CN109214354B - 基于3d摄像头的动态人脸检索识别方法 - Google Patents
基于3d摄像头的动态人脸检索识别方法 Download PDFInfo
- Publication number
- CN109214354B CN109214354B CN201811129003.XA CN201811129003A CN109214354B CN 109214354 B CN109214354 B CN 109214354B CN 201811129003 A CN201811129003 A CN 201811129003A CN 109214354 B CN109214354 B CN 109214354B
- Authority
- CN
- China
- Prior art keywords
- face
- person
- picture
- picture sequence
- camera
- 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.)
- Active
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于人脸识别领域,尤其是基于3D摄像头的动态人脸检索识别方法,针对现有的3D摄像头拍摄的动态图像调查取证不方便,影响调查取证时间,降低调查取证工作效率问题,现提出如下解决方案,包括基于3D摄像头的动态人脸检索识别方法,包括以下步骤:S1,建立待查人员的人脸特征数据库;S2,采用3D摄像头实时采集包含待检索人员的动态人脸图像;S3,将含待检索人员的动态人脸图像转化成图片序列1;S4,对S3中图片序列1中的每个图片均建立平面坐标系;本发明能够完成动态图像与数据库中的静态图片的匹配识别,最终快速的将被3D摄像头摄像的人员检索出来,并输出个人信息,从而完成调查取证,节约了调查取证时间,从而提高工作效率。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及基于3D摄像头的动态人脸检索识别方法。
背景技术
随着时代的发展,3D摄像头已经越来越常见,目前,将3D摄像头运用在监控领域可以监控拍摄出3D的动态图像或视频,监控效果好,运用非常广泛。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,工作人员在对人脸识别调查取证时,通常是将静态的人脸图片与待调查检索的数据库中的静态图片进行匹配识别,然而,对于采用3D摄像头拍摄的动态图像来说,由于拍摄的是动态图像不是静态的,无法进行检索调查,使得调查取证不方便,影响调查取证时间,降低调查取证工作效率,为此,需要一种基于3D摄像头的动态人脸检索识别方法。
发明内容
本发明提出的基于3D摄像头的动态人脸检索识别方法,解决了现有3D摄像头拍摄的动态图像调查取证不方便,影响调查取证时间,降低调查取证工作效率的问题。
为了实现上述目的,本发明采用了如下技术方案:
基于3D摄像头的动态人脸检索识别方法,包括以下步骤:
S1,建立待查人员的人脸特征数据库;
S2,采用3D摄像头实时采集包含待检索人员的动态人脸图像;
S3,将含待检索人员的动态人脸图像转化成图片序列1;
S4,对S3中图片序列1中的每个图片均建立平面坐标系;
S5,对图片序列1中的人脸进行跟踪定位,提取人脸特征落入对应平面坐标系中的图片序列2;
S6,对图片序列2中的人脸进行跟踪,对图片序列2中的每个图片均提取待检索人员的人脸特征;
S7,将图片序列2中每个图片的待检索人员的人脸特征分别与人脸特征数据库中待查人员的人脸特征进行第一次比对,获取第一次识别度;
S8,判断第一次识别度是否位于设定阈值内,若第一次识别度是位于设定阈值内,则将位于设定阈值内的对应待查人员筛选出来获取与对应图片序列2中图片匹配的第一次识别人员群,若第一次识别度没有位于设定阈值内,则不计入第一次识别人员群;
S9,对图片序列2中的人脸特征进行跟踪选择,选出最佳人脸图像;
S10,将与对应图片序列2中图片匹配的第一次识别人员群中第一次识别度最高的待查人员选出,获得第二次识别人员群;
S11,将最佳人脸图像的人脸特征分别与第二次识别人员群的人脸特征进行对比,获取最终识别度;
S12,在第二次识别人员群中选出最终识别度最高的人,若最终识别度最高的人的最终识别度位于设定阈值,则最终识别度最高的人判定为待检索人员,输出最终识别度最高的人的个人身份信息。
优选的,所述提取人脸特征具体包括:
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系中的位置数值;
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系内的数量数值;
提取人脸轮廓位于平面坐标系中的位置数值;
提取人脸肤色数值;
优选的,所述S4中平面坐标系的建立步骤包括:
S41,识别图片序列1中每个图片的鼻尖位置;
S42,将鼻尖位置设置为坐标系原点,将鼻梁线设置为Y轴,建立坐标系。
优选的,所述图片序列1为动态人脸图像按照时间帧转化的图片,时间帧为22fps。
优选的,所述S5具体包括:
