一种无白光补光灯的双摄人脸识别方法、设备及介质技术

本发明专利技术提供一种无白光补光灯的双摄人脸识别方法，包括：获取真实彩色图像和红外图像；处理得到实验彩色图像；输入实验彩色图像和红外图像进行训练，输出融合图像；计算出损失函数并调整模型参数；启动检测程序，等待光照亮度值稳定，获取当前的光照亮度值和白平衡值，当光照亮度值和白平衡值达到切换条件时，进行亮场模式和暗场模式的切换；若当前处于亮场模式，根据彩色摄像头和红外摄像头执行人脸识别；若当前处于暗场模式，采集当前环境下的目标彩色图像和目标红外图像，输入到图像融合模型，得到目标融合图像，根据目标融合图像和红外摄像头执行人脸识别。本发明专利技术还提供一种电子设备和介质，解决人在夜晚不会因为白光补光灯感觉刺眼的问题。感觉刺眼的问题。感觉刺眼的问题。

【技术实现步骤摘要】
一种无白光补光灯的双摄人脸识别方法、设备及介质


[0001]本专利技术涉及人脸识别
，尤其是涉及一种无白光补光灯的双摄人脸识别方法、设备及介质。

技术介绍

[0002]当前楼宇对讲对于小款主机设备的需求越来越高，针对于小款主机设备的主要难点为结构空间的利用情况、散热效果等。人们对生活品质的舒适度要求更高，常规的补光灯方式需要突兀显示补光灯位置，且补光灯为了满足在黑暗环境下进行人脸识别的要求需要将亮度调高，导致白光会刺眼，尤其是在暗场打开灯光的瞬间会使用户有不好的体验。
[0003]现有技术采用白光补光灯在黑暗环境下进行人脸识别的方式存在以下几个问题：
[0004]1、采用白光补光灯进行补光，白光补光灯所需要的功耗大，为了灯光寿命，需要对补光灯进行散热处理，就会采用铝基板等散热快的板材，这样造成成本会增加；
[0005]2、白光补光灯的补光效果和体验差异，有的用户需求在远距离处就开始补光，则白光补光灯需要更亮；白光补光灯亮度过亮就会导致白光很刺眼，需要降低白光补光灯亮度；
[0006]3、产品外观会因为有白色补光的匀光膜导致设备外观略显突兀，影响美感。

