一种结合位置信息的人脸特征提取方法技术

本发明专利技术公开了一种结合位置信息的人脸特征提取方法，属于人脸识别技术领域，尤其涉及一种提高人脸识别准确度的方法。本发明专利技术是在人脸特征提取方法的基础上，增加了人脸位置的计算维度，先根据位置将人脸进行聚类处理；然后再通过族群内部的相似度计算，清除掉异常的特征数据；最终筛选出高质量的人脸特征数据。通过本发明专利技术，即使在图像噪音较多、人脸部分被遮挡、人脸未正对摄像头、人脸离摄像头较远等情况下，亦可提取到高质量的人脸特征，以提高人脸识别的准确度。

【技术实现步骤摘要】
一种结合位置信息的人脸特征提取方法
本专利技术属于人脸识别
，尤其涉及一种提高人脸识别准确度的方法。
技术介绍
人脸识别是一种依据人的面部特征(如统计或几何特征等)，自动进行身份识别的一种生物识别技术。目前通用的解决方案是：首先检测图像中的人脸并提取特征数据，然后将提取到的人脸特征数据和特征库中存贮的特征模板进行匹配，从而得到一个相似度，最后将相似度与预先设定的阈值进行比较，如果相似度大于该阈值则表示识别成功。由此可见，能否提取到高质量的人脸特征数据直接影响到人脸识别的准确度。人脸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和人脸图像代数特征等，特征提取就是针对人脸的某些特征进行的，它是对人脸进行特征建模的过程。特征提取过程包括：人脸采集(采集原始图像)、人脸检测(定位人脸的位置和大小)、图像预处理(图像矫正、噪声过滤等)以及特征提取(识别关键点并生成特征向量)。目前，人脸特征提取主要有传统特征的提取算法(SIFT、LBP、HOG等)和基于深度学习的提取方法(facenet、Sphereface、Cosface等)两种。目前，人脸特征提取的相关算法精度已经达到了很高的水准，在特定场景下，可以提取到高质量的人脸特征数据。但是，人脸特征的提取对环境、背景、光线敏感度等要求比较高，人脸图片的质量很大程度上决定了特征数据质量，尤其是在人脸部分被遮挡、人脸未正对摄像头(侧脸)、人脸离摄像头较远(小脸)、图片模糊以及像素点不足等情况下，使用上述方法无法提取到高质量的人脸特征数据。在通常情况下，使用上述特征提取方法：对于特写或近景图片，干扰较少，可以提取到高质量的人脸特征数据；对于全景或远景图片，干扰较多，很难提取到高质量的人脸特征数据。
技术实现思路
本专利技术所要解决的技术问题是：针对
技术介绍
的缺陷，提出一种结合位置信息的人脸特征提取方法，首先通过人脸区域的位置对人脸进行聚类，然后对提取到的人脸特征数据进行筛选，从而提取出高质量的人脸特征，以提高人脸识别的准确度。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提出一种结合位置信息的人脸特征提取方法，包括：步骤1、从摄像头提取原始图像；步骤2、扫描原始图像，检测出图像中所有的人脸，得到人脸信息数组；步骤3、过滤掉存在人脸概率较小的区域；即：遍历人脸信息数组，检查每个区域存在人脸的概率P，如果P值大于或等于指定阈值则进行步骤4处理，否则，该区域不做处理；步骤4、将人脸区域从原始图片中截取出来，并提取特征向量；步骤5、根据位置，对人脸进行聚类处理，将其划分到特定的族群，具体为：根据人脸位置坐标，在人脸信息特征库中查找邻近的人脸族群；如果找到邻近族群，则将当前人脸特征添加到该族群下；如果未能找到邻近族群，则新创建一个族群，并把当前人脸特征添加到该族群下；步骤6、人脸特征数据优化，清除掉异常的特征数据；检查该族群下人脸特征数量是否超过设定的阈值，如果没超过阈值，直接进行步骤7；否则，先进行清理，然后再进行步骤7；步骤7：将当前人脸信息增加到人脸信息特征库中。进一步的，本专利技术所提出的人脸特征提取方法，步骤2中所述人脸信息数组是一个二维数组，用来表示原始图片中可能存在人脸的区域以及该区域存在人脸的概率，对于每个人脸信息用一个数组[X0,Y0,X1,Y1,P]来表示，其中X0，Y0分别表示人脸区域左上角X和Y坐标，X1,Y1分别表示人脸区域右下角X和Y坐标，P表示这个区域有人脸的概率。进一步的，本专利技术所提出的人脸特征提取方法，步骤4中所述特征向量表示为一个数组：[F1,F2,F3,F4,F5,F6,........,Fn]，对于在原始图像中检测到的每个人脸，得到一个人脸信息数组和一个特征向量数组，分别为：[X0,Y0,X1,Y1,P]和[F1,F2,F3,F4,F5,F6,........,Fn]。进一步的，本专利技术所提出的人脸特征提取方法，在步骤5中，假设：当前人脸区域为[X00,Y00,X01,Y01]；人脸信息特征库如下所示：其中，[Xi,Yi]为人脸中心坐标，Ci为该人脸对应的族群标识；则人脸位置聚类过程包括以下步骤：(1)计算人脸中心点坐标：X＝(X00+X01)/2，Y＝(Y00+Y01)/2；(2)分别计算当前人脸中心点与人脸信息特征库中的人脸中心点的欧式距离：取所有距离的最小值：Dmin＝Min(Di)找到邻近人脸族群标识C，设最远距离参数为Dmax；当Dmin<Dmax时，族群标识C为Di取最小值时人脸信息特征库中对应记录的族群Ci；当Dmin>＝Dmax时，族群标识C为新生成的族群标识。进一步的，本专利技术所提出的人脸特征提取方法，步骤6中，所述特征清理方法为：假设，当前人脸特征向量为：[F01,F02,F03,F04,F05,F06,........,F0n]；人脸信息特征库中同一位置族群下的所有人脸特征为：人脸特征数据优化包括以下步骤：(1)分别计算当前人脸特征和信息特征库中的特征的欧式距离，(2)计算Di的最大值Dmax＝Max(Di)，删除掉当Di取最大值时，信息特征库中对应的记录。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术是在人脸特征提取方法的基础上，增加了人脸位置的计算维度，先根据位置将人脸进行聚类处理；然后再通过族群内部的相似度计算，清除掉异常的特征数据；最终筛选出高质量的人脸特征数据。通过本专利技术，即使在图像噪音较多、人脸部分被遮挡、人脸未正对摄像头(侧脸)、人脸离摄像头较远(小脸)等情况下，亦可提取到高质量的人脸特征。附图说明图1是摄像头安装示意图。图2是分析系统框架图。图3是截取后的人脸子图。图4是截取后的人脸特征值数据。图5是同一区域聚类下特征数组。图6是效果对比图。图7是实施流程图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：本
技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。本专利技术提供一种结合位置信息的人脸特征提取方法，参考图7所示，具体包括以下几个步骤：步骤1：从摄像头提取原始图像；打开摄像头，并从摄像头读取视频图像。从摄像头中读取到的原始图像通常为全景图像，可能包括多个人脸、物体以及背景等信息。步骤2：扫描原始图像，检测出图像中所有的人脸，得到人脸信息数组；人脸信息数组是一个二维数组，用来表示原始图片中可能存在人脸本文档来自技高网...

【技术保护点】
1.一种结合位置信息的人脸特征提取方法，其特征在于：具体包括以下步骤：/n步骤1、从摄像头提取原始图像；/n步骤2、扫描原始图像，检测出图像中所有的人脸，得到人脸信息数组；/n步骤3、过滤掉存在人脸概率较小的区域，即：/n遍历人脸信息数组，检查每个区域存在人脸的概率P，如果P值大于或等于指定阈值则进行步骤4处理，否则，该区域不做处理；/n步骤4、将人脸区域从原始图片中截取出来，并提取特征向量；/n步骤5、根据位置，对人脸进行聚类处理，将其划分到特定的族群，具体为：根据人脸位置坐标，在人脸信息特征库中查找邻近的人脸族群；当查找结果为存在邻近的人脸族群，则将当前人脸特征添加到该人脸族群下；当查找结果为空，则新创建一个人脸族群，并把当前人脸特征添加到该人脸族群下；/n步骤6、人脸特征数据优化，清除异常的特征数据；即：/n检查该族群下人脸特征数量是否超过设定的阈值，当结果为否，直接进行步骤7；当结果为是，则先进行清理，然后再进行步骤7；/n步骤7：将当前人脸信息增加到人脸信息特征库中。/n

【技术特征摘要】
1.一种结合位置信息的人脸特征提取方法，其特征在于：具体包括以下步骤：
步骤1、从摄像头提取原始图像；
步骤2、扫描原始图像，检测出图像中所有的人脸，得到人脸信息数组；
步骤3、过滤掉存在人脸概率较小的区域，即：
遍历人脸信息数组，检查每个区域存在人脸的概率P，如果P值大于或等于指定阈值则进行步骤4处理，否则，该区域不做处理；
步骤4、将人脸区域从原始图片中截取出来，并提取特征向量；
步骤5、根据位置，对人脸进行聚类处理，将其划分到特定的族群，具体为：根据人脸位置坐标，在人脸信息特征库中查找邻近的人脸族群；当查找结果为存在邻近的人脸族群，则将当前人脸特征添加到该人脸族群下；当查找结果为空，则新创建一个人脸族群，并把当前人脸特征添加到该人脸族群下；
步骤6、人脸特征数据优化，清除异常的特征数据；即：
检查该族群下人脸特征数量是否超过设定的阈值，当结果为否，直接进行步骤7；当结果为是，则先进行清理，然后再进行步骤7；
步骤7：将当前人脸信息增加到人脸信息特征库中。


2.根据权利要求1所述的人脸特征提取方法，其特征在于，步骤2中所述人脸信息数组是一个二维数组，用来表示原始图片中可能存在人脸的区域以及该区域存在人脸的概率，对于每个人脸信息用一个数组[X0,Y0,X1,Y1,P]来表示，其中X0，Y0分别表示人脸区域左上角X和Y坐标，X1,Y1分别表示人脸区域右下角X和Y坐标，P表示该区域有人脸的概率。


3.根据权利要求2所述的人脸特征提取方法，其特征在于，步骤4中所述特征向量表示为一个数组：[F1,F2,F3,F4,F5,F6,........,Fn]，对于在原始图像中检测到的每个人脸，得到一个人脸信息数组和一个特征向量数组，分别为：[X0,Y0,X1,Y1,P]和[F1,F2,F3,F4,F5,F6,........,Fn]，n代表所检测到人脸的数量。


4.根据权利要求1所述的人脸特征提取方法，其特征在于，在步骤5中，假设：当前人脸区域为[X00,Y00,X01,Y01]；人脸信息特征库如下所示：
[
[[X1,Y1],C1],
[[X...

【专利技术属性】
技术研发人员：谢文伟，张伟，叶有兵，
申请(专利权)人：南京原为智能科技有限公司，
类型：发明
国别省市：江苏;32