人臉識別的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種人臉識別的方法及系統(tǒng)，其中方法包括：在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組；逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組；根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分；統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組；比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。通過上述方式，本發(fā)明能夠快速在多人圖片中識別出特定人臉，適用于各種會議、學(xué)校課堂點名，準(zhǔn)確率高，且操作方便，可大規(guī)模應(yīng)用。
【專利說明】
人臉識別的方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種人臉識別的方法及系統(tǒng)。
【背景技術(shù)】
[0002]人臉識別技術(shù)做為新興的人體生物特征識別技術(shù)，已經(jīng)廣泛滲透于社會各個領(lǐng)域?；跀z像頭以及人臉識別技術(shù)的點名、簽到技術(shù)由于具有性價比高、經(jīng)濟、可擴展性良好的特點，也已經(jīng)得到了充分的發(fā)展和利用。人們只需利用一架攝像頭，其面貌就會被快速的米集和檢驗。
[0003]圖1為現(xiàn)有技術(shù)中常用的人臉識別方案。用戶通過視頻輸入接口取得人臉截圖，取得人臉?biāo)夭?，?jīng)人臉識別運算，得出比對結(jié)果后通過通信接口及微處理單元進行輸入輸出。
[0004]但是基于攝像頭以及人臉識別技術(shù)的點名、簽到技術(shù)目前還停留于一對一的識別，即以一個人臉?biāo)夭谋葘σ粋€人臉攝像截圖。在應(yīng)用于如會議、上課、上班等多人場合上，還難以適應(yīng)需求。一方面目前的多人識別技術(shù)存在誤差率較大的缺陷。另一方面，如果采用傳統(tǒng)的一對一的識別，則耗時耗力較多。
[0005]當(dāng)然，多人臉識別技術(shù)的誤差的存在有著難以克服的先天硬傷，比如拍照截圖的攝像頭覆蓋角度問題，像素偏低問題，多人合拍情況下人像密集、重疊、轉(zhuǎn)頭，偏移等非技術(shù)性問題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明所要解決的技術(shù)問題是:針對現(xiàn)有技術(shù)對人臉識別的缺陷或不足，通過逐一比對素材與多人圖片，獲得一定辨識度的出現(xiàn)概率，實現(xiàn)成功率更高、操作性更強的人臉識別。
[0007]為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為:提供一種人臉識別的方法，包括:
[0008]S1:在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組；
[0009]S2:逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組；
[0010]S3:根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分；
[0011 ] S4:統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組；
[0012]S5:比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。
[0013 ]為解決上述問題，本發(fā)明還提供一種人臉識別的系統(tǒng)，包括:
[0014]人臉數(shù)組模塊，用于在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組；
[0015]比對模塊，用于逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組；
[0016]數(shù)組累加分模塊，用于根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分；
[0017]終值數(shù)組模塊，用于統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組；
[0018]結(jié)果模塊，用于比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。
[0019]本發(fā)明的有益效果在于:區(qū)別于現(xiàn)有技術(shù)，本發(fā)明通過在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組;并與對象人臉?biāo)夭闹鹨槐葘?，獲得匹配相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分;統(tǒng)計其和后，獲得比對值終值數(shù)組，最后與人臉閾值比較，確認(rèn)人臉識別是否通過。通過上述方式，本發(fā)明可以快速在多人圖片中識別出特定人臉，適用于各種會議、學(xué)校課堂點名、公司員工打卡，準(zhǔn)確率高，且操作方便，可大規(guī)模應(yīng)用。
