CN112580541B - 聚类化人脸识别方法和*** - Google Patents
聚类化人脸识别方法和*** Download PDFInfo
- Publication number
- CN112580541B CN112580541B CN202011549995.9A CN202011549995A CN112580541B CN 112580541 B CN112580541 B CN 112580541B CN 202011549995 A CN202011549995 A CN 202011549995A CN 112580541 B CN112580541 B CN 112580541B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- images
- dimensional
- identity information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了聚类化人脸识别方法和***,其通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
Description
技术领域
本发明涉及人脸识别的技术领域,特别涉及聚类化人脸识别方法和***。
背景技术
人脸识别作为安全认证手段广泛应用于数据信息安全场合,通过对目标对象进行脸部图像拍摄与识别,能够快速地和准确地确定目标对象的身份信息是否为经过验证的身份信息,从而保证只有预先设定好准入权限的用户才能对相应的数据信息进行不同模式的操作,以此提高数据信息的安全性和保密性。但是,现有技术的人脸识别过程都只是将目标对象的脸部图像与预设图像数据库中的图像数据进行比对,这容易出现由于比对误差而导致识别错误的情况,同时该人脸识别过程都只是局限于在二维图像层面上进行比对,这严重地降低了比对的准确性,从而大大地降低人脸识别结果的可靠性。
发明内容
针对现有技术存在的缺陷,本发明提供聚类化人脸识别方法和***,其通过对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干该脸部图像进行预处理,以及对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对所述若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像,再根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作;可见,该聚类化人脸识别方法和***通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
本发明提供聚类化人脸识别方法,其特征在于,其包括如下步骤:
步骤S1,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干所述脸部图像进行预处理;
步骤S2,对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
步骤S3,根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作;
进一步,在所述步骤S1中,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干所述脸部图像进行预处理具体包括:
步骤S101,对所述目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
步骤S102,对所述左侧区域脸部图像、所述右侧区域脸部图像、所述正对区域脸部图像,所述上侧区域脸部图像和所述下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现所述预处理;
进一步,在所述步骤S2中,对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
步骤S201,将经过所述预处理的所述脸部图像进行分切处理,从而将所述脸部图像分切为若干面积相同的脸部子图像,并获取每一所述脸部子图像各自对应的图像轮廓特征信息;
步骤S202,根据所述图像轮廓特征信息,确定所述脸部图像中每一脸部子图像对应的图像轮廓特征向量;
步骤S203,对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到所述脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到所述三维脸部图像;
进一步,在所述步骤S3中,根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作具体包括:
步骤S301,确定所述三维脸部图像与所述预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
步骤S302,将所述最终识别确定图像对应的人员身份信息作为所述目标对象的真实人员身份信息;
步骤S303,根据所述真实人员身份信息,确定所述目标对象对应的数据获取级别,并根据所述数据获取级别,执行相应的数据读取操作和/或数据修改操作;
进一步,在所述步骤S3中,根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作具体包括将所述脸部图像进行分切处理,确定所述脸部图像中每一脸部子图像对应的图像轮廓特征值,并对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,将获取的脸部图像轮廓聚类运算值与预设人脸信息数据库数据进行比对,根据比对结果,执行相应的数据读取操作和数据修改操作,其具体为:
第一、将经过预处理的所述脸部图像进行分切处理,获取每一所述脸部子图像各自对应的图像轮廓特征信息,并利用下面公式(1),确定所述脸部图像中每一脸部子图像对应的图像轮廓特征值P,
