CN111553271A - 一种人脸特征融合的方法 - Google Patents

一种人脸特征融合的方法 Download PDF

Info

Publication number
CN111553271A
CN111553271A CN202010346799.5A CN202010346799A CN111553271A CN 111553271 A CN111553271 A CN 111553271A CN 202010346799 A CN202010346799 A CN 202010346799A CN 111553271 A CN111553271 A CN 111553271A
Authority
CN
China
Prior art keywords
face
value
similarity
quality
human
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
Application number
CN202010346799.5A
Other languages
English (en)
Inventor
陈丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Riying Huiyan Intelligent Equipment Co ltd
Original Assignee
Jiangsu Riying Huiyan Intelligent Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Riying Huiyan Intelligent Equipment Co ltd filed Critical Jiangsu Riying Huiyan Intelligent Equipment Co ltd
Priority to CN202010346799.5A priority Critical patent/CN111553271A/zh
Publication of CN111553271A publication Critical patent/CN111553271A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features

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

本发明揭露一种人脸特征融合的方法，其包括如下步骤：获得人脸特征，并获得各个人脸的特征向量、质量评估值，且设定人脸相似度阈值；通过人脸识别获取人脸的特征向量从而确定人脸的质量估计值，质量估计值与已有的质量估计值进行对比，从而确保新获取的人脸的质量估计值最大；通过人脸识别获取人脸的特征向量从而确定人脸相似度值，并将人脸相似度值与人脸相似度阈值进行比对，以确保最新获取的人脸相似度值最大；获得并更新最高相似度的人脸对应的特征向量和质量评估总值，对人脸特征进行融合。本发明通过人脸识别底库中保存的特征在识别过程中动态变化，达到提高识别率的目的。

