CN106845365A - 用于学生考勤的人脸检测方法 - Google Patents

Abstract

本发明公开了一种用于学生考勤的人脸检测方法，包括以下步骤：先采集学生的正面头部图片，并按设定形状将图片选取各面部特征区域和头部区域；再分别计算选取的各面部特征区域面积与头部区域面积的比值，并将比值按每位学生的各面部特征分类保存；获取待考勤学生的图片，并将图片通过人脸识别技术截取出头部部分，再计算出目标学生的各面部特征区域面积与头部区域面积的比值，然后与保存的数据进行对比，若有预定数目的面部特征吻合，即可判断该学生出勤。本发明具有很好的容错性，在超过一半的脸部被遮住的情况下依然可以检测人脸。

Description

用于学生考勤的人脸检测方法

技术领域

本发明涉及机器进行人脸检测领域。更具体地说，本发明涉及一种用于学生考勤的人脸检测方法。

背景技术

现有的学生考勤***中，经常由于学生拥挤，造成脸被遮住的情况，在这种情况下，机器无法较好的检测人脸，进而无法准确的完成考勤任务，同时，有的考勤***在没有拍到完成的人脸时，也无法完成考勤任务，针对着这些问题，急需一种能接受任意大小的完整头像或出现头像中任一位置的不同尺度的面部图像均能进行人脸检测的方法，从而达到在学生拥挤的情况下，也能较好地识别并成功考勤学生。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

为了实现根据本发明的这些目的和其它优点，提供了一种用于学生考勤的人脸检测方法，其特征在于，包括以下步骤：

先采集学生的正面头部图片，并按设定形状将图片选取各面部特征区域和头部区域。

再分别计算选取的各面部特征区域面积与头部区域面积的比值，并将比值按每位学生的各面部特征分类保存。

获取待考勤学生的图片，并将图片通过人脸识别技术截取出头部部分，再计算出目标学生的各面部特征区域面积与头部区域面积的比值，然后与保存的数据进行对比，若有预定数目的面部特征吻合，即可判断该学生出勤。

优选的是，所述的设定形状为矩形，则面部特征区域面积与头部区域面积的比值的计算方法为：

步骤a、将所述图片调整为M×M的像素点阵，以图片的某一角点为坐标原点建立坐标系，用矩形选取某一面部特征与头部，并将边界点用坐标值表示；

步骤b、通过边界点坐标值计算面部特征区域面积与头部区域面积的比值Δw：

其中，ABCD为头部区域，A点坐标为(x_a，y_a)，B点坐标为(x_b，y_b)，C点坐标为(x_c，y_c)，D点坐标为(x_d，y_d)，EFGH为划定区域，E点坐标为(x_e，y_e)，F点坐标为(x_f，y_f)，G点坐标为(x_g，y_g)，H点坐标为(x_h，y_h)，λ为修正系数，其取值范围在0-0.25之间。

优选的是，面部特征包括头发、眼睛、鼻子、耳朵、嘴巴和胡须部分。

优选的是，获取图片的方式为用多个摄像头分别以不同角度对待考勤学生进行拍摄。

优选的是，摄像头的拍摄间隔时间为0.5s，拍摄时间段为课间时间与开课后15min。

优选的是，摄像头的设置高度在2-2.5m，摄像头和最远拍摄点的连线与水平面的夹角不小于25°。

优选的是，使用多个摄像头对同一学生拍摄多张图片，将多张图片的相同面部特征分别进行计算，并取其中的最大值与保存的数据进行对比。

优选的是，所述的设定形状为矩形、圆形、椭圆形、菱形和三角形，则面部特征区域面积与头部区域面积的比值的计算方法为：

步骤一、用矩形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第一比值；

步骤二、用圆形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第二比值；

步骤三、用椭圆形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第三比值；

步骤四、用三角形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第四比值；

步骤五、用菱形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第五比值；

步骤六、面部特征区域面积与头部区域面积的比值＝第一比值*0.3+第二比值*0.2+第三比值*0.3+第四比值*0.1+第五比值*0.1。

本发明至少包括以下有益效果：

1、本发明在考勤严重阻塞时有很好的容错性，在超过一半的脸部被遮住的情况下依然可以检测人脸。

2、本发明在待考勤学生侧身走动时也能进行人脸检测。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

实施例1：

先采集某一学生的正面头部图片，将图片调整为256×256的像素点阵，以图片的左上角点为坐标原点建立坐标系，分别沿图片的长和宽方向做横轴正向和纵轴正向，用设定的矩形形状选取眼睛部分与头部，眼睛部分的矩形用EFGH表示，其中E点坐标为(84，105)，F点坐标为(171，105)，G点坐标为(84，118)，H点坐标为(171，118)，头部用ABCD表示，其中A点坐标为(200，30)，B点坐标为(55，30)，C点坐标为(55，250)，D点坐标为(200，250)，将ABCD与EFGH的坐标值代入公式：

