【技术实现步骤摘要】
一种全自动化的人脸识别校准检测方法
本专利技术涉及人脸识别
,具体地,涉及一种全自动化的人脸识别校准检测方法。
技术介绍
随着技术的不断发展,传统的磁性卡、密码等识别方法,由于存在容易丢失、容易复制、容易忘记等问题,经受越来越多的挑战,可靠性不断下降。与其他生理特征相比,人脸特征具有主动、直接、简单、友好的特点,逐渐进入研究使用范畴。人脸识别过程分为三个部分。一、采集人脸图像,建立人脸图像数据库。其次,提出了特征,然后将特征数据提取到特征库中。最后,鉴定了个人身份信息,用特定的匹配算法将被识别人的人脸特征匹配,从而实现对数据库中的特征数据的识别。现有人脸识别技术受以下因素影响,造成识别正确率的下降。1.表情,当人脸的表情变化将会造成算法识别率急剧下降。二是容貌变化,不同的年龄段,人脸会有细微差别,人脸特征的改变增加识别难度。三是装饰品,化妆、眼镜或帽子对识别结果造成影响。四是光线,光影条件的不稳定性影响识别正确率。
技术实现思路
本专利技术的目的在于提供一种全自动化的人脸识别校准检测方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种全自动化的人脸识别校准检测方法,包括以下步骤:S1.对数据库中的大量人脸图像,利用LBP(局部二值)模式算子来提取描述人脸图像局部纹理特征,原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;这样,3*3领域内的8个点可产生8bit的无符号数,即得到该窗口的LBP值,并用这个值来 ...
【技术保护点】
1.一种全自动化的人脸识别校准检测方法,其特征在于,包括以下步骤:S1.对数据库中的大量人脸图像,利用LBP(局部二值)模式算子来提取描述人脸图像局部纹理特征,原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;这样,3*3领域内的8个点可产生8bit的无符号数,即得到该窗口的LBP值,并用这个值来反映该区域的纹理信息;S2.将LBP纹理特征作为DBN(深度信念网络)的输入,进行DBN训练,即以LBP纹理特征为输入,对第一层RBM进行无监督训练,获得该层的最优参数;其次将低一层RBM的输出数据作为高一层RBM的输入数据,并对该层RBM进行无监督训练,获得最优参数;最后利用全局训练的方法对训练好的各层参数进行微调,使DBN收敛到全局最优;S3.将摄像头获取到的需识别的人脸图像,利用LBP算子进行特征提取后,在DBN顶层识别人脸图像,与数据库中的特征进行比对,当结果为真时,实现人脸识别检测。
【技术特征摘要】
1.一种全自动化的人脸识别校准检测方法,其特征在于,包括以下步骤:S1.对数据库中的大量人脸图像,利用LBP(局部二值)模式算子来提取描述人脸图像局部纹理特征,原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;这样,3*3领域内的8个点可产生8bit的无符号数,即得到该窗口的LBP值,并用这个值来反映该区域的纹理信息;S2.将LBP纹理特征作为DBN(深度信念网络)的输入,进行DBN训练,即以LBP纹理特征为输入,对第一层RBM进行无监督训练,获得该层的最优参数;其次将低一层RBM的输出数据作为高一层RBM的输入数据,并对该层RBM进行无监督训练,获得最优参数;最后利用全局训练的方法对训练好的各层参数进行微调,使...
【专利技术属性】
技术研发人员:李振合,林水养,
申请(专利权)人:深圳尊豪网络科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。