技术实现思路

[0007]为解决上述问题，本专利技术提供一种无白光补光灯的双摄人脸识别方法，取消由白光补光灯进行补光，可以解决人在夜晚不会因为白光补光灯感觉刺眼的问题。
[0008]本专利技术是通过以下技术方案予以实现：
[0009]本专利技术提供了一种无白光补光灯的双摄人脸识别方法，所述方法包括如下步骤：
[0010]步骤1、获取复数张在光线充足情况下的真实彩色图像和红外图像；并将所有真实彩色图像进行变暗处理得到实验彩色图像；
[0011]步骤2、每次输入一组同一环境下的所述实验彩色图像和红外图像给图像融合模型进行训练，所述图像融合模型根据图像融合方法和模型参数对实验彩色图像和红外图像进行融合，输出融合图像；
[0012]步骤3、根据融合图像、真实彩色图像和损失函数公式计算出损失函数，根据损失函数的结果调整该模型参数继续训练，直至损失函数的值稳定，认为图像融合模型训练成功；
[0013]步骤4、启动检测程序，环境场景包括亮场模式和暗场模式，默认切换为亮场模式，等待光照亮度值稳定，通过彩色摄像头的图像信号处理器获取到当前环境的光照亮度值和白平衡值，当所述光照亮度值和白平衡值达到切换条件时，进行亮场模式和暗场模式的切换；
[0014]步骤5、若当前处于亮场模式，则根据彩色摄像头和红外摄像头执行人脸识别；若当前处于暗场模式，则通过彩色摄像头和红色摄像头采集当前环境下的目标彩色图像和目
标红外图像，将目标彩色图像和目标红外图像输入到训练好的图像融合模型，得到目标融合图像进行回显，并根据目标融合图像和红外摄像头执行人脸识别。
[0015]进一步的，所述步骤1具体包括：
[0016]步骤11、通过彩色摄像头拍摄复数张在光线充足的情况下的真实彩色图像，同时通过红外摄像头拍摄复数张在相同状态下的红外图像；
[0017]步骤12、将所有所述真实彩色图像的分辨率和对比度降低得到低分率的实验彩色图像；
[0018]步骤13、将所有实验彩色图像和红外图像作为数据集，所述数据集包括复数组图像数据，每组图像数据包括同一环境下的一张红外图像和一张实验彩色图像，将所述真实彩色图像作为数据集的真实标签。
[0019]进一步的，所述步骤2具体包括：
[0020]步骤21、每次输入一组同一环境下的所述实验彩色图像和红外图像给图像融合模型进行训练；
[0021]步骤22、所述图像融合模型采用FusionCNN图像融合方法进行融合，所述模型参数包括每个卷积核对应的卷积核参数；
[0022]步骤23、所述实验彩色图像MS通过3*3卷积核及其卷积核参数将通道数提升到32，得到实验彩色图像MS1；所述实验彩色图像MS1通过3*3卷积核及其卷积核参数将通道数提升到64，得到实验彩色图像MS2；所述实验彩色图像MS2通过3*3卷积核及其卷积核参数将通道数提升到128，得到实验彩色图像MS3；
[0023]步骤24、所述红外图像PAN通过3*3卷积核及其卷积核参数将通道数提升到32，得到红外图像PAN1；所述红外图像PAN1通过3*3卷积核及其卷积核参数将通道数提升到64，得到红外图像PAN2；所述红外图像PAN2通过3*3卷积核及其卷积核参数将通道数提升到128，得到红外图像PAN3；
[0024]步骤25、将所述实验彩色图像MS与红外图像PAN进行拼接，并通过1*1卷积核及其卷积核参数将通道数提升为64，得到拼接图像PANMS1；所述拼接图像PANMS1再与实验彩色图像MS1和红外图像PAN1拼接，同样利用1*1卷积核及其卷积核参数调整通道数至128，得到拼接图像PANMS2；所述拼接图像PANMS2再与实验彩色图像MS2和红外图像PAN2拼接，同样利用1*1卷积核及其卷积核参数调整通道数至256，得到拼接图像PANMS3；
[0025]步骤26、再将所述实验彩色图像MS3、拼接图像PANMS3与红外图像PAN3拼接，利用1*1卷积核及其卷积核参数调整通道数至3，得到融合图像F并输出。
[0026]进一步的，所述步骤3具体包括：
[0027]步骤31、在训练图像融合模型过程中，先将所有组图像数据随机分配，按设定比例划分出训练集、验证集与测试集；
[0028]步骤32、利用之前在CIFAR开源数据集中已经训练好的模型作为图像融合模型的预训练模型；
[0029]步骤33、每次输入所述训练集中的一组图像数据到图像融合模型进行训练，输出融合图像；
[0030]步骤34、将所述融合图像和真实彩色图像代入损失函数公式进行计算，得到损失
函数，所述损失函数公式为：其中，I为真实彩色图像，F为融合图像，n为训练集容量，PAN为红外图像，MS为实验彩色图像，θ为图像融合模型的模型参数，L(θ)为损失函数；
[0031]步骤35、每训练一个周期，就使用验证集进行一次验证，观察训练集与验证集计算出来的损失函数的值的变化，判断损失函数的值是否趋于平稳，若是，则认为图像融合模型拟合成功，图像融合模型收敛；若否，则进入步骤36；
[0032]步骤36、对图像融合模型的模型参数进行微调优化，优化算法采用Adam下降算法，设置初始化步长，根据步长大小进行优化；重复步骤33
‑
35继续训练，直至损失函数的值稳定；
[0033]步骤37、所述图像融合模型训练完后，使用测试集进行多次测试。
[0034]进一步的，所述步骤4具体包括：
[0035]步骤41、预先设置亮度的阈值：DN_MAX和DN_MIN，以及白平衡的阈值：AWB_MAX和AWB_MIN；
[0036]步骤42、启动检测程序，默认切换为亮场模式，等待光照亮度值稳定；
[0037]步骤43、通过彩色摄像头的图像信号处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无白光补光灯的双摄人脸识别方法，其特征在于，所述方法包括如下步骤：步骤1、获取复数张在光线充足情况下的真实彩色图像和红外图像；并将所有真实彩色图像进行变暗处理得到实验彩色图像；步骤2、每次输入一组同一环境下的所述实验彩色图像和红外图像给图像融合模型进行训练，所述图像融合模型根据图像融合方法和模型参数对实验彩色图像和红外图像进行融合，输出融合图像；步骤3、根据融合图像、真实彩色图像和损失函数公式计算出损失函数，根据损失函数的结果调整该模型参数继续训练，直至损失函数的值稳定，认为图像融合模型训练成功；步骤4、启动检测程序，环境场景包括亮场模式和暗场模式，默认切换为亮场模式，等待光照亮度值稳定，通过彩色摄像头的图像信号处理器获取到当前环境的光照亮度值和白平衡值，当所述光照亮度值和白平衡值达到切换条件时，进行亮场模式和暗场模式的切换；步骤5、若当前处于亮场模式，则根据彩色摄像头和红外摄像头执行人脸识别；若当前处于暗场模式，则通过彩色摄像头和红色摄像头采集当前环境下的目标彩色图像和目标红外图像，将目标彩色图像和目标红外图像输入到训练好的图像融合模型，得到目标融合图像进行回显，并根据目标融合图像和红外摄像头执行人脸识别。2.根据权利要求1所述的一种无白光补光灯的双摄人脸识别方法，其特征在于，所述步骤1具体包括：步骤11、通过彩色摄像头拍摄复数张在光线充足的情况下的真实彩色图像，同时通过红外摄像头拍摄复数张在相同状态下的红外图像；步骤12、将所有所述真实彩色图像的分辨率和对比度降低得到低分率的实验彩色图像；步骤13、将所有实验彩色图像和红外图像作为数据集，所述数据集包括复数组图像数据，每组图像数据包括同一环境下的一张红外图像和一张实验彩色图像，将所述真实彩色图像作为数据集的真实标签。3.根据权利要求1所述的一种无白光补光灯的双摄人脸识别方法，其特征在于，所述步骤2具体包括：步骤21、每次输入一组同一环境下的所述实验彩色图像和红外图像给图像融合模型进行训练；步骤22、所述图像融合模型采用FusionCNN图像融合方法进行融合，所述模型参数包括每个卷积核对应的卷积核参数；步骤23、所述实验彩色图像MS通过3*3卷积核及其卷积核参数将通道数提升到32，得到实验彩色图像MS1；所述实验彩色图像MS1通过3*3卷积核及其卷积核参数将通道数提升到64，得到实验彩色图像MS2；所述实验彩色图像MS2通过3*3卷积核及其卷积核参数将通道数提升到128，得到实验彩色图像MS3；步骤24、所述红外图像PAN通过3*3卷积核及其卷积核参数将通道数提升到32，得到红外图像PAN1；所述红外图像PAN1通过3*3卷积核及其卷积核参数将通道数提升到64，得到红外图像PAN2；所述红外图像PAN2通过3*3卷积核及其卷积核参数将通道数提升到128，得到红外图像PAN3；步骤25、将所述实验彩色图像MS与红外图像PAN进行拼接，并通过1*1卷积核及其卷积
核参数将通道数提升为64，得到拼接图像PANMS1；所述拼接图像PANMS1再与实验彩色图像MS1和红外图像PAN1拼接，同样利用1*1卷积核及其卷积核参数调整通道数至128，得到拼接图像PANMS2；所述拼接图像PANMS2再与实验彩色图像MS2和红外图像PAN2拼接，同样利用1*1卷积核及其卷积核参数调整通道数至256，得到拼接图像PANMS3；步骤26、再将所述实验彩色图像MS3、拼接图像PANMS3与红外图像PAN3拼接，利用1*1卷积核及其卷积核参数调整通道数至3，得到融合图像F并输出。4.根据权利要求2所述的一种无白光补光灯的双摄人脸识别方法，其特征在于，所述步骤3具体包括：步骤31、在训练图像融合模型过程中，先将所有组图像数据随机分配，按设定比例划分出训练集、验证集与测试集；步骤32、利用之前在CIFAR开源数据集中已经训练好的模型作为图像融合模型的预训练模型；步骤33、每次输入所述训练集中的一组图像数据到图像融合模型进行训练，输出融合图像；步骤34、将所述融合图像和真实彩色图像代入损失函数公式进行计算，得到损失函数，所述损失函数公式为：其中，I为真实彩色图像，F为融合图像，n为训练集容量，PAN为红...

【专利技术属性】
技术研发人员：张志鹏，林存贵，魏江超，林慧娴，刘绩林，
申请(专利权)人：厦门立林科技有限公司，
类型：发明
国别省市：