人脸比对的阈值确定方法及系统技术方案

本发明专利技术提供了人脸比对的阈值确定方法及系统，涉及人脸识别技术领域，包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据类间相似性得分和类内相似性得分确定参考阈值。本发明专利技术通过将人脸图像在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。

Method and system for determining threshold of face alignment

The invention provides a threshold determination method and a system for face comparison, which relates to the technical field of face recognition, including: collecting the first face feature information of different individuals to construct an inter-class face set; collecting the multi-angle second face feature information of each individual to construct an intra-class face set; and classifying the face images of the reference individuals into classes. Comparing the inter-class face set with the intra-class face set, the corresponding inter-class similarity score and intra-class similarity score are generated, and the reference threshold is determined according to the inter-class similarity score and intra-class similarity score. The invention determines the reference threshold by comparing the face images in different face sets, so as to improve the accuracy of threshold determination.

【技术实现步骤摘要】
人脸比对的阈值确定方法及系统
本专利技术涉及人脸识别
，尤其是涉及人脸比对的阈值确定方法及系统。
技术介绍
人脸识别是计算机视觉领域的一个研究热点，它涉及到人工智能、机器学习、模式识别、计算机视觉、图像处理等多个学科领域和专业技术。人脸识别主要用于身份识别，随着视频监控设备的普及，大量的场景需要进行身份识别。人脸识别提供了一种用户不易察觉并且在非配合状态下的识别方法。人脸识别的研究始于上个世纪60年代，经过多年的研究，人脸识别技术取得了长足的发展，涌现了一大批具有代表性的技术。代表性算法主要有：PCA(PrincipalComponentAnalysis，主成份分析法)方法、LDA(local-densityapproximation，局域密度近似)方法、弹性匹配技术、贝叶斯方法等。目前来说，即使人脸识别在学术上已经取得了长足的进步，但是实际环境下，复杂的光照条件和人脸的多变性使得人脸识别仍然具有挑战性。人脸比对能够得到相似性分数，但是阈值的选择是一个需要凭经验确定的问题，在不同质量的人脸图像比对中，经验阈值不好确定。
技术实现思路
有鉴于此，本专利技术的目的在于提供人脸比对的阈值确定方法及系统，通过将人脸图像在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。第一方面，本专利技术实施例提供了一种人脸比对的阈值确定方法，其中，所述方法包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据所述类间相似性得分和所述类内相似性得分确定参考阈值。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分，包括：将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，根据所述类间相似性得分和所述类内相似性得分确定参考阈值，包括：根据下式计算所述参考阈值：σ＝(Smax+Smin)/2，其中，σ为所述参考阈值，Smax为所述类内相似性得分，Smin为所述类间相似性得分。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述方法还包括：将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；判断所述匹配分数是否小于所述参考阈值；如果不小于，则确定待识别个体与参考个体为同一个体；如果小于，则确定待识别个体与参考个体为不同个体。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，在所述匹配分数小于所述参考阈值的情况下，所述方法还包括：对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。第二方面，本专利技术实施例还提供一种人脸比对的阈值确定系统，其中，所述系统包括：第一构建单元，用于采集不同个体的第一脸部特征信息构建类间人脸集；第二构建单元，用于对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；第一比对单元，用于将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；阈值确定单元，用于根据所述类间相似性得分和所述类内相似性得分确定参考阈值。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，所述第一比对单元包括：将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中，所述阈值确定单元包括：根据下式计算所述参考阈值：σ＝(Smax+Smin)/2，其中，σ为所述参考阈值，Smax为所述类内相似性得分，Smin为所述类间相似性得分。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，其中，所述系统还包括第二比对单元；所述第二比对单元，用于将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；以及，判断所述匹配分数是否小于所述参考阈值，以及在不小于的情况下，确定待识别个体与参考个体为同一个体，在小于的情况下，确定待识别个体与参考个体为不同个体。结合第二方面的第三种可能的实施方式，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中，在所述匹配分数小于所述参考阈值的情况下，所述第二比对单元还用于：对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。本专利技术实施例带来了以下有益效果：本专利技术提供的人脸比对的阈值确定方法及系统，包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与类间人脸集和类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据类间相似性得分和类内相似性得分确定参考阈值。本专利技术通过将人脸图像分别在不同的人脸集中进行比较进而确定参考阈值，以提高阈值确定的准确性。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的人脸比对的阈值确定方法流程图；图2为本专利技术实施例二提供的人脸比对的阈值确定方法流程图；图3为本专利技术实施例三提供的人脸比对的阈值确定系统示意图。图标：100-第一构建单元；200-第二构建单元；300-第一比对单元；400-阈值确定单元。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前，人脸识别在学术上已经取得了长足的进步，但是实际环境下，复杂的光照条件和人脸的多变性使得人脸识别仍然具本文档来自技高网...

【技术保护点】
1.一种人脸比对的阈值确定方法，其特征在于，所述方法包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据所述类间相似性得分和所述类内相似性得分确定参考阈值。

【技术特征摘要】
1.一种人脸比对的阈值确定方法，其特征在于，所述方法包括：采集不同个体的第一脸部特征信息构建类间人脸集；对每个所述个体采集多角度的第二脸部特征信息构建类内人脸集；将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分；根据所述类间相似性得分和所述类内相似性得分确定参考阈值。2.根据权利要求1所述的方法，其特征在于，将参考个体的人脸图像分别与所述类间人脸集和所述类内人脸集进行比对，生成对应的类间相似性得分和类内相似性得分，包括：将所述参考个体的人脸图像与所述类间人脸集进行逐一比对，得到多个第一相似性得分，并对多个所述第一相似性得分求平均，生成所述类间相似性得分；将所述参考个体的人脸图像与所述类内人脸集进行逐一比对，得到多个第二相似性得分，并对多个所述第二相似性得分求平均，生成所述类内相似性得分。3.根据权利要求1所述的方法，其特征在于，根据所述类间相似性得分和所述类内相似性得分确定参考阈值，包括：根据下式计算所述参考阈值：σ＝(Smax+Smin)/2，其中，σ为所述参考阈值，Smax为所述类内相似性得分，Smin为所述类间相似性得分。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将待识别个体的人脸图像与所述参考个体的人脸图像进行比对，得到匹配分数；判断所述匹配分数是否小于所述参考阈值；如果不小于，则确定待识别个体与参考个体为同一个体；如果小于，则确定待识别个体与参考个体为不同个体。5.根据权利要求4所述的方法，其特征在于，在所述匹配分数小于所述参考阈值的情况下，所述方法还包括：对待识别个体采集多角度的第三脸部特征信息构建待识别个体的类内人脸集；将待识别个体的所述第三脸部特征信息增加至所述类间人脸集。...

【专利技术属性】
技术研发人员：王旭，王鹏，
申请(专利权)人：深圳卡安兴科技有限公司，
类型：发明
国别省市：广东,44