一种提高人脸识别效率方法技术

本发明专利技术提供的提高人脸识别效率方法，从视频流中提取人脸图像先不与目标人脸图像库比对，而是先与鲜活人脸图像库比对且鲜活库中的人脸图像主要或全部来源于同一个采集设备或位置邻近的采集设备或具有一定关联的图像采集设备，比中的不入库鲜活库，不再比对目标库而直接采用原有的比对结果或与比中的人脸图像只拿其中一个去比对，没有比中的才与目标库比对，同时还可入库鲜活人脸图像库。本方法在目标库规模远大于鲜活库规模时且采集的鲜活人脸图像具有一定冗余度以及在两者规模差不多效率同时鲜活人脸图像冗余度较高时效率提升明显，本方法与人脸识别算法无关，技术上容易实现，可推广至人像、人体像、车脸、车像等图像识别应用场景提高识别效率。

【技术实现步骤摘要】
一种提高人脸识别效率方法
本专利技术涉及一种提高人脸识别效率方法，还涉及到一种高图像识别效率方法和一种提高图像识别效率的二次识别方法。
技术介绍
人脸识别的英文名称是HumanFaceRecognition。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。近年，生物特征识别这一技术发展今非昔比。其中，人脸识别是一种非接触性技术，具有可视化、符合人的思维习惯的特点，得以在商业、安全等领域广泛应用。人脸识别技术正式起步于美国，我国接触该技术较晚，但是经过科研人员和学者们多年的研究和实验，目前我国的人脸识别技术已经达到国际先进的水平。在我国，最早从人工向计算机智能识别发展的生物识别技术是指纹识别，但是在实际应用中逐渐产生了对人脸识别技术的需求。从2001年开始，公安部门就开始使用这一技术来防范打击重大刑事犯罪并取得国家的支持。随后，我国在2008年北京奥运会举行时应用了人脸识别技术，这标志着我国的人脸识别进入大规模的使用阶段。在前几年举办的世博会上，该技术得到更加广泛的应用，同时各大公司也逐渐加入，实现了人脸识别技术在中国的大规模应用。近年来，安防行业掀起了一波人脸识别的热潮，众多厂商纷纷推出了相关产品，一时间，人脸识别成为了行业内的热点技术方向。据笔者统计，在2014年的中国国际社会公共安全博览会上，至少有20家企业展示了自己的人脸识别产品。其中既有大华股份、海康威视这样的大安防厂商，也有汉王、银晨这样的智能化厂商。同时，众多媒体也接连报道了人脸识别技术在学术界和工业界取得的巨大成果:比如今年，腾讯在LFW人脸识别数据集上取得了99.65%的识别率，刷新了年初谷歌的记录；阿里巴巴集团执行主席马云在德国展会上演示了人脸识别与支付宝的结合应用，“刷脸支付”将走向生活。人脸识别技术走进生活，从北京人民公园人脸识别取厕纸，到江苏人脸识别抓拍行人闯红灯，从远程人脸认证养老金领取资格到公司门禁考勤放行审核，从机场、火车站安检“刷脸”到公安安防管理“刷脸”，从“刷脸”办理银行业务到“扫脸”支付购买商品……科幻电影中的“黑科技”，如今实实在在走进了我们的生活中。应用领域：人证比对：驾照、签证、身份证、护照、投票选举、智能卡用户验证等等；智能接入：接入控制设备存取、车辆访问、智能ATM、电脑接入、程序接入(CRM接入)、网络接入等；安全维稳：安全反恐报警、登机、乘车、体育场观众扫描、计算机安全、网络安全、执法嫌疑犯识别、欺骗识别等；人脸监控：校园监控、小区监控、公园监控、医院监控、街道监控、电网监控、入口监控等；人脸管理：人脸数据库人脸检索、人脸标记、人脸分类、多媒体管理人脸搜索、人脸视频分割和拼接等；其他人脸应用：人机交互式游戏、主动计算、人脸重建、低比特率图片和视频传输等；以公安应用为例，公安部门在查办案、处理事务时常常会遇到一些不明身份的人员，比如走丢的老人、小孩，拒不交代身份的嫌疑犯，无人认领的尸体等。传统的人工走访会浪费大量的人力物力也收效甚小。利用人脸识别检测系统，将目标人脸输入到系统中。系统毫秒间即可自动在海量人口数据库中进行查找比对，罗列出若干名疑似的人员信息。只需公安部门通过简单的人工干预方式，对系统结果进行筛选，就能得到目标的真实身份。中国有14亿人口，庞大的数据支撑成为了人脸识别准确度得以加速提升的重要条件。大数据为深度学习提供了学习的数据基础，使得人脸识别的错误率大大降低。人脸识别的应用都非常的关注误报条件下的识别性能，比如人脸支付需要控制错误接受率在0.000001之内；对于安防监控而言，可能需要控制在0.000000001之内（比如几十万人的注册库）。安防涉及维稳，涉及到民生领域财产安全，所需的人脸识别技术就更具有挑战性。而随着深度学习演进，基于深度学习的人脸识别将获得突破性的进展。它需要的只是越来越多的数据和样本，数据和样本越多、反复训练的次数越多，它越容易捕捉到准确的结果，给你准确的答案。所以，当一套人脸识别系统的设备，在全面引入深度学习的算法之后，它几乎是很完美的解决了以前长期各种各样的变化问题。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。人脸识别综合运用了数字图像/视频处理、模式识别、计算机视觉等多种技术，核心技术是人脸识别算法。目前人脸识别的算法有4种：基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。人脸识别算法的原理：系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。人脸识别法主要本文档来自技高网...

