一种动态人像库建立方法与流程

本发明涉及动态人像库建立方法，尤其涉及一种可有效提高识别率的动态人像库建立方法。

背景技术：

近年来，安防行业掀起了一波人像识别的热潮，众多厂商纷纷推出了相关产品，使得人像识别成为了行业内的热点技术方向。

虽然现有人像识别技术功用巨大，但在实际应用中，我们依旧会遇到很多问题。其中，人像图像质量对识别率的影响较高，图像质量差，辨识度低，有效特征很少，有时即使用肉眼也很难确认身份。图像质量又受多种因素影响，如光照、姿态、表情、人像尺寸、清晰度等。通过同一个人在不同光照下的图片对比，就可以看出同一个人在不同光照下的图片用肉眼很难辨别。所以说，目前的人像识别系统只能在一些较规范的环境下进行，如光线均匀，人像需要正对着摄像机，并且保证人像在画面中有一定的像素宽度。但是在实际的安防监控场合中，这些限制条件很难一一满足。目前，在人像采集过程中，通常为对被认证人进行静态人像采集，这样的处理方式处理时间较长并且只能单一的进行处理，不能对多人同时进行人像采集，从而不能满足实际应用中的采集需要，影响工作效率。

技术实现要素：

本发明的目的是，提供一种动态人像库建立方法，可快速有效建立人像库，提高比对效率。

为该实现该目的，提供了一种动态人像库建立方法，其特征在于，该方法包括以下处理步骤：

步骤1：实时进行人像图片采集并且根据设定的有效人像标准对采集的图片进行人像截取，抓取出有效人像图片；

步骤2：将有效人像图片通过动态智能人像算法处理获得人像图片特征点；

步骤3：实时保存获得的人像图片特征点形成动态人像库。

优选地，在步骤2中，动态智能人像算法包括若干个子步骤，各子步骤同时对接收的有效人像图片进行处理并且各子步骤同时分别处理不同的有效人像图片。

优选地，在步骤2中，进行有效人像图片特征点提取的同时，根据设定的有效人像图片完整度分数进行有效人像检验判断，若为有效人像则进行步骤3，若不为有效人像则返回步骤1。

优选地，在所述动态智能人像算法中，所述各子步骤依次包括输入图片步骤、人像检测步骤、特征提取步骤和输出结果步骤。

优选地，所述输入图片步骤为以二进制形式将图片作为参数传入动态智能人像算法里。

优选地，所述人像检测步骤为在经过输入图片步骤处理后的图片中找到人像的位置然后建立坐标，然后通过人像位置坐标来定位人像。

优选地，所述特征提取步骤为在经过人像检测步骤处理后，通过人像图片和人像位置坐标获得该人像的眼睛和嘴及其两者中间的特征。

优选地，在步骤1中，所述设定的有效人像标准为设定的人像图片的清晰度、人像抓拍的角度的设定范围和能看见眼睛。

优选地，所述有效人像图片和有效人像图片的特征点进行本地保存。

本发明与现有技术相比，其有益效果在于：

本发明通过抓取采集图片中的有效人像，并且将有效人像进行判断，可快速有效建立人像库，提高比对效率。通过本发明能够改变传统图像验证中1：1比对，实现验证时进行1：n比对，从而达到高速度比对并且返回结果信息的功能。

附图说明

图1为本发明的流程图；

图2为本发明中动态智能人像算法的框图。

具体实施方式

下面结合实施例，对本发明作进一步的描述，但不构成对本发明的任何限制，任何在本发明权利要求范围所做的有限次的修改，仍在本发明的权利要求范围内。

如图1所示，本发明提供了一种动态人像库建立方法，该方法包括以下处理步骤：

步骤1：实时进行人像图片采集并且根据设定的有效人像标准对采集的图片进行人像截取，抓取出有效人像图片；

步骤2：将有效人像图片通过动态智能人像算法处理获得人像图片特征点；

步骤3：实时保存获得的人像图片特征点形成动态人像库。

在本实施例中，动态人像库中包括所采集到不同人的人像图片特征点，和各个人不同角度的人像图片特征点。

在步骤2中，动态智能人像算法包括若干个子步骤，各子步骤同时对接收的有效人像图片进行处理并且各子步骤同时分别处理不同的有效人像图片。

在步骤2中，进行有效人像图片特征点提取的同时，根据设定的有效人像图片完整度分数进行有效人像检验判断，若为有效人像则进行步骤3，若不为有效人像则返回步骤1。

在本实施例中，设定的有效人像图片完整度分数为面部完整度达到70％及以上。此外，设定的有效人像图片完整度分数也为面部完整度达到50％及以上或80％及以上。

如图2所示，在动态智能人像算法中,各子步骤依次包括输入图片步骤、人像检测步骤、特征提取步骤和输出结果步骤。输入图片步骤为以二进制形式将图片作为参数传入动态智能人像算法里。人像检测步骤为在经过输入图片步骤处理后的图片中找到人像的位置然后建立坐标，然后通过人像位置坐标来定位人像。特征提取步骤为在经过人像检测步骤处理后，通过人像图片和人像位置坐标获得该人像的眼睛和嘴及其两者中间的特征。

在步骤1中，设定的有效人像标准为设定的人像图片的清晰度、人像抓拍的角度的设定范围和能看见眼睛。

有效人像图片和有效人像图片的特征点进行本地保存。

在本实施例中，人像检测步骤中人像位置坐标为根据人像眼睛在图像中的位置建立坐标。特征提取步骤中，所提取的特征为人像的眼睛和嘴及其两者中间的特征包括鼻子和脸的特征，并且获取若干的特征点，然后建立各特征点的坐标，如，鼻子或脸上的一颗痣，则将该痣作为一特征点并且建立坐标。根据有效人像标准进行有效人像判断为在能看见双眼睛的前提下，根据图片像素获取清晰度大小和人像抓拍的角度，如在能看见双眼的角度范围内，来对图片进行有效人像判断。

在本实施例中，处理设备为计算机，地存储单元为计算机的硬盘。

在本实施例中，动态智能人像算法区别于现有的静态人像算法，静态人像算法要求图片比较清澈，光线比较均匀、角度不能过大。本发明的动态智能人像算法具有聚焦大规模动态人像识别、大规模人群行为特征分析和预警，车辆属性分析检索，图像检索等核心关键技术。本发明提出双层异构深度神经网络理论框架，并且在此框架下，研究非线性图像空间映射方法，通过多深度神经网络的自适应融合，将跨场景、非同源人像图像映射到同一图像空间；研究层次化特征学习方法，以提取多人像区域、具有判别性的层次化特征；研究非线性特征空间映射方法，将特征映射到类间差异更大、类内差异更小的空间。在真实场景监控视频上测试证明本发明的算法对多变光照、多角度、有遮挡、模糊、年龄跨度等复杂情况具有很好的鲁棒性。从而使得本发明的动态智能人像算法能够大大减少对环境要求，同时能够单个机器对多个人像算法服务进行运算，大大提高验证效率。

本发明的工作过程：通过人像采集枪对被认证人采集的图像进行有效人像抓取，并且将有效人像图片保存至计算机的硬盘上；硬盘上保存的有效人像图片通过发送到动态智能人像算法中并且由若干个子步骤进行处理，每一个子步骤同时对接收的有效人像图片进行信息处理，达到高速处理，提取有效人像的特征点；在进行有效人像图片特征点提取的同时，根据设定的完整度分数值进行有效人像判断，若完整度分数达到设定的70％，则为有效人像将有效人像图片的特征点注册并且保存到内存上，若完整度分数达不到设定值，不为有效人像则重新对被认证人进行图像采集，重复整个处理过程，直到得到达到设定值的有效人像图片，并且将有效人像图片的特征点注册并且保存到内存上，形成动态人像库。

本发明可快速有效建立人像库，采集率高，提高比对效率，对光线的抗干扰强能力强；并且通过本发明能够改变传统图像验证中1：1比对，实现验证时进行1：n比对，从而达到高速度返回结果信息的功能。

以上仅是本发明的优选实施方式，应当指出对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些都不会影响本发明实施的效果和专利的实用性。