一种基于大数据的人脸识别方法技术

本发明专利技术提供了一种基于大数据的人脸识别方法，包括以下步骤：S1、采集待识别的人脸图像；S2、对待识别的人脸图像提取人脸特征；S3、将人脸特征与大数据中人脸特征进行比对，计算匹配度；S4、在存在匹配度高于匹配度阈值时，人脸特征为熟悉人脸特征，完成对人脸的识别；本发明专利技术解决了基于神经网络的人脸识别方法的识别精度受制于人脸数据的数量，且适用性不强的问题。问题。问题。

【技术实现步骤摘要】
一种基于大数据的人脸识别方法


[0001]本专利技术涉及图像处理
，具体而言，涉及一种基于大数据的人脸识别方法。

技术介绍

[0002]人脸识别是指在检测到人脸并定位到关键特征点后，主要的人脸区域就可以被剪裁出来，经过预处理后，完成人脸特征提取，并与库存的已知人脸进行对比，最终完成分类。
[0003]现有的人脸识别方法主要采用神经网络，例如Yolov神经网络和CNN神经网络，通过神经网络建立起人脸图像与目标值之间的映射关系，在输入人脸图像时，通过这种映射关系，找到对应的目标值，完成人脸识别。但基于神经网络的人脸识别方法需要收集大量人脸数据进行训练，否则其识别精度不高，且神经网络本身参数复杂，其需要依靠运行量大的硬件，适用性不强。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种基于大数据的人脸识别方法解决了基于神经网络的人脸识别方法的识别精度受制于人脸数据的数量，且适用性不强的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于大数据的人脸识别方法，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的人脸识别方法，其特征在于，包括以下步骤：S1、采集待识别的人脸图像；S2、对待识别的人脸图像提取人脸特征；S3、将人脸特征与大数据中人脸特征进行比对，计算匹配度；S4、在存在匹配度高于匹配度阈值时，人脸特征为熟悉人脸特征，完成对人脸的识别。2.根据权利要求1所述的基于大数据的人脸识别方法，其特征在于，所述S2包括以下分步骤：S21、对待识别的人脸图像灰度处理，得到灰度图；S22、将灰度图进行灰度值增强处理，得到增强图；S23、对增强图轮廓化处理，得到轮廓图；S24、对轮廓图剥离背景轮廓，得到面部轮廓图；S25、对面部轮廓图提取人脸特征。3.根据权利要求2所述的基于大数据的人脸识别方法，其特征在于，所述S22中增强处理的公式为：其中，为增强图中第个像素点的灰度值，为灰度图中第个像素点的灰度值，为灰度图中第个像素点周边的第个像素点的灰度值，为灰度图中第个像素点周边像素点的数量，为灰度图中的最小灰度值，为灰度图中的最大灰度值。4.根据权利要求2所述的基于大数据的人脸识别方法，其特征在于，所述步骤S24包括以下分步骤：S241、采用分界线对轮廓图进行划分，得到A侧轮廓图和B侧轮廓图；S242、从A侧轮廓图的边缘开始，找到A侧第i条轮廓线；S243、依次判断A侧轮廓图中第i条轮廓线与B侧轮廓图中的多条轮廓线是否存在连接，若是，则存在连接的两条轮廓线为疑似面部轮廓线，并跳转至步骤S244，若否，则i自加1，并跳转至步骤S242，其中，i初值为1；S244、计算疑似面部轮廓线围成的区域的面积，得到面部面积；S245、在面部面积位于下限阈值至上限阈值范围内时，疑似面部轮廓线为面部轮廓线；S246、根据面部轮廓线的位置，将位于面部轮廓线外的背景区域剔除，得到面部轮廓图。5.根据权利要求2所述的基于大数据的人脸识别方法，其特征在于，所述S25包括以下分步骤：S251、从面部轮廓图找出眼睛轮廓线；S252、根据两条眼睛轮廓线，找到眉心位置；S253、以眉心位置为坐标原点，对面部轮廓图进行矫正，得到矫正面部轮廓图；S254、根据眼睛轮廓线的位置，找到在矫正面部轮廓图上的鼻部轮廓线和嘴部轮廓线；S255、根据每条眼睛轮廓线的矫正位置，计算眼睛轮廓分布特征值和找到眼睛中心点；S256、根据鼻部轮廓线的矫正位置，计算鼻部轮廓分布特征值和鼻尖点；S257、根据嘴部轮廓线的矫正位置，计算嘴部轮廓分布特征值；
S258、根据左右眼睛的中心点的位置以及鼻尖点的位置，计算三角区的角度特征值；S259、将三角区的角度特征值、眼睛轮廓分布特征值、鼻部轮廓分布特征值和嘴部轮廓分布特征值构建为人脸特征。6.根据权利要求5所述的基于大数据的人脸识别方法，其特征在于...

【专利技术属性】
技术研发人员：孙晓宇，黄博，徐浩，李攀，高飞，吴农中，江坤，麻亮，谭思涛，陈俊，宋虹苍，
申请(专利权)人：成都运荔枝科技有限公司，
类型：发明
国别省市：