一种无人脸数据训练的人脸识别方法和系统技术方案

本发明专利技术公开了一种无人脸数据训练的人脸识别方法，本发明专利技术不需要海量的人脸数据训练，在缺乏人脸底库的情况下自动识别所收集到的人脸图片，便于将海量人员数据进行快速收集和分类，减少了人工识别的工作量，并对于陌生人的识别任务有着良好的适应性；本发明专利技术实现了人脸底库中数据的实时更新，并提高了人脸底库中图像的清晰度，提高了人脸识别的精确度。本发明专利技术还公开了一种无人脸底库人脸识别系统，本发明专利技术的人脸特征聚类模块弥补了MTCNN侧脸判断不准的问题，提高了照片获取的精确度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。

【技术实现步骤摘要】
一种无人脸数据训练的人脸识别方法和系统
本专利技术属于计算机视觉与图像处理领域，具体涉及一种无人脸数据训练的人脸识别方法和系统。
技术介绍
从人脸识别技术的发现到人脸识别技术的应用，已有60多年历史，近年来，人脸识别技术作为模型识别、图像处理、机器视觉、神经网络等研究领域的热点研究课题，取得了较为突出的研究成果，并已运用于多个产业领域，如安全验证系统、信用卡验证、罪犯身份识别、银行和海关健康、人机交互等领域。相较于其他生物识别技术，人脸识别技术具有相对的优越性：1.更简单的数据采集手续，不需要人工操作，不需要接触；2.速度较快，用户使用简便；3.较为可靠，准确度较高；4.性价比较高，可扩展性良好；5.具有自学习功能，鲁棒性较强。虽然人脸识别技术的唯一性相较于指纹和虹膜要差，但足以满足一般安全性要求的身份验证和鉴别系统。人脸识别系统的主要研究内容包括以下5个方面：1.人脸检测。在不同场景之下找到人脸所在坐标和人脸面积区域。2.人脸表征。这一过程主要用于人脸特征的提取。3.人脸识别。待测对象与数据库中已存在的人脸图像进行比对，并得出所需结果。4.面部表情/姿势分析。识别人脸面部表情，理解人的情绪。5.生理分类。通过对人脸特征的分析，得到相关生理特征信息，如性别、年龄、种族、职业等信息。现有研究在上述提到的研究方向都取得了较为突出的成果，但这些研究大多只适用于有海量人脸底层数据的场景，如DeepFace,DeepID,FaceNet等都是基于海量的人脸数据训练得到的。对于缺乏人脸底层数据库的场景，例如陌生人识别，要采用人脸识别技术还具有非常大的难度。现有技术中申请号为2017108922472、申请日为2017.09.27的中国专利技术专利公开了一种陌生人识别方法和系统，然而该识别方法中对于陌生人的识别任务没有适应性；而且对于人脸照片的处理精度不高，而且没有实现人脸数据的实时更新。
技术实现思路
本专利技术的目的在于提供一种无人脸数据训练的人脸识别方法，本专利技术不需要海量的人脸数据训练，在缺乏人脸底库的情况下自动识别所收集到的人脸图片，便于将海量人员数据进行快速收集和分类，减少了人工识别的工作量，并对于陌生人的识别任务有着良好的适应性；本专利技术实现了人脸底库中数据的实时更新，并提高了人脸底库中图像的清晰度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。本专利技术的另一个目的在于提供一种无人脸底库人脸识别系统，本专利技术人脸特征聚类模块弥补了MTCNN侧脸判断不准的问题，提高了照片获取的精确度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。本专利技术主要通过以下技术方案实现：一种无人脸数据训练的人脸识别方法，主要包括步骤S103：获取人脸图像与人脸底库的比对值，若根据比对值能够在底图图库中查到FaceID的图像，则输出检测到的ID，若输入图像与人脸底库图像相似度大于识别阈值加5，则进行人脸质量判断，若符合人脸质量标准，若底库照片大于等于10，则删除识别次数少的底库照片，然后加入人脸底库；若根据比对值不能够在底图图库中查到FaceID，则进行人脸质量判断，若满足人脸质量标准，则将图像加入人脸底库中，然后输出ID。所述ID可以为系统设定的身份，以提醒验证者的身份，方便安全检测。为了更好的实现本专利技术，进一步的，若底库照片小于10，则直接加入人脸底库。为了更好的实现本专利技术，进一步的，输出ID后对应人脸底库照片识别次数+1。为了更好的实现本专利技术，进一步的，若根据比对值不能够在底图图库中查到FaceID，若满足人脸质量标准，则使用特征值MD5码生成FaceID并加入人脸底库中，然后输出ID；若不满足人脸质量标准，则判断为未识别。为了更好的实现本专利技术，进一步的，若不满足人脸质量标准，则采用队列临时存储拒识别的人脸数据，在服务器空闲时，进行人脸底库对比并查到ID后删除该缓存的图片并输出ID。为了更好的实现本专利技术，进一步的，当人脸底库中新增的图片数量大于500张时，则进行人脸聚类，删除相似度高的图片，合并相似度较高的FaceID。为了更好的实现本专利技术，进一步的，还包括以下步骤：步骤S101：采用MTCNN进行人脸五官特征点检测，确定图像中人脸位置，提取视频中一种或者多张人脸的抓拍照片；所述MTCNN将给定图片缩放到不同尺寸，形成图像金字塔，以达到尺寸不变；步骤S102：运用ResNet算法进行人脸识别，并计算抓拍图像与人脸底库图像的余弦距离形成比对值。为了更好的实现本专利技术，进一步的，所述步骤S101主要包括以下步骤：步骤S1011：使用P-Net全卷积网络用来生成候选窗和边框回归向量；使用Boundingboxregression的方法来校正候选窗，使用非极大值抑制合并重叠的候选框；步骤S1012：使用R-Net改善候选窗，将通过P-Net的候选窗输入R-Net中，拒绝掉大部分false的窗口，继续使用Boundingboxregression和NMS合并；步骤S1013：最后使用O-Net输出最终的人脸框和特征点位置；生成5个特征点位置。为了更好的实现本专利技术，进一步的，所述步骤S103中进行人脸质量评估时，采用人脸质量评估算法；人脸质量评估算法主要通过步骤S101中MTCNN检测的5个关键点信息计算人脸角度与完整度，再结合深度学习图像分类模型评估图像清晰度，从而实现人脸质量评估。本专利技术主要通过以下技术方案实现：一种人脸识别系统，主要包括用于确定图像中的人脸位置的人脸检测算法模块、用于提取人脸特征的人脸识别算法模块、用于评估人脸角度或人脸完整度或人脸清晰度的人脸质量评估算法模块、用于管理底库人脸图片的人脸底库管理模块、用于管理拒识别的人脸图片的拒识别人脸缓存模块、用于为每一个人生成一个固定的FaceID的FaceID生成模块、用于弥补MTCNN侧脸判断不准的人脸特征聚类模块。所述人脸检测算法模块是通过MTCNN进行人脸五官特征点检测，提取一张或多张人脸的抓拍照片；所述人脸识别算法模块是运用ResNet算法进行人脸识别，获取抓拍图像与人脸底库中的图像的比对值；所述人脸质量评估算法模块是通过MTCNN检测的5个关键点信息计算人脸角度与完整度以及使用深度学习图像分类模型评估图像清晰度，可参考VGG16网络；所述人脸底库管理模块是采用数据库管理所有底库信息；所述拒识别人脸缓存模块采用队列临时存储拒识别的人脸数据信息；所述FaceID生成模块使用特征值的MD5码做为FaceID，避免不同人的ID重复；所述人脸特征聚类模块使用MTCNN模型提取出来的特征进行聚类，去除抓取的人脸图片中的侧脸。主要包括：照片提取模块，采用MTCNN进行人脸五官特征点检测，提取一张或多张人脸的抓拍照片；照片比对模块，运用ResNet算法进行人脸识别，获取抓拍图像与人脸底库中的图像的比对值；判断模块，用于根据比对值进行判断并输出ID结果。本专利技术的目的在于解决没有人脸底库的应用场景中的人脸识别问题。本专利技术提供一种无人脸数据训练的人脸识别方法和系统，包括：步骤S1：运用人脸检测算法，确定图像中的人脸位置，提取图像中一张或者多张人脸抓拍照片;步骤S2:运用人脸识别算法，得到每张人脸照片的人脸特征，并与人脸底库进行比对，获得比对值。步骤S3本文档来自技高网...

