CN102982321A - 人脸库采集方法及装置 - Google Patents
人脸库采集方法及装置 Download PDFInfo
- Publication number
- CN102982321A CN102982321A CN2012105168461A CN201210516846A CN102982321A CN 102982321 A CN102982321 A CN 102982321A CN 2012105168461 A CN2012105168461 A CN 2012105168461A CN 201210516846 A CN201210516846 A CN 201210516846A CN 102982321 A CN102982321 A CN 102982321A
- Authority
- CN
- China
- Prior art keywords
- face
- feature
- test person
- database
- characteristic
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种人脸库采集方法及装置,其方法包括在当前环境条件下,获取测试人脸的特征;将测试人脸的特征与存储于人脸库中的人脸特征进行对比;当测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;若人脸库中最大相似度的人脸特征与测试人脸一致,则将当前环境条件下的测试人脸特征加入人脸库;否则将测试人脸作为样本加入人脸库。本发明能够动态地将随着环境变化的特征作为需要的特征加入到人脸库中,保证人脸识别在环境变化下的鲁棒性,解决了目前人脸识别中,由于环境的较大变化会对识别产生不良影响的问题,提高了人脸识别在各种环境下的准确性。
Description
技术领域
本发明涉及人脸特征采集技术领域,尤其涉及一种基于环境变化的人脸库采集方法及装置。
背景技术
人脸识别技术在电子产品中逐渐得到应用。目前,通常采用的人脸识别方法中,大都是基于某一特定环境下获得的静态特征,而在进行人脸识别的过程中,当人脸处于不同的光照条件下时,产生的人脸特征是不同的,而且由于光照条件不同,使得同一人在不同的光照条件下的区别往往大于不同人之间的区分度,因此光照在人脸识别的特征生成过程中有着极其重要的影响。
而现有的人脸识别技术无法克服环境变化对人脸特征识别的影响,在环境变化(特别是光照变化)时对人脸识别效果不佳,或者所产生的不同光照下的人脸库与实际相差较大。
发明内容
本发明的主要目的在于提供一种人脸库采集方法及装置,旨在提高人脸识别在各种环境下的准确性。
为了达到上述目的,本发明提出一种人脸库采集方法,包括:
在当前环境条件下,获取测试人脸的特征;
将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸进行判断;
若所述人脸库中最大相似度的人脸特征与所述测试人脸一致,则将当前环境条件下的测试人脸的特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库。
优选地,所述将测试人脸的特征与存储于人脸库中的人脸特征进行对比的步骤之后还包括:
当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果。
优选地,所述获取测试人脸的特征的步骤之前还包括:
对当前环境进行粗估计,其具体包括:
获取摄像装置对外界环境变化进行调节后的参数值;
将所述参数值与设定的阈值进行比较;
若所述参数值在设定的阈值范围内,则进入获取测试人脸的特征的步骤;否则,向测试者输出当前环境条件不符合要求的提示信息。
优选地,所述获取测试人脸的特征的步骤包括:
采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
优选地,所述环境条件至少包括光照条件。
本发明还提出一种人脸库采集装置,包括:
特征获取模块,用于在当前环境条件下,获取测试人脸的特征;
比较模块,用于将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
输出模块,用于当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;
采集模块,用于当所述人脸库中最大相似度的人脸特征与所述测试人脸的特征一致时,将当前环境条件下的测试人脸特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库。
优选地,所述输出模块,还用于当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果。
优选地,该装置还包括:环境估计模块,用于对当前环境进行粗估计,所述环境估计模块具体包括:
参数获取单元,用于获取摄像装置对外界环境变化进行调节后的参数值;
参数比较单元,用于将所述参数值与设定的阈值进行比较;
操作单元,用于当所述参数值在设定的阈值范围内,由所述获取模块获取测试人脸的特征;否则,向测试者输出当前环境条件不符合要求的提示信息。
