CN110458081A - 基于多姿矫正和局部特征替换的人脸识别预处理方法 - Google Patents
基于多姿矫正和局部特征替换的人脸识别预处理方法 Download PDFInfo
- Publication number
- CN110458081A CN110458081A CN201910718431.4A CN201910718431A CN110458081A CN 110458081 A CN110458081 A CN 110458081A CN 201910718431 A CN201910718431 A CN 201910718431A CN 110458081 A CN110458081 A CN 110458081A
- Authority
- CN
- China
- Prior art keywords
- face
- correction
- local feature
- recognition
- colourful
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 34
- 238000002203 pretreatment Methods 0.000 title claims abstract description 25
- 230000001815 facial effect Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000000903 blocking effect Effects 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000729 antidote Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于多姿矫正和局部特征替换的人脸识别预处理方法,首先对人脸进行多姿态人脸矫正,然后根据人脸整体结构特性的对称性,在人脸图片中检测出被遮挡部分,依据对称性,对遮挡处的重要人脸特性,进行替换性还原,从而对人脸图像进行修复,在一定程度上解决了人脸重要局部特征的遮挡问题,能够明显提高人脸识别的准确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法在一定程度上解决了人脸重要局部特征遮挡问题,提高了人脸识别率和正确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法具有识别率高,准确率好的优点。
Description
技术领域
本发明涉及人脸识别图像处理技术领域,尤其涉及一种识别率高,准确率好的基于多姿矫正和局部特征替换的人脸识别预处理方法。
背景技术
随着智能安防的发展,越来越多的智能化应用落地在智慧安防的实际建设中,特别是人脸识别的应用,对于智慧社区的建设和发展,具有重要的作用,例如人脸门禁和人脸识别打卡等应用,将社区安防管理的工作变得更加智能化和数字化,对于出入小区的人员,通过人脸识别,进行精准记录,人脸开门也将改变人们的出入方式,真正做到了无介质出入小区权限认证和警情事件的即时检测。然而人脸识别受到光线、拍照姿势和人脸图像的质量等因素影响比较大,在自然环境下的普通摄像头抓怕的人脸识别率,往往受这些因素的制约,识别效果并不怎么理想。再加上人脸的故意遮挡等,都对人脸识别的结果影响较大。
因此,有必要提出一种改进,以克服现有技术缺陷。
发明内容
本发明的目的是解决现有技术中的问题,提供一种识别率高,准确率好的基于多姿矫正和局部特征替换的人脸识别预处理方法。
本发明的技术方案是:
基于多姿矫正和局部特征替换的人脸识别预处理方法,包括以下步骤:S1、获取包含人脸的待人脸识别视频帧;S2、通过人脸姿态矫正将多姿态的人脸图像矫正成为标准的正面人脸图像;S3、进行人脸检测和人脸定位,获取人脸的N个特征点;S4、根据获取的特征点和人脸的对称性,对比人脸图像左右两部分的特征,针对人脸特征不明显或未检测出来的部分进行局部特征替换;S5、通过深度神经网络算法计算矫正获得局部特征替换后的人脸特征值feature_face;S6、将人脸库内的人脸特征信息与人脸特征值feature_face进行比对识别。
作为一种优选的技术方案,所述步骤S3中获取人脸的特征点的个数N为7。
作为一种进一步优选的技术方案,所述步骤S3中获取人脸的7个特征点为:四个眼角点、一个鼻尖点和两个嘴角点。
作为一种优选的技术方案,所述步骤S5与步骤S6之间还包括以下步骤:将人脸库内的人脸特征信息均通过步骤S2至S5的步骤生成人脸特征库DB_faces_feature。
作为一种进一步优选的技术方案,所述步骤S6为在人脸特征库DB_faces_feature中进行人脸特征值feature_face的比对识别。
作为一种更进一步优选的技术方案,所述步骤S6中比对识别的方法为计算人脸特征库DB_faces_feature中各人脸特征与人脸特征值feature_face的欧式距离,通过欧式距离的大小判断待人脸识别视频帧内人脸图像与人脸库内人脸图像的匹配度。