Description

一种人脸特征融合的方法
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种人脸特征融合的方法。
背景技术
基于深度学习技术的人脸识别目前取得了极大的进展，得到了广泛的使用，但是在实际场景中有一个难题比较突出：跨年龄的人脸识别，即同一个人在不同时期的人脸图像特征差异大，相似度较低，导致识别困难。
现有人脸识别***，人脸注册到底库中时，人脸在底库中的特征是不变的；而实际生活中人脸随着时间推移都会有一定的变化。导致人脸识别率有了一定的损失。
结合人类生活的特点，人们在识别一个人时往往是对比最近的外貌，而不是第一次见面时的外貌；而见面越多的人识别的越准确。这是因为人们对于一个人的认知是不断变化的。
例如：当同一个人具有不同时期的三个人脸，由于时间或者其它因素原因，可能出现第一脸和第三人脸相似度很低；而第二人脸和另外两个人脸的相似度都较高。如果底库中是中间人脸，那么就可以轻松识别出第三人脸；如果在人脸识别底库中注册的是第一人脸，那么对于第三人脸就会识别失败。但是如果是人脸识别底库中注册的是第一人脸，先拍到了中间人脸，又拍到了第三人脸时，是否有办法做到识别呢？
因此，有必要提出一种人脸特征融合的方法来解决上述问题。
发明内容
针对现有技术中存在的上述问题，本发明提供一种人脸特征融合的方法，其包括如下步骤：
(1)获得人脸特征，并获得各个人脸的特征向量f、质量评估值q，且设定人脸相似度阈值st；
(2)通过人脸识别获取人脸的特征向量fi从而确定人脸的质量估计值qi，质量估计值qi与已有的质量估计值进行对比，从而确保新获取的人脸的质量估计值最大；
(3)通过人脸识别获取人脸的特征向量fi从而确定人脸相似度值sm，并将人脸相似度值sm与人脸相似度阈值st进行比对，以确保最新获取的人脸相似度值sm最大；
(4)获得并更新最高相似度的人脸对应的特征向量f和质量评估总值qsum，对人脸特征进行融合。
上述第(4)步骤中，其更新方式为：
Figure BDA0002470413380000021
Figure BDA0002470413380000022
其中，qtf是进行特征融合的质量阈值，fif是余玄距离，stf是特征融合相似度阈值。
上述步骤(2)中，当人脸质量估计值qi小于人脸质量识别阈值qtd时，则确认识别的人脸质量过低，忽略该人脸，不保存该人脸的质量估计值，并对下一个人脸进行识别；若人脸质量估计值qi大于人脸质量识别阈值qtd时，则执行第(3)步骤。
上述步骤(3)中，如果sm＜st，则忽略该人脸，不保存该人脸的相似度值sm。
与现有技术相比，本发明人脸特征融合的方法的有益效果在于：本发明通过人脸识别底库中保存的特征在识别过程中动态变化，达到提高识别率的目的。若第一人脸作为底库特征，抓拍到第二人脸时更新底库的人脸特征，再抓拍到第三人脸时就可以比较容易的识别出来。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1是人脸特征融合的方法的流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明为一种人脸特征融合的方法，其步骤包括：
(1)获得人脸的特征，并获得各个人脸的特征向量f与质量评估值q，且设定人脸相似度阈值st，
具体的，获得每个人脸的特征，并针对人脸进行定义各个人脸的特征向量f与质量评估值q，建立人脸识别***底库，并设定人脸相似度阈值st，当质量评估值q达不到人脸质量注册阈值qtr时，即q＜qtr，则不给予注册，当同一人脸多次注册至该人脸识别***底库中，则保存该人脸对应的质量评估总值qsum，初始状态，qsum＝q；
本发明通过现有技术来定义特征向量与质量评估，在此不过多的累述。
(2)通过人脸识别获取人脸的特征向量fi从而确定人脸的质量估计值qi，质量估计值qi与已有的质量估计值进行对比，从而确保新获取的人脸的质量估计值最大；
人脸识别***在识别时，通过人脸检测，人脸对齐，特征提取得到了一个特征向量fi和质量估计值qi，当人脸质量估计值qi小于人脸质量识别阈值qtd时，则确认识别的人脸质量过低，忽略该人脸，不保存该人脸的质量估计值，并对下一个人脸进行识别；若人脸质量估计值qi大于人脸质量识别阈值qtd时，则执行下一步骤；
(3)通过人脸识别获取人脸的特征向量fi从而确定人脸相似度值sm，并将人脸相似度值sm与人脸相似度阈值st进行比对，以确保最新获取的人脸相似度值sm最大；
当人脸质量识别阈值qtd大于人脸质量识别阈值qtd，通过特征向量fi与底库中所有特征向量进行相似度比对，获得最新人脸相似度值sm，如果sm＜st，则忽略该人脸，不保存该人脸的相似度值sm；
(4)根据获得的最高相似度的人脸对应的特征向量f和质量评估总值qsum，对人脸特征进行融合，
其更新方式为：
Figure BDA0002470413380000041
Figure BDA0002470413380000042
其中，qtf是进行特征融合的质量阈值，fif是余玄距离，stf是特征融合相似度阈值：
(5)循环第(2)至第(4)步骤。
通过特征融合的质量和相似度阈值控制，极大的减小了误融合的概率；且误融合一次后也有改正的机会。同一个人脸识别的次数越多，则后续越容易识别，人脸识别***在每成功识别出一个人脸时，要根据人脸的可信度和相似度更新底库人脸特征，提高以后的识别率。
以上仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，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 (5)

1.一种人脸特征融合的方法，其特征在于，其包括如下步骤：
(1)获得人脸特征，并获得各个人脸的特征向量f、质量评估值q，且设定人脸相似度阈值st；
(2)通过人脸识别获取人脸的特征向量fi从而确定人脸的质量估计值qi，质量估计值qi与已有的质量估计值进行对比，从而确保新获取的人脸的质量估计值最大；
(3)通过人脸识别获取人脸的特征向量fi从而确定人脸相似度值sm，并将人脸相似度值sm与人脸相似度阈值st进行比对，以确保最新获取的人脸相似度值sm最大；
(4)获得并更新最高相似度的人脸对应的特征向量f和质量评估总值qsum，对人脸特征进行融合。
2.如权利要求1所述的人脸特征融合的方法，其特征在于，上述第(4)步骤中，其更新方式为：
Figure FDA0002470413370000011
Figure FDA0002470413370000012
其中，qtf是进行特征融合的质量阈值，fif是余玄距离，stf是特征融合相似度阈值。
3.如权利要求1所述的人脸特征融合的方法，其特征在于，循环上述第(2)至第(4)步骤。
4.如权利要求1所述的人脸特征融合的方法，其特征在于，上述步骤(2)中，当人脸质量估计值qi小于人脸质量识别阈值qtd时，则确认识别的人脸质量过低，忽略该人脸，不保存该人脸的质量估计值，并对下一个人脸进行识别；若人脸质量估计值qi大于人脸质量识别阈值qtd时，则执行第(3)步骤。
5.如权利要求1所述的人脸特征融合的方法，其特征在于，上述步骤(3)中，如果sm＜st，则忽略该人脸，不保存该人脸的相似度值sm。
CN202010346799.5A 2020-04-28 2020-04-28 一种人脸特征融合的方法 Pending CN111553271A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010346799.5A CN111553271A (zh) 2020-04-28 2020-04-28 一种人脸特征融合的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010346799.5A CN111553271A (zh) 2020-04-28 2020-04-28 一种人脸特征融合的方法

