CN106250858A - 一种融合多种人脸识别算法的识别方法及*** - Google Patents
一种融合多种人脸识别算法的识别方法及*** Download PDFInfo
- Publication number
- CN106250858A CN106250858A CN201610634586.6A CN201610634586A CN106250858A CN 106250858 A CN106250858 A CN 106250858A CN 201610634586 A CN201610634586 A CN 201610634586A CN 106250858 A CN106250858 A CN 106250858A
- Authority
- CN
- China
- Prior art keywords
- facial image
- face recognition
- recognition algorithms
- face
- recognition result
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种融合多种人脸识别算法的识别方法及***,包括:预设至少两种人脸识别算法;通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取及识别,分别得到对应的待识别人脸图像的特征向量、样本人脸图像的特征向量、对比相似度值及识别结果;对提取的待识别人脸图像的特征向量进行融合处理并对提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对得到的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对识别结果进行决策处理,根据处理结果确定最终的识别结果。如此,本发明实施例能够提高人脸识别的精准度。
Description
技术领域
本发明涉及人脸识别技术领域,特别是涉及一种融合多种人脸识别算法的识别方法及***。
背景技术
人脸识别技术是基于生物特征的识别方式,利用人类自身拥有的、并且能够唯一标示其身份的生理特征或行为特征进行身份认证的技术。随着人工智能技术与计算机模式识别的发展,人脸识别技术已经从实验室走向实际应用。
目前,现有的人脸识别***是由一种人脸识别算法经过优化实现的,人脸识别的精度和准度因此而受到一定的限制。由此可见,为解决使用单一人脸识别算法在人脸识别的精度和准度方面受到限制的问题,目前亟需一种融合多种人脸识别算法进行人脸识别的方法,以提高人脸识别的精准度。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种融合多种人脸识别算法的识别方法及***,融合多种人脸识别算法进行识别认证,能够提高人脸识别的精准度。
为实现上述目的及其他相关目的,本发明实施例提供一种融合多种人脸识别算法的识别方法,预设至少两种人脸识别算法,该方法还包括:
通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;
根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;
根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;
对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,
对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,
对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。
优选地,所述对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果,包括:
针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA,并通过主成分分析算法PCA对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB,并通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
按照概率线性判别分析算法PLDA计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值;
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
优选地,所述对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果,包括:
预设每种人脸识别算法的权重系数;
根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
优选地,所述对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果,包括:
确定识别成功的识别结果的数量以及所有识别结果的数量;
判断识别成功的识别结果的数量是否大于二分之一的所有识别结果的数量;
若识别成功的识别结果的数量大于二分之一的所有识别结果的数量,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量小于或等于二分之一的所有识别结果的数量,则确定最终的识别结果为识别失败。
优选地,所述对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果,包括:
预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率;
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据确定的对象类型及预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
根据上述方法,本发明实施例提供了一种融合多种人脸识别算法的识别***,该***包括:预设模块、特征提取模块、计算模块、第一确定模块、第二确定模块;其中,
所述预设模块,用于预设至少两种人脸识别算法;
所述特征提取模块,用于通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;
所述计算模块,用于根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;
所述第一确定模块,用于根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;
