【技术实现步骤摘要】
一种人脸识别安全系统
[0001]本专利技术属于人工智能
,尤其涉及一种人脸识别安全系统。
技术介绍
[0002]近年来,人脸识别技术得到长足的发展,一方面是相关支持硬件的运算能力逐步增强,并且云概念在内的相关技术体系也日趋成熟;另一方面则是该领域的算法和产品层出不穷,从客观上成为了推动人脸识别技术伸入应用的重要力量。
[0003]对于安全领域而言,人脸识别技术有这毋庸置疑的积极价值,具体而言,体现在准确性、高效性以及非接触三个发面,对于准确性方面,理论上,人脸具有独特的属性,无法替代,因此如果能够实现精确识别,必然可以实现更为精确有效的出入管理,这种以人脸本质特征作为工作依据的技术,可以不受外界如光线、色彩、聚焦影响,表现的稳定可靠;其次就是高效性方面,人脸识别技术从物理层面只需要摄像头以及相关通讯设备,软件算法也日趋成熟,因此能够对人脸展开有效识别,实操中,人脸识别主要采取获取、跟组、定位及捕捉几个方面,并且利用三维建模实现对图像的预处理,预处理后的图片清晰、自然,识别率高,通过普通的笔记本即可识别,若采用高性能的服务器,其性能表现更优越;对于非接触而言,无论从卫生角度还是便捷角度看,人脸识别技术都有着得天独厚的优势,一方面不用担心病毒的接触性传染,另一方面因为其隐蔽性为公安部门的侦查工作提供有利的线索。
[0004]摄像头所拍摄的图像灰度值会受到拍摄状态的光照影响,以人脸这一对象目标为例,随着拍摄环境的光照强度变化,人脸颜色也会发生变化,使得图像中人脸识别更加复杂,因此在对图像进行人脸识别 ...
【技术保护点】
【技术特征摘要】
1.一种人脸识别安全系统,其特征在于,包括:人脸定位模块:用于将背景图像经预处理后形成人脸轮廓信息,判断人脸轮廓信息中是否存在人脸模型;若存在人脸模型,则基于人脸模型确定人脸轮廓在背景图像中的相对位置,并基于其相对位置确定其轮廓区域;若不存在人脸模型,则无需人脸识别;人脸跟踪模块:用于基于轮廓区域信息,将轮廓区域内的人脸图像从背景图像分离后形成人脸图像数据;人脸匹配模块:用于基于人脸图像数据,将人脸图像数据与标准人脸数据匹配形成人脸标准图像,通过面部特征提取与比对方法,确定最相似的人脸图像相应人员的身份信息。所述预处理包括:基于获取的原始背景图像,依次通过平均灰度值模型、颜色分量一次模型、颜色分量二次模型的色彩优化,形成优化背景图像;所述平均灰度值模型包括:所述AG为原始背景图像中灰度均值;所述ARed为原始背景图像中红色分量均值;所述AYellow为原始背景图像中黄色分量均值;所述AGreen为原始背景图像中绿色分量均值;所述ABlue为原始背景图像中蓝色分量均值;所述颜色分量一次模型包括:所述颜色分量一次模型包括:所述颜色分量一次模型包括:所述颜色分量一次模型包括:所述T(R)
′
为一次色彩优化后的红色分量的背景图像;所述T(R)为红色分量的原始背景图像;所述T(Y)
′
为一次色彩优化后的黄色分量的背景图像;所述T(Y)为黄色分量的原始背景图像;所述T(G)
′
为一次色彩优化后的绿色分量的背景图像;所述T(G)为绿色分量的原始背景图像;所述T(B)
′
为一次色彩优化后的蓝色分量的背景图像;所述T(B)为蓝色分量的原始背景图像;所述颜色分量二次模型包括:若T(R)
′
>255,则T(R)
″
=255;
若T(Y)
′
>255,则T(Y)
″
=255;若T(G)
′
>255,则T(G)
″
=255;若T(B)
′
>255,则T(B)
″
=255;所述T(R)
″
为二次色彩优化后的红色分量的背景图像;所述T(Y)
″
为二次色彩优化后的红色分量的背景图像;所述T(G)
″
为二次色彩优化后的红色分量的背景图像;所述T(B)
″
为二次色彩优化后的红色分量的背景图像。2.根据权利要求1所述人脸识别安全系统,其特征在于:所述面部特征提取与比对方法包括:提取原始图像特征:提取人脸标准图像内的面部信息特征形成原始面部特征模型;提取目标图像特征:提取已知身份的人脸特征信息库的人脸目标图像内的面部信息特征形成对应的目标面部特征模型;比对遴选人脸图像:将原始面部特征模型与目标面部特征模型通过模式匹配遴选方法优选出与面部特征模型最相似的人脸图像。3.根据权利要求2所述人脸识别安全系统,其特征在于:所述模式匹配遴选方法包括:人脸相似度匹配:基于原始面部特征模型与目标面部特征模型,通过人脸相似度匹配模型生成匹配相似度参数;人脸相似度匹配模型:所述Sim为人脸相似度参数;所述V
i
为原始面部特征与目标面部特征参数相似量;所述V
j
为原始面部特征特征量;所述V
h
为目标面部特征特征量;所述n为比对特征总特征量;人脸相似度判定:基于匹配相似度参数,通过标准比对模型,判定人脸相似度程度,并将当前目标面部特征模型确定为最相似的人脸图像;标准比对模型:所述k为相似度阈值;若人脸相似度大于相似度阈值,则判定人脸相似度程度为匹配;若人脸相似度小于相似度阈值,则判定人脸相似度程度为不匹配。4.根据权利要求3所述人脸识别安全系统,其特征在于:所述人脸相似度判定还包括:确定匹配时间:通过人脸匹配时间模型,确定匹配为最相似的人脸图像的所需匹配时间;人脸匹配时间模型:
所述Tmat为人脸匹配时间;匹配精度判定:基于最相似的人脸图像的所需匹配时间,通过时间判定模型,判定人脸图像匹配精度;时间判定模型:Tmat<T
k
‑‑‑
high precision;所述T
k
为匹配时间阈值;若人脸匹配时间小于匹配时间阈值,则确定最相似的人脸图像的所需...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。