在上述公式(1)中,S表示脸部图像面积,n表示未分切成相同面积的脸部子图像总数,i表示脸部图像分切子图像的行数,j表示脸部图像分切子图像的列数,xi表示第i行子图像中五官所占面积值,表示第i行子图像中五官所占面积值在子图像面积中的占比,lj表示第j列子图像中五官的最长对角长度值,dis(lj,lj-1)表示第j列子图像与第j-1列子图像中五官的最长对角长度值的间距;
第二、利用下面公式(2),对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,以获取脸部图像轮廓聚类运算值K,
在上述公式(2)中,sum(xi,xi-1)表示第i行子图像中五官所占面积值与第i-1行子图像中五官所占面积值之和,P′表示对图像轮廓特征值P求导运算;
第三、利用下面公式(3),将获取的脸部图像轮廓聚类运算值与预设人脸信息数据库数据进行比对,而获得相应的比对值C,再根据该比对值,执行相应的数据读取操作和数据修改操作,
在上述公式(3)中,m表示预设人脸信息数据库的数据总数,K′表示对脸部图像轮廓聚类运算值K求导运算,O′m表示对第m条数据对应的轮廓聚类运算值求导运算;
当C大于1,则表示所述获取的脸部图像轮廓聚类运算值与预设人脸信息数据库中第m份数据匹配,从而执行相应的数据读取操作和数据修改操作。
本发明还提供聚类化人脸识别***,其特征在于,其包括脸部图像获取模块、脸部图像预处理模块、三维脸部图像构造模块和身份信息识别模块;其中,
所述脸部图像获取模块用于对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像;
所述脸部图像预处理模块用于对若干所述脸部图像进行预处理;
所述三维脸部图像构造模块用于对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
所述身份信息识别模块用于根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作;
进一步,所述脸部图像获取模块对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像具体包括:
对所述目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
以及,
所述脸部图像预处理模块对若干所述脸部图像进行预处理具体包括
对所述左侧区域脸部图像、所述右侧区域脸部图像、所述正对区域脸部图像,所述上侧区域脸部图像和所述下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现所述预处理;
进一步,所述三维脸部图像构造模块对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
将经过所述预处理的所述脸部图像进行分切处理,从而将所述脸部图像分切为若干面积相同的脸部子图像,并获取每一所述脸部子图像各自对应的图像轮廓特征信息;
并根据所述图像轮廓特征信息,确定所述脸部图像中每一脸部子图像对应的图像轮廓特征向量;
再对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到所述脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到所述三维脸部图像;
进一步,所述身份信息识别模块根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作具体包括:
确定所述三维脸部图像与所述预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
并将所述最终识别确定图像对应的人员身份信息作为所述目标对象的真实人员身份信息;
再根据所述真实人员身份信息,确定所述目标对象对应的数据获取级别,并根据所述数据获取级别,执行相应的数据读取操作和/或数据修改操作。
相比于现有技术,该聚类化人脸识别方法和***通过对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干该脸部图像进行预处理,以及对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对所述若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像,再根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作;可见,该聚类化人脸识别方法和***通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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他的附图。
图1为本发明提供的聚类化人脸识别方法的流程示意图。
图2为本发明提供的聚类化人脸识别***的结构示意图。
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。
参阅图1,为本发明实施例提供的聚类化人脸识别方法的流程示意图。该聚类化人脸识别方法包括如下步骤:
步骤S1,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干该脸部图像进行预处理;
步骤S2,对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对该若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
步骤S3,根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作。
上述技术方案的有益效果为:该聚类化人脸识别方法通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
