一种动态阈值人脸识别方法技术

本发明专利技术实施例提供一种动态阈值人脸识别方法，包括：将待比对图像依次与注册底库图像进行比对，如果大于第一阈值，则计算图像差异度和特征稳定度，从而得到第二动态阈值，利用第二动态阈值对获取的人脸图像进行识别，如果识别结果为通过，则依次与底库图像计算第三动态阈值，据此更新对应人员底库注册信息，并利用更新后的人脸底库进行下次人脸识别。利用本发明专利技术实施例提供的动态阈值入脸识别方法进行人脸识别和注册底库自适应更新，可以逐渐提高注册底库质量，提高人脸识别算法的环境适应性，从而降低识别误识率和拒识率，提高用户体验。验。验。

【技术实现步骤摘要】
一种动态阈值人脸识别方法


[0001]本专利技术实施例涉及计算机技术和人脸识别
，尤其是涉及一种动态阈值人脸识别方法。

技术介绍

[0002]人脸识别技术现在已经广泛应用在了人们生活中的各个方面。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别通常包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中，人脸图像匹配与识别就是将提取的人脸图像特征与注册特征进行逐一比对，当特征相似度超过设定的阈值时，则判定人脸识别成功。
[0003]然而，在人脸识别的实际应用中存在一下两个问题：
[0004]1.大多数人脸数据库注册底图是单一固定的，比如身份证照片或护照照片，而非实际场景的注册照片，存在年龄跨度大，姿态受限等问题；
[0005]2.进行人脸图像匹配与识别时，特征比对阈值是固定不变的，在外部环境变化较大或图像质量较差时容易发生拒识。
[0006]以上两个问题导致人脸识别在实际使用时，因待比对图像在姿态，环境光，遮挡等存在较大差异，导致人脸识别精度较低，误识率和拒识率高，用户体验差。