优选地,所述特征获取模块包括:
滤波图像获取单元,用于采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
编码图计算单元,用于对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
特征提取单元,用于对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
优选地,所述环境条件至少包括光照条件。
本发明提出的一种人脸库采集方法及装置,通过在不同环境下获取不同的人脸样本及人脸特征建立人脸库,在外界环境变化较大的情况下,具有较好的识别能力,能够动态地将随着环境变化的特征作为需要的特征加入到人脸库中,从而保证了人脸识别在环境变化下的鲁棒性,并较好地解决了目前人脸识别中,由于环境的较大变化会对识别产生不良影响的问题,提高了人脸识别在各种环境下的准确性。
附图说明
图1是本发明人脸库采集方法第一实施例的流程示意图;
图2是本发明人脸库采集方法第一实施例中获取测试人脸的特征的流程示意图;
图3是本发明人脸库采集方法第一实施例中获取人脸特征的一种实例示意图;
图4是本发明人脸库采集方法第二实施例的流程示意图;
图5是本发明人脸库采集方法第三实施例的流程示意图;
图6是本发明人脸库采集方法第三实施例中对当前环境进行粗估计的流程示意图;
图7是本发明人脸库采集装置第一实施例的结构示意图;
图8是本发明人脸库采集装置第一实施例中特征获取模块的结构示意图;
图9是本发明人脸库采集装置第二实施例的结构示意图;
图10是本发明人脸库采集装置第二实施例中环境估计模块的结构示意图。
为了使本发明的技术方案更加清楚、明了,下面将结合附图作进一步详述。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明第一实施例提出一种人脸库采集方法,包括:
步骤S101,在当前环境条件下,获取测试人脸的特征;
其中,环境条件可以是光照条件或者其他环境条件,比如温度、湿度条件等,本实施例以光照条件为例进行说明。
由于在现有的人脸识别方法中,所采用的都是基于某一固定或特定环境下获得的静态特征,在光照变化下的人脸所采用的识别方法效果不好,或者所产生的不同光照下的人脸库与实际的相差较大,本实施例在原有人脸识别算法的基础上针对人脸所处的光照环境,利用给定的方法将人脸识别过程中因为光照变化所造成极大变化的人脸特征归入对应的人脸库中,实现在不同环境下获取不同的人脸样本,以完善人脸库中的样本,保证人脸识别在环境变化下的鲁棒性。
具体地,首先建立人脸库,由于每一个人脸具有相应的人脸特征,因此,可以预先收集多个人脸样本,每一个人脸样本具有对应的标识和人脸特征。在该人脸库中存储作为样本的人脸的标识及对应的人脸特征,然后采集不同环境下测试人脸的特征存储于该人脸库中。
对于当前测试人脸,首先获取当前环境条件下该测试人脸的特征,其中,测试人脸的特征的获取方法可以采用现有的Gabor小波变换人脸的全局特征、LBP算法以及直方图相交判断等技术来获取人脸的细节纹理特征的方式,最终得到测试人脸的特征描述。
步骤S102,将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
步骤S103,当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;
步骤S104,若所述人脸库中最大相似度的人脸特征与所述测试人脸一致,则将当前环境条件下的测试人脸的特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库,包括将人脸的标识及对应的人脸特征一同加入所述人脸库。
上述步骤S102-S104中,为了在外界光照环境变化的情况下能够准确识别人脸,本实施例对处于外界环境光中的人脸进行细的特征对比,从而保证所识别到的人脸是处于不同的光照条件下,并对不同光照条件下的样本库中的人脸进行样本收集,以增强人脸识别的泛化能力。
具体地,首先对识别到的人脸进行确认,将当前获得的测试人脸的特征与存储于人脸库中的人脸特征进行对比;当测试人脸的特征与人脸库中的人脸特征相似度达到指定阈值(例如80%)时,可以给出结果,表明当前测试人脸在人脸库中存在,也可以不做任何处理;当测试人脸的特征与人脸库中的人脸特征相似度没有达到指定阈值(例如80%)时,让测试者对当前对所给出的人脸库中最大相似度人脸特征进行判断;若识别到人脸库中的该最大相似度人脸特征与该测试人脸的特征是一致的,则把当前光照条件下的测试人脸的特征加入人脸库,存储于该最大相似度人脸的标识所对应的位置;若不是则说明识别到的测试人脸是新的人脸,则把该测试人脸作为新的人脸样本加入人脸库中,并更新人脸库中人脸标识及对应的人脸特征。
通过上述方法能够让人脸在不同环境下获取不同的样本,同时在获取该环境下的人脸样本后,对在该环境下的人脸识别具有很好的鲁棒性,因为人脸库中已经存储了当前环境状态下对应的人脸特征,从而提高了人脸识别在各种环境下的准确性。
更为具体地,如图2所示,上述步骤S101中获取测试人脸的特征的步骤可以包括:
步骤S1011,采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
其中预定算法可以是Gabor小波变换人脸的全局特征的方法,通过Gabor变换得到多尺度多方向上的滤波图像。
步骤S1012,对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
步骤S1013,对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
具体地,在获取测试人脸的特征时,采用Gabor小波变换人脸的全局特征的方式,建立一个在八个方向(0°、45°、90°、135°、180°、225°、270°、315°、360°)及五个尺度(0、1、2、3、4)上的人脸滤波图像。
然后对这40个人脸滤波图像在方向不变的条件下进行尺度的叠加,得到八个方向上的人脸Gabor滤波特征图。
之后对这八个Gabor滤波特征图采用LBP算子进行运算,得到人脸在不同方向上的细节纹理信息。
最后,对八个LBP图像进行分块,求出每小块的直方图,并全部级联起来作为该人脸的特征描述。
本实施例获取人脸特征的过程可以参照图3所示,图3是本实施例获取人脸特征的一种实例示意图。
采用上述人脸特征获取方法,当有一副新的人脸被检测到后,即可获取该人脸的特征描述Ttest。
通过上面的公式(1)可以得到测试人脸与样本库中哪个人脸的距离最小,即相似度最高,从而推断出该测试人脸是属于样本库中的哪个人脸。
如图4所示,本发明第二实施例提出一种人脸库采集方法,在上述第一实施例的基础上,在上述步骤S102之后还包括:
步骤S105,当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果。
本实施例与上述第一实施例的区别在于,本实施例当所述测试人脸特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,直接输出对比结果,表明当前测试人脸在人脸库中存在,即人脸库中存在该人脸的标识及对应的人脸特征,同时将人脸库中存在的对应人脸特征显示给测试者。其他与第一实施例相同。
如图5所示,本发明第三实施例提出一种人脸库采集方法,在上述第一实施例的基础上,在上述步骤S101之前还包括:
步骤S100,对当前环境进行粗估计。
本实施例与上述第一实施例的区别在于,本实施例还需对变化的当前光照环境条件进行粗估计,在光照条件不符合要求时,不进入特征对比流程,并提示测试者;当光照条件符合要求时,才进入后续特征对比流程。
具体地,如图6所示,上述步骤S100可以包括:
S1001,获取摄像装置对外界环境变化进行调节后的参数值;
该摄像装置具体可以采用摄像头等。
S1002,将所述参数值与设定的阈值进行比较;若所述参数值在设定的阈值范围内,则执行步骤S101;否则,进入步骤S1003;
步骤S1003,向测试者输出当前环境条件不符合要求的提示信息。
当外界有环境光变化时,本实施例通过两个方面来推断:一个方面是对外界环境光进行粗估计,另一个方面是对处于外界环境光中的人脸进行细的特征对比,从而保证所识别到的人脸是处于不同的光照条件下,并对不同光照条件下的样本库中的人脸进行样本收集,以增强人脸识别的泛化能力。
首先,当外界环境光发生变化,或者物体距离摄像头过近,摄像头自身需要进行参数调节(如白平衡、曝光时间等),这时通过程序获取摄像头对外界变化进行调节后的参数值。
然后,把该参数值与开始设定的阈值进行比较(该设定的阈值在不同的摄像头中可以不同),若该参数值在指定阈值范围内,则进入后续特征对比流程;若该参数值不在指定的阈值范围内,则说明外界人脸所处的光照太强或太弱(造成摄像头自身参数的调节使得物体本身在该环境的光照特征发生一定程度的变化),或光照强度变化过大而失去了物体本身在该光照下所应具有的特征,这时直接提示测试者光照过强或过大,测试者可以进行相应调整。
在特征对比流程中,首先对识别到的人脸进行确认,将当前获得的测试人脸的特征与存储于人脸库中的人脸特征进行对比;当测试人脸的特征与人脸库中的人脸特征相似度达到指定阈值(例如80%)时,可以给出结果,表明当前测试人脸在人脸库中存在,也可以不做任何处理;当测试人脸的特征与人脸库中的人脸特征相似度没有达到指定阈值(例如80%)时,让测试者对当前对所给出的人脸库中最大相似度人脸特征进行判断;若识别到人脸库中的该最大相似度人脸特征与该测试人脸的特征是一致的,则把当前光照条件下的人脸特征加入人脸库;若不是则说明识别到的人脸是新的人脸,则把该人脸加入人脸库中,并更新人脸库中人脸标识及对应的人脸特征。
通过上述方法能够让人脸在不同环境下获取不同的样本,同时在获取该环境下的人脸样本后,对在该环境下的人脸识别具有很好的鲁棒性,因为人脸库中已经存储了当前环境状态下对应的人脸特征,从而提高了人脸识别在各种环境下的准确性。
本实施例通过上述方案,在理论和实验上对上述融合的算法进行了分析,在外界环境变化较大的情况下,具有较好的识别能力,把选择权和主动权交给了用户,保证了变化环境中采集到样本的准确性;能够动态地将随着环境变化的特征作为需要的特征加入到人脸库中,从而较好地解决了目前人脸识别中,由于环境的较大变化会对识别产生不良影响的问题,进一步提高了人脸识别在各种环境下的准确性。
本实施例方法可以应用在各种电子产品中,比如数码产品、智能家庭数字平台、智能手机等。
如图7所示,本发明第一实施例提出一种人脸库采集装置,包括:特征获取模块201、比较模块202、输出模块203以及采集模块204,其中:
特征获取模块201,用于在当前环境条件下,获取测试人脸的特征;
比较模块202,用于将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
输出模块203,用于当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;以及当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果;
采集模块204,用于当所述人脸库中最大相似度的人脸特征与所述测试人脸一致时,将当前环境条件下的测试人脸的特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库。
其中,环境条件可以是光照条件或者其他环境条件,比如温度、湿度条件等,本实施例以光照条件为例进行说明。
由于在现有的人脸识别方法中,所采用的都是基于某一固定或特定环境下获得的静态特征,在光照变化下的人脸所采用的识别方法效果不好,或者所产生的不同光照下的人脸库与实际的相差较大,本实施例在原有人脸识别算法的基础上针对人脸所处的光照环境,利用给定的方法将人脸识别过程中因为光照变化所造成极大变化的人脸特征归入对应的人脸库中,实现在不同环境下获取不同的人脸样本,以完善人脸库中的样本,保证人脸识别在环境变化下的鲁棒性。
具体地,首先建立人脸库,由于每一个人脸具有相应的人脸特征,因此,可以预先收集多个人脸样本,每一个人脸样本具有对应的标识和人脸特征。在该人脸库中存储作为样本的人脸的标识及对应的人脸特征,然后采集不同环境下测试人脸的特征存储于该人脸库中。
对于当前测试人脸,首先通过特征获取模块201获取当前环境条件下该测试人脸的特征,其中,测试人脸的特征的获取方法可以采用现有的Gabor小波变换人脸的全局特征、LBP算法以及直方图相交判断等技术来获取人脸的细节纹理特征的方式,最终得到测试人脸的特征描述。
为了在外界光照环境变化的情况下能够准确识别人脸,本实施例通过比较模块202对处于外界环境光中的人脸进行细的特征对比,从而保证所识别到的人脸是处于不同的光照条件下,并对不同光照条件下的样本库中的人脸进行样本收集,以增强人脸识别的泛化能力。
具体地,首先对识别到的人脸进行确认,将当前获得的测试人脸的特征与存储于人脸库中的人脸特征进行对比;当测试人脸的特征与人脸库中的人脸特征相似度达到指定阈值(例如80%)时,可以给出结果,表明当前测试人脸在人脸库中存在,也可以不做任何处理;当测试人脸的特征与人脸库中的人脸特征相似度没有达到指定阈值(例如80%)时,输出模块203提示测试者对当前对所给出的人脸库中最大相似度人脸特征进行判断;若识别到人脸库中的该最大相似度人脸特征与该测试人脸的特征是一致的,则采集模块204把当前光照条件下的测试人脸的特征加入人脸库,存储于该最大相似度人脸的标识所对应的位置;若不是则说明识别到的测试人脸是新的人脸,则采集模块204把该测试人脸作为新的人脸样本加入人脸库中,包括将人脸的标识及对应的人脸特征一同加入所述人脸库,以此更新人脸库样本及对应的人脸特征。
通过上述方法能够让人脸在不同环境下获取不同的样本,同时在获取该环境下的人脸样本后,对在该环境下的人脸识别具有很好的鲁棒性,因为人脸库中已经存储了当前环境状态下对应的人脸特征,从而提高了人脸识别在各种环境下的准确性。
更为具体地,如图8所示,所述特征获取模块201包括:滤波图像获取单元2011、编码图计算单元2012以及特征提取单元2013,其中:
滤波图像获取单元2011,用于采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
其中预定算法可以是Gabor小波变换人脸的全局特征的方法,通过Gabor变换得到多尺度多方向上的滤波图像。
编码图计算单元2012,用于对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
特征提取单元2013,用于对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
具体地,在获取测试人脸的特征时,采用Gabor小波变换人脸的全局特征的方式,建立一个在八个方向(0°、45°、90°、135°、180°、225°、270°、315°、360°)及五个尺度(0、1、2、3、4)上的人脸滤波图像。
然后对这40个人脸滤波图像在方向不变的条件下进行尺度的叠加,得到八个方向上的人脸Gabor滤波特征图。
之后对这八个Gabor滤波特征图采用LBP算子进行运算,得到人脸在不同方向上的细节纹理信息。
最后,对八个LBP图像进行分块,求出每小块的直方图,并全部级联起来作为该人脸的特征描述。
本实施例获取人脸特征的过程可以参照图3所示,图3是本实施例获取人脸特征的一种实例示意图。
采用上述人脸特征获取方法,当有一副新的人脸被检测到后,即可获取该人脸的特征描述Ttest。
通过上面的公式(1)可以得到测试人脸与样本库中哪个人脸的距离最小,即相似度最高,从而推断出该测试人脸是属于样本库中的哪个人脸。
如图9所示,本发明第二实施例提出一种人脸库采集装置,在上述第一实施例的基础上,还包括:环境估计模块200,用于对当前环境进行粗估计。
具体地,如图10所示,所述环境估计模块200可以包括:参数获取单元2001、参数比较单元2002以及操作单元2003,其中:
参数获取单元2001,用于获取摄像装置对外界环境变化进行调节后的参数值;
参数比较单元2002,用于将所述参数值与设定的阈值进行比较;
操作单元2003,用于当所述参数值在设定的阈值范围内,由所述获取模块获取测试人脸的特征;否则,向测试者输出当前环境条件不符合要求的提示信息。
本实施例与上述第一实施例的区别在于,本实施例还需对变化的当前光照环境条件进行粗估计,在光照条件不符合要求时,不进入特征对比流程,并提示测试者;当光照条件符合要求时,才进入后续特征对比流程。
当外界有环境光变化时,本实施例通过两个方面来推断:一个方面是对外界环境光进行粗估计,另一个方面是对处于外界环境光中的人脸进行细的特征对比,从而保证所识别到的人脸是处于不同的光照条件下,并对不同光照条件下的样本库中的人脸进行样本收集,以增强人脸识别的泛化能力。
首先,当外界环境光发生变化,或者物体距离摄像头过近,摄像头自身需要进行参数调节(如白平衡、曝光时间等),这时通过程序获取摄像头对外界变化进行调节后的参数值。
然后,把该参数值与开始设定的阈值进行比较(该设定的阈值在不同的摄像头中可以不同),若该参数值在指定阈值范围内,则进入后续特征对比流程;若该参数值不在指定的阈值范围内,则说明外界人脸所处的光照太强或太弱(造成摄像头自身参数的调节使得物体本身在该环境的光照特征发生一定程度的变化),或光照强度变化过大而失去了物体本身在该光照下所应具有的特征,这时直接提示测试者光照过强或过大,测试者可以进行相应调整。
在特征对比流程中,首先对识别到的人脸进行确认,将当前获得的测试人脸的特征与存储于人脸库中的人脸特征进行对比;当测试人脸的特征与人脸库中的人脸特征相似度达到指定阈值(例如80%)时,可以给出结果,表明当前测试人脸在人脸库中存在,也可以不做任何处理;当测试人脸的特征与人脸库中的人脸特征相似度没有达到指定阈值(例如80%)时,让测试者对当前对所给出的人脸库中最大相似度人脸特征进行判断;若识别到人脸库中的该最大相似度人脸特征与该测试人脸的特征是一致的,则把当前光照条件下的人脸特征加入人脸库;若不是则说明识别到的测试人脸是新的人脸,则把该人脸加入人脸库中,并更新人脸库中人脸标识及对应的人脸特征。
通过上述方案能够让人脸在不同环境下获取不同的样本,同时在获取该环境下的人脸样本后,对在该环境下的人脸识别具有很好的鲁棒性,因为人脸库中已经存储了当前环境状态下对应的人脸特征,从而提高了人脸识别在各种环境下的准确性。
综上,本实施例通过上述方案,在理论和实验上对上述融合的算法进行了分析,在外界环境变化较大的情况下,具有较好的识别能力,把选择权和主动权交给了用户,保证了变化环境中采集到样本的准确性;能够动态地将随着环境变化的特征作为需要的特征加入到人脸库中,从而较好地解决了目前人脸识别中,由于环境的较大变化会对识别产生不良影响的问题,进一步提高了人脸识别在各种环境下的准确性。
本实施例装置可以应用在各种电子产品中,比如数码产品、智能家庭数字平台、智能手机等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸库采集方法,其特征在于,包括:
在当前环境条件下,获取测试人脸的特征;
将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;
若所述人脸库中最大相似度的人脸特征与所述测试人脸一致,则将当前环境条件下的测试人脸的特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库。
2.根据权利要求1所述的方法,其特征在于,所述将测试人脸的特征与存储于人脸库中的人脸特征进行对比的步骤之后还包括:
当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果。
3.根据权利要求1所述的方法,其特征在于,所述获取测试人脸的特征的步骤之前还包括:
对当前环境进行粗估计,其具体包括:
获取摄像装置对外界环境变化进行调节后的参数值;
将所述参数值与设定的阈值进行比较;
若所述参数值在设定的阈值范围内,则进入获取测试人脸的特征的步骤;否则,向测试者输出当前环境条件不符合要求的提示信息。
4.根据权利要求1所述的方法,其特征在于,所述获取测试人脸的特征的步骤包括:
采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述环境条件至少包括光照条件。
6.一种人脸库采集装置,其特征在于,包括:
特征获取模块,用于在当前环境条件下,获取测试人脸的特征;
比较模块,用于将所述测试人脸的特征与存储于人脸库中的人脸特征进行对比;
输出模块,用于当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度未达到指定阈值时,提示测试者对当前所给出的人脸库中最大相似度的人脸特征进行判断;
采集模块,用于当所述人脸库中最大相似度的人脸特征与所述测试人脸一致时,将当前环境条件下的测试人脸的特征加入所述人脸库;否则将所述测试人脸作为样本加入所述人脸库。
7.根据权利要求6所述的装置,其特征在于,
所述输出模块,还用于当所述测试人脸的特征与存储于人脸库中的人脸特征之间的相似度达到指定阈值时,输出对比结果。
8.根据权利要求6所述的装置,其特征在于,还包括:环境估计模块,用于对当前环境进行粗估计,所述环境估计模块具体包括:
参数获取单元,用于获取摄像装置对外界环境变化进行调节后的参数值;
参数比较单元,用于将所述参数值与设定的阈值进行比较;
操作单元,用于当所述参数值在设定的阈值范围内,由所述获取模块获取测试人脸的特征;否则,向测试者输出当前环境条件不符合要求的提示信息。
9.根据权利要求6所述的装置,其特征在于,所述特征获取模块包括:
滤波图像获取单元,用于采用预定算法获取测试人脸的多尺度多方向上的滤波图像;
编码图计算单元,用于对所述滤波图像采用LBP算子进行运算,得到多个LBP编码图;
特征提取单元,用于对所述多个LBP编码图进行分块并提取直方图特征序列,得到所述测试人脸的特征。
10.根据权利要求6-9中任一项所述的装置,其特征在于,所述环境条件至少包括光照条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210516846.1A CN102982321B (zh) | 2012-12-05 | 2012-12-05 | 人脸库采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210516846.1A CN102982321B (zh) | 2012-12-05 | 2012-12-05 | 人脸库采集方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982321A true CN102982321A (zh) | 2013-03-20 |
CN102982321B CN102982321B (zh) | 2016-09-21 |
Family
ID=47856306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210516846.1A Active CN102982321B (zh) | 2012-12-05 | 2012-12-05 | 人脸库采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982321B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090725A (zh) * | 2014-07-28 | 2014-10-08 | Tcl通讯(宁波)有限公司 | 一种移动终端触摸屏解锁方法及*** |
CN105512604A (zh) * | 2014-10-09 | 2016-04-20 | 感官公司 | 用于脸部确认的连续登记 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108446682A (zh) * | 2018-05-11 | 2018-08-24 | 深圳尊豪网络科技股份有限公司 | 一种全自动化的人脸识别校准检测方法 |
CN109145717A (zh) * | 2018-06-30 | 2019-01-04 | 东南大学 | 一种在线学习的人脸识别方法 |
CN109376686A (zh) * | 2018-11-14 | 2019-02-22 | 睿云联(厦门)网络通讯技术有限公司 | 一种多维度人脸数据采集方案、采集***及采集方法 |
CN109858447A (zh) * | 2019-01-31 | 2019-06-07 | 维沃移动通信有限公司 | 一种信息处理方法及终端 |
CN110222627A (zh) * | 2019-05-31 | 2019-09-10 | 深圳算子科技有限公司 | 一种人脸补录方法 |
CN110363150A (zh) * | 2019-07-16 | 2019-10-22 | 深圳市商汤科技有限公司 | 数据更新方法及装置、电子设备和存储介质 |
WO2020001083A1 (zh) * | 2018-06-30 | 2020-01-02 | 东南大学 | 一种基于特征复用的人脸识别方法 |
CN111325139A (zh) * | 2020-02-18 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN111414803A (zh) * | 2020-02-24 | 2020-07-14 | 北京三快在线科技有限公司 | 人脸识别方法、装置、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1239405A2 (en) * | 2001-03-09 | 2002-09-11 | Kabushiki Kaisha Toshiba | Face image recognition apparatus |
US20060193502A1 (en) * | 2005-02-28 | 2006-08-31 | Kabushiki Kaisha Toshiba | Device control apparatus and method |
CN101526991A (zh) * | 2008-03-03 | 2009-09-09 | 联想(北京)有限公司 | 一种笔记本电脑及其人脸识别方法 |
US8170280B2 (en) * | 2007-12-03 | 2012-05-01 | Digital Smiths, Inc. | Integrated systems and methods for video-based object modeling, recognition, and tracking |
CN102799871A (zh) * | 2012-07-13 | 2012-11-28 | Tcl集团股份有限公司 | 一种人脸跟踪识别的方法 |
-
2012
- 2012-12-05 CN CN201210516846.1A patent/CN102982321B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1239405A2 (en) * | 2001-03-09 | 2002-09-11 | Kabushiki Kaisha Toshiba | Face image recognition apparatus |
US20060193502A1 (en) * | 2005-02-28 | 2006-08-31 | Kabushiki Kaisha Toshiba | Device control apparatus and method |
US8170280B2 (en) * | 2007-12-03 | 2012-05-01 | Digital Smiths, Inc. | Integrated systems and methods for video-based object modeling, recognition, and tracking |
CN101526991A (zh) * | 2008-03-03 | 2009-09-09 | 联想(北京)有限公司 | 一种笔记本电脑及其人脸识别方法 |
CN102799871A (zh) * | 2012-07-13 | 2012-11-28 | Tcl集团股份有限公司 | 一种人脸跟踪识别的方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090725B (zh) * | 2014-07-28 | 2017-05-10 | Tcl通讯(宁波)有限公司 | 一种移动终端触摸屏解锁方法及*** |
CN104090725A (zh) * | 2014-07-28 | 2014-10-08 | Tcl通讯(宁波)有限公司 | 一种移动终端触摸屏解锁方法及*** |
CN105512604A (zh) * | 2014-10-09 | 2016-04-20 | 感官公司 | 用于脸部确认的连续登记 |
WO2019136733A1 (zh) * | 2018-01-15 | 2019-07-18 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108235769B (zh) * | 2018-01-15 | 2020-01-21 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108446682A (zh) * | 2018-05-11 | 2018-08-24 | 深圳尊豪网络科技股份有限公司 | 一种全自动化的人脸识别校准检测方法 |
WO2020001084A1 (zh) * | 2018-06-30 | 2020-01-02 | 东南大学 | 一种在线学习的人脸识别方法 |
WO2020001083A1 (zh) * | 2018-06-30 | 2020-01-02 | 东南大学 | 一种基于特征复用的人脸识别方法 |
CN109145717A (zh) * | 2018-06-30 | 2019-01-04 | 东南大学 | 一种在线学习的人脸识别方法 |
CN109145717B (zh) * | 2018-06-30 | 2021-05-11 | 东南大学 | 一种在线学习的人脸识别方法 |
CN109376686A (zh) * | 2018-11-14 | 2019-02-22 | 睿云联(厦门)网络通讯技术有限公司 | 一种多维度人脸数据采集方案、采集***及采集方法 |
CN109858447A (zh) * | 2019-01-31 | 2019-06-07 | 维沃移动通信有限公司 | 一种信息处理方法及终端 |
CN109858447B (zh) * | 2019-01-31 | 2021-03-23 | 维沃移动通信有限公司 | 一种信息处理方法及终端 |
CN110222627A (zh) * | 2019-05-31 | 2019-09-10 | 深圳算子科技有限公司 | 一种人脸补录方法 |
CN110363150A (zh) * | 2019-07-16 | 2019-10-22 | 深圳市商汤科技有限公司 | 数据更新方法及装置、电子设备和存储介质 |
CN111325139A (zh) * | 2020-02-18 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN111325139B (zh) * | 2020-02-18 | 2023-08-04 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN111414803A (zh) * | 2020-02-24 | 2020-07-14 | 北京三快在线科技有限公司 | 人脸识别方法、装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102982321B (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982321A (zh) | 人脸库采集方法及装置 | |
CN110807385B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
Hsu et al. | Robust license plate detection in the wild | |
CN105745687B (zh) | 情景感知移动目标检测 | |
CN101763507B (zh) | 人脸识别方法及人脸识别*** | |
US20160196467A1 (en) | Three-Dimensional Face Recognition Device Based on Three Dimensional Point Cloud and Three-Dimensional Face Recognition Method Based on Three-Dimensional Point Cloud | |
CN103136516B (zh) | 可见光与近红外信息融合的人脸识别方法及*** | |
CN109145766A (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
CN105335722A (zh) | 一种基于深度图像信息的检测***及方法 | |
KR101433472B1 (ko) | 상황 인식 기반의 객체 검출, 인식 및 추적 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
CN103218610B (zh) | 狗脸检测器的形成方法和狗脸检测方法 | |
CN104778474A (zh) | 一种用于目标检测的分类器构建方法及目标检测方法 | |
CN101271515A (zh) | 能识别多角度目标的图像检测装置 | |
CN103208008A (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
CN105654505B (zh) | 一种基于超像素的协同跟踪算法和*** | |
US20110103694A1 (en) | Object identification apparatus and object identification method | |
CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
CN102867173A (zh) | 一种人脸识别方法及其*** | |
CN101996308A (zh) | 人脸认证方法及***、人脸模型训练方法及*** | |
CN107316029A (zh) | 一种活体验证方法及设备 | |
CN103839042A (zh) | 人脸识别方法和人脸识别*** | |
CN104424483A (zh) | 一种人脸图像的光照预处理方法、装置及终端 | |
CN110263864A (zh) | 车辆的匹配方法、装置、计算机设备及存储介质 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN111583180A (zh) | 一种图像的篡改识别方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |