一种能自动适应场景的人脸识别方法
【专利摘要】一种能自动适应场景的人脸识别方法,该方法包括如下步骤:一、用检测模块对待测的人脸进行检测,二、利用卷积神经网络算法,对检测到的人脸图像进行特征提取,三、通过光照判断、距离判断、模糊判断三个算法模块,对检测到的人脸图像质量进行综合评价,计算出相应的相似度补偿系数,四、在计算机上用检测到的人脸图像与计算机内存储的注册人脸图像进行比较,比较时,加入补偿参数,最后综合出相似度百分比参数,五、将计算机比较矫正后的相似度结果输出,包括图像和文字的显示或纸件输出。因本发明采用卷积神经网络算法(Convolutional Neural Network,CNN)模型进行补偿,与传统的手工操作相比,具有更强的自动性,使识别能力大幅度提高。
【专利说明】
一种能自动适应场景的人脸识别方法
技术领域
[0001 ]本发明涉及一种能自动适应场景的人脸识别方法,属于安防,视频监控技术中的人脸识别技术领域。
【背景技术】
[0002]人脸是一个人最天然、最直观的身份特征表示,人脸图像取样方便,且不同人脸重复的概率极低,非常适用于需要做身份鉴别的场合。人脸识别技术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,通过将静态图像或视频帧图像与数据库中的人脸图像进行匹配,以达到身份识别和鉴定的目的。相比于指纹、虹膜、DNA等其他的生物识别技术,人脸识别技术更加友好便捷,因此被广泛应用于安防,视频监控技术领域。然而,目前的人脸识别系统普遍存在的一个难题:即识别的效果容易受到环境的影响,在不同的场景下,由于受到光照、分辨率等因素的干扰,人脸匹配的相似度会出现波动,在某些恶劣的环境下,识别的正确率甚至会急剧下降,严重影响人脸识别系统的可靠性、稳定性和权威性。
【发明内容】
[0003]为克服现有人脸识别技术中存在的上述难题,本发明的目的是提供一种能自动适应场景的人脸识别方法,用以提高人脸识别技术的可靠性、稳定性和权威性。
[0004]为解决其技术问题,本发明采用的技术方案是:本发明人在自己的工作实践中,通过长期研究、分析和多次的实验,最后找到一种在不同场景下,通过适当的参数补偿,使人脸识别相似度的输出结果更清晰、更稳定,使人脸识别系统达到广泛应用的水平,从而完成本发明。
[0005]本发明所述的人脸识别方法包括如下步骤:
一、用检测模块对待测的人脸进行检测;
二、利用卷积神经网络算法,对检测到的人脸图像进行特征提取;
三、通过光照判断、距离判断、模糊判断三个算法模块,对检测到的人脸图像质量进行综合评价,计算出相应的相似度补偿系数;
四、在计算机上用检测到的人脸图像与计算机内存储的注册人脸图像进行比较,比较时,加入补偿参数,最后综合出相似度百分比参数;
五、将计算机比较矫正后的相似度结果输出,包括图像和文字的显示或纸件输出。
[0006]与现有技术相比,本发明有如下特点和进步:因本发明采用卷积神经网络算法(Convolut1nal Neural Network,CNN)模型进行补偿,而卷积神经网络算法是目前检测领域中使用最广泛、效果最好的模型框架,相比与传统的手工特征,具有更强的鲁棒性,识别能力有大幅度的提高。本发明中所使用的卷积神经网络模型,经由百万数量级的训练样本学习而来,对不同人种、不同年龄,一定范围内人脸的姿态、表情、光照、尺度等变化都有较好的适应能力。
【附图说明】
[0007]图1是本发明的功能模块流程方框图。
[0008]图中:1、识别模块,2、被测人脸信息存储单元,3、光照判断模块,4、距离判断模块,
5、模糊判断模块,6、补偿系数模块,7、特征提取部件,8、计算机比较部件,9、注册人脸存储单元,10、相似度输出部件。
【具体实施方式】
[0009]下面结合实施例对本发明进一步说明:本发明所述人脸识别方法包括如下步骤:
一、用人脸检测模块I对待测的人脸进行检测,所用的检测模块为摄像头或照相机,再将检测模块检测到图像信息输送到计算机的被测人脸信息存储单元2,
二、在信息存储单元2内利用卷积神经网络算法,通过计算机对人脸图像进行特征提取,并将提取的特征分别存入特征存储单元7,
三、利用计算机对存入特征存储单元7的图像信息分别通过光照判断3、距离判断4、和模糊判断5三个算法模块,对检测到的人脸图像质量分析,分别输出一个系数到系数补偿器6内进行综合评价,计算出相应的相似度补偿系数,并将该补偿系数送人计算机的比较器8的一个输入端;
四、在计算机的比较器8上,分别对特征存储单元7提出的特征与注册人脸存储单元9的特征进行比较,对人脸图像的质量进行综合评价,计算出相应的相似度补偿系数,当得出的相似度大于80%时,比较器8就可以直接通知相似度输出部件10输出“相似”的结果;当得出的相似度小于79%大于45%时加入系数补偿器6输出的系数进行补偿操作,用以得到矫正后的百分比相似度数值,若矫正后的百分比相似度数值大于60%时,比较器8仍可以通知相似度输出部件10输出“相似”的结果;若矫正后的百分比相似度数值小于64%时,比较器8贝_知相似度输出部件10输出“不相似”的结果,实现自适应场景的目的,
五、计算机通过相似度输出部件10将比较矫正后的相似度结果输出,输出部件10包括图像和文字的显示或纸件输出,供人工判断分析判断。
[0010]其中1:所述人工判断是:对输出的相似度结果进行分析,对“相似”的输出结果,操作人员就可直接认可,对“不相似”的输出结果,就认为是可疑对象,需重新拍照重新比对;
其中2:所述光照判断模块采用直方图统计法,距离判断模块采用特征点定位法,模糊判断模块采用支持向量机设备;
其中3:所述光照判断的模块中,对图像的像素灰度值进行直方图统计,因为不同光照场景下的人脸图像,其直方图分布是有明显差异的,算法根据其分布情况,就可以分析判断出图像的光照情况;
其中4:所述距离判断的模块中,利用特征点定位的算法,可以计算出特定五官之间的距离,再结合摄像头本身的分辨率信息,就可以判断出待识别人脸和摄像头的距离;
其中5:所述识别模块为摄像头或照相机。
【主权项】
1.一种能自动适应场景的人脸识别方法,其特征是:所述的人脸识别方法包括如下步骤: 一、用检测模块对待测的人脸进行检测,, 二、利用卷积神经网络算法,对检测到的人脸图像进行特征提取, 三、通过光照判断、距离判断、模糊判断三个算法模块,对检测到的人脸图像质量进行综合评价,计算出相应的相似度补偿系数, 四、在计算机上用检测到的人脸图像与计算机内存储的注册人脸图像进行比较,比较时,加入补偿参数,最后综合出相似度百分比参数, 五、将计算机比较矫正后的相似度结果输出,包括图像和文字的显示或纸件输出。2.根据权利要求1所述能自动适应场景的人脸识别方法,其特征是:所述卷积神经网络算法的型号为Convolut1nal Neural Network,CNN。3.根据权利要求1所述能自动适应场景的人脸识别方法,其特征是:所述支持向量机的型号为Support Vector Machine,SVM04.根据权利要求1所述能自动适应场景的人脸识别方法,其特征是:所述模糊判断模块采用支持向量机设备。5.根据权利要求1所述能自动适应场景的人脸识别方法,其特征是:所述识别模块为摄像头或照相机。
【文档编号】G06K9/00GK106022313SQ201610422065
【公开日】2016年10月12日
【申请日】2016年6月16日
【发明人】乔闹生
【申请人】湖南文理学院