人脸遮挡部位的识别方法及系统技术方案

本发明专利技术公开了一种人脸遮挡部位的识别方法及系统，涉及人脸识别技术领域，解决了有遮挡人脸识别准确率不高的技术问题，其技术方案要点是使用人脸关键点遮挡图像和人脸图像共同训练人脸遮挡识别模型，并根据人脸关键点对投入训练的图像特征图进行水平切分，减少不同部位遮挡的干扰。该人脸遮挡识别模型可准确地识别出眼部、鼻子、嘴巴关键部位有无遮挡，在面部有遮挡的情况下，可提示用户进行相应的调整，以确保人脸识别的准确度。

【技术实现步骤摘要】
人脸遮挡部位的识别方法及系统
本公开涉及人脸识别
，尤其涉及一种人脸遮挡部位的识别方法及系统。
技术介绍
目前，随着人脸识别技术日渐成熟，人脸识别技术已经广泛应用于交通、教育、医疗、金融等行业。在实际应用场景中，人脸图像会出现遮挡的情况，比如头发、墨镜、手机等，遮挡会使得人脸图像丢失关键信息，从而影响人脸识别的准确度。在身份信息要求严格的智能化场景，需要求用户在面部关键部位无遮挡的情况进行人脸识别，以保证正确的身份信息。因此，亟需一种人脸遮挡部位的识别方法，准确地识别出人脸关键部位是否有遮挡从而进一步对人脸进行识别。
技术实现思路
本公开提供了一种人脸遮挡部位的识别方法及系统，其技术目的是提高对遮挡人脸识别的准确率。本公开的上述技术目的是通过以下技术方案得以实现的：一种人脸遮挡部位的识别方法，包括：输入人脸图像，提取人脸关键点，根据人脸关键点和遮挡物品对所述人脸图像进行合成，得到人脸关键点遮挡图像；其中，所述人脸关键点包括左眼、右眼、双眼、鼻子、嘴巴；对所述人脸图像和所述人脸关键本文档来自技高网...

【技术保护点】
1.一种人脸遮挡部位的识别方法，其特征在于，包括：/n输入人脸图像，提取人脸关键点，根据人脸关键点和遮挡物品对所述人脸图像进行合成，得到人脸关键点遮挡图像；其中，所述人脸关键点包括左眼、右眼、双眼、鼻子、嘴巴；/n对所述人脸图像和所述人脸关键点遮挡图像进行标注，得到有遮挡图像和无遮挡图像；其中，有遮挡图像包括单一遮挡图像和复合遮挡图像，所述单一遮挡图像即仅遮挡一个人脸关键点的图像，复合遮挡图像即遮挡一个以上人脸关键点的图像；/n对所述有遮挡图像和所述无遮挡图像进行特征提取，得到特征图；/n将所述特征图按照人脸关键点进行水平切分，得到第一特征图、第二特征图和第三特征图；/n将所述第一特征图、第二...

【技术特征摘要】
1.一种人脸遮挡部位的识别方法，其特征在于，包括：
输入人脸图像，提取人脸关键点，根据人脸关键点和遮挡物品对所述人脸图像进行合成，得到人脸关键点遮挡图像；其中，所述人脸关键点包括左眼、右眼、双眼、鼻子、嘴巴；
对所述人脸图像和所述人脸关键点遮挡图像进行标注，得到有遮挡图像和无遮挡图像；其中，有遮挡图像包括单一遮挡图像和复合遮挡图像，所述单一遮挡图像即仅遮挡一个人脸关键点的图像，复合遮挡图像即遮挡一个以上人脸关键点的图像；
对所述有遮挡图像和所述无遮挡图像进行特征提取，得到特征图；
将所述特征图按照人脸关键点进行水平切分，得到第一特征图、第二特征图和第三特征图；
将所述第一特征图、第二特征图和第三特征图分别投入到所述卷积神经网络的第一分类器、第二分类器和第三分类器进行训练，得到人脸遮挡识别模型；
根据所述人脸遮挡识别模型对人脸进行识别。


2.如权利要求1所述的方法，其特征在于，所述根据人脸关键点和遮挡物品对所述人脸图像进行合成，得到人脸关键点遮挡图像包括：
在所述人脸图像中分别确定各个人脸关键点的区域[x,y,width,height]，其中[x,y]表示人脸关键点的中心点，width表示人脸的宽度，height表示人脸的宽度；
将所述区域外扩1.2-1.3倍得到[x1,y1,width1,height1]，则x1∈[x-0.15*width,x-0.1*width],y1∈[y-0.15*height,y-0.1*height],width1∈[1.2*width,1.3*width],height1∈[1.2*height,1.3*height]；
若遮挡区域为[x2,y2,width2,height2]，则width2∈[0.6*width1,width1],height2∈[0.6*height1,height1]；
确定遮挡区域后，将所述遮挡物品随机遮挡在所述人脸图像的所述遮挡区域，得到所述人脸关键点遮挡图像。


3.如权利要求2所述的方法，其特征在于，所述卷积神经网络为改进后的MobileNetV2网络，包括：将MobileNetV2网络中的全局水平池化层改为水平平均池化层，所述水平平均池化层将所述特征图按照人脸关键点进行水平切分，得到第一特征图、第二特征图和第三特征图；所述水平平均池化层连接三个分类器，即第一分类器、第二分类器、第三分类器。


4.如权利要求3所述的方法，其特征在于，所述第一分类器、第二分类器、第三分类器的损失函数采用sigmiod交叉熵损失函数，包括：



其中，N表示所述有遮挡图像和所述无遮挡图像的总数，i＝1,2,3分别表示第一分类器、第二分类器、第三分类器，j＝1,2分别表示有遮挡标签、无遮挡标签，ynij表示图像n在第i个分类器的第j类标签，pnij表示图像n在第i个分类器第j类的预测值。


5.一种人脸遮挡部位的识别系统，其特征在于，包括：
图像合成模块，输入...

【专利技术属性】
技术研发人员：杨帆，朱莹，
申请(专利权)人：南京甄视智能科技有限公司，
类型：发明
国别省市：江苏;32