S51:提取图片序列1中每个人脸图片的眼睛数量;
S52:判断图片序列1中每个图片中人脸的两个眼睛是否完全位于对应的平面坐标系内,若是则建立图片序列2,若否则不建立。
所述最佳人脸图像为两个眼睛完全落入平面坐标系内且像素清晰的正脸图像。
优选的,所述设定阈值为93%-100%。
与现有技术相比,本发明的有益效果是:本发明方法将3D摄像头采集的动态图像分帧成静态的图片序列1,通过对图片序列1的图片建立平面坐标系,提取出人脸特征,选出人脸特征落入对应平面坐标系中的图片序列2,通过将数据库中的图片人脸特征分别与图片序列2的图片中的人脸特征对比筛选出第一次识别人员群,之后在第一次识别人员群中再选出与对应分帧成静态图片的图片中识别度最高的第二次识别人员群,再次选出第二次识别人员群中识别度最高的人,将第二次识别人员群中识别度最高的人与图片序列2中最佳人脸图像进行对比识别,进而能够完成动态图像与数据库中的静态图片的匹配识别,最终快速的将被3D摄像头摄像的人员检索出来,并输出个人信息,从而完成调查取证,节约了调查取证时间,从而提高工作效率。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
基于3D摄像头的动态人脸检索识别方法,包括以下步骤:
S1,建立待查人员的初步数据库,初步数据库包括待查人员的人脸特征数据库和待查人员的个人身份信息数据库;
S2,采用3D摄像头实时采集包含待检索人员的动态人脸图像;
S3,将含待检索人员的动态人脸图像转化成图片序列1;
S4,对S3中图片序列1中的每个图片均建立平面坐标系;
S5,对图片序列1中的人脸进行跟踪定位,提取人脸特征落入对应平面坐标系中的图片序列2;
S6,对图片序列2中的人脸进行跟踪,对图片序列2中的每个图片均提取待检索人员的人脸特征;
S7,将图片序列2中每个图片的待检索人员的人脸特征分别与人脸特征数据库中待查人员的人脸特征进行第一次比对,获取第一次识别度;
S8,判断第一次识别度是否位于设定阈值内,若第一次识别度是位于设定阈值内,则将位于设定阈值内的对应待查人员筛选出来获取与对应图片序列2中图片匹配的第一次识别人员群,若第一次识别度没有位于设定阈值内,则不计入第一次识别人员群;
S9,对图片序列2中的人脸特征进行跟踪选择,选出最佳人脸图像;
S10,将与对应图片序列2中图片匹配的第一次识别人员群中第一次识别度最高的待查人员选出,获得第二次识别人员群;
S11,将最佳人脸图像的人脸特征分别与第二次识别人员群的人脸特征进行对比,获取最终识别度;
S12,在第二次识别人员群中选出最终识别度最高的人,若最终识别度最高的人的最终识别度位于设定阈值,则最终识别度最高的人判定为待检索人员,输出最终识别度最高的人的个人身份信息。
提取人脸特征具体包括:
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系中的位置数值;
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系内的数量数值;
提取人脸轮廓位于平面坐标系中的位置数值;
提取人脸肤色数值;
S4中平面坐标系的建立步骤包括:
S41,识别图片序列1中每个图片的鼻尖位置;
S42,将鼻尖位置设置为坐标系原点,将鼻梁线设置为Y轴,建立坐标系。
图片序列1为动态人脸图像按照时间帧转化的图片,时间帧为22fps。
S5具体包括:
S51:提取图片序列1中每个人脸图片的眼睛数量;
S52:判断图片序列1中每个图片中人脸的两个眼睛是否完全位于对应的平面坐标系内,若是则建立图片序列2,若否则不建立。
最佳人脸图像为两个眼睛完全落入平面坐标系内且像素清晰的正脸图像。
设定阈值为93%-100%。
本发明方法将3D摄像头采集的动态图像分帧成静态的图片序列1,通过对图片序列1的图片建立平面坐标系,提取出人脸特征,选出人脸特征落入对应平面坐标系中的图片序列2,通过将数据库中的图片人脸特征分别与图片序列2的图片中的人脸特征对比筛选出第一次识别人员群,之后在第一次识别人员群中再选出与对应分帧成静态图片的图片中识别度最高的第二次识别人员群,再次选出第二次识别人员群中识别度最高的人,将第二次识别人员群中识别度最高的人与图片序列2中最佳人脸图像进行对比识别,进而能够完成动态图像与数据库中的静态图片的匹配识别,最终快速的将被3D摄像头摄像的人员检索出来,并输出个人信息,从而完成调查取证,节约了调查取证时间,从而提高工作效率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.基于3D摄像头的动态人脸检索识别方法,其特征在于,包括以下步骤:
S1,建立待查人员的初步数据库;
S2,采用3D摄像头实时采集包含待检索人员的动态人脸图像;
S3,将含待检索人员的动态人脸图像转化成图片序列1;
S4,对S3中图片序列1中的每个图片均建立平面坐标系;
S5,对图片序列1中的人脸进行跟踪定位,提取人脸特征落入对应平面坐标系中的图片序列2;
S6,对图片序列2中的人脸进行跟踪,对图片序列2中的每个图片均提取待检索人员的人脸特征;
S7,将图片序列2中每个图片的待检索人员的人脸特征分别与人脸特征数据库中待查人员的人脸特征进行第一次比对,获取第一次识别度;