本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法,首先对人脸进行多姿态人脸矫正,然后根据人脸整体结构特性的对称性,在人脸图片中检测出被遮挡部分,依据对称性,对遮挡处的重要人脸特性,进行替换性还原,从而对人脸图像进行修复,在一定程度上解决了人脸重要局部特征的遮挡问题,能够明显提高人脸识别的准确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法在一定程度上解决了人脸重要局部特征遮挡问题,提高了人脸识别率和正确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法具有识别率高,准确率好的优点。
附图说明
图1为本发明基于多姿矫正和局部特征替换的人脸识别预处理方法具体实施方式的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者***中还存在另外的相同要素。
如图1所示,本发明的一种基于多姿矫正和局部特征替换的人脸识别预处理方法,包括以下步骤:
S1、获取包含人脸的待人脸识别视频帧;
S2、通过人脸姿态矫正将多姿态的人脸图像矫正成为标准的正面人脸图像;
S3、进行人脸检测和人脸定位,获取人脸的N个特征点;
S4、根据获取的特征点和人脸的对称性,对比人脸图像左右两部分的特征,针对人脸特征不明显或未检测出来的部分进行局部特征替换;
S5、通过深度神经网络算法计算矫正获得局部特征替换后的人脸特征值feature_face;
S6、将人脸库内的人脸特征信息与人脸特征值feature_face进行比对识别。
本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法,首先对人脸进行多姿态人脸矫正,然后根据人脸整体结构特性的对称性,在人脸图片中检测出被遮挡部分,依据对称性,对遮挡处的重要人脸特性,进行替换性还原,从而对人脸图像进行修复,在一定程度上解决了人脸重要局部特征的遮挡问题,能够明显提高人脸识别的准确性。
在实际应用中,步骤S2中人脸姿态矫正方法可以为基于正玄变换的人脸姿态矫正,即将人脸图像从有一定偏转角度的侧面图像变为正面图像。假设待识别的样本为的一张侧面人脸图像,即此人脸具有一定方向的偏转。此时人脸图像显示出一边被压缩,另一边被放大的效果。而一张正面人脸则是两边对称的。以人脸的中心垂线为界,左边的列坐标取负,右边的列坐标取正,这样根据列坐标的正负不同施行不同的尺度变换,就可以压缩一边的同时扩展另一边,从而变换为正面人脸原始列坐标都是整数变换后不再是整数,此时可以进行插值运算,可求出对应像素点的灰度值。当然,在实际应用中,也可以采用其他的方式进行人脸姿态矫正,均不影响本发明基于多姿矫正和局部特征替换的人脸识别预处理方法的优点体现,属于本发明权利要求1的保护范围。
作为一种优选方案,为了提高特征比对的准确性和合理性,本实施例中步骤S3中获取人脸的特征点的个数N为7。步骤S3中获取人脸的7个特征点为:四个眼角点、一个鼻尖点和两个嘴角点。这7个特征点可以涵盖不同人脸之间的主要区别特征。
为了保证步骤S6中人脸库与待识别的人脸特征之间对比的准确性,提高识别率,本实施例的基于多姿矫正和局部特征替换的人脸识别预处理方法中,步骤S5与步骤S6之间还包括以下步骤:将人脸库内的人脸特征信息均通过步骤S2至S5的步骤生成人脸特征库DB_faces_feature。将人脸库中的人脸信息转化为人脸特征库DB_faces_feature,人脸特征库DB_faces_feature中的数据与待识别的人脸特征值feature_face数据按采用相同方法获得,数据对比处理时一致性好,避免数据获取方法不同导致的数据误差,提高数据对比准确性、可靠性和信服度。
本实施例基于多姿矫正和局部特征替换的人脸识别预处理方法,步骤S6中比对识别的方法为计算人脸特征库DB_faces_feature中各人脸特征与人脸特征值feature_face的欧式距离,通过欧式距离的大小判断待人脸识别视频帧内人脸图像与人脸库内人脸图像的匹配度。
本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法,首先对人脸进行多姿态人脸矫正,然后根据人脸整体结构特性的对称性,在人脸图片中检测出被遮挡部分,依据对称性,对遮挡处的重要人脸特性,进行替换性还原,从而对人脸图像进行修复,在一定程度上解决了人脸重要局部特征的遮挡问题,能够明显提高人脸识别的准确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法在一定程度上解决了人脸重要局部特征遮挡问题,提高了人脸识别率和正确性。本发明的基于多姿矫正和局部特征替换的人脸识别预处理方法具有识别率高,准确率好的优点。
综上所述仅为本发明较佳的实施例,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰,皆应属于本发明的技术范畴。
Claims (6)
1.基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:包括以下步骤:
S1、获取包含人脸的待人脸识别视频帧;
S2、通过人脸姿态矫正将多姿态的人脸图像矫正成为标准的正面人脸图像;
S3、进行人脸检测和人脸定位,获取人脸的N个特征点;
S4、根据获取的特征点和人脸的对称性,对比人脸图像左右两部分的特征,针对人脸特征不明显或未检测出来的部分进行局部特征替换;
S5、通过深度神经网络算法计算矫正获得局部特征替换后的人脸特征值feature_face;
S6、将人脸库内的人脸特征信息与人脸特征值feature_face进行比对识别。
2.根据权利要求1所述的基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:所述步骤S3中获取人脸的特征点的个数N为7。
3.根据权利要求2所述的基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:所述步骤S3中获取人脸的7个特征点为:四个眼角点、一个鼻尖点和两个嘴角点。
4.根据权利要求1所述的基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:所述步骤S5与步骤S6之间还包括以下步骤:将人脸库内的人脸特征信息均通过步骤S2至S5的步骤生成人脸特征库DB_faces_feature。
5.根据权利要求4所述的基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:所述步骤S6为在人脸特征库DB_faces_feature中进行人脸特征值feature_face的比对识别。
6.根据权利要求5所述的基于多姿矫正和局部特征替换的人脸识别预处理方法,其特征在于:所述步骤S6中比对识别的方法为计算人脸特征库DB_faces_feature中各人脸特征与人脸特征值feature_face的欧式距离,通过欧式距离的大小判断待人脸识别视频帧内人脸图像与人脸库内人脸图像的匹配度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718431.4A CN110458081A (zh) | 2019-08-05 | 2019-08-05 | 基于多姿矫正和局部特征替换的人脸识别预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718431.4A CN110458081A (zh) | 2019-08-05 | 2019-08-05 | 基于多姿矫正和局部特征替换的人脸识别预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458081A true CN110458081A (zh) | 2019-11-15 |
Family
ID=68484957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910718431.4A Pending CN110458081A (zh) | 2019-08-05 | 2019-08-05 | 基于多姿矫正和局部特征替换的人脸识别预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458081A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553254A (zh) * | 2020-04-26 | 2020-08-18 | 上海天诚比集科技有限公司 | 一种人脸比对预处理方法 |
CN111553253A (zh) * | 2020-04-26 | 2020-08-18 | 上海天诚比集科技有限公司 | 基于欧氏距离方差算法的标准人脸图像选取方法 |
CN113807248A (zh) * | 2021-09-16 | 2021-12-17 | 北京紫光展锐通信技术有限公司 | 人脸识别或注册的方法、装置、芯片、终端或存储介质 |
CN114792295A (zh) * | 2022-06-23 | 2022-07-26 | 深圳憨厚科技有限公司 | 基于智能相框的被遮挡物修正方法、装置、设备及介质 |
CN116579956A (zh) * | 2023-07-13 | 2023-08-11 | 广东开放大学(广东理工职业学院) | 基于姿态校验的图像修复方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650558A (zh) * | 2015-11-04 | 2017-05-10 | 上海市公安局刑事侦查总队 | 人脸识别方法及装置 |
CN109902621A (zh) * | 2019-02-26 | 2019-06-18 | 嘉兴学院 | 一种三维人脸识别方法、装置、计算机设备及存储介质 |
CN110084258A (zh) * | 2018-02-12 | 2019-08-02 | 成都视观天下科技有限公司 | 基于视频人脸识别的人脸优选方法、设备及存储介质 |
-
2019
- 2019-08-05 CN CN201910718431.4A patent/CN110458081A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650558A (zh) * | 2015-11-04 | 2017-05-10 | 上海市公安局刑事侦查总队 | 人脸识别方法及装置 |
CN110084258A (zh) * | 2018-02-12 | 2019-08-02 | 成都视观天下科技有限公司 | 基于视频人脸识别的人脸优选方法、设备及存储介质 |
CN109902621A (zh) * | 2019-02-26 | 2019-06-18 | 嘉兴学院 | 一种三维人脸识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
高隽主编, 合肥工业大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553254A (zh) * | 2020-04-26 | 2020-08-18 | 上海天诚比集科技有限公司 | 一种人脸比对预处理方法 |
CN111553253A (zh) * | 2020-04-26 | 2020-08-18 | 上海天诚比集科技有限公司 | 基于欧氏距离方差算法的标准人脸图像选取方法 |
CN113807248A (zh) * | 2021-09-16 | 2021-12-17 | 北京紫光展锐通信技术有限公司 | 人脸识别或注册的方法、装置、芯片、终端或存储介质 |
CN114792295A (zh) * | 2022-06-23 | 2022-07-26 | 深圳憨厚科技有限公司 | 基于智能相框的被遮挡物修正方法、装置、设备及介质 |
CN114792295B (zh) * | 2022-06-23 | 2022-11-04 | 深圳憨厚科技有限公司 | 基于智能相框的被遮挡物修正方法、装置、设备及介质 |
CN116579956A (zh) * | 2023-07-13 | 2023-08-11 | 广东开放大学(广东理工职业学院) | 基于姿态校验的图像修复方法 |
CN116579956B (zh) * | 2023-07-13 | 2023-09-12 | 广东开放大学(广东理工职业学院) | 基于姿态校验的图像修复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458081A (zh) | 基于多姿矫正和局部特征替换的人脸识别预处理方法 | |
JP4156430B2 (ja) | データベース自動更新方法を用いた顔検証方法及びそのシステム | |
Wong et al. | An efficient algorithm for human face detection and facial feature extraction under different conditions | |
US10769499B2 (en) | Method and apparatus for training face recognition model | |
US20070076922A1 (en) | Object detection | |
KR101546137B1 (ko) | 인물 인식 장치 및 방법 | |
CN105160297B (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
CN106228137A (zh) | 一种基于关键点定位的atm机异常人脸检测方法 | |
WO2022062379A1 (zh) | 图像检测方法和相关装置、设备、存储介质、计算机程序 | |
CN104866843B (zh) | 一种面向监控视频的蒙面人脸检测方法 | |
US11227171B2 (en) | Detection system, detection device and method therefor | |
CN109858362A (zh) | 一种基于倒置残差结构和角度联合损失函数的移动端人脸检测方法 | |
CN105488475B (zh) | 手机中人脸检测方法 | |
CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及*** | |
CN112150692A (zh) | 一种基于人工智能的门禁控制方法及*** | |
CN111680621A (zh) | 一种基于视频图像的电梯门状态检测方法 | |
CN104616321B (zh) | 一种基于尺度不变特征变换的行李图像运动行为描述方法 | |
CN110879985B (zh) | 一种抗噪声数据的人脸识别模型训练方法 | |
CN109087429A (zh) | 基于人脸识别技术的图书馆借书证人证一致性检验的方法 | |
CN115798008A (zh) | 一种基于关键点矫正的快速人脸检测识别方法 | |
Sikandar et al. | An efficient method for detecting covered face scenarios in ATM surveillance camera | |
CN114332775A (zh) | 一种基于目标检测和无序特征的烟雾检测方法 | |
CN112149598A (zh) | 一种侧脸评估方法、装置、电子设备及存储介质 | |
CN113627524A (zh) | 一种人脸识别大数据训练新*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |