用于智慧校园人脸识别降噪的工作方法技术

本发明专利技术提出了一种用于智慧校园人脸识别降噪的工作方法，包括如下步骤：通过校园门禁获取学生的图像信息，对图像信息进行降噪处理，降噪之后的图像信息形成人脸图像集。通过调整角度并降噪处理之后能够清晰获取校园人员人脸正面图像，从而快速获取人脸相关人员的匹配信息。匹配信息。匹配信息。

【技术实现步骤摘要】
用于智慧校园人脸识别降噪的工作方法


[0001]本专利技术涉及图像处理领域，尤其涉及一种用于智慧校园人脸识别降噪的工作方法。

技术介绍

[0002]由于校园安全的重要性，在进出校园场所过程中，需要通过门禁进行人员识别，获取海量图像信息过程中，对于校园人员的人脸图像信息，身份信息进行实时获取操作，获取的校园人员图像信息如果不清晰或者不能获取正面图像则不能很好的进行人员身份信息的校验工作，所以对调整后的人脸信息需要进行降噪处理，这就亟需本领域技术人员解决相应的技术问题。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种用于智慧校园人脸识别降噪的工作方法。
[0004]为了实现本专利技术的上述目的，本专利技术提供了一种用于智慧校园人脸识别降噪的工作方法，包括如下步骤：
[0005]通过校园门禁获取学生的图像信息，对图像信息进行降噪处理，降噪之后的图像信息形成人脸图像集。
[0006]优选的，还包括：
[0007]S1
‑
1，通过校园门禁进行校园人员图像收集，获取的校园人员图像序列为{w1,w2,...,w
n
}，作为目标图像序列进行降噪处理，通过索引滤波计算得到降噪之后的输出图像集合。
[0008]优选的，还包括：
[0009]S1
‑
2，该索引滤波计算是通过将图像序列中的任一图像进行提取之后，对提取的图像进行人脸识别，如果获取的人脸图像角度不正，先进行人脸校正，通过像素变换矩阵W进行人脸图像获取；
[0010][0011]h
x
为人脸图像x轴位置平移值，h
y
为人脸图像y轴位置平移值，θ是旋转角度，H为人脸图像缩放阈值。
[0012]优选的，还包括：
[0013]S1
‑
3，进行像素变换的图像矩阵，求解人脸图像目标关键区域I，最小化检测图像中人脸特征区域和预设的人脸特征区域的差值距离，
[0014]I＝min||W(Z)
‑
S||2，其中，W(Z)为根据像素变换矩阵W获得的实际检测调整的人脸图像特征区域Z，S为预设的人脸特征区域；
[0015]对于人脸图像出现俯仰偏差时，进行脸部姿态变换调整，根据预设人脸特征区域的范围，进行正面人脸特征均值校正其中a为控制人脸特征水平调整的参数，ε为角度调整噪声，取值范围在(0,1)，为旋转角度θ的人脸特征区域所包含的像素点的特征矩阵，K为获得正面人脸特征的加权参数。
[0016]优选的，还包括：
[0017]S1
‑
4，得到正面人脸特征之后，对正面人脸图像进行去噪处理，滤波函数L为
[0018][0019]其中，|β|为该人脸图像的全部像素个数，z为人脸图像像素的索引值，k为正整数，A
k
为包含噪声的人脸图像前景梯度索引，该噪声包括人脸颜色，旋转后的像素缺失，面部阴影等；λ为前景滤波加权均值，B
k
为包含噪声的人脸图像背景梯度索引，ε为背景滤波加权均值，σ为人脸图像进行降噪过程中控制滤波衰减参数。
[0020]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0021]通过调整角度并降噪处理之后能够清晰获取校园人员人脸正面图像，从而快速获取人脸相关人员的匹配信息。
[0022]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0023]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0024]图1是本专利技术图像平移示意图；
[0025]图2是本专利技术图像校正示意图；
[0026]图3是本专利技术总体流程图。