S8,判断第一次识别度是否位于设定阈值内,若第一次识别度是位于设定阈值内,则将位于设定阈值内的对应待查人员筛选出来获取与对应图片序列2中图片匹配的第一次识别人员群,若第一次识别度没有位于设定阈值内,则不计入第一次识别人员群;
S9,对图片序列2中的人脸特征进行跟踪选择,选出最佳人脸图像;
S10,将与对应图片序列2中图片匹配的第一次识别人员群中第一次识别度最高的待查人员选出,获得第二次识别人员群;
S11,将最佳人脸图像的人脸特征分别与第二次识别人员群的人脸特征进行对比,获取最终识别度;
S12,在第二次识别人员群中选出最终识别度最高的人,若最终识别度最高的人的最终识别度位于设定阈值,则最终识别度最高的人判定为待检索人员,输出最终识别度最高的人的个人身份信息。
2.根据权利要求1所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述提取人脸特征具体包括:
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系中的位置数值;
提取眉毛、眼睛、耳朵、鼻子、嘴巴位于平面坐标系内的数量数值;
提取人脸轮廓位于平面坐标系中的位置数值;
提取人脸肤色数值。
3.根据权利要求2所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述S4中平面坐标系的建立步骤包括:
S41,识别图片序列1中每个图片的鼻尖位置;
S42,将鼻尖位置设置为坐标系原点,将鼻梁线设置为Y轴,建立坐标系。
4.根据权利要求3所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述图片序列1为动态人脸图像按照时间帧转化的图片,时间帧为22fps。
5.根据权利要求4所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述S5具体包括:
S51:提取图片序列1中每个人脸图片的眼睛数量;
S52:判断图片序列1中每个图片中人脸的两个眼睛是否完全位于对应的平面坐标系内,若是则建立图片序列2,若否则不建立。
6.根据权利要求5所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述最佳人脸图像为两个眼睛完全落入平面坐标系内且像素清晰的正脸图像。
7.根据权利要求1所述的基于3D摄像头的动态人脸检索识别方法,其特征在于,所述设定阈值为93%-100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129003.XA CN109214354B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸检索识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129003.XA CN109214354B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸检索识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214354A CN109214354A (zh) | 2019-01-15 |
CN109214354B true CN109214354B (zh) | 2022-01-25 |
Family
ID=64981791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811129003.XA Active CN109214354B (zh) | 2018-09-26 | 2018-09-26 | 基于3d摄像头的动态人脸检索识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214354B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542668A (zh) * | 2020-04-21 | 2021-10-22 | 上海复客云众创空间管理有限公司 | 一种基于3d摄像头的监控***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994342A (zh) * | 2015-07-02 | 2015-10-21 | 湖北贝力思智能科技有限公司 | 一种智能动态高清视频人脸识别预警*** |
CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及*** |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9426385B2 (en) * | 2014-02-07 | 2016-08-23 | Qualcomm Technologies, Inc. | Image processing based on scene recognition |
-
2018
- 2018-09-26 CN CN201811129003.XA patent/CN109214354B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及*** |
CN104994342A (zh) * | 2015-07-02 | 2015-10-21 | 湖北贝力思智能科技有限公司 | 一种智能动态高清视频人脸识别预警*** |
CN105590097A (zh) * | 2015-12-17 | 2016-05-18 | 重庆邮电大学 | 暗视觉条件下双摄像头协同实时人脸识别安防***及方法 |
CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109214354A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543867B (zh) | 一种多摄像头条件下的人群密度估测***及方法 | |
CN106874871B (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
CN110569720B (zh) | 一种基于音视频处理***的音视频智能识别处理方法 | |
CN108470169A (zh) | 人脸识别***及方法 | |
CN104794458A (zh) | 一种从模糊视频中识别人员的方法 | |
CN105022999A (zh) | 一种人码伴随实时采集*** | |
CN111126219A (zh) | 一种基于人工智能的变电站人员的身份识别***和方法 | |
CN105975938A (zh) | 一种智能动态人脸识别社区管家服务*** | |
CN111666845B (zh) | 基于关键帧采样的小样本深度学习多模态手语识别方法 | |
TWI731503B (zh) | 活體臉部辨識系統與方法 | |
WO2022041396A1 (zh) | 一种基于眼表特征的新冠肺炎(covid-19)疾病患者风险筛查深度学习*** | |
WO2022213540A1 (zh) | 目标检测、属性识别与跟踪方法及*** | |
CN104794459A (zh) | 一种从视频中进行人员身份判断的方法 | |
CN109002776B (zh) | 人脸识别方法、***、计算机设备和计算机可读存储介质 | |
CN109829997A (zh) | 人员考勤方法及*** | |
Huang et al. | Attendance system based on dynamic face recognition | |
CN106897695A (zh) | 一种图像识别处理装置、***及方法 | |
CN112541432A (zh) | 一种基于深度学习的视频牲畜身份认证***及方法 | |
CN112084986A (zh) | 一种基于图像特征提取的实时安全帽检测方法 | |
Shrivastava et al. | Conceptual model for proficient automated attendance system based on face recognition and gender classification using Haar-Cascade, LBPH algorithm along with LDA model | |
CN109214354B (zh) | 基于3d摄像头的动态人脸检索识别方法 | |
CN114898402A (zh) | 一种融合人脸和人体特征的行人重识别方法、装置及介质 | |
WO2018173947A1 (ja) | 画像検索装置 | |
CN111222473B (zh) | 一种对视频中人脸进行聚类的分析识别方法 | |
CN110321782B (zh) | 一种检测人体特征信号的*** |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220104 Address after: 519000 room 105-18456, No. 6, Baohua Road, Hengqin new area, Zhuhai, Guangdong Applicant after: Zhuhai hengqinjing tongrongzhi Technology Information Co.,Ltd. Address before: 519000 room 105-23329, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant before: ZHUHAI HENGQIN XIANLIANSHENG TECHNOLOGY DEVELOPMENT Co.,Ltd. Applicant before: Zhuhai Hengqin Xianlian Financial Technology Co., Ltd |
|
GR01 | Patent grant | ||
GR01 | Patent grant |