优选地,在该步骤S1中,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干该脸部图像进行预处理具体包括:
步骤S101,对该目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
步骤S102,对该左侧区域脸部图像、该右侧区域脸部图像、该正对区域脸部图像,该上侧区域脸部图像和该下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现该预处理。
上述技术方案的有益效果为:通过对目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,能够最大限度地拍摄目标对象脸部不同区域的细节信息,从而便于全面地和准确地对目标对象的脸部特征进行表征分析;而对不同区域的脸部图像进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,能够改善脸部图像的整体质量,从而避免由于个别图像像素而影响脸部图像的整体质量。
优选地,在该步骤S2中,对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对该若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
步骤S201,将经过该预处理的该脸部图像进行分切处理,从而将该脸部图像分切为若干面积相同的脸部子图像,并获取每一该脸部子图像各自对应的图像轮廓特征信息;
步骤S202,根据该图像轮廓特征信息,确定该脸部图像中每一脸部子图像对应的图像轮廓特征向量;
步骤S203,对该脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到该脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到该三维脸部图像。
上述技术方案的有益效果为:由于脸部图像在不同区域处其对应图像轮廓特征也相应不同,而将该脸部图像进行分切处理能够对脸部图像不同区域的图像轮廓进行细化的分析处理,而通过相应的图像轮廓转换算法将该图像轮廓特征信息转换为图像轮廓特征向量后,再对该向量进行聚类运算能够生成在图像轮廓细节层面上的脸部图像对应的三维形貌图,这样能够确保后续拼接得到的三维脸部图像全面地和准确地反映目标对象的真实脸部轮廓特征。
优选地,在该步骤S3中,根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作具体包括:
步骤S301,确定该三维脸部图像与该预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
步骤S302,将该最终识别确定图像对应的人员身份信息作为该目标对象的真实人员身份信息;
步骤S303,根据该真实人员身份信息,确定该目标对象对应的数据获取级别,并根据该数据获取级别,执行相应的数据读取操作和/或数据修改操作。
上述技术方案的有益效果为:通过确定该三维脸部图像与该预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,能够从三维图像层面上对目标对象进行人脸识别,从而提高人脸识别的准确性和可靠性;此外,由于不同人员身份信息对应不同级别的数据操作权限,通过确定该目标对象的真实人员身份信息,能够有针对性地确定该目标对象的数据获取级别,从而便于该目标对象执行相应的数据读取操作和/或数据修改操作,以保证对应数据信息的安全性。
优选地,在该步骤S3中,根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作具体包括将该脸部图像进行分切处理,确定该脸部图像中每一脸部子图像对应的图像轮廓特征值,并对该脸部图像包含的所有图像轮廓特征向量进行聚类运算,将获取的脸部图像轮廓聚类运算值与预设人脸信息数据库数据进行比对,根据比对结果,执行相应的数据读取操作和数据修改操作,其具体为:
第一、将经过预处理的该脸部图像进行分切处理,获取每一该脸部子图像各自对应的图像轮廓特征信息,并利用下面公式(1),确定该脸部图像中每一脸部子图像对应的图像轮廓特征值P,
在上述公式(1)中,S表示脸部图像面积,n表示未分切成相同面积的脸部子图像总数,i表示脸部图像分切子图像的行数,j表示脸部图像分切子图像的列数,xi表示第i行子图像中五官所占面积值,表示第i行子图像中五官所占面积值在子图像面积中的占比,lj表示第j列子图像中五官的最长对角长度值,dis(lj,lj-1)表示第j列子图像与第j-1列子图像中五官的最长对角长度值的间距;
第二、利用下面公式(2),对该脸部图像包含的所有图像轮廓特征向量进行聚类运算,以获取脸部图像轮廓聚类运算值K,
在上述公式(2)中,sum(xi,xi-1)表示第i行子图像中五官所占面积值与第i-1行子图像中五官所占面积值之和,P′表示对图像轮廓特征值P求导运算;
第三、利用下面公式(3),将获取的脸部图像轮廓聚类运算值与预设人脸信息数据库数据进行比对,而获得相应的比对值C,再根据该比对值,执行相应的数据读取操作和数据修改操作,
在上述公式(3)中,m表示预设人脸信息数据库的数据总数,K′表示对脸部图像轮廓聚类运算值K求导运算,O′m表示对第m条数据对应的轮廓聚类运算值求导运算;
当C大于1,则表示该获取的脸部图像轮廓聚类运算值与预设人脸信息数据库中第m份数据匹配,从而执行相应的数据读取操作和数据修改操作。
上述技术方案的有益效果为:通过确定各切分子图像的脸部轮廓特征,并进行聚类运算处理,以提高人脸识别的精度,以支持从立体图像层面上对目标对象进行人脸识别,从而提高人脸识别的准确性和可靠性;此外,由于不同人员身份信息对应不同级别的数据操作权限,通过对数据库现有数据进行匹配,以精准确定该目标对象的身份信息以及操作权限,从而便于该目标对象执行相应的数据读取操作和数据修改操作,加强了对应数据信息的安全性。
参阅图2,为本发明实施例提供的聚类化人脸识别***的结构示意图。该聚类化人脸识别***包括脸部图像获取模块、脸部图像预处理模块、三维脸部图像构造模块和身份信息识别模块;其中,