所述第二确定模块,用于对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。
优选地,所述第二确定模块具体用于:
针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA,并通过PCA对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB,并通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
按照PLDA计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值;
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
优选地,所述第二确定模块具体用于:
预设每种人脸识别算法的权重系数;
根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
优选地,所述第二确定模块具体用于:
确定识别成功的识别结果的数量以及所有识别结果的数量;
判断识别成功的识别结果的数量是否大于二分之一的所有识别结果的数量;
若识别成功的识别结果的数量大于二分之一的所有识别结果的数量,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量小于或等于二分之一的所有识别结果的数量,则确定最终的识别结果为识别失败。
优选地,所述第二确定模块具体用于:
预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率;
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据确定的对象类型及预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
本发明提供的融合多种人脸识别算法的识别方法及***,包括:预设至少两种人脸识别算法;通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行决策处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。如此,本发明实施例中融合多种人脸识别算法进行人脸识别,从特征向量端、对比相似度值端或识别结果端进行决策融合,根据决策融合的结果确定最终的识别结果,解决了使用单一人脸识别算法在人脸识别的精度和准度方面受到限制的问题,从而提高了人脸识别的精准度。
附图说明
图1显示为本发明的融合多种人脸识别算法的识别方法的流程示意图;
图2显示为本发明的融合多种人脸识别算法的识别***的组成结构示意图。
具体实施方式
本发明实施例中,为解决使用单一人脸识别算法在人脸识别的精度和准度方面受到限制的问题,采用多种人脸识别算法进行人脸识别,并且在不同的层面对多种人脸识别算法进行决策融合,具体可以从特征向量端、对比相似度值端或识别结果端进行决策融合,根据决策融合的结果来确定最终的识别结果,从而提高了人脸识别的精准度。
下面结合附图及具体实施例对本发明做进一步详细的说明。
本发明实施例提出了一种融合多种人脸识别算法的识别方法,如图1所示,该方法包括:
步骤S100:预设至少两种人脸识别算法。
本步骤中,可以设置任意的至少两种人脸识别算法,这里对预设的人脸识别算法不作具体限定。
步骤S101:通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量。
本步骤中,根据不同的人脸识别算法提取的特征向量的长度可以是任意长度,但提取的特征向量必须满足以下条件:
Norm(F)=1
其中,F为特征向量,Norm(F)为特征向量F的模长。
步骤S102:根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值。
本步骤中,可以将每种人脸识别算法的对比相似度值归一化到[0,1]区间,得到统一的对比相似度值,以便后续进行分类识别。
步骤S103:根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果。
本步骤中,分别将每种人脸识别算法得到的对比相似度值与预设的对比相似度阈值进行对比;
若该人脸识别算法的对比相似度值大于预设的对比相似度阈值,则确定该人脸识别算法的识别结果为识别成功;
若该人脸识别算法的对比相似度值小于或等于预设的对比相似度阈值,则确定该人脸识别算法的识别结果为识别失败。
这里,可以根据实际情况及需求预设对比相似度阈值,这里对对比相似度阈值不作具体限定。
步骤S104:对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。
本步骤中,对具体如何对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果,进行详细说明:
首先,针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA:
fA=[f1;f2;…;fn],其中,fA为融合特征向量,f1~fn为每种人脸识别算法提取的待识别人脸图像的特征向量;
通过主成分分析算法(Principal Components Analysis,PCA)对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
其中,Z为PCA的特征矩阵;
同理,针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB:
fB=[f1;f2;…;fn],其中,fB为融合特征向量,f1~fn为每种人脸识别算法提取的样本人脸图像的特征向量;
通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
其中,Z为PCA的特征矩阵;
然后,按照概率线性判别分析算法(Probabilistic Linear DiscriminantAnalysis,PLDA)计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值S(AB):
其中,P为PLDA的类内方差,Q为PLDA的类间方差;
最终,根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果;
具体的,将融合的对比相似度值与预设的对比相似度阈值进行对比;
若融合的对比相似度值大于预设的对比相似度阈值,则确定最终的识别结果为识别成功;
若融合的对比相似度值小于或等于预设的对比相似度阈值,则确定最终的识别结果为识别失败。