取λ＝0，计算的眼睛区域面积与头部区域面积的比值3.9％，按上述方法同样计算得头发区域面积与头部区域面积的比值为21.4％，鼻子区域面积与头部区域面积的比值为11.2％，嘴巴区域面积与头部区域面积的比值为10.4％，耳朵区域面积与头部区域面积的比值为11.4％，胡须区域面积与头部区域面积的比值为11.4％，还有一些面部特征，比如眼镜、耳钉等，不在此一一列举，将这些数据保存，并设置吻合面部特征数目为三个或三个以上，即该生判定出勤。

让该学生正面迎着拍照装置走过，并用物体遮住下半边脸，然后将拍到的图片用人脸识别技术截取出头部部分，将头部部分的图片调整为256×256的像素点阵，以图片的左上角点为坐标原点建立坐标系，分别沿图片的长和宽方向做横轴正向和纵轴正向，用设定的矩形形状选取眼睛部分与头部，由于是正面走过，故选出眼睛部分与先前采集数据一致，同样，在露出上半边脸的情况下，还能得到头发和鼻子的区域面积与头部区域面积的比值与先前采集数据一致，已达到三个面部特征相吻合的要求，所以可以判断该学生出勤。

实施例2：

先采集某一学生的正面头部图片，将图片调整为256×256的像素点阵，以图片的左上角点为坐标原点建立坐标系，分别沿图片的长和宽方向做横轴正向和纵轴正向，用设定的矩形形状选取眼睛部分与头部，眼睛部分的矩形用EFGH表示，其中E点坐标为(84，105)，F点坐标为(171，105)，G点坐标为(84，118)，H点坐标为(171，118)，头部用ABCD表示，其中A点坐标为(200，30)，B点坐标为(55，30)，C点坐标为(55，250)，D点坐标为(200，250)，将ABCD与EFGH的坐标值代入公式：

取λ＝0，计算得眼睛区域面积与头部区域面积的比值为3.9％，按上述方法同样计算得头发区域面积与头部区域面积的比值为21.4％，鼻子区域面积与头部区域面积的比值为11.2％，嘴巴区域面积与头部区域面积的比值为10.4％，耳朵区域面积与头部区域面积的比值为11.4％，胡须区域面积与头部区域面积的比值为11.4％，还有一些面部特征，比如眼镜、耳钉等，不在此一一列举。

让该学生侧身45°迎着拍照装置走过，然后将拍到的图片用人脸识别技术截取出头部部分，将头部部分的图片调整为256×256的像素点阵，以图片的左上角点为坐标原点建立坐标系，分别沿图片的长和宽方向做横轴正向和纵轴正向，用设定的矩形形状选取眼睛部分与头部，眼睛部分的矩形用JKLM表示，其中J点坐标为(112，107)，K点坐标为(162，112)，L点坐标为(162，120)，M点坐标为(112，115)，头部用NOPQ表示，其中N点坐标为(186，35)，O点坐标为(42，22)，P点坐标为(42，223)，Q点坐标为(186，247)，将JKLM与NOPQ的坐标值代入上述公式，取λ＝0.18，计算得眼睛区域面积与头部区域面积的比值为3.9％，按上述方法同样计算得头发区域面积与头部区域面积的比值为25.4％，鼻子区域面积与头部区域面积的比值为9.2％，嘴巴区域面积与头部区域面积的比值为10.4％，耳朵区域面积与头部区域面积的比值为11.4％，胡须区域面积与头部区域面积的比值为13.6％，与前面采集的数据对比可知，眼睛区域面积、嘴巴区域面积以及耳朵区域面积分别与头部区域面积的比值均相同，已达到三个面部特征相吻合的要求，所以可以判断该学生出勤。

实施例3：

在教室门框两顶角设置处两个摄像头，对来上课的学生进行考勤，摄像头的朝进门方向与门框平面成45°角摆设，门高2.2m，在开课前与开课后15min开启摄像头，每隔0.5s摄像头拍摄一次，对每位学生同时拍摄的两张图片进行面部特征面积占头部面积的比例计算，取最大值与先前保存的数据对比。

已知一次上课学生为53人，分别进行10次机器考勤，并用点名的方式进行核对，其结果见下表：

从表中可以看出，机器考勤的准确率在80％，误差范围在0-3.9％，准确率比现有的考勤***高出10个百分点，主要是因为现有的考勤***在学生拥挤时，对遮挡住部分脸部的情况不能识别造成无法成功考勤，本发明较好的解决了这个问题，故准确率提高。