该脸部图像获取模块用于对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像;
该脸部图像预处理模块用于对若干该脸部图像进行预处理;
该三维脸部图像构造模块用于对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对该若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
该身份信息识别模块用于根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作。
上述技术方案的有益效果为:该聚类化人脸识别***通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
优选地,该脸部图像获取模块对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像具体包括:
对该目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
以及,
该脸部图像预处理模块对若干该脸部图像进行预处理具体包括
对该左侧区域脸部图像、该右侧区域脸部图像、该正对区域脸部图像,该上侧区域脸部图像和该下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现该预处理。
上述技术方案的有益效果为:通过对目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,能够最大限度地拍摄目标对象脸部不同区域的细节信息,从而便于全面地和准确地对目标对象的脸部特征进行表征分析;而对不同区域的脸部图像进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,能够改善脸部图像的整体质量,从而避免由于个别图像像素而影响脸部图像的整体质量。
优选地,该三维脸部图像构造模块对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对该若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
将经过该预处理的该脸部图像进行分切处理,从而将该脸部图像分切为若干面积相同的脸部子图像,并获取每一该脸部子图像各自对应的图像轮廓特征信息;
并根据该图像轮廓特征信息,确定该脸部图像中每一脸部子图像对应的图像轮廓特征向量;
再对该脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到该脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到该三维脸部图像。
上述技术方案的有益效果为:由于脸部图像在不同区域处其对应图像轮廓特征也相应不同,而将该脸部图像进行分切处理能够对脸部图像不同区域的图像轮廓进行细化的分析处理,而通过相应的图像轮廓转换算法将该图像轮廓特征信息转换为图像轮廓特征向量后,再对该向量进行聚类运算能够生成在图像轮廓细节层面上的脸部图像对应的三维形貌图,这样能够确保后续拼接得到的三维脸部图像全面地和准确地反映目标对象的真实脸部轮廓特征。
优选地,该身份信息识别模块根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作具体包括:
确定该三维脸部图像与该预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
并将该最终识别确定图像对应的人员身份信息作为该目标对象的真实人员身份信息;
再根据该真实人员身份信息,确定该目标对象对应的数据获取级别,并根据该数据获取级别,执行相应的数据读取操作和/或数据修改操作。
上述技术方案的有益效果为:通过确定该三维脸部图像与该预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,能够从三维图像层面上对目标对象进行人脸识别,从而提高人脸识别的准确性和可靠性;此外,由于不同人员身份信息对应不同级别的数据操作权限,通过确定该目标对象的真实人员身份信息,能够有针对性地确定该目标对象的数据获取级别,从而便于该目标对象执行相应的数据读取操作和/或数据修改操作,以保证对应数据信息的安全性。
从上述实施例的内容可知,该聚类化人脸识别方法和***通过对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干该脸部图像进行预处理,以及对经过该预处理的若干该脸部图像进行图像轮廓特征提取处理,以此获得关于该脸部图像的图像轮廓特征信息,并根据该图像轮廓特征信息,对所述若干该脸部图像进行聚类处理,从而构造得到相应的三维脸部图像,再根据预设人脸信息数据库,确定该三维脸部图像对应的人员身份信息,并根据该人员身份信息,执行与该人员身份信息相匹配的数据获取权限操作;可见,该聚类化人脸识别方法和***通过多角度拍摄的方式获得目标对象不同脸部区域的脸部图像后在对其进行预处理,接着提取得到脸部图像中的图像轮廓特征信息,并对该图像轮廓特征信息进行聚类处理以得到相应的三维脸部图像,最后将该三维脸部图像与预设人脸信息数据库进行比对,以根据比对结果来执行与人员身份信息相匹配的数据获取权限操作,这样根据目标对象脸部的不同区域轮廓特征构建形成三维脸部图像,从而提高人脸识别的准确性和最大限度地改善人脸识别结果的可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.聚类化人脸识别方法,其特征在于,其包括如下步骤:
步骤S1,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干所述脸部图像进行预处理;
步骤S2,对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