这里,可以根据实际情况及需求预设对比相似度阈值,这里对对比相似度阈值不作具体限定。
本步骤中,对具体如何对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果,进行详细说明:
首先,预设每种人脸识别算法的权重系数;
然后,根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
其中,S(A,B)为融合的对比相似度值,ωi为第i种人脸识别算法的权重系数,Fi为第i种人脸识别算法的对比相似度值,i=1,2,…,n,n为正整数;
最终,根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果;
具体的,将融合的对比相似度值与预设的对比相似度阈值进行对比;
若融合的对比相似度值大于预设的对比相似度阈值,则确定最终的识别结果为识别成功;
若融合的对比相似度值小于或等于预设的对比相似度阈值,则确定最终的识别结果为识别失败。
这里,可以根据实际情况及需求预设对比相似度阈值,这里对对比相似度阈值不作具体限定。
本步骤中,对具体如何对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果,进行详细说明:
方式一、基于投票的决策策略
首先,确定识别成功的识别结果的数量R以及所有识别结果的数量G;
然后,判断识别成功的识别结果的数量R是否大于二分之一的所有识别结果的数量G;
若识别成功的识别结果的数量R大于二分之一的所有识别结果的数量G,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量R小于或等于二分之一的所有识别结果的数量G,则确定最终的识别结果为识别失败。
其中,每种人脸识别算法得到一个识别结果,数量G等于人脸识别算法的数量,数量R小于或等于数量G。
方式二、基于先验信息的决策策略
考虑到每种人脸识别算法都有它本身所擅长的识别对象类型,例如,有些人脸识别算法对儿童人脸图像的识别率较好,而对证件照的识别率却不理想。因此,可以预先根据每种人脸识别算法对每类人脸图像进行识别,可以得到每种人脸识别算法对每类人脸图像的识别率表;,当有一组图像需要进行识别时,先得到这组人脸图像的特点,例如,根据人脸图像的特点确定是儿童的人脸图像,或根据人脸图像的特点确定是少数民族的人脸图像,然后将确定的对象类型及预先得到的识别率作为先验信息,根据该先验信息选择识别率最佳的人脸识别算法。
具体的,预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率,如表1所示:
人脸识别算法1 | 人脸识别算法 | …… | 人脸识别算法N | |
A类 | 0.980 | 0.965 | …… | 0.910 |
B类 | 0.923 | 0.995 | …… | 0.945 |
C类 | 0.921 | 0.936 | …… | 0.988 |
…… | …… | …… | …… | …… |
表1
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
具体的,首先将人脸图像分为多种对象类型,例如,A类:现场采集人脸图像与证件照认证;B类:儿童认证;C类:少数民族认证;然后根据所述待识别人脸图像及样本人脸图像的特点确定所属的对象类型;根据预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;若仅有一个识别率最高的人脸识别算法,则将该人脸识别算法确定为最终的识别结果,若有多个识别率最高的人脸识别算法,则将任意一个识别率最高的人脸识别算法得到的识别结果确定为最终的识别结果。
为实现上述方法,本发明实施例还提供了一种融合多种人脸识别算法的识别***,由于***解决问题的原理与方法相似,因此,***的实施过程及实施原理均可以参见前述方法的实施过程及实施原理描述,重复之处不再赘述。
本发明实施例提供了一种融合多种人脸识别算法的识别***,如图2所示,该***包括:预设模块200、特征提取模块201、计算模块202、第一确定模块203、第二确定模块204;其中,
所述预设模块200,用于预设至少两种人脸识别算法;
所述特征提取模块201,用于通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;
所述计算模块202,用于根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;
所述第一确定模块203,用于根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;
所述第二确定模块204,用于对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行融合处理,根据融合的识别结果确定最终的识别结果。
具体实施中,所述第二确定模块204具体用于:
针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA,并通过PCA对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB,并通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
按照PLDA计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值;
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
具体实施中,所述第二确定模块204具体用于:
预设每种人脸识别算法的权重系数;
根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
具体实施中,所述第二确定模块204具体用于:
确定识别成功的识别结果的数量以及所有识别结果的数量;
判断识别成功的识别结果的数量是否大于二分之一的所有识别结果的数量;
若识别成功的识别结果的数量大于二分之一的所有识别结果的数量,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量小于或等于二分之一的所有识别结果的数量,则确定最终的识别结果为识别失败。
具体实施中,所述第二确定模块204具体用于:
预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率;
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据确定的对象类型及预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
