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征点来进行计算、机器学习等步骤达到人脸识别或匹配，例如dlib可以提取到68个特征点。但是在口罩遮挡情况下，提取到的特征点将减少，甚至后期计算特征点得到的特征值对区别人脸的作用也是微乎其微，从而无法准确地区分出不同的人脸。现有的人脸识别技术可以识别正常人脸并且匹配身份，但是在人脸有口罩遮挡时则识别率大大降低，进而通过人脸来匹配身份的正确率将大大减少，甚至会在匹配的人错误时，涉及到匹配人的财产安全问题等。
技术实现思路
专利技术目的：本申请的方法提出一种戴口罩的人脸识别训练方法，以解决疫情氛围下不易对戴口罩的人进行人脸识别的问题。技术方案：一种戴口罩的人脸识别方法，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是否吻合，若吻合即是同一人。所述技术应用部分中眼部检测的步骤为：a.确定两眼眼中心的位置(a1,b1),(a2,b2)且有(a2＞a1)并保存；b.使用以下公式计算人脸区域的左上角(x1,y1)及右下角(x2,y2)位置：①以此公式计算两眼中间的位置：②计算两眼在横轴上的欧氏距离：d＝a2-a1③计算图片中人脸左上角位置：④计算图片中人脸右下角位置：⑤以坐标位置(x1,y1),(x2,y2)所构成的矩形截取人脸图片并保存。所述机器学习算法为SVM方法。所述提取HOG特征值采用平方加权。所述SVM方法采用欧氏距离是否接近零来计算。所述戴口罩与不戴口罩的正脸图片数量比例为3：7。与现有技术相比，本专利技术的有益效果是：本申请使用了同一个人的佩戴口罩与未佩戴口罩的照片，分两部分作为两个图片集，并且从这两个图片集同时提取特征并训练，使训练后的模型对口罩遮挡的人脸识别率增加；本专利技术提出了人脸的上半脸可供提取的几组特征点，可以在口罩遮挡的情况下仍能提取到人脸的有效特征，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；并且针对提取的特征点，采用前期训练部分，可以对戴口罩的人脸进行匹配并且正确率高于目前普通的人脸识别方法。附图说明图1为本专利技术的戴口罩的人脸识别方法的流程示意图。具体实施方式下面结合附图对本专利技术做进一步的说明：如图1所示，一种戴口罩的人脸识别方法，该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，以防止提取到不必要的特征数据；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；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；检测窗口为(64，64)、块尺寸为(16，16)、块步长为(8，8)、cell尺寸为(8，8)、直方图bin个数为9，加权方法使用平方加权。提取上半脸的特征值，并保存为特征码。s5：对两组HOG特征值进行处理后，用特征码来训练机器学习模型，以计算欧氏距离是否接近零作为优化条件。s6：用未训练的图片来进行评估，调整，反复训练。训练集和测试集的比例为7：3，例如10个人里取7个人的文件夹用来训练，3个人用来测试。未训练的部分即为测试集，通过测试集评估这个模型的准确性有多大，不够准确就进行反复训练。s7：得到一个训练好的神经网络。技术应用部分是将训练好的模型应用于人脸比对和匹配过程，其原理是：通过提取戴口罩照片的特征码，对比库中图片的特征码，计算相似度给出相应的相似比值，作出判断。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(返回值为整数)，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，进而用眼部坐标确定人脸大致轮廓坐标；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是否吻合，若吻合即是同一人。具体的，该技术应用的前提是被识别人已经在早先时候将一张戴口罩，一张未戴口罩的图片上传至库中。本申请使用了同一个人的佩戴口罩与未佩戴口罩的照片，分两部分作为两个图片集，并且从这两个图片集同时提取特征并训练，使训练后的模型对口罩遮挡的人脸识别本文档来自技高网...

【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特征值进行处理后，用特征码来训练机器学习模型；/ns6：用未训练的图片来进行评估，调整，反复训练；/ns7：得到一个训练好的神经网络；/n所述技术应用部分按下列步骤进行：/ns1：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；/ns2：对已经提取并保存的人脸作变换，将人脸姿态矫正为正脸；/ns3：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；/ns4：将评估结果与图片特征库中的特征码比较来确定是否吻合，若吻合即是同一人。/n...

【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