【附圖說明】
[0020]圖1為現(xiàn)有技術(shù)中的人臉識別方案流程圖；
[0021 ]圖2為本發(fā)明方法實施例一的流程示意圖；
[0022]圖3為本發(fā)明系統(tǒng)實施例二的結(jié)構(gòu)框圖；
[0023]圖4為本發(fā)明具體實施例中的系統(tǒng)簡化框圖；
[0024]圖5為本發(fā)明具體實施例中的流程示意圖。
【具體實施方式】
[0025]為詳細(xì)說明本發(fā)明的技術(shù)內(nèi)容、所實現(xiàn)目的及效果，以下結(jié)合實施方式并配合附圖予以說明。
[0026]本發(fā)明最關(guān)鍵的構(gòu)思在于:分別將素材與集體圖片兩兩比對，獲取對應(yīng)素材的多個基準(zhǔn)比對值多維數(shù)組，通過對多維數(shù)組降維獲取累加分，并與經(jīng)驗值比較后，確認(rèn)人臉。
[0027]請參照圖2，本發(fā)明實施例一提供一種人臉識別的方法，包括:
[0028]S1:在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組；
[0029]S2:逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組；
[0030]S3:根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分；
[0031 ] S4:統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組；
[0032]S5:比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。
[0033]為了區(qū)別素材的多個比對值數(shù)組，通常情況下，在執(zhí)行上述步驟之前，還需要將場景分割成若干個小塊，并進行間斷抓拍，獲得多張集體圖片。
[0034]同時，在一個具體的實施例中，為了提升人臉識別的準(zhǔn)確率，需要在多張集體圖片上對同一人臉的判斷，在S2之后，還包括:
[0035]S21:獲取每一張集體圖片上人臉的四角坐標(biāo)；
[0036]S22:通過所述四角坐標(biāo)，確定人臉外接圓及其圓心坐標(biāo)；
[0037]S23:對應(yīng)比較所有集體圖片上外接圓圓心坐標(biāo)，判斷坐標(biāo)差值是否在預(yù)設(shè)范圍內(nèi)；
[0038]若是，則執(zhí)行S24:確定在多張集體圖片上的人臉為同一人臉；
[0039]反之，則執(zhí)行S25:確定在多張集體圖片上的人臉上存在新的人臉。
[0040]同時，若與第一張集體圖片的比對時，發(fā)現(xiàn)其他張圖片出現(xiàn)新的人臉，則需要將該新的人臉對應(yīng)的比對值數(shù)值補充到基準(zhǔn)比對值數(shù)組中，這種補充可以使得基準(zhǔn)比對值數(shù)組所含的信息更加充分，也會一定程度提高準(zhǔn)確率。如在后續(xù)的集體圖片中，由于人的位置變動或自身的運動，會影響到人臉識別，如低頭、抬頭時，計算機無法識別出是否為人臉，可出現(xiàn)對應(yīng)位置上的比對值數(shù)據(jù)丟失，或者有其他人員的插隊，造成數(shù)組增多，因此在步驟S25之后，還包括S26:將新的人臉對應(yīng)的比對值補充到基準(zhǔn)比對值數(shù)組對應(yīng)的位置。
[0041]其中，比對值是作為圖像之間的相似度的一種定量描述。在實際操作中，可選擇其他方式獲取這樣圖像間相似度的其他度量。
[0042]應(yīng)當(dāng)理解的是，由于目前已知現(xiàn)有技術(shù)的缺陷，部分問題只能期待科技的進一步發(fā)展，而部分問題也并非純技術(shù)可以解決，本發(fā)明提出一種嶄新的思路，以期在現(xiàn)有技術(shù)條件下，解決以上的技術(shù)缺陷問題。
[0043]本發(fā)明的核心思路在于，既然在一群人的集體攝像截圖瞬間中，個別人的位置和動作不可控?，F(xiàn)有的人臉識別算法在受集體攝像的角度和清晰度限制下，表現(xiàn)也不理想。那么一味地追求準(zhǔn)確率，是難以實現(xiàn)的幻想。
[0044]但是從概率論上來說，解決多人的群體識別問題與人臉識別的準(zhǔn)確率并非同一個概念。也就是說，雖然對一個素材來說，在一個集體攝像截圖中間精確對應(yīng)某個人存在著誤差，但是對多素材與多截圖來說，當(dāng)一個人臉與多張集體攝像截圖中的人臉逐一比對，高度相似得分重復(fù)多次出現(xiàn)，且達到一定的閾值時，即可認(rèn)定為該素材在集體攝像截圖中存在。
[0045]利用本發(fā)明原理，并經(jīng)大數(shù)據(jù)量測試，可得出經(jīng)驗性的人臉閾值，可大大提高單素材對單集體攝像截圖中人臉識別的準(zhǔn)確率。
[0046]而具體在執(zhí)行步驟S5時，可執(zhí)行步驟S51:比較比對值終值數(shù)組與人臉閾值，判斷比對值終值數(shù)組是否大于等于人臉識別閾值；
[0047]若是，則執(zhí)行S52:確定多張集體圖片上的人臉識別通過；
[0048]反之，則執(zhí)行S53:確定多張集體圖片上的人臉識別不通過。
[0049]區(qū)別于現(xiàn)有技術(shù)，本發(fā)明實施例一通過逐一比對素材與多張集體圖片，獲得對應(yīng)于素材的多個比對值數(shù)組，對數(shù)組上的值進行對應(yīng)相加，獲得數(shù)組累加分，并執(zhí)行同樣步驟，以獲得人臉其他素材的數(shù)組累加分，累加分之和與人臉閾值比較，以最終確認(rèn)人臉識別是否通過。通過上述方式，本發(fā)明可以快速在多人圖片中識別出特定人臉，適用于各種會議、學(xué)校課堂點名、公司員工打卡，準(zhǔn)確率高，且操作方便，可大規(guī)模應(yīng)用。
[0050]承上，如圖3所示，本發(fā)明實施例二提供一種人臉識別的系統(tǒng)100，包括:
[0051]人臉數(shù)組模塊110，用于在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組；
[0052]比對模塊120，用于逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組；
[0053]數(shù)組累加分模塊130，用于根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分；
[0054]終值數(shù)組模塊140，用于統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組；
[0055]結(jié)果模塊150，用于比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。
[0056]其中，在一個具體實施例中，系統(tǒng)100中還可包括:
[0057]劃分抓怕模塊，用于將場景分割成若干個小塊，并進行間斷抓拍，獲得多張集體圖片。
[0058]為了提升人臉識別的準(zhǔn)確率，需要在多張集體圖片上對同一人臉的判斷，還包括:
[0059]坐標(biāo)單元，用于獲取每一張集體圖片上人臉的四角坐標(biāo)；
[0000]圓心單元，用于通過所述四角坐標(biāo)，確定人臉外接圓及其圓心坐標(biāo)；
[0061]圓心比較單元，用于對應(yīng)比較所有集體圖片上外接圓圓心坐標(biāo)，判斷坐標(biāo)差值是否在預(yù)設(shè)范圍內(nèi)；以及
[0062]補充單元，用于將新的人臉對應(yīng)的比對值補充到基準(zhǔn)比對值數(shù)組對應(yīng)的位置。
[0063]其中，所述結(jié)果模塊包括:
[0064]閾值比較單元，用于比較比對值終值數(shù)組與人臉閾值；
[0065]閾值判斷單元，用于判斷比對值終值數(shù)組是否大于等于人臉識別閾值。
[0066]為了方便理解本發(fā)明提供的技術(shù)方案，以下通過一個在實際操作中的實施例進行說明:
[0067]如圖4、5所示，多素材對多集體攝影的比對時，多張集體攝像中所辨識出的人臉存在對應(yīng)關(guān)系問題，現(xiàn)詳細(xì)說明多張素材(即一個人臉的不同角度獲取的圖像)與多集體攝影的對應(yīng)。
[0068]將素材I至N，定義為Pl...ΡΝ(可認(rèn)為從N個角度獲取一個人臉)，集體攝影I至M定義為Gl-GMj和M可以相等或不等。先以Pl與Gl比對，得出第一串基準(zhǔn)比對值以及在Gl上獲取的人臉?biāo)谒慕亲鴺?biāo)，該基準(zhǔn)比對值可作為定量判斷人臉的數(shù)學(xué)矩陣內(nèi)的元素，以所在坐標(biāo)計算其外接圓圓心，由于在集體圖片中，人臉可近似看做正方形，因此正方形的四個頂點可外接與一個圓。接著以Pl與G2比對，同時也取得比對值及人臉?biāo)谒慕亲鴺?biāo)，并計算外接圓圓心，將所有外接圓圓心相差在一定范圍內(nèi)的值視為同一張人臉，外接圓圓心不相近的，則認(rèn)為是剛剛辨識出的新人臉，獨立儲存。
[0069]隨后累加辨識度值后求平均值(也可不計算平均值，如實施例一所示)，獲得辨識度平均值；
[0070]根據(jù)辨識度平均值，獲得所有素材的基準(zhǔn)比對值的矩陣，并對矩陣進行降維，獲得累加分。
[0071]在獲取累加分后，判斷累加分是否大于等于人臉閾值；
[0072]若是，表示多張集體圖片上的同一人臉與相應(yīng)的素材一致；
[0073]反之，則表示多張集體圖片上的同一人臉與相應(yīng)的素材不一致。
[0074]在實際操作中，可根據(jù)經(jīng)驗，預(yù)先設(shè)置人臉閾值。
[0075]在比對Pl與G2后，要接著Pl與G3比對，以此類推，直到比對到GM，接下來是Ρ2比對Gl至GM，最后是PN比對Gl至GM。最終，得出所有素材與所有集體攝影的比值的矩陣。對矩陣進行降維，降維的操作通常是矩陣的加法，即平均每個比對素材的多次累加分。當(dāng)累加分大于經(jīng)驗數(shù)值，即可認(rèn)定該素材上的人臉被確認(rèn)。
[0076]在實際中，本發(fā)明所述的方法可以適用于會議出席人員的識別，以及課堂教學(xué)時的點名，對應(yīng)的素材可以是需要出席的人員或上課的學(xué)生頭像，通過在會議現(xiàn)場或課堂中對與會人員或?qū)W生進行實時拍攝，獲取的圖像(即集體圖片)進行比對，以最終確定與會人員或?qū)W生是否出席，具體參見圖4及圖5。圖4是具體實施例中的系統(tǒng)簡化示意圖。通過攝像頭控制模塊獲取多張集體圖片，而圖像處理模塊和人臉分析模塊是結(jié)合搭配使用的。圖5為具體實施例中的流程示意圖。
[0077]以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等同變換，或直接或間接運用在相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。
【主權(quán)項】
1.一種人臉識別的方法，其特征在于，包括: S1:在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組； 52:逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組； 53:根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分； S4:統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組； S5:比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。2.根據(jù)權(quán)利要求1所述人臉識別的方法，其特征在于，步驟SI前，還包括: SO:將場景分割成若干個小塊，并進行間斷抓拍，獲得多張集體圖片。3.根據(jù)權(quán)利要求1所述人臉識別的方法，其特征在于，在步驟S2之后，還包括: 521:獲取每一張集體圖片上人臉的四角坐標(biāo)； 522:通過所述四角坐標(biāo)，確定人臉外接圓及其圓心坐標(biāo)； S23:對應(yīng)比較所有集體圖片上外接圓圓心坐標(biāo)，判斷坐標(biāo)差值是否在預(yù)設(shè)范圍內(nèi)； 若是，則執(zhí)行S24:確定在多張集體圖片上的人臉為同一人臉； 反之，則執(zhí)行S25:確定在多張集體圖片上的人臉上存在新的人臉。4.根據(jù)權(quán)利要求2或3所述人臉識別的方法，其特征在于，在步驟S25之后，還包括: S26:將新的人臉對應(yīng)的比對值補充到基準(zhǔn)比對值數(shù)組的對應(yīng)位置。5.根據(jù)權(quán)利要求1所述人臉識別的方法，其特征在于，步驟S5具體為: S51:比較比對值終值數(shù)組與人臉閾值，判斷比對值終值數(shù)組是否大于等于人臉識別閾值； 若是，則執(zhí)行S52:確定多張集體圖片上的人臉識別通過； 反之，則執(zhí)行S53:確定多張集體圖片上的人臉識別不通過。6.一種人臉識別的系統(tǒng)，其特征在于，包括: 人臉數(shù)組模塊，用于在集體圖片上獲取人臉及對應(yīng)的人臉數(shù)組； 比對模塊，用于逐一比對對象人臉?biāo)夭呐c所述人臉數(shù)組，獲得匹配相似值數(shù)組； 數(shù)組累加分模塊，用于根據(jù)所述相似值數(shù)組，計算在集體圖片上識別對象人臉?biāo)夭牡某霈F(xiàn)頻次，獲得數(shù)組累加分； 終值數(shù)組模塊，用于統(tǒng)計所有對象人臉?biāo)夭牡臄?shù)組累加分之和，獲得比對值終值數(shù)組； 結(jié)果模塊，用于比較比對值終值數(shù)組與人臉閾值，確定人臉識別通過。7.根據(jù)權(quán)利要求6所述人臉識別的系統(tǒng)，其特征在于，還包括: 劃分抓怕模塊，用于將場景分割成若干個小塊，并進行間斷抓拍，獲得多張集體圖片。8.根據(jù)權(quán)利要求6所述人臉識別的系統(tǒng)，其特征在于，還包括: 坐標(biāo)單元，用于獲取每一張集體圖片上人臉的四角坐標(biāo)； 圓心單元，用于通過所述四角坐標(biāo)，確定人臉外接圓及其圓心坐標(biāo)； 圓心比較單元，用于對應(yīng)比較所有集體圖片上外接圓圓心坐標(biāo)，判斷坐標(biāo)差值是否在預(yù)設(shè)范圍內(nèi)。9.根據(jù)權(quán)利要求7或8所述人臉識別的系統(tǒng)，其特征在于，還包括補充單元，用于將新的人臉對應(yīng)的比對值補充到基準(zhǔn)比對值數(shù)組對應(yīng)的位置。10.根據(jù)權(quán)利要求6所述人臉識別的系統(tǒng)，其特征在于，所述結(jié)果模塊包括:閾值比較單元，用于比較比對值終值數(shù)組與人臉閾值；閾值判斷單元，用于判斷比對值終值數(shù)組是否大于等于人臉識別閾值。
【文檔編號】G06K9/00GK105912997SQ201610207545
【公開日】2016年8月31日
【申請日】2016年4月5日
【發(fā)明人】陳偉, 許雪玲, 徐斌, 周枝旺, 郭其盛, 鄭澤禹
【申請人】福建興宇信息科技有限公司