【技术保护点】
一种提高人脸识别效率方法，其特征在于：从视频流中提取人脸图像后先不与目标人脸图像库比对，而是先与鲜活人脸图像库比对且所述鲜活人脸图像库中的人脸图像主要或全部来源于同一个视频图像采集设备获取的视频流或位置邻近的不少于两个视频图像采集设备获取的视频流或具有一定关联且这种关联不是位置邻近的不少于两个视频图像采集设备获取的视频流，比中的不再比对所述目标人脸图像库而直接采用被比中的人脸图像与所述目标人脸图像库比对结果或与比中的人脸图像只拿其中一个去与所述目标人脸图像库比对、或者同时不入库所述鲜活人脸图像库，没有比中的才与所述目标人脸图像库比对或还把比对结果记录下来或同时还入库所述鲜活人脸图像库；同时/或者抓拍到人脸图像后先不与所述目标人脸图像库比对，而是先与所述鲜活人脸图像库比对且该鲜活人脸图像库中的人脸图像主要或全部来源于同一个人脸图像抓拍设备抓拍的人脸图像集或位置邻近的不少于两个人脸图像抓拍设备抓拍的人脸图像集或具有一定关联且这种关联不是位置邻近的不少于两个人脸图像抓拍设备抓拍的人脸图像集，比中的不再比对所述目标人脸图像库而直接采用被比中的人脸图像与所述目标人脸图像库比对结果或与比中的人脸图像只拿其中一个去与所述目标人脸图像库比对、或者同时不入库所述鲜活人脸图像库，没有比中的才与所述目标人脸图像库比对或还把比对结果记录下来或同时还入库所述鲜活人脸图像库。...

【技术特征摘要】
1.一种提高人脸识别效率方法，其特征在于：从视频流中提取人脸图像后先不与目标人脸图像库比对，而是先与鲜活人脸图像库比对且所述鲜活人脸图像库中的人脸图像主要或全部来源于同一个视频图像采集设备获取的视频流或位置邻近的不少于两个视频图像采集设备获取的视频流或具有一定关联且这种关联不是位置邻近的不少于两个视频图像采集设备获取的视频流，比中的不再比对所述目标人脸图像库而直接采用被比中的人脸图像与所述目标人脸图像库比对结果或与比中的人脸图像只拿其中一个去与所述目标人脸图像库比对、或者同时不入库所述鲜活人脸图像库，没有比中的才与所述目标人脸图像库比对或还把比对结果记录下来或同时还入库所述鲜活人脸图像库；同时/或者抓拍到人脸图像后先不与所述目标人脸图像库比对，而是先与所述鲜活人脸图像库比对且该鲜活人脸图像库中的人脸图像主要或全部来源于同一个人脸图像抓拍设备抓拍的人脸图像集或位置邻近的不少于两个人脸图像抓拍设备抓拍的人脸图像集或具有一定关联且这种关联不是位置邻近的不少于两个人脸图像抓拍设备抓拍的人脸图像集，比中的不再比对所述目标人脸图像库而直接采用被比中的人脸图像与所述目标人脸图像库比对结果或与比中的人脸图像只拿其中一个去与所述目标人脸图像库比对、或者同时不入库所述鲜活人脸图像库，没有比中的才与所述目标人脸图像库比对或还把比对结果记录下来或同时还入库所述鲜活人脸图像库。2.根据权利要求1所述的提高人脸识别效率方法，其特征在于：所述鲜活人脸图像库为空时，从视频流中提取的人脸图像或抓拍到的人脸图像人脸图像直接与所述目标人脸图像库比对或同时还入库所述鲜活人脸图像库；同时/或者对于鲜活人脸图像库中的人脸图像主要来源于同一个视频图像采集设备获取的视频流或位置邻近的不少于两个视频图像采集设备获取的视频流或具有一定关联且这种关联不是位置邻近的不少于两个视频图像采集设备获取的视频流的情况该鲜活人脸图像库中的人脸图像还可来源于其它指定的视频图像采集设备获取的视频流或指定的视频或指定的人脸图像集；同时/或者对于鲜活人脸图像库中的人脸图像主要来源于同一个人脸图像抓拍设备抓拍的人脸图像集或位置邻近的不少于两个人脸图像抓拍设备抓拍的人脸图像集或具有一定关联且这种关联不是位置邻近的...

【专利技术属性】
技术研发人员：倪子妍，
申请(专利权)人：宁波亿拍客网络科技有限公司，
类型：发明
国别省市：浙江,33