基于人脸识别引擎的人脸抓取系统技术方案

本发明专利技术公开的基于人脸识别引擎的人脸抓取系统，涉及图像处理技术领域，包括脸部检测模块、脸部校准模块及脸部识别模块，其中，脸部检测模块采用基于OpenCV的MB‑LBP特征算法，用于实时接收摄像头发送的帧图像，脸部检测模块还用于，判断帧图像是否包含人脸图像，若是，则保存帧图像，脸部校准模块，用于对帧图像中的人脸图像进行定位，生成人脸定位图像并将定位图像发送至脸部识别模块，脸部识别模块，用于接收脸部校准模块发送的人脸定位图像并从人脸定位图像中提取面部特征，生成抓取图像，提高了人脸抓取系统的效率、精准度、抓怕的人脸图像的像素，解决了现有人脸抓取系统存在的效率低、精准度低及抓怕的人脸图像的像素低的缺陷。

Face Grabbing System Based on Face Recognition Engine

The invention discloses a face grabbing system based on face recognition engine, which relates to the field of image processing technology, including face detection module, face calibration module and face recognition module. In the face detection module, the MB LBP feature algorithm based on OpenCV is used to receive frame images sent by camera in real time, and the face detection module is also used to judge whether the frame images contain human beings. Face image, if so, saves the frame image and the face calibration module, which is used to locate the face image in the frame image, generates the face location image and sends the location image to the face recognition module. The face recognition module is used to receive the face location image sent by the face calibration module and extract the face features from the face location image, generate the captured image, and improve the face. The efficiency, accuracy and the pixels of the fearful face image of the grabbing system solve the shortcomings of the existing face grabbing system, such as low efficiency, low precision and low pixels of the fearful face image.

【技术实现步骤摘要】
基于人脸识别引擎的人脸抓取系统
本专利技术涉及图像处理
，具体涉及一种基于人脸识别引擎的人脸抓取系统。
技术介绍
近年来，随着人工智能技术的蓬勃发展，人脸识别技术在工业及生活中得到了广泛应用。在应用人脸识别技术的过程中，通常会利用智能移动终端的摄像头实现对人脸图像的抓取。普通的摄像头(价格中等或偏低)通常没有嵌入很好的人脸抓取算法，仅具备传统的移动侦测截图、过线抓取等功能，在进行人脸图像抓取时可能会抓取到不包含人脸的图像。而对于具有人脸检测功能的摄像头，其截取人脸图像的能力并不强，实现人脸图像截取的时间间隔较长，且截取到的人脸像素较低，较为模糊。
技术实现思路
为解决现有技术的不足，本专利技术实施例提供了一种基于人脸识别引擎的人脸抓取系统，该系统包括：脸部检测模块、脸部校准模块及脸部识别模块，其中：所述脸部检测模块采用基于OpenCV的多尺度块局部二值模式(MultiscaleBlockLocalBinaryPattern，MB-LBP)特征算法，用于实时接收摄像头发送的帧图像；所述脸部检测模块还用于，判断所述帧图像是否包含人脸图像，若是，则保存所述帧图像；所述脸部校准模块，用于对所述帧图像中的人脸图像进行定位，生成人脸定位图像并将所述定位图像发送至所述脸部识别模块；所述脸部识别模块，用于接收所述脸部校准模块发送的人脸定位图像并从所述人脸定位图像中提取面部特征，生成抓取图像。优选地，所述MB-LBP特征算法采用4×4邻域窗口算法。本专利技术实施例提供的基于人脸识别引擎的人脸抓取系统具有以下有益效果：能够高效、精准地实现对人脸图像的抓取且抓取到的人脸图像的像素较高。附图说明图1为本专利技术实施例提供的基于人脸识别引擎的人脸抓取系统的组成结构示意图；图2为MB-LBP特征算法中3×3邻域窗口示意图。具体实施方式以下结合附图和具体实施例对本专利技术作具体的介绍。如图1所示，本专利技术实施例提供的基于人脸识别引擎的人脸抓取系统包括：脸部检测模块、脸部校准模块及脸部识别模块，其中，所述脸部检测模块采用基于OpenCV的MB-LBP特征算法，用于实时接收摄像头发送的帧图像。其中，MB-LBP特征算法的思想是利用结构化思想提取窗口特征，再利用统计化做最终整体特征的提取。如图2所示，以采用3×3邻域窗口的MB-LBP特征算法为例，该MB-LBP特征算法步骤如下：(1)将8-邻域像素值与中心点像素值进行比较，将大于或等于中心点像素的8-邻域像素值标记为1，否则标记为0；(2)将0-1序列以一定的顺序排列，成一个8位的无符号的二进制数并将该二进制数转化成整数，该整数即为表征该3×3邻域窗口的MB-LBP值。进一步地，以图2为例，该MB-LBP值为(10101001)2＝169。所述脸部检测模块还用于，判断所述帧图像是否包含人脸图像，若是，则保存所述帧图像。所述脸部校准模块，用于对所述帧图像中的人脸图像进行定位，生成人脸定位图像并将所述定位图像发送至所述脸部识别模块。所述脸部识别模块，用于接收所述脸部校准模块发送的人脸定位图像并从所述人脸定位图像中提取面部特征，生成抓取图像。可选地，所述MB-LBP特征算法采用4×4邻域窗口算法。本专利技术实施例提供的基于人脸识别引擎的人脸抓取系统，包括脸部检测模块、脸部校准模块及脸部识别模块，其中，脸部检测模块采用基于OpenCV的MB-LBP特征算法，用于实时接收摄像头发送的帧图像，脸部检测模块还用于，判断帧图像是否包含人脸图像，若是，则保存帧图像，脸部校准模块，用于对帧图像中的人脸图像进行定位，生成人脸定位图像并将定位图像发送至脸部识别模块，脸部识别模块，用于接收脸部校准模块发送的人脸定位图像并从人脸定位图像中提取面部特征，生成抓取图像，提高了人脸抓取系统的效率、精准度、抓怕的人脸图像的像素。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本专利技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本专利技术的内容，并且上面对特定语言所做的描述是为了披露本专利技术的最佳实施方式。此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他本文档来自技高网...

【技术保护点】
1.一种基于人脸识别引擎的人脸抓取系统，包括脸部检测模块、脸部校准模块及脸部识别模块，其特征在于，所述脸部检测模块采用基于OpenCV的多尺度块局部二值模式MB‑LBP特征算法，用于实时接收摄像头发送的帧图像；所述脸部检测模块还用于，判断所述帧图像是否包含人脸图像，若是，则保存所述帧图像；所述脸部校准模块，用于对所述帧图像中的人脸图像进行定位，生成人脸定位图像并将所述定位图像发送至所述脸部识别模块；所述脸部识别模块，用于接收所述脸部校准模块发送的人脸定位图像并从所述人脸定位图像中提取面部特征，生成抓取图像。

【技术特征摘要】
1.一种基于人脸识别引擎的人脸抓取系统，包括脸部检测模块、脸部校准模块及脸部识别模块，其特征在于，所述脸部检测模块采用基于OpenCV的多尺度块局部二值模式MB-LBP特征算法，用于实时接收摄像头发送的帧图像；所述脸部检测模块还用于，判断所述帧图像是否包含人脸图像，若是，则保存所述帧图像；所述脸部校...

【专利技术属性】
技术研发人员：段海，
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