技术实现思路

[0007]因此，本专利技术实施例提供了一种动态阈值人脸识别方法，可以克服上述问题或至少部分解决上述问题，从而提高人脸识别精度和用户体验，具体包括以下步骤：
[0008]S102，获取人脸待识别图像，将所述图像与底库注册图像逐一比对，计算比对分数，得到第一比对分数和对应第一图像，所有比对分数中最高分数称为第一比对分数。
>[0009]S104，如果所述第一比对分数大于第一阈值，则利用所述待比对图像和所述第一图像计算图像差异度和特征稳定度，从而得到第二动态阈值，利用所述第二动态阈值得到所述待比对图像的人脸识别结果。
[0010]S106，如果所述人脸图像识别结果为通过，则利用所述识别通过的人脸图像与注册底库图像逐一进行比对，通过计算相对特征稳定度和图像差异度，得到逐次比对所需的第三动态阈值，从而确定比对结果，根据所述比对结果判断是否将所述图像更新到注册底库中。
[0011]本专利技术提出一种动态阈值人脸识别方法，本专利技术所述方法，其主要优点如下：
[0012]1.本专利技术会根据待识别图像和注册底库图像的图像质量差异，和待识别图像的特征稳定性计算第二动态阈值，相比固定阈值的情况，可以更好的适应不同的环境和不同质量的待比对图像，从而提高识别精度和用户体验。
[0013]2.本专利技术会利用识别通过的图像对注册底库进行自动更新，可以逐渐增大注册底图间的差异性，提高注册底库的质量和鲁棒性，通过动态更新注册底图，可以让人脸识别更
好的适应实际环境，降低识别误识率和拒识率。
[0014]3.本专利技术充分考虑了算法对环境的适应性和稳定性，通过计算图像差异度可以准确度量比对图像间的质量差异和环境差异，使用图像差异度调整比对阈值，可以使比对阈值更合理，降低拒识率。
[0015]4.本专利技术利用特征稳定度来度量提取人脸特征的稳定性和鲁棒性。通过特征描述子，神经网络等方法提取的人脸特征数值与脸部不同感受野有关，随着年龄、光照、姿态、遮挡等变化导致提取的人脸特征也各不相同，人脸识别分数也随之变化。本专利技术通过计算特征稳定度衡量人脸特征差异，因此该值越接近1，表明该人脸特征抗外部干扰的能力越强，特征越稳定。因此通过特征稳定度来动态调整比对阈值，可以提高算法的抗外部干扰能力，提高算法的稳定性，降低算法拒识率。
[0016]5.本专利技术利用相对特征稳定度来度量两个特征的比对分数稳定性。相对特征稳定度可以有效反映因为外部环境因素导致比对特征的改变对识别分数的影响。通过相对特征稳定度来调整第三动态阈值，可以更准确的度量类间特征的比对分数，通过迭代更新注册底库，可以逐渐提升注册底库图像特征间的差异性，提高注册底库的质量。
[0017]由以上本专利技术提供的技术方案可见，与现有技术相比较，本专利技术提供了一种动态阈值人脸识别方法，可以更好的适应不同的环境和不同质量的待比对图像，利用识别通过的图像对注册底库进行自动更新，通过逐渐增大注册底图间的差异性，提高注册底库的质量和鲁棒性，采用动态更新注册底图的方式，让人脸识别更好的适应实际环境，降低识别误识率和拒识率，同时，提高算法的抗外部干扰能力，提高算法的稳定性，从而提高识别精度和用户体验。
附图说明
[0018]图1为本专利技术实施例提供了一种动态阈值人脸识别方法的流程图；
[0019]图2为本专利技术实施例提供了一种动态阈值人脸识别方法的图像差异度计算框图；
[0020]图3为本专利技术实施例提供了一种动态阈值人脸识别方法的特征稳定度计算框图；
[0021]图4为本专利技术实施例提供了一种动态阈值人脸识别方法的相对特征稳定度计算框图；
[0022]图5为本专利技术实施例提供了一种动态阈值人脸识别方法的注册底库更新流程框图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0024]图1为本专利技术实施例提供的一种动态阈值人脸识别方法的流程图，如图1所示，包括：
[0025]步骤S102，获取待识别人脸图像，将所述图像与注册底库图像逐一进行比对，计算比对分数。
[0026]其中，所述注册底库图是指已注册人员存储在图像数据库底库中的预留原始注册图像。
[0027]其中，所有比对分数中最高分数称为第一比对分数，对应的注册底图称为第一图像，如果所述第一比对分数对应多张注册图像，则依次对每张图像进行后续步骤处理。
[0028]其中，获取的所述待识别人脸图像需要通过算法内部的质量评价算法，即保证图像达到最低图像质量要求。
[0029]步骤S104，若所述第一比对分数大于第一阈值，则利用所述第一图像和待比对图像的质量差异度和特征稳定度计算第二动态阈值。
[0030]其中，第一阈值是预先分配的，用于限定最低比对分数，如果第一比对分数低于第一阈值，则说明待识别图像对应人员可能未在底库注册。使用第一阈值可以避免后续步骤中使用动态阈值而增加误识率。
[0031]其中，图像质量差异度的计算框图由图2所示。
[0032]步骤S202，获取用于计算图像质量差异度的两张图像，即待比对图像和第一图像。
[0033]步骤S204，计算两张图像的质量评价指标。
[0034]其中，图像质量评价包括图像亮度，面部光均匀度，图像清晰度，头部姿态等种类，但并不限于上述列举类型。
[0035]步骤S206，计算两张图像的质量差异程度，得到质量差异度。
[0036]其中，计算两张图像的图像差异度，可以使用加权平均法，分数回归法，深度学习法等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态阈值人脸识别方法，其特征在于，包括以下步骤：S102，获取人脸待识别图像，将所述图像与底库注册图像逐一比对，计算比对分数，得到第一比对分数和对应第一图像，所有比对分数中最高分数称为第一比对分数；S104，如果所述第一比对分数大于第一阈值，则利用所述待比对图像和所述第一图像计算图像差异度和特征稳定度，从而得到第二动态阈值，利用所述第二动态阈值得到所述待比对图像的人脸识别结果；S106，如果所述人脸图像识别结果为通过，则利用所述识别通过的人脸图像与注册底库图像逐一进行比对，通过计算相对特征稳定度和图像差异度，得到逐次比对所需的第三动态阈值，从而确定比对结果，根据所述比对结果判断是否将所述图像更新到注册底库中。2.根据权利要求1所述的一种动态阈值人脸识别方法，其特征在于，所述注册底库图是指已注册人员存储在图像数据库底库中的预留原始注册图像。3.根据权利要求1所述的一种动态阈值人脸识别方法，其特征在于，所述待比对图像和所述第一图像计算图像差异度的计算方法包括但不限于加权平均法、分数回归法、深度学习法等方法计算。4.根据权利要求1所述的一种动态阈值人脸识别方法，其特征在于，所述待比对图像和所述第一图像计算特征稳定度的计算方法包括但不限于模型方法，特征方法等方法计算。5.根据权利要求1所述的一种动态阈值人脸识别方法，其特征在于，当所述识别通过的人脸图像和注册底库其中一张图像的比对分数大于对应计算得到的第三动态阈值时，则停止更新底库，当所述识别通过的人脸图像与所有注册...

【专利技术属性】
技术研发人员：李海青，宋平，侯广琦，
申请(专利权)人：天津中科虹星科技有限公司，
类型：发明
国别省市：