【技术保护点】
1.一种无人脸数据训练的人脸识别方法，其特征在于，主要包括步骤S103：获取人脸图像与人脸底库的比对值，若根据比对值能够在底图图库中查到Face ID的图像，则输出检测到的ID，若输入图像与人脸底库图像相似度大于识别阈值加5，则进行人脸质量判断，若符合人脸质量标准，若底库照片大于等于10，则删除识别次数少的底库照片，然后加入人脸底库；若根据比对值不能够在底图图库中查到Face ID，则进行人脸质量判断，若满足人脸质量标准，则将图像加入人脸底库中，然后输出ID。

【技术特征摘要】
1.一种无人脸数据训练的人脸识别方法，其特征在于，主要包括步骤S103：获取人脸图像与人脸底库的比对值，若根据比对值能够在底图图库中查到FaceID的图像，则输出检测到的ID，若输入图像与人脸底库图像相似度大于识别阈值加5，则进行人脸质量判断，若符合人脸质量标准，若底库照片大于等于10，则删除识别次数少的底库照片，然后加入人脸底库；若根据比对值不能够在底图图库中查到FaceID，则进行人脸质量判断，若满足人脸质量标准，则将图像加入人脸底库中，然后输出ID。2.根据权利要求1所述的一种无人脸数据训练的人脸识别方法，其特征在于，若底库照片小于10，则直接加入人脸底库。3.根据权利要求1或2所述的一种无人脸数据训练的人脸识别方法，其特征在于，若根据比对值不能够在底图图库中查到FaceID，若满足人脸质量标准，则使用特征值MD5码生成FaceID并加入人脸底库中，然后输出ID；若不满足人脸质量标准，则判断为未识别。4.根据权利要求3所述的一种无人脸数据训练的人脸识别方法，其特征在于，若不满足人脸质量标准，则采用队列临时存储拒识别的人脸数据，在服务器空闲时，进行人脸底库对比并查到ID后删除该缓存的图片并输出ID。5.根据权利要求1所述的一种无人脸数据训练的人脸识别方法，其特征在于，当人脸底库中新增的图片数量大于500张时，则进行人脸聚类，删除相似度高的图片，合并相似度较高的FaceID。6.根据权利要求1所述的一种无人脸数据训练的人脸识别方法，其特征在于，还包括以下步骤：步骤S101：采用MTCNN进行人脸五官特征点检测，确定图像中人脸位置，提取视频中一种或者多张人脸的抓拍照片；所述MTCNN将给定图片缩放到不同尺寸，形成图像金字...

【专利技术属性】
技术研发人员：李源，王飞，
申请(专利权)人：成都睿码科技有限责任公司，杭州数峰科技有限公司，
类型：发明
国别省市：四川,51