方法,包括: 拍攝多個臉部影像; 套用多組環境光參數在各個臉部影像上; 擷取每個臉部影像套用各組環境光參數的生物特徵;以及 儲存該每個臉部影像對應的多筆生物特徵,以建立該各個臉部影像套用該多組環境光參數形成的多筆生物特徵的該生物特徵資料庫,用以進行臉部識別。
- 如請求項1所述的生物特徵資料庫的建立方法,其中,於取得該臉部影像時,所執行的影像分析取得臉部資訊包括定位該使用者的人臉器官,以取得各器官位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,得出生物特徵。
- 如請求項1所述的生物特徵資料庫的建立方法,其中該臉部影像中的生物特徵採用的人臉器官包括瞳孔、鼻尖、嘴型、下巴、耳垂、膚色、眼睛大小、眉毛長度以及眼睛顏色的其中之一,或任意組合。
- 如請求項1所述的生物特徵資料庫的建立方法,其中,於取得該臉部影像時,所執行的影像分析取得臉部資訊包括一深度網路學習模型所產生對應之高維度空間向量,該高維度空間向量為用以人臉辨識的生物特徵。
- 如請求項1至4中任一項所述的生物特徵資料庫的建立方法,其中該臉部影像所套用的該各組環境光參數包括:一色溫參數、一顏色參數、一亮度參數、一對比參數以及一飽和度參數的其中之一,或其任意組合。
- 一種臉部識別方法,其中應用一生物特徵資料庫,該方法包括: 取得一臉部影像; 執行影像分析,以取得該臉部影像中的生物特徵; 根據該生物特徵,比對該生物特徵資料庫,執行臉部識別以辨識一使用者; 其中,建立該生物特徵資料庫的方法包括: 拍攝多個臉部影像; 套用多組環境光參數在各個臉部影像上; 擷取每個臉部影像套用各組環境光參數的生物特徵;以及 儲存該每個臉部影像對應的多筆生物特徵,以建立該各個臉部影像套用該多組環境光參數形成的多筆生物特徵的該生物特徵資料庫,用以進行臉部識別。
- 如請求項6所述的臉部識別方法,其中,當完成建立該生物特徵資料庫後,於執行臉部識別辨識該使用者時,根據該每個臉部影像套用各組環境光參數所產生對應之特徵向量與該生物特徵資料庫中的特徵向量進行比對,其中當比較兩特徵向量低過一預設值或互相為最接近的特徵向量時,即判斷為同一人。
- 如請求項6所述的臉部識別方法,其中分析該臉部影像更包含分析該臉部影像以得出環境光參數,以及根據該生物特徵資料庫記載的一生物特徵與該環境光參數執行臉部識別,以辨識該使用者。
- 如請求項8所述的臉部識別方法,其中,於分析該環境光參數後,判斷一環境分類,於執行臉部識別時,針對該環境分類中的生物特徵進行比對。
- 如請求項9所述的臉部識別方法,其中,判斷該環境分類的依據包括氣候、時間與場合分別產生的光線特徵。
- 如請求項6至10中任一項所述的臉部識別方法,其中該臉部識別方法運作於一雲端系統中,該雲端系統設有該生物特徵資料庫,能通過一網路提供多個終端裝置執行臉部識別方法的服務。
- 一種臉部識別系統,包括: 一影像讀取裝置,用以取得一臉部影像; 一生物特徵資料庫,記載多個使用者的個別使用者的臉部影像在多種環境光影響下的生物特徵; 一臉部識別裝置,用以執行影像分析以取得該臉部影像中的生物特徵、根據該生物特徵以比對該生物特徵資料庫,執行臉部識別以辨識一使用者; 其中,建立該生物特徵資料庫的方法包括: 拍攝多個臉部影像; 套用多組環境光參數在各個臉部影像上; 擷取每個臉部影像套用各組環境光參數的生物特徵;以及 儲存該每個臉部影像對應的多筆生物特徵,以建立該各個臉部影像套用該多組環境光參數形成的多筆生物特徵的該生物特徵資料庫,用以進行臉部識別。
- 如請求項12所述的臉部識別系統,其中,當完成建立該生物特徵資料庫後,於執行臉部識別辨識該使用者時,包含根據該每個臉部影像套用各組環境光參數所產生對應之特徵向量與該生物特徵資料庫中的特徵向量進行比對,其中當比較兩特徵向量低過一預設值或互相為最接近的特徵向量時,即判斷為同一人。
- 如請求項12所述的臉部識別系統,其中,通過該影像讀取裝置取得的該臉部影像為處於一環境光之下的影像,經分析該環境光,得出環境光參數,用以比對儲存於該生物特徵資料庫中的環境光參數,包括一色溫參數、一顏色參數、一亮度參數、一對比參數以及一飽和度參數的其中之一,或其任意組合。
- 如請求項14所述的臉部識別系統,其中,於該臉部識別裝置中,分析該環境光參數後,判斷一環境分類,以針對該環境分類中的生物特徵進行比對。
- 如請求項15所述的臉部識別系統,其中,於該臉部識別裝置中,判斷該環境分類的依據包括氣候、時間與場合分別產生的光線特徵。
- 如請求項12所述的臉部識別系統,其中,於該臉部識別裝置中,於取得該臉部影像時,所執行的影像分析包括定位該使用者的人臉器官,以取得各器官位置,進而計算各器官輪廓、人臉輪廓、面積佔比以及器官之間的距離比例,得出生物特徵。
- 如請求項12至17中任一項所述的臉部識別系統,其中,更提供一雲端系統,設有該生物特徵資料庫,通過一網路提供多個終端裝置執行臉部識別方法的服務。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108132414A TWI717008B (zh) | 2019-09-09 | 2019-09-09 | 生物特徵資料庫的建立方法、臉部識別方法與系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108132414A TWI717008B (zh) | 2019-09-09 | 2019-09-09 | 生物特徵資料庫的建立方法、臉部識別方法與系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI717008B TWI717008B (zh) | 2021-01-21 |
TW202111602A true TW202111602A (zh) | 2021-03-16 |
Family
ID=75237202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108132414A TWI717008B (zh) | 2019-09-09 | 2019-09-09 | 生物特徵資料庫的建立方法、臉部識別方法與系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI717008B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI792693B (zh) * | 2021-11-18 | 2023-02-11 | 瑞昱半導體股份有限公司 | 用於進行人物重辨識的方法與裝置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI453680B (zh) * | 2010-10-08 | 2014-09-21 | Micro Star Int Co Ltd | 可抑制雜訊及環境影響之臉部辨識方法 |
TW201804368A (zh) * | 2016-07-25 | 2018-02-01 | 鴻海精密工業股份有限公司 | 人臉識別方法 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
-
2019
- 2019-09-09 TW TW108132414A patent/TWI717008B/zh active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI792693B (zh) * | 2021-11-18 | 2023-02-11 | 瑞昱半導體股份有限公司 | 用於進行人物重辨識的方法與裝置 |
Also Published As
Publication number | Publication date |
---|---|
TWI717008B (zh) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101760258B1 (ko) | 얼굴 인식 장치 및 그 방법 | |
Kashem et al. | Face recognition system based on principal component analysis (PCA) with back propagation neural networks (BPNN) | |
KR102174595B1 (ko) | 비제약형 매체에 있어서 얼굴을 식별하는 시스템 및 방법 | |
Kumar et al. | Real time face recognition using adaboost improved fast PCA algorithm | |
Hsu et al. | Face detection in color images | |
US8620036B2 (en) | System and method for controlling image quality | |
WO2016172872A1 (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
KR20190004073A (ko) | 적외선 영상을 이용한 사용자 인증 방법 및 장치 | |
Tarrés et al. | A novel method for face recognition under partial occlusion or facial expression variations | |
CN107545536A (zh) | 一种智能终端的图像处理方法及图像处理系统 | |
KR20130048076A (ko) | 얼굴 인식 장치 및 그 제어방법 | |
JP2014530424A (ja) | Adaboost学習アルゴリズムを使用して顔特徴点の位置を検出するための方法、装置、およびコンピュータ可読記録媒体 | |
CN108108658A (zh) | 生物特征识别方法 | |
Sharma | Designing of face recognition system | |
Rahman et al. | An automatic face detection and gender classification from color images using support vector machine | |
Thuseethan et al. | Eigenface based recognition of emotion variant faces | |
TWI717008B (zh) | 生物特徵資料庫的建立方法、臉部識別方法與系統 | |
Jacob | Comparison of popular face detection and recognition techniques | |
Dwivedi et al. | A new hybrid approach on face detection and recognition | |
Prinosil et al. | Automatic hair color de-identification | |
Geetha et al. | 3D face recognition using Hadoop | |
Borade et al. | Comparative study of principal component analysis and independent component analysis | |
Pande et al. | Parallel processing for multi face detection and recognition | |
US20240071135A1 (en) | Image processing device, image processing method, and program |