实施例4：

在实施例2的基础上对考勤阶段，面部特征面积占头部面积的比例的计算做优化，单一用矩形进行选取时，鼻子区域面积与头部区域面积的比值为9.2％，先前保存的数据为11.2％，判定结果为配对失败。

在考勤时拍摄的图片上对鼻子区域和头部区域分别用矩形、圆形、椭圆形、菱形和三角形进行选取，然后分别计算出第一比值、第二比值、第三比值、第四比值和第五比值，分别为：9.2％，15.3％，12.3％，7.6％，9.3％，鼻子区域面积与头部区域面积的比值＝第一比值*0.3+第二比值*0.2+第三比值*0.3+第四比值*0.1+第五比值*0.1＝11.2％，对比先前保存的数据为11.2％，判定结果为配对成功

由上述结果可知，优化后的计算方法提高了检测准确率。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (8)

1.一种用于学生考勤的人脸检测方法，其特征在于，包括以下步骤：

先采集学生的正面头部图片，并按设定形状将图片选取各面部特征区域和头部区域；

再分别计算选取的各面部特征区域面积与头部区域面积的比值，并将比值按每位学生的各面部特征分类保存；

获取待考勤学生的图片，并将图片通过人脸识别技术截取出头部部分，再计算出目标学生的各面部特征区域面积与头部区域面积的比值，然后与保存的数据进行对比，若有预定数目的面部特征吻合，即可判断该学生出勤。

2.如权利要求1所述的用于学生考勤的人脸检测方法，其特征在于，所述的设定形状为矩形，则面部特征区域面积与头部区域面积的比值的计算方法为：

步骤a、将所述图片调整为M×M的像素点阵，以图片的某一角点为坐标原点建立坐标系，用矩形选取某一面部特征与头部，并将边界点用坐标值表示；

步骤b、通过边界点坐标值计算面部特征区域面积与头部区域面积的比值Δw：

$\mathrm{\Δ}w=\frac{\sqrt{{(x_h-x_f)}^2+{(y_h-y_f)}^2}\×\sqrt{{(x_e-x_f)}^2+{(y_e-(1-\mathrm{\λ}\left)y_f\right)}^2}}{\sqrt{{(x_d-x_a)}^2+{(y_d-(1-\mathrm{\λ}\left)y_a\right)}^2}\×\sqrt{{(x_b-x_a)}^2+{(y_b-y_a)}^2}};$

其中，ABCD为头部区域，A点坐标为(x_a，y_a)，B点坐标为(x_b，y_b)，C点坐标为(x_c，y_c)，D点坐标为(x_d，y_d)，EFGH为划定区域，E点坐标为(x_e，y_e)，F点坐标为(x_f，y_f)，G点坐标为(x_g，y_g)，H点坐标为(x_h，y_h)，λ为修正系数，其取值范围在0-0.25之间。

3.如权利要求1所述的用于学生考勤的人脸检测方法，其特征在于，面部特征包括头发、眼睛、鼻子、耳朵、嘴巴和胡须部分。

4.如权利要求1所述的用于学生考勤的人脸检测方法，其特征在于，获取图片的方式为用多个摄像头分别以不同角度对待考勤学生进行拍摄。

5.如权利要求4所述的用于学生考勤的人脸检测方法，其特征在于，摄像头的拍摄间隔时间为0.5s，拍摄时间段为课间时间与开课后15min。

6.如权利要求4所述的用于学生考勤的人脸检测方法，其特征在于，摄像头的设置高度在2-2.5m，摄像头和最远拍摄点的连线与水平面的夹角不小于25°。

7.如权利要求4所述的用于学生考勤的人脸检测方法，其特征在于，使用多个摄像头对同一学生拍摄多张图片，将多张图片的相同面部特征分别进行计算，并取其中的最大值与保存的数据进行对比。

8.如权利要求1所述的用于学生考勤的人脸检测方法，其特征在于，所述的设定形状为矩形、圆形、椭圆形、菱形和三角形，则面部特征区域面积与头部区域面积的比值的计算方法为：

步骤一、用矩形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第一比值；

步骤二、用圆形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第二比值；

步骤三、用椭圆形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第三比值；

步骤四、用三角形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第四比值；

步骤五、用菱形选取某一面部特征与头部，并将边界点用坐标值表示，通过边界点坐标值计算面部特征区域面积与头部区域面积的第五比值；

步骤六、面部特征区域面积与头部区域面积的比值＝第一比值*0.3+第二比值*0.2+第三比值*0.3+第四比值*0.1+第五比值*0.1。