一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法
【專利摘要】一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，該方法包括如下步驟：一、用檢測模塊對待測的人臉進(jìn)行檢測，二、利用卷積神經(jīng)網(wǎng)絡(luò)算法，對檢測到的人臉圖像進(jìn)行特征提取，三、通過光照判斷、距離判斷、模糊判斷三個(gè)算法模塊，對檢測到的人臉圖像質(zhì)量進(jìn)行綜合評價(jià)，計(jì)算出相應(yīng)的相似度補(bǔ)償系數(shù)，四、在計(jì)算機(jī)上用檢測到的人臉圖像與計(jì)算機(jī)內(nèi)存儲(chǔ)的注冊人臉圖像進(jìn)行比較，比較時(shí)，加入補(bǔ)償參數(shù)，最后綜合出相似度百分比參數(shù)，五、將計(jì)算機(jī)比較矯正后的相似度結(jié)果輸出，包括圖像和文字的顯示或紙件輸出。因本發(fā)明采用卷積神經(jīng)網(wǎng)絡(luò)算法（Convolutional Neural Network，CNN）模型進(jìn)行補(bǔ)償，與傳統(tǒng)的手工操作相比，具有更強(qiáng)的自動(dòng)性，使識(shí)別能力大幅度提高。
【專利說明】
一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，屬于安防，視頻監(jiān)控技術(shù)中的人臉識(shí)別技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]人臉是一個(gè)人最天然、最直觀的身份特征表示，人臉圖像取樣方便，且不同人臉重復(fù)的概率極低，非常適用于需要做身份鑒別的場合。人臉識(shí)別技術(shù)是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，通過將靜態(tài)圖像或視頻幀圖像與數(shù)據(jù)庫中的人臉圖像進(jìn)行匹配，以達(dá)到身份識(shí)別和鑒定的目的。相比于指紋、虹膜、DNA等其他的生物識(shí)別技術(shù)，人臉識(shí)別技術(shù)更加友好便捷，因此被廣泛應(yīng)用于安防，視頻監(jiān)控技術(shù)領(lǐng)域。然而，目前的人臉識(shí)別系統(tǒng)普遍存在的一個(gè)難題:即識(shí)別的效果容易受到環(huán)境的影響，在不同的場景下，由于受到光照、分辨率等因素的干擾，人臉匹配的相似度會(huì)出現(xiàn)波動(dòng)，在某些惡劣的環(huán)境下，識(shí)別的正確率甚至?xí)眲∠陆?，?yán)重影響人臉識(shí)別系統(tǒng)的可靠性、穩(wěn)定性和權(quán)威性。

【發(fā)明內(nèi)容】

[0003]為克服現(xiàn)有人臉識(shí)別技術(shù)中存在的上述難題，本發(fā)明的目的是提供一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，用以提高人臉識(shí)別技術(shù)的可靠性、穩(wěn)定性和權(quán)威性。
[0004]為解決其技術(shù)問題，本發(fā)明采用的技術(shù)方案是:本發(fā)明人在自己的工作實(shí)踐中，通過長期研究、分析和多次的實(shí)驗(yàn)，最后找到一種在不同場景下，通過適當(dāng)?shù)膮?shù)補(bǔ)償，使人臉識(shí)別相似度的輸出結(jié)果更清晰、更穩(wěn)定，使人臉識(shí)別系統(tǒng)達(dá)到廣泛應(yīng)用的水平，從而完成本發(fā)明。
[0005]本發(fā)明所述的人臉識(shí)別方法包括如下步驟:
一、用檢測模塊對待測的人臉進(jìn)行檢測；
二、利用卷積神經(jīng)網(wǎng)絡(luò)算法，對檢測到的人臉圖像進(jìn)行特征提??；
三、通過光照判斷、距離判斷、模糊判斷三個(gè)算法模塊，對檢測到的人臉圖像質(zhì)量進(jìn)行綜合評價(jià)，計(jì)算出相應(yīng)的相似度補(bǔ)償系數(shù)；
四、在計(jì)算機(jī)上用檢測到的人臉圖像與計(jì)算機(jī)內(nèi)存儲(chǔ)的注冊人臉圖像進(jìn)行比較，比較時(shí)，加入補(bǔ)償參數(shù)，最后綜合出相似度百分比參數(shù)；
五、將計(jì)算機(jī)比較矯正后的相似度結(jié)果輸出，包括圖像和文字的顯示或紙件輸出。
[0006]與現(xiàn)有技術(shù)相比，本發(fā)明有如下特點(diǎn)和進(jìn)步:因本發(fā)明采用卷積神經(jīng)網(wǎng)絡(luò)算法(Convolut1nal Neural Network，CNN)模型進(jìn)行補(bǔ)償，而卷積神經(jīng)網(wǎng)絡(luò)算法是目前檢測領(lǐng)域中使用最廣泛、效果最好的模型框架，相比與傳統(tǒng)的手工特征，具有更強(qiáng)的魯棒性，識(shí)別能力有大幅度的提高。本發(fā)明中所使用的卷積神經(jīng)網(wǎng)絡(luò)模型，經(jīng)由百萬數(shù)量級(jí)的訓(xùn)練樣本學(xué)習(xí)而來，對不同人種、不同年齡，一定范圍內(nèi)人臉的姿態(tài)、表情、光照、尺度等變化都有較好的適應(yīng)能力。
【附圖說明】
[0007]圖1是本發(fā)明的功能模塊流程方框圖。
[0008]圖中:1、識(shí)別模塊，2、被測人臉信息存儲(chǔ)單元，3、光照判斷模塊，4、距離判斷模塊，
5、模糊判斷模塊，6、補(bǔ)償系數(shù)模塊，7、特征提取部件，8、計(jì)算機(jī)比較部件，9、注冊人臉存儲(chǔ)單元，10、相似度輸出部件。
【具體實(shí)施方式】
[0009]下面結(jié)合實(shí)施例對本發(fā)明進(jìn)一步說明:本發(fā)明所述人臉識(shí)別方法包括如下步驟:
一、用人臉檢測模塊I對待測的人臉進(jìn)行檢測，所用的檢測模塊為攝像頭或照相機(jī)，再將檢測模塊檢測到圖像信息輸送到計(jì)算機(jī)的被測人臉信息存儲(chǔ)單元2，
二、在信息存儲(chǔ)單元2內(nèi)利用卷積神經(jīng)網(wǎng)絡(luò)算法，通過計(jì)算機(jī)對人臉圖像進(jìn)行特征提取，并將提取的特征分別存入特征存儲(chǔ)單元7，
三、利用計(jì)算機(jī)對存入特征存儲(chǔ)單元7的圖像信息分別通過光照判斷3、距離判斷4、和模糊判斷5三個(gè)算法模塊，對檢測到的人臉圖像質(zhì)量分析，分別輸出一個(gè)系數(shù)到系數(shù)補(bǔ)償器6內(nèi)進(jìn)行綜合評價(jià)，計(jì)算出相應(yīng)的相似度補(bǔ)償系數(shù)，并將該補(bǔ)償系數(shù)送人計(jì)算機(jī)的比較器8的一個(gè)輸入端；
四、在計(jì)算機(jī)的比較器8上，分別對特征存儲(chǔ)單元7提出的特征與注冊人臉存儲(chǔ)單元9的特征進(jìn)行比較，對人臉圖像的質(zhì)量進(jìn)行綜合評價(jià)，計(jì)算出相應(yīng)的相似度補(bǔ)償系數(shù)，當(dāng)?shù)贸龅南嗨贫却笥?0%時(shí)，比較器8就可以直接通知相似度輸出部件10輸出“相似”的結(jié)果；當(dāng)?shù)贸龅南嗨贫刃∮?9%大于45%時(shí)加入系數(shù)補(bǔ)償器6輸出的系數(shù)進(jìn)行補(bǔ)償操作，用以得到矯正后的百分比相似度數(shù)值，若矯正后的百分比相似度數(shù)值大于60%時(shí)，比較器8仍可以通知相似度輸出部件10輸出“相似”的結(jié)果;若矯正后的百分比相似度數(shù)值小于64%時(shí)，比較器8貝_知相似度輸出部件10輸出“不相似”的結(jié)果，實(shí)現(xiàn)自適應(yīng)場景的目的，
五、計(jì)算機(jī)通過相似度輸出部件10將比較矯正后的相似度結(jié)果輸出，輸出部件10包括圖像和文字的顯示或紙件輸出，供人工判斷分析判斷。
[0010]其中1:所述人工判斷是:對輸出的相似度結(jié)果進(jìn)行分析，對“相似”的輸出結(jié)果，操作人員就可直接認(rèn)可，對“不相似”的輸出結(jié)果，就認(rèn)為是可疑對象，需重新拍照重新比對；
其中2:所述光照判斷模塊采用直方圖統(tǒng)計(jì)法，距離判斷模塊采用特征點(diǎn)定位法，模糊判斷模塊采用支持向量機(jī)設(shè)備；
其中3:所述光照判斷的模塊中，對圖像的像素灰度值進(jìn)行直方圖統(tǒng)計(jì)，因?yàn)椴煌庹請鼍跋碌娜四槇D像，其直方圖分布是有明顯差異的，算法根據(jù)其分布情況，就可以分析判斷出圖像的光照情況；
其中4:所述距離判斷的模塊中，利用特征點(diǎn)定位的算法，可以計(jì)算出特定五官之間的距離，再結(jié)合攝像頭本身的分辨率信息，就可以判斷出待識(shí)別人臉和攝像頭的距離；
其中5:所述識(shí)別模塊為攝像頭或照相機(jī)。
【主權(quán)項(xiàng)】
1.一種能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，其特征是:所述的人臉識(shí)別方法包括如下步驟: 一、用檢測模塊對待測的人臉進(jìn)行檢測，， 二、利用卷積神經(jīng)網(wǎng)絡(luò)算法，對檢測到的人臉圖像進(jìn)行特征提取， 三、通過光照判斷、距離判斷、模糊判斷三個(gè)算法模塊，對檢測到的人臉圖像質(zhì)量進(jìn)行綜合評價(jià)，計(jì)算出相應(yīng)的相似度補(bǔ)償系數(shù)， 四、在計(jì)算機(jī)上用檢測到的人臉圖像與計(jì)算機(jī)內(nèi)存儲(chǔ)的注冊人臉圖像進(jìn)行比較，比較時(shí)，加入補(bǔ)償參數(shù)，最后綜合出相似度百分比參數(shù)， 五、將計(jì)算機(jī)比較矯正后的相似度結(jié)果輸出，包括圖像和文字的顯示或紙件輸出。2.根據(jù)權(quán)利要求1所述能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，其特征是:所述卷積神經(jīng)網(wǎng)絡(luò)算法的型號(hào)為Convolut1nal Neural Network，CNN。3.根據(jù)權(quán)利要求1所述能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，其特征是:所述支持向量機(jī)的型號(hào)為Support Vector Machine，SVM04.根據(jù)權(quán)利要求1所述能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，其特征是:所述模糊判斷模塊采用支持向量機(jī)設(shè)備。5.根據(jù)權(quán)利要求1所述能自動(dòng)適應(yīng)場景的人臉識(shí)別方法，其特征是:所述識(shí)別模塊為攝像頭或照相機(jī)。
【文檔編號(hào)】G06K9/00GK106022313SQ201610422065
【公開日】2016年10月12日
【申請日】2016年6月16日
【發(fā)明人】喬鬧生
【申請人】湖南文理學(xué)院