一种戴墨镜情况下的人脸识别方法技术

本发明专利技术提供一种戴墨镜情况下的人脸识别方法，所述方法包括以下步骤：S1，输入图片，获得该图片的特征向量；S2，注册用户，在注册的时候保存图片作为注册图并保存其特征向量到数据库，同时模拟遮挡人脸眼部的情况，得到被遮挡人脸眼部的遮挡图的特征向量并保存到数据库以便数据库中存储和待识别的同一遮挡用户有高相似度的图片的特征向量；S3，识别，当前用户输入的图片的特征向量与数据库中所有注册图以及遮挡图的特征向量做比对，若比对成功，则识别成功；若比对不成功，则识别失败。本发明专利技术主要针对戴墨镜(或眼镜)情况下，人脸识别通过率降低的情况，提出了一种有效的改进方法。提出了一种有效的改进方法。提出了一种有效的改进方法。

【技术实现步骤摘要】
一种戴墨镜情况下的人脸识别方法


[0001]本专利技术涉及人脸识别领域，特别涉及一种戴墨镜情况下的人脸识别方法。

技术介绍

[0002]现有技术中，人脸识别系统主要包括四个组分：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人脸比对与识别等，如图1所示。
[0003](1)人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来；
[0004](2)人脸图像检测：对人脸图像进行检测得到人脸位置坐标的过程；
[0005](3)人脸图像预处理：对检测后的人脸框进行后处理工作以用于特征提取，例如裁剪、对齐、颜色转换、缩放等；
[0006](4)人脸图像特征提取：处理之后的标准人脸图输入神经网络得到N维特征向量的过程；
[0007](5)人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。
[0008]然而，注册集如果是正常未遮挡人脸，而用一个带了墨镜的遮挡人脸提取特征后进行比对，相似度往往达不到设定的阈值，即匹配不成功，因为二者还是有一定的区别的(如图2所示)，有时并不能很好地完成识别。
[0009]此外，本领域常见的技术术语包括：
[0010]1.人脸识别：人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。人脸识别系统主要包括四个组成部分，分别为：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。
[0011]2.误识率：误识率有时被称为认假率，英文简称FAR(False AcceptRATE)，指把他人误认为标准中某人而通过的概率，误识举例来说就是A拿B的手机人脸解锁通过。
[0012]3.通过率：通过率指正确认出而通过的概率，反过来讲叫做拒真率(拒真率＝1-通过率)，英文简称FRR(False Reject Rate)，拒真率指在标准库存在但未识别出的概率，拒真举例来说就是A拿自己手机人脸解锁未通过。
[0013]4.人脸相似度：在人脸识别中，我们通常采用欧氏距离和余弦距离来衡量人脸特征的相似度，判别是否为同一个人。欧氏距离：欧氏距离比较简单，采用欧氏公式直接计算两个点之间的距离，如下：
[0014][0015]欧氏距离计算的是空间中两个点的绝对距离，距离dist越小，特征越相似。
[0016]5.AR人脸库：公开的面部数据库，由Aleix Martinez和Robert Benavente在UAB的
计算机视觉中心(CVC)创建的，图像具有正面视图面，具有不同的面部表情、照明条件和遮挡(太阳眼镜和围巾)等。

技术实现思路

[0017]为了解决上述现有技术中存在的问题，本专利技术的目的在于：本专利技术主要针对戴墨镜(或眼镜)情况下，人脸识别通过率降低的情况，提出了一种有效的改进方法。
[0018]具体地，本专利技术提供一种戴墨镜情况下的人脸识别方法，所述方法包括以下步骤：
[0019]S1，输入图片，获得该图片的特征向量；
[0020]S2，注册用户，在注册的时候保存图片作为注册图并保存其特征向量到数据库，同时模拟遮挡人脸眼部的情况，得到被遮挡人脸眼部的遮挡图的特征向量并保存到数据库以便数据库中存储和待识别的同一遮挡用户有高相似度的图片的特征向量；
[0021]S3，识别，当前用户输入的图片的特征向量与数据库中所有注册图以及遮挡图的特征向量做比对，
[0022]若比对成功，则识别成功；
[0023]若比对不成功，则识别失败。
[0024]所述步骤S1进一步包括：
[0025]对一张输入图片，经过检测、预处理后的第i张图片Img-i经神经网络求得图片的特征向量：
[0026]F-i1＝Network(Img-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0027]这里的Network表示深度学习的神经网络。
[0028]所述步骤S2进一步包括：
[0029]S2.1，判断输入图片是否是第一张图片，
[0030]步骤A，若是第一张，则完成该用户的注册，保留注册图的特征向量并计算得到遮挡图的特征向量F-i2；
[0031]步骤B，若不是第一张，则与数据库中第j张注册图的特征向量F-j1进行比对，若比对失败即认为当前用户之前未注册，重复步骤A，否则注册失败；
[0032]S2.2，将当前用户对应的识别号id-i、注册图的特征向量F-i1、遮挡图的特征向量F-i2保存到数据库中。
[0033]所述步骤S2中的计算具体包括：
[0034]S2.1，注册模式下，
[0035]步骤A，若i＝0，即第一张检测注册图，
[0036]A.1，按以下公式处理，即：
[0037]Img'-i＝Img-i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0038]Img'-i[Img'-i.shape[0]//5:Img'-i.shape[0]*2//5,:]*＝0.3
ꢀꢀꢀ
(3)
[0039]公式(3)表示将原始图高度方向五分之一到五分之二位置的值乘上0.3，以弱化这部分特征；
[0040]此时，得到一张新图Iimg'-i，这里的shape[0]对应图像的高；
[0041]A.2，同样按公式(4)计算特征，得到F-i2，
[0042]F-i2＝Network(Img-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)；
[0043]S2.2将当前用户对应的id-i、F-i1、F-i2，即一个注册图对应两个特征向量加入数据库中；
[0044]步骤B，若i≠0，即已有人脸注册，
[0045]B.1,先将F-i1与数据库中的F-j1进行比对：
[0046]ret＝compare(F-i1,F-j1)
ꢀꢀꢀꢀ
j∈(0,i-1)
ꢀꢀꢀꢀꢀꢀꢀ
(5)
[0047]这里只比对原始图的特征即F-j1,F-j1指的是已注册图的第一个特征向量，若比对失败即认为当前用户之前未注册，可进行下一步，否则注册失败；
[0048]B.2，重复S2.1的步骤A完成该用户的注册；
[0049]B.3，先对数据库中的不同用户之间的距离进行统计，不同用户之间的距离指的是不同用户的特征向量之间的欧式距离也即人脸相似度，记录最小的距离min-dist：
[0050]min-dist＝min(d(F-i1,F-j1))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0051本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种戴墨镜情况下的人脸识别方法，其特征在于，所述方法包括以下步骤：S1，输入图片，获得该图片的特征向量；S2，注册用户，在注册的时候保存图片作为注册图并保存其特征向量到数据库，同时模拟遮挡人脸眼部的情况，得到被遮挡人脸眼部的遮挡图的特征向量并保存到数据库以便数据库中存储和待识别的同一遮挡用户有高相似度的图片的特征向量；S3，识别，当前用户输入的图片的特征向量与数据库中所有注册图以及遮挡图的特征向量做比对，若比对成功，则识别成功；若比对不成功，则识别失败。2.根据权利要求1所述的一种戴墨镜情况下的人脸识别方法，其特征在于，步骤S1进一步包括：对一张输入图片，经过检测、预处理后的第i张图片Img-i经神经网络求得图片的特征向量：F-i1＝Network(Img-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)这里的Network表示深度学习的神经网络。3.根据权利要求1所述的一种戴墨镜情况下的人脸识别方法，其特征在于，步骤S2进一步包括：S2.1，判断输入图片是否是第一张图片，步骤A，若是第一张，则完成该用户的注册，保留注册图的特征向量并计算得到遮挡图的特征向量F-i2；步骤B，若不是第一张，则与数据库中第j张注册图的特征向量F-j1进行比对，若比对失败即认为当前用户之前未注册，重复步骤A，否则注册失败；S2.2，将当前用户对应的识别号id-i、注册图的特征向量F-i1、遮挡图的特征向量F-i2保存到数据库中。4.根据权利要求3所述的一种戴墨镜情况下的人脸识别方法，其特征在于，步骤S2中的计算具体包括：S2.1，注册模式下，步骤A，若i＝0，即第一张检测注册图，A.1，按以下公式处理，即：Img'-i＝Img-i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)Img'-i[Img'-i.shape[0]//5:Img'-i.shape[0]*2//5,:]*＝0.3
ꢀꢀꢀ
(3)公式(3)表示将原始图高度方向五分之一到五分之二位置的值乘上0.3，以弱化这部分特征；此时，得到一张新图Iimg'-i，这里的shape[0]对应图像的高；A.2，同样按公式(4)计算特征，得到F-i2，F-i2＝Network(Img-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)；S2.2将当前用户对应的id-i、F-i1、F-i2，即一个注册图对应两个特征向量加入数据库中；步骤B，若i≠0，即已有人脸注册，
B.1,先将F-i1与数据库中的F-j1进行比对：ret＝compare(F-i1,F-j1)
ꢀꢀꢀꢀ
j∈(0,i-1)
ꢀꢀꢀꢀꢀꢀꢀ
(5)这里只比对原始图的特征即F-j1,F-j1指的是已注册图的第一个特征向量，若比对失败即认为当前用户之前未注册，可进行下一步，否则注册失败；B.2，重复S2.1的步骤A完成该用...

【专利技术属性】
技术研发人员：余慧，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：