步骤S3,根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作;
其中,在所述步骤S1中,对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像,并对若干所述脸部图像进行预处理具体包括:
步骤S101,对所述目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
步骤S102,对所述左侧区域脸部图像、所述右侧区域脸部图像、所述正对区域脸部图像,所述上侧区域脸部图像和所述下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现所述预处理;
其中,在所述步骤S2中,对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
步骤S201,将经过所述预处理的所述脸部图像进行分切处理,从而将所述脸部图像分切为若干面积相同的脸部子图像,并获取每一所述脸部子图像各自对应的图像轮廓特征信息;
步骤S202,根据所述图像轮廓特征信息,确定所述脸部图像中每一脸部子图像对应的图像轮廓特征向量;
步骤S203,对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到所述脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到所述三维脸部图像。
2.如权利要求1所述的聚类化人脸识别方法,其特征在于:
在所述步骤S3中,根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作具体包括:
步骤S301,确定所述三维脸部图像与所述预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
步骤S302,将所述最终识别确定图像对应的人员身份信息作为所述目标对象的真实人员身份信息;
步骤S303,根据所述真实人员身份信息,确定所述目标对象对应的数据获取级别,并根据所述数据获取级别,执行相应的数据读取操作和/或数据修改操作。
3.聚类化人脸识别***,其特征在于,其包括脸部图像获取模块、脸部图像预处理模块、三维脸部图像构造模块和身份信息识别模块;其中,所述脸部图像获取模块用于对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像;
所述脸部图像预处理模块用于对若干所述脸部图像进行预处理;
所述三维脸部图像构造模块用于对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像;
所述身份信息识别模块用于根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作;
其中,所述脸部图像获取模块对目标对象的脸部进行多角度拍摄,以此获得若干关于目标对象不同脸部区域的脸部图像具体包括:
对所述目标对象的脸部进行关于左侧方向、右侧方向、正对方向、上侧方向和下侧方向的多角度拍摄,以此对应获得左侧区域脸部图像、右侧区域脸部图像、正对区域脸部图像,上侧区域脸部图像和下侧区域脸部图像;
以及,
所述脸部图像预处理模块对若干所述脸部图像进行预处理具体包括对所述左侧区域脸部图像、所述右侧区域脸部图像、所述正对区域脸部图像,所述上侧区域脸部图像和所述下侧区域脸部图像均依次进行图像像素坏点修复处理、图像像素灰度化处理和图像边缘像素锐化处理,以此实现所述预处理;
其中,所述三维脸部图像构造模块对经过所述预处理的若干所述脸部图像进行图像轮廓特征提取处理,以此获得关于所述脸部图像的图像轮廓特征信息,并根据所述图像轮廓特征信息,对所述若干所述脸部图像进行聚类处理,从而构造得到相应的三维脸部图像具体包括:
将经过所述预处理的所述脸部图像进行分切处理,从而将所述脸部图像分切为若干面积相同的脸部子图像,并获取每一所述脸部子图像各自对应的图像轮廓特征信息;
并根据所述图像轮廓特征信息,确定所述脸部图像中每一脸部子图像对应的图像轮廓特征向量;
再对所述脸部图像包含的所有图像轮廓特征向量进行聚类运算,从而得到所述脸部图像对应的三维形貌图,再将所有脸部图像对应的三维形貌图进行拼接,从而得到所述三维脸部图像。
4.如权利要求3所述的聚类化人脸识别***,其特征在于:
所述身份信息识别模块根据预设人脸信息数据库,确定所述三维脸部图像对应的人员身份信息,并根据所述人员身份信息,执行与所述人员身份信息相匹配的数据获取权限操作具体包括:
确定所述三维脸部图像与所述预设人脸信息数据库中包含的若干人脸三维图像之间的图像相似度,并将具有最大值的图像相似度的人脸三维图像作为最终识别确定图像;
并将所述最终识别确定图像对应的人员身份信息作为所述目标对象的真实人员身份信息;
再根据所述真实人员身份信息,确定所述目标对象对应的数据获取级别,并根据所述数据获取级别,执行相应的数据读取操作和/或数据修改操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549995.9A CN112580541B (zh) | 2020-12-24 | 2020-12-24 | 聚类化人脸识别方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549995.9A CN112580541B (zh) | 2020-12-24 | 2020-12-24 | 聚类化人脸识别方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580541A CN112580541A (zh) | 2021-03-30 |
CN112580541B true CN112580541B (zh) | 2021-10-08 |
Family