具体实施方式
[0027]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0028]如图3所示，本专利技术公开一种基于混沌算法的校园门禁安全管理工作方法，包括如下步骤：
[0029]S1，通过校园门禁获取学生的图像信息，对图像信息进行降噪处理，降噪之后的图像信息形成加密图像集；
[0030]S2，针对待加密图像集通过扩散计算进行预处理，将图像进行重排扫描形成重排
坐标集合；
[0031]S3，根据采集的图像信息进行混沌序列设定，根据设定结果对重排坐标集合中的图像信息形成人脸位置坐标隐私保护操作。
[0032]所述S1包括：
[0033]S1
‑
1，通过校园门禁进行校园人员图像收集，获取的校园人员图像序列为{w1,w2,...,w
n
}，作为目标图像序列进行降噪处理，通过索引滤波计算得到降噪之后的输出图像集合；
[0034]S1
‑
2，如图1所示，该索引滤波计算是通过将图像序列中的任一图像进行提取之后，对提取的图像进行人脸识别，如果获取的人脸图像角度不正，先进行人脸校正，通过像素变换矩阵W进行人脸图像获取；
[0035][0036]h
x
为人脸图像x轴位置平移值，h
y
为人脸图像y轴位置平移值，θ是旋转角度，H为人脸图像缩放阈值，
[0037]S1
‑
3，如图2所示，进行像素变换的图像矩阵，求解人脸图像目标关键区域I，最小化检测图像中人脸特征区域和预设的人脸特征区域的差值距离，
[0038]I＝min||W(Z)
‑
S||2，其中，W(Z)为根据像素变换矩阵W获得的实际检测调整的人脸图像特征区域Z，S为预设的人脸特征区域；
[0039]对于人脸图像出现俯仰偏差时，进行脸部姿态变换调整，根据预设人脸特征区域的范围，进行正面人脸特征均值校正其中a为控制人脸特征水平调整的参数，ε为角度调整噪声，取值范围在(0,1)，为旋转角度θ的人脸特征区域所包含的像素点的特征矩阵，K为获得正面人脸特征的加权参数；
[0040]经过对人脸图像进行旋转和缩放之后通过距离计算目标区域和预设区域的偏差距离，能够将人脸图像进行更准确的收集和校正，
[0041]S1
‑
4，得到正面人脸特征之后，对正面人脸图像进行去噪处理，滤波函数L为
[0042][0043]其中，|β|为该人脸图像的全部像素个数，z为人脸图像像素的索引值，k为正整数，A
k
为包含噪声的人脸图像前景梯度索引，该噪声包括人脸颜色，旋转后的像素缺失，面部阴影等；λ为前景滤波加权均值，B
k
为包含噪声的人脸图像背景梯度索引，ε为背景滤波加权均值，σ为人脸图像进行降噪过程中控制滤波衰减参数，该参数为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智慧校园人脸识别降噪的工作方法，其特征在于，包括如下步骤：通过校园门禁获取学生的图像信息，对图像信息进行降噪处理，降噪之后的图像信息形成人脸图像集。2.根据权利要求1所述的用于智慧校园人脸识别降噪的工作方法，其特征在于，还包括：S1
‑
1，通过校园门禁进行校园人员图像收集，获取的校园人员图像序列为{w1,w2,...,w
n
}，作为目标图像序列进行降噪处理，通过索引滤波计算得到降噪之后的输出图像集合。3.根据权利要求1所述的用于智慧校园人脸识别降噪的工作方法，其特征在于，还包括：S1
‑
2，该索引滤波计算是通过将图像序列中的任一图像进行提取之后，对提取的图像进行人脸识别，如果获取的人脸图像角度不正，先进行人脸校正，通过像素变换矩阵W进行人脸图像获取；h
x
为人脸图像x轴位置平移值，h
y
为人脸图像y轴位置平移值，θ是旋转角度，H为人脸图像缩放阈值。4.根据权利要求1所述的用于智慧校园人脸识别降噪的工作方法，其特征在于，还包括：S1
‑
3，进行像素变换的图像矩阵，求解人脸图像...

【专利技术属性】
技术研发人员：秦欢欢，
申请(专利权)人：重庆医药高等专科学校，
类型：发明
国别省市：