一种戴口罩的人脸识别方法技术

本发明专利技术涉及一种戴口罩的人脸识别方法，分为前期训练部分和技术应用部分；前期训练部分分为：s1，将统一像素大小后的同一人的戴与不戴口罩的正脸图片进行采集；s2，将人脸图片每一个像素值进行灰度化表达，校正将图片空间归一化，且将口罩遮挡部分进行黑色同色化；s3，提取戴口罩人脸的上方半脸的HOG特征值；HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；s4，提取未戴口罩人脸的HOG特征值；并保存为特征码；s5，对两组所述HOG特征值进行处理后，用来训练机器学习模型；s6，用未训练的图片来进行评估，调整，反复训练。通过计算还可以提取到人脸上更多的可以区分不同人脸的有效特征。

A face recognition method with mask

【技术实现步骤摘要】
一种戴口罩的人脸识别方法
本专利技术属于面部识别方法
，具体涉及一种戴口罩的人脸识别方法。
技术介绍
作为人的一种属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据，人脸识别即是应用之一。目前的人脸识别技术用在面部有口罩遮挡的人脸上时，其识别率大大降低甚至不会识别。如利用Haar级联分类器训练的人脸识别模型对正常人脸的识别率有90％以上，但是对口罩遮挡后的人脸却基本识别不出来；现有方法大多是从整个人脸来提取特征，包括脸型，嘴部，下巴，因此在口罩遮挡的情况下无法提取大部分有效的特征导致识别不准确。加之新冠病毒疫情的发生，可通过口部鼻部传染，戴口罩可以降低一定的被传染概率，因此口罩出行愈来愈普遍，人们的安全意识日趋提高。同时刷脸支付等都需要面部识别与身份匹配。为了健康安全与生活便利，佩戴口罩的人脸识别技术在实用性方面具有独到的技术优势。然而遮挡造成的人脸识别的困难主要体现在由遮挡所引发的特征损失、对准误差和局部混叠等方面，本申请主要解决特征损失这一困难。现有人脸识别方法对人脸的识别，是依靠人脸提取到的特本文档来自技高网...

【技术保护点】
1.一种戴口罩的人脸识别方法，其特征在于：该识别方法分为前期训练部分和技术应用部分；所述前期训练部分按下列步骤进行：/ns1：将统一像素大小后的同一人的戴口罩与不戴口罩的正脸图片分别放到以此人名字命名的文件夹里；/ns2：将人脸图片每一个像素值进行灰度化表达，校正将图片空间归一化，且将口罩遮挡部分进行黑色同色化；/ns3：提取戴口罩人脸的上方半脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；/ns4：提取未戴口罩人脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；/ns5：对两组所述HOG特征值进...

【技术特征摘要】
1.一种戴口罩的人脸识别方法，其特征在于：该识别方法分为前期训练部分和技术应用部分；所述前期训练部分按下列步骤进行：
s1：将统一像素大小后的同一人的戴口罩与不戴口罩的正脸图片分别放到以此人名字命名的文件夹里；
s2：将人脸图片每一个像素值进行灰度化表达，校正将图片空间归一化，且将口罩遮挡部分进行黑色同色化；
s3：提取戴口罩人脸的上方半脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；
s4：提取未戴口罩人脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；
s5：对两组所述HOG特征值进行处理后，用特征码来训练机器学习模型；
s6：用未训练的图片来进行评估，调整，反复训练；
s7：得到一个训练好的神经网络；
所述技术应用部分按下列步骤进行：
s1：使用人脸分类器对图片进行人脸检测，若人脸检测返回值≥1，则截取人脸部分保存；若人脸检测返回值为0，则使用人眼分类器进行眼部检测；
s2：对已经提取并保存的人脸作变换，将人脸姿态矫正为正脸；
s3：调用已经训练好的所述神经网络，对矫正过的图片进行评估；
s4：将评估结果与图片特征库中的特征码比较来确定...

【专利技术属性】
技术研发人员：任建，刘令文，张莺露，刘津成，史璐媛，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁;21