ID=75140467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011549995.9A Active CN112580541B (zh) | 2020-12-24 | 2020-12-24 | 聚类化人脸识别方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580541B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221809B2 (en) * | 2001-12-17 | 2007-05-22 | Genex Technologies, Inc. | Face recognition system and method |
DE102006045828B4 (de) * | 2006-09-22 | 2010-06-24 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zum Erkennen eines Gesichts sowie ein Gesichtserkennungsmodul |
CN102201061B (zh) * | 2011-06-24 | 2012-10-31 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控***及方法 |
CN104063702B (zh) * | 2014-07-16 | 2017-02-15 | 中南大学 | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 |
CN106251395A (zh) * | 2016-07-27 | 2016-12-21 | 中测高科(北京)测绘工程技术有限责任公司 | 一种三维模型快速重建方法及*** |
CN107680152A (zh) * | 2017-08-31 | 2018-02-09 | 太原理工大学 | 基于图像处理的目标物表面形貌测量方法和装置 |
CN112001360B (zh) * | 2020-09-09 | 2021-06-04 | 深圳市集互共享科技有限公司 | 一种基于智能调节的人脸识别监控*** |
-
2020
- 2020-12-24 CN CN202011549995.9A patent/CN112580541B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112580541A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3218004B2 (ja) | 試験署名検証方法 | |
CN109145745B (zh) | 一种遮挡情况下的人脸识别方法 | |
Soliman et al. | Feature level fusion of palm veins and signature biometrics | |
CN111428689B (zh) | 一种多池化信息融合的人脸图像特征提取方法 | |
US20150347804A1 (en) | Method and system for estimating fingerprint pose | |
CN109344909A (zh) | 一种基于多通道卷积神经网络的身份识别方法 | |
CN109583452A (zh) | 一种基于赤足足迹的人身同一认定方法和*** | |
CN112132117A (zh) | 一种辅助胁迫检测的融合身份认证*** | |
CN110222660B (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及*** | |
Zhou et al. | Real-time facial expression recognition in the interactive game based on embedded hidden markov model | |
CN112580541B (zh) | 聚类化人脸识别方法和*** | |
JP2013218605A (ja) | 画像認識装置、画像認識方法及びプログラム | |
CN111428612B (zh) | 行人重识别方法、终端、装置及存储介质 | |
CN111753710A (zh) | 一种应用于物流配送的细分类神经网络人脸识别方法 | |
CN116612538A (zh) | 电子合同内容的在线确认方法 | |
CN112614160B (zh) | 多对象人脸跟踪方法和*** | |
CN116342968A (zh) | 一种双通道人脸识别方法及装置 | |
CN115497125A (zh) | 指纹识别方法、***、计算机设备及计算机可读存储介质 | |
CN110390268B (zh) | 一种基于几何特性和方向特征的三维掌纹识别方法 | |
Alonso-Fernandez et al. | Fusion of static image and dynamic information for signature verification | |
Karanwal et al. | Fusion of fingerprint and face by using DWT and SIFT | |
Khalid et al. | Framework for human identification through offline handwritten documents | |
CN111160306B (zh) | 融合多特征和主成分分析的三维掌纹识别方法 | |
Avazpour et al. | Optimization of Human Recognition from the Iris Images using the Haar Wavelet. | |
JP2013218604A (ja) | 画像認識装置、画像認識方法及びプログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |