The invention discloses a face capture recognition method based on face quality evaluation. The method adopts in-depth learning to carry out face quality evaluation score regression training on three typical data sets with different quality levels, obtains face quality evaluation model, and applies the model to face capture system. In order to reduce system load and keep accuracy, real-time received video stream is divided into several grabs according to fixed set frame number for multi-face capture scene. In each capture cycle, the quality condition of the capture is dynamically adjusted, and the highest quality face is output for a period of time to be provided to face recognition algorithm for recognition. The invention uses deep learning technology to score face quality, carries out low-quality face filtering and optimal face selection with face capture, thereby serving the face recognition system better, realizes lower occupancy of hardware resources of the system and achieves higher face recognition rate at the same time.
【技术实现步骤摘要】
一种基于人脸质量评价的人脸抓拍识别方法
本专利技术属于计算机视觉
,涉及一种基于人脸质量评价的人脸抓拍识别方法。
技术介绍
视频监控场景下人脸识别的输入是由智能人脸抓拍系统输出的大量抓拍人脸图像,由于场景的不可控性,非理想环境下同一个人的多张图片质量参差不齐,常见影响因素如亮度对比度过低、人脸姿态过偏、面部遮挡、剧烈表情变化、低分辨率、图像模糊以及噪声等。为了提高识别精度,减少误识率以提高系统性能,需要采用人脸质量评价进行选优。中国专利技术专利:CN20111017191.X《客户采集终端人脸图像质量实时监控方法》通过判断人脸是否戴眼镜、脸部是否遮挡以及是否有影响图像质量的姿态来对人脸进行提示过滤,缺点是考虑的质量影响因素偏于单一,而且不利于区分于同一因素下不同质量的人脸。CN201710774182.1《人脸质量判别及图片增强的方法及装置》根据人脸清晰度、人脸大小和人眼的开合度计算人脸综合评价分数。CN201610674387.8《一种兼顾实时性及人脸质量的过滤选择方法及系统》根据人脸角度、人脸大小、背光度分别评分,然后进行加权得到最终分数。类似的,CN201610870876.0《一种基于可见光的人脸优选方法及系统》选取了人脸三维旋转角度、人脸阳光曝光面积、人脸清晰度和人脸遮挡面积进行评分和加权。这些方法虽然结合多个不同的评价指标,一定程度上避免了通过单一因子进行质量评价的局限性,但是基于传统的图像处理与模式匹配方法,在特征的选择上仍具有较大的主观性,且计算起来较为复杂,还需进行权重等参数的训练调试,无法保证各种多变场景下人脸识别的准确率。CN2 ...
【技术保护点】
1.一种基于人脸质量评价的人脸抓拍识别方法,其特征在于该方法包括以下步骤:步骤1、初始化系统,维护人脸状态;步骤2、视频图像采集设备获取当前帧图像;步骤3、人脸检测器获取图像中所有人脸矩形区域坐标;步骤4、人脸区域输入关键点定位算法获得人脸关键点;步骤5、根据人脸关键点将人脸区域图旋转缩放变换到固定大小;步骤6、将步骤5中图像输入人脸质量评价模型获得人脸得分;步骤7、使用跟踪算法串联前后帧人脸,更新每个人脸最大得分、最优人脸图像、抓拍张数和识别置信度历史;步骤8、在一个抓拍周期内,若同一个人脸抓拍次数较多,则提高质量阈值,若识别置信度历史最大值大于一定阈值则设置近期不抓拍标志,否则跟踪状态为消失时输出最优人脸图;步骤9、使用最优人脸图进行人脸比对识别;所述的人脸质量评价模型通过以下方式建立:准备整体人脸质量存在等级差异的非人脸、中等质量人脸、高质量人脸三个数据集;将含人脸的数据集图片用人脸检测器获取人脸矩形区域坐标;人脸矩形区域输入关键点定位算法获得人脸关键点;根据人脸关键点将数据集图片旋转缩放变换到固定大小,得到归一化的人脸图像数据;三个数据集按质量分别赋予0,1,2三个标签,与得到 ...
【技术特征摘要】
1.一种基于人脸质量评价的人脸抓拍识别方法,其特征在于该方法包括以下步骤:步骤1、初始化系统,维护人脸状态;步骤2、视频图像采集设备获取当前帧图像;步骤3、人脸检测器获取图像中所有人脸矩形区域坐标;步骤4、人脸区域输入关键点定位算法获得人脸关键点;步骤5、根据人脸关键点将人脸区域图旋转缩放变换到固定大小;步骤6、将步骤5中图像输入人脸质量评价模型获得人脸得分;步骤7、使用跟踪算法串联前后帧人脸,更新每个人脸最大得分、最优人脸图像、抓拍张数和识别置信度历史;步骤8、在一个抓拍周期内,若同一个人脸抓拍次数较多,则提高质量阈值,若识别置信度历史最大值大于一定阈值则设置近期不抓拍标志,否则跟踪状态为消失时输出最优人脸图;步骤9、使用最优人脸图进行人脸比对识别;所述的人脸质量评价模型通过以下方式建立:准备整体人脸质量存在等级差异的非人脸、中等质量人脸、高质量人脸三个数据集;将含人脸的数据集图片用人脸检测器获取人脸矩形区域坐标;人脸矩形区域输入关键点定位算法获得人脸关键点;根据人脸关键点将数据集图片旋转缩放变换到固定大小,得到归一化的人脸图像数据;三个数据集按质量分别赋予0,1,2三个标签,与得到归一化的人脸图像数据一并作为训练数据输入卷积神经网络进行训练调参,得到人脸质量评价模型。2.根据权利要求1所述的一种基于人脸质量评价的人脸抓拍识别方法,其特征在于:步骤4中的人脸关键点包括左眼、右眼、鼻尖、左嘴角、右嘴角共五个点。3.根据权利要求1所述的一种基于人脸质量评价的人脸抓拍识别方法,其特征在于:在人脸质量评价模型建立过程中:非人脸数据是...
【专利技术属性】
技术研发人员:尚凌辉,张兆生,王弘玥,李磊,
申请(专利权)人:浙江捷尚视觉科技股份有限公司,
类型:发明
国别省市:浙江,33
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。