以上功能模块的划分方式仅为本发明实施例给出的一种优选实现方式,功能模块的划分方式不构成对本发明的限制。为了描述的方便,以上所述***的各部分以功能分为各种模块或单元分别描述。当然,在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
综上所述,本发明实施例中首先预设至少两种人脸识别算法;通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行融合处理,根据融合的识别结果确定最终的识别结果。如此,本发明实施例融合多种人脸识别算法进行人脸识别,分别对特征向量、对比相似度值或识别结果进行融合处理,根据融合处理的结果来确定最终的识别结果,解决了使用单一人脸识别算法在人脸识别的精度和准度方面受到限制的问题,从而提高了人脸识别的精准度。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种融合多种人脸识别算法的识别方法及***,其特征在于,预设至少两种人脸识别算法,所述方法还包括:
通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;
根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;
根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;
对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,
对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,
对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果,包括:
针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA,并通过主成分分析算法PCA对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB,并通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
按照概率线性判别分析算法PLDA计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值;
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
3.根据权利要求1所述的方法,其特征在于,所述对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果,包括:
预设每种人脸识别算法的权重系数;
根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
4.根据权利要求1所述的方法,其特征在于,所述对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果,包括:
确定识别成功的识别结果的数量以及所有识别结果的数量;
判断识别成功的识别结果的数量是否大于二分之一的所有识别结果的数量;
若识别成功的识别结果的数量大于二分之一的所有识别结果的数量,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量小于或等于二分之一的所有识别结果的数量,则确定最终的识别结果为识别失败。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果,包括:
预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率;
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据确定的对象类型及预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
6.一种融合多种人脸识别算法的识别***,其特征在于,所述***包括:预设模块、特征提取模块、计算模块、第一确定模块、第二确定模块;其中,
所述预设模块,用于预设至少两种人脸识别算法;
所述特征提取模块,用于通过每种人脸识别算法对待识别人脸图像及样本人脸图像进行特征提取,分别得到每种人脸识别算法对应的待识别人脸图像的特征向量及样本人脸图像的特征向量;
所述计算模块,用于根据每种人脸识别算法提取的待识别人脸图像的特征向量及样本人脸图像的特征向量,分别计算得到每种人脸识别算法的对比相似度值;
所述第一确定模块,用于根据每种人脸识别算法的对比相似度值分别确定每种人脸识别算法的识别结果;
所述第二确定模块,用于对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理并对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,根据待识别人脸图像的融合特征向量及样本人脸图像的融合特征向量确定最终的识别结果;或者,对每种人脸识别算法的对比相似度值进行融合处理,根据融合的对比相似度值确定最终的识别结果;或者,对每种人脸识别算法的识别结果进行决策处理,根据处理结果确定最终的识别结果。
7.根据权利要求6所述的***,其特征在于,所述第二确定模块具体用于:
针对每种人脸识别算法提取的待识别人脸图像的特征向量进行融合处理,得到待识别人脸图像的融合特征向量fA,并通过PCA对融合特征向量fA进行降维处理,得到新的融合特征向量FA:
针对每种人脸识别算法提取的样本人脸图像的特征向量进行融合处理,得到样本人脸图像的融合特征向量fB,并通过PCA对融合特征向量fB进行降维处理,得到新的融合特征向量FB:
按照PLDA计算新的融合特征向量FA与新的融合特征向量FB的对比相似度,得到融合的对比相似度值;
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
8.根据权利要求6所述的***,其特征在于,所述第二确定模块具体用于:
预设每种人脸识别算法的权重系数;
根据每种人脸识别算法的对比相似度值及权重系数,得到融合的对比相似度值:
根据融合的对比相似度值及预设的对比相似度阈值,确定最终的识别结果。
9.根据权利要求6所述的***,其特征在于,所述第二确定模块具体用于:
确定识别成功的识别结果的数量以及所有识别结果的数量;
判断识别成功的识别结果的数量是否大于二分之一的所有识别结果的数量;
若识别成功的识别结果的数量大于二分之一的所有识别结果的数量,则确定最终的识别结果为识别成功;
若识别成功的识别结果的数量小于或等于二分之一的所有识别结果的数量,则确定最终的识别结果为识别失败。
10.根据权利要求6至9任一项所述的***,其特征在于,所述第二确定模块具体用于:
预先根据每种人脸识别算法对每类人脸图像进行识别,得到每种人脸识别算法对每类人脸图像的识别率;
确定所述待识别人脸图像及样本人脸图像所属的对象类型;
根据确定的对象类型及预先得到的每种人脸识别算法对每类人脸图像的识别率,选取该对象类型对应的识别率最高的人脸识别算法;
将选取的人脸识别算法得到的识别结果确定为最终的识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634586.6A CN106250858B (zh) | 2016-08-05 | 2016-08-05 | 一种融合多种人脸识别算法的识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634586.6A CN106250858B (zh) | 2016-08-05 | 2016-08-05 | 一种融合多种人脸识别算法的识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106250858A true CN106250858A (zh) | 2016-12-21 |
CN106250858B CN106250858B (zh) | 2021-08-13 |
Family
ID=58077677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610634586.6A Active CN106250858B (zh) | 2016-08-05 | 2016-08-05 | 一种融合多种人脸识别算法的识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106250858B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN107563280A (zh) * | 2017-07-24 | 2018-01-09 | 南京道熵信息技术有限公司 | 基于多模型的人脸识别方法和装置 |
CN107729300A (zh) * | 2017-09-18 | 2018-02-23 | 百度在线网络技术(北京)有限公司 | 文本相似度的处理方法、装置、设备和计算机存储介质 |
CN108197532A (zh) * | 2017-12-18 | 2018-06-22 | 深圳云天励飞技术有限公司 | 人脸识别的方法、装置及计算机装置 |
CN108491794A (zh) * | 2018-03-22 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 面部识别的方法和装置 |
CN108764350A (zh) * | 2018-05-30 | 2018-11-06 | 苏州科达科技股份有限公司 | 目标识别方法、装置及电子设备 |
CN108776768A (zh) * | 2018-04-19 | 2018-11-09 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN108921140A (zh) * | 2018-08-07 | 2018-11-30 | 安徽云森物联网科技有限公司 | 行人再识别方法 |
CN109145758A (zh) * | 2018-07-25 | 2019-01-04 | 武汉恩智电子科技有限公司 | 一种基于视频监控的人脸的识别算法 |
CN109377624A (zh) * | 2018-11-23 | 2019-02-22 | 卢伟涛 | 一种基于人脸图像识别的房门智能开启*** |
CN109624844A (zh) * | 2018-12-05 | 2019-04-16 | 电子科技大学成都学院 | 一种基于图像识别和语音传控的公交车行车保护*** |
CN109918976A (zh) * | 2017-12-13 | 2019-06-21 | 航天信息股份有限公司 | 一种人像比对算法融合方法及其装置 |
CN110245573A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技(深圳)有限公司 | 一种基于人脸识别的签到方法、装置及终端设备 |
CN110309744A (zh) * | 2019-06-21 | 2019-10-08 | 武汉市公安局视频侦查支队 | 一种嫌疑人识别方法及装置 |
CN110334695A (zh) * | 2019-07-18 | 2019-10-15 | 国网电子商务有限公司 | 一种基于人脸特征的身份认证方法及装置 |
CN110532856A (zh) * | 2019-07-16 | 2019-12-03 | 公安部第一研究所 | 一种多算法融合的人脸识别方法 |
CN110688892A (zh) * | 2019-08-20 | 2020-01-14 | 武汉烽火众智数字技术有限责任公司 | 一种基于数据融合技术的人像识别告警方法及*** |
CN110728522A (zh) * | 2019-10-11 | 2020-01-24 | 上海可充电子商务有限公司 | 一种刷脸公交*** |
CN110908289A (zh) * | 2018-09-17 | 2020-03-24 | 珠海格力电器股份有限公司 | 智能家居的控制方法及装置 |
CN111177436A (zh) * | 2018-11-09 | 2020-05-19 | 浙江宇视科技有限公司 | 一种人脸特征检索方法、装置及设备 |
CN111178259A (zh) * | 2019-12-30 | 2020-05-19 | 八维通科技有限公司 | 支持多算法融合的识别方法及*** |
CN111209937A (zh) * | 2019-12-27 | 2020-05-29 | 深圳智链物联科技有限公司 | 一种充电曲线模型的分类方法、装置以及服务器 |
CN112308070A (zh) * | 2020-10-30 | 2021-02-02 | 深圳前海微众银行股份有限公司 | 证件信息的识别方法及装置、设备和计算机可读存储介质 |
CN112597823A (zh) * | 2020-12-07 | 2021-04-02 | 深延科技(北京)有限公司 | 注意力识别方法、装置、电子设备及存储介质 |