Publications (1)

Publication Number Publication Date
CN111553271A true CN111553271A (zh) 2020-08-18

Family

ID=72008246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010346799.5A Pending CN111553271A (zh) 2020-04-28 2020-04-28 一种人脸特征融合的方法

Country Status (1)

Country Link
CN (1) CN111553271A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931718A (zh) * 2020-09-22 2020-11-13 深圳市视美泰技术股份有限公司 基于人脸识别更新人脸特征的方法、装置和计算机设备
CN113743308A (zh) * 2021-09-06 2021-12-03 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022290A (zh) * 2016-05-30 2016-10-12 广东欧珀移动通信有限公司 一种指纹模板更新方法及终端设备
CN109492560A (zh) * 2018-10-26 2019-03-19 深圳力维智联技术有限公司 基于时间尺度的人脸图像特征融合方法、装置和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022290A (zh) * 2016-05-30 2016-10-12 广东欧珀移动通信有限公司 一种指纹模板更新方法及终端设备
CN109492560A (zh) * 2018-10-26 2019-03-19 深圳力维智联技术有限公司 基于时间尺度的人脸图像特征融合方法、装置和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931718A (zh) * 2020-09-22 2020-11-13 深圳市视美泰技术股份有限公司 基于人脸识别更新人脸特征的方法、装置和计算机设备
CN111931718B (zh) * 2020-09-22 2024-05-14 深圳市视美泰技术股份有限公司 基于人脸识别更新人脸特征的方法、装置和计算机设备
CN113743308A (zh) * 2021-09-06 2021-12-03 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及***
CN113743308B (zh) * 2021-09-06 2023-12-12 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及***

Similar Documents

Publication Publication Date Title
US8787629B2 (en) Image processing based on line-of-sight of a person
US7940956B2 (en) Tracking apparatus that tracks a face position in a dynamic picture image using ambient information excluding the face
CN101281595B (zh) 用于面部确认的装置和方法
US8150155B2 (en) Multi-mode region-of-interest video object segmentation
CN103971386B (zh) 一种动态背景场景下的前景检测方法
KR102077260B1 (ko) 확룔 모델에 기반한 신뢰도를 이용하여 얼굴을 인식하는 방법 및 장치
US20070183662A1 (en) Inter-mode region-of-interest video object segmentation
US20070183663A1 (en) Intra-mode region-of-interest video object segmentation
CN107423306B (zh) 一种图像检索方法及装置
CN107992807B (zh) 一种基于cnn模型的人脸识别方法及装置
CN107292272B (zh) 一种在实时传输的视频中人脸识别的方法及***
WO2005096213A1 (en) Face recognition system and method
CN111553271A (zh) 一种人脸特征融合的方法
CN111241928B (zh) 人脸识别底库优化方法、***、设备、可读存储介质
US20220318369A1 (en) Face recognition system and method capable of updating registered face templates
CN112487978A (zh) 一种视频中说话人定位的方法、装置及计算机存储介质
CN114529962A (zh) 图像特征处理方法、装置、电子设备及存储介质
WO2009096208A1 (ja) 物体認識システム，物体認識方法および物体認識用プログラム
KR102241406B1 (ko) 얼굴 인증 장치 및 얼굴 인증 방법
EP3076370B1 (en) Method and system for selecting optimum values for parameter set for disparity calculation
CN110490027B (zh) 人脸特征提取训练方法及***
KR100621883B1 (ko) 학습에 기반을 둔 적응형 실시간 얼굴검출방법
JP6851241B2 (ja) 画像解析装置
CN109740555A (zh) 一种基于人脸质量及人脸跟随的陌生人识别方法
CN111353943A (zh) 一种人脸图像恢复方法、装置及可读存储介质

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