CN116434313A (zh) * | 2023-04-28 | 2023-07-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411708A (zh) * | 2011-12-02 | 2012-04-11 | 湖南大学 | 一种融合双树复小波变换和离散小波变换的人脸识别方法 |
CN102521561A (zh) * | 2011-11-16 | 2012-06-27 | 湖南大学 | 基于多尺度韦伯局部特征和分层决策融合的人脸识别方法 |
CN102831413A (zh) * | 2012-09-11 | 2012-12-19 | 上海中原电子技术工程有限公司 | 基于多分类器融合的人脸识别方法及*** |
CN103136504A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 人脸识别方法及装置 |
CN104899579A (zh) * | 2015-06-29 | 2015-09-09 | 小米科技有限责任公司 | 人脸识别方法和装置 |
-
2016
- 2016-08-05 CN CN201610634586.6A patent/CN106250858B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521561A (zh) * | 2011-11-16 | 2012-06-27 | 湖南大学 | 基于多尺度韦伯局部特征和分层决策融合的人脸识别方法 |
CN103136504A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 人脸识别方法及装置 |
CN102411708A (zh) * | 2011-12-02 | 2012-04-11 | 湖南大学 | 一种融合双树复小波变换和离散小波变换的人脸识别方法 |
CN102831413A (zh) * | 2012-09-11 | 2012-12-19 | 上海中原电子技术工程有限公司 | 基于多分类器融合的人脸识别方法及*** |
CN104899579A (zh) * | 2015-06-29 | 2015-09-09 | 小米科技有限责任公司 | 人脸识别方法和装置 |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN107563280A (zh) * | 2017-07-24 | 2018-01-09 | 南京道熵信息技术有限公司 | 基于多模型的人脸识别方法和装置 |
CN107729300A (zh) * | 2017-09-18 | 2018-02-23 | 百度在线网络技术(北京)有限公司 | 文本相似度的处理方法、装置、设备和计算机存储介质 |
CN109918976B (zh) * | 2017-12-13 | 2021-04-02 | 航天信息股份有限公司 | 一种人像比对算法融合方法及其装置 |
CN109918976A (zh) * | 2017-12-13 | 2019-06-21 | 航天信息股份有限公司 | 一种人像比对算法融合方法及其装置 |
CN108197532A (zh) * | 2017-12-18 | 2018-06-22 | 深圳云天励飞技术有限公司 | 人脸识别的方法、装置及计算机装置 |
WO2019120115A1 (zh) * | 2017-12-18 | 2019-06-27 | 深圳励飞科技有限公司 | 人脸识别的方法、装置及计算机装置 |
WO2019119505A1 (zh) * | 2017-12-18 | 2019-06-27 | 深圳云天励飞技术有限公司 | 人脸识别的方法和装置、计算机装置及存储介质 |
CN108491794A (zh) * | 2018-03-22 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 面部识别的方法和装置 |
CN108776768A (zh) * | 2018-04-19 | 2018-11-09 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
WO2019200902A1 (zh) * | 2018-04-19 | 2019-10-24 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN108764350A (zh) * | 2018-05-30 | 2018-11-06 | 苏州科达科技股份有限公司 | 目标识别方法、装置及电子设备 |
CN109145758A (zh) * | 2018-07-25 | 2019-01-04 | 武汉恩智电子科技有限公司 | 一种基于视频监控的人脸的识别算法 |
CN108921140A (zh) * | 2018-08-07 | 2018-11-30 | 安徽云森物联网科技有限公司 | 行人再识别方法 |
CN110908289A (zh) * | 2018-09-17 | 2020-03-24 | 珠海格力电器股份有限公司 | 智能家居的控制方法及装置 |
CN111177436A (zh) * | 2018-11-09 | 2020-05-19 | 浙江宇视科技有限公司 | 一种人脸特征检索方法、装置及设备 |
CN111177436B (zh) * | 2018-11-09 | 2023-08-22 | 浙江宇视科技有限公司 | 一种人脸特征检索方法、装置及设备 |
CN109377624A (zh) * | 2018-11-23 | 2019-02-22 | 卢伟涛 | 一种基于人脸图像识别的房门智能开启*** |
CN109624844A (zh) * | 2018-12-05 | 2019-04-16 | 电子科技大学成都学院 | 一种基于图像识别和语音传控的公交车行车保护*** |
CN110245573B (zh) * | 2019-05-21 | 2023-05-26 | 平安科技(深圳)有限公司 | 一种基于人脸识别的签到方法、装置及终端设备 |
CN110245573A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技(深圳)有限公司 | 一种基于人脸识别的签到方法、装置及终端设备 |
CN110309744A (zh) * | 2019-06-21 | 2019-10-08 | 武汉市公安局视频侦查支队 | 一种嫌疑人识别方法及装置 |
CN110532856A (zh) * | 2019-07-16 | 2019-12-03 | 公安部第一研究所 | 一种多算法融合的人脸识别方法 |
CN110334695A (zh) * | 2019-07-18 | 2019-10-15 | 国网电子商务有限公司 | 一种基于人脸特征的身份认证方法及装置 |
CN110688892B (zh) * | 2019-08-20 | 2023-01-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于数据融合技术的人像识别告警方法及*** |
CN110688892A (zh) * | 2019-08-20 | 2020-01-14 | 武汉烽火众智数字技术有限责任公司 | 一种基于数据融合技术的人像识别告警方法及*** |
CN110728522A (zh) * | 2019-10-11 | 2020-01-24 | 上海可充电子商务有限公司 | 一种刷脸公交*** |
CN111209937A (zh) * | 2019-12-27 | 2020-05-29 | 深圳智链物联科技有限公司 | 一种充电曲线模型的分类方法、装置以及服务器 |
CN111209937B (zh) * | 2019-12-27 | 2024-03-29 | 深圳智链物联科技有限公司 | 一种充电曲线模型的分类方法、装置以及服务器 |
CN111178259A (zh) * | 2019-12-30 | 2020-05-19 | 八维通科技有限公司 | 支持多算法融合的识别方法及*** |
CN112308070A (zh) * | 2020-10-30 | 2021-02-02 | 深圳前海微众银行股份有限公司 | 证件信息的识别方法及装置、设备和计算机可读存储介质 |
CN112308070B (zh) * | 2020-10-30 | 2024-04-26 | 深圳前海微众银行股份有限公司 | 证件信息的识别方法及装置、设备和计算机可读存储介质 |
CN112597823A (zh) * | 2020-12-07 | 2021-04-02 | 深延科技(北京)有限公司 | 注意力识别方法、装置、电子设备及存储介质 |
CN116434313A (zh) * | 2023-04-28 | 2023-07-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
CN116434313B (zh) * | 2023-04-28 | 2023-11-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106250858B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106250858A (zh) | 一种融合多种人脸识别算法的识别方法及*** | |
CN100356388C (zh) | 生物特征融合的身份识别和认证方法 | |
CN106529468B (zh) | 一种基于卷积神经网络的手指静脉识别方法及*** | |
He et al. | Performance evaluation of score level fusion in multimodal biometric systems | |
CN101246543B (zh) | 基于仿生与生物特征识别的考试者身份鉴定方法 | |
CN101661557B (zh) | 一种基于智能卡的人脸识别***及其方法 | |
CN109214360A (zh) | 一种基于ParaSoftMax损失函数的人脸识别模型的构建方法及应用 | |
CN107103281A (zh) | 基于聚集损失深度度量学习的人脸识别方法 | |
CN106446754A (zh) | 图像识别方法、度量学习方法、图像来源识别方法及装置 | |
Singh et al. | Face recognition using facial symmetry | |
KR20030046007A (ko) | 개인 식별을 위한 홍채 영상의 처리 및 인식방법과 시스템 | |
US20200257885A1 (en) | High speed reference point independent database filtering for fingerprint identification | |
CN108564040B (zh) | 一种基于深度卷积特征的指纹活性检测方法 | |
CN106203284B (zh) | 基于卷积神经网络和条件随机场的人脸检测方法 | |
CN103745237A (zh) | 光照变化条件下的人脸识别算法 | |
CN106228045A (zh) | 一种身份识别*** | |
CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及*** | |
CN107153780A (zh) | 基于手腕穿戴电子设备的书写行为特征认证方法 | |
CN109993042A (zh) | 一种人脸识别方法及其装置 | |
CN105956570A (zh) | 基于唇部特征和深度学习的笑脸识别方法 | |
CN108304800A (zh) | 一种人脸检测和人脸比对的方法 | |
CN110929243A (zh) | 一种基于手机惯性传感器的行人身份识别方法 | |
Hashem et al. | Human identification using foot features | |
R Al-nima | Design a biometric identification system based on the fusion of hand geometry and backhand patterns | |
CN102819754A (zh) | 一种基于Sigmoid扩展的指纹分数融合***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 401120 No. 1 and 2, floors 3-8, building 11, No. 2, Huizhu Road, Yubei District, Chongqing Applicant after: CHONGQING ZHONGKE YUNCONG TECHNOLOGY Co.,Ltd. Address before: 401122 Central Sixth Floor of Mercury Science and Technology Building B, Central Section of Huangshan Avenue, Northern New District of Chongqing Applicant before: CHONGQING ZHONGKE YUNCONG TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |