智能影像处理中的人脸识别方法及装置制造方法及图纸

本发明专利技术涉及人脸识别技术领域，特别涉及一种智能影像处理中的人脸识别方法及装置，其中，方法包括：获取多个初始人脸图像数据进行高动态范围成像和/或自动白平衡，得到多个增益人脸图像数据，以构建待识别人脸数据集；计算该数据集的特征值和特征向量；根据特征向量将待识别人脸数据集投影到特征空间上，计算每个初始人脸图像数据的投影与预设原始人脸数据集中原始人脸图像数据的投影之间的相似度；将每个相似度与预设识别阈值对比，以确定人脸识别是否成功，并统计人脸识别的成功率与失败率，以更新预设识别阈值调节分辨能力。由此，缓解了环境因素对人脸识别准确率的影响，提高了相似人脸的分辨能力、复杂场景的适应性、不同场景的使用体验感。场景的使用体验感。场景的使用体验感。

【技术实现步骤摘要】
智能影像处理中的人脸识别方法及装置


[0001]本专利技术涉及人脸识别
，特别涉及一种智能影像处理中的人脸识别方法及装置。

技术介绍

[0002]人脸识别功能是比较典型的针对图像所含信息而不是图像质量提升的功能。现在手机的摄像头，不管是在拍照时识别到取景框内的人脸，还是获取机主的人脸信息进行人脸识别解锁，都需要有人脸识别功能的存在。人脸识别即是通过获取的图像提取其中的人的脸部特征信息，并进行身份的识别。
[0003]目前的人脸识别技术主要分类四类：利用图像纹理进行区分、通过人脸生物活体检测、三维场景检测和采用多光谱图像分析。然而在实际应用中，人脸识别的环境是复杂多变的，比如用户的人脸姿态、妆容的变化，或者是光照强度变化等环境因素都会对人脸识别的准确度产生影响。在光源的色温不同时会使得拍摄的图片有所变化，使得拍摄所得图片中的颜色与人眼所见的真实颜色有所差别，从而造成名为色偏的现象。因此，需要通过白平衡，去除光源条件引起的偏色，使得图像在各种色温的光源之下都可以显现出正常的趋近于人眼感受的颜色。此外，由于摄像头的动态范围没有现实场景中的光照范围大，会导致摄像头获取的数据存在过曝或者欠曝，从而影响人脸识别的效果。
[0004]因此，人脸识别系统在不同的环境下会面临多种多样的挑战，传统的固定预设阈值方法会在环境因素发生变化时而无法适应，导致人脸识别的错误率变高或可能降低用户对于人脸识别的体验感。

技术实现思路

[0005]本专利技术提供一种智能影像处理中的人脸识别方法及装置，以解决现有人脸识别的应用场景中，由于会出现人脸面容接近或光照等环境恶劣导致人脸识别的准确性与用户体验感下降，导致固定阈值的方法无法适应实际场景中灵活多变的情况的技术问题。
[0006]本专利技术第一方面实施例提供一种智能影像处理中的人脸识别方法，包括以下步骤：获取多个初始人脸图像数据，对所述多个初始人脸图像数据进行高动态范围成像和/或自动白平衡处理，得到多个增益人脸图像数据；根据所述多个增益人脸图像数据构建待识别人脸数据集，以计算所述待识别人脸数据集的特征值和特征向量；根据所述特征向量将所述待识别人脸数据集投影到特征空间上，计算每个初始人脸图像数据的投影与预设原始人脸数据集中原始人脸图像数据的投影之间的相似度；将每个相似度与预设识别阈值进行比较，根据对比结果确定人脸识别是否成功，并统计人脸识别的成功率与失败率，以更新所述预设识别阈值调节分辨能力。
[0007]可选地，在所述获取初始人脸图像数据，对所述初始人脸图像数据高动态范围成像和/或自动白平衡处理，得到增益人脸图像数据之前，还包括：获取环境图像数据，根据自动白平衡算法处理所述环境图像数据，以获得RGB三通道分量的增益系数。
[0008]可选地，所述获取初始人脸图像数据，对所述初始人脸图像数据进行高动态范围成像和/或自动白平衡处理，得到增益人脸图像数据，包括：获取所述多个初始人脸图像数据，通过裁减或填充的方式将所述多个初始人脸图像数据修改为相同大小尺寸的多个人脸图像图片；对所述多个人脸图像图片进行高动态范围成像处理，得到具有更宽像素范围数据的多个增益人脸图像数据；和/或根据所述增益系数对所述多个人脸图像图片进行自动白平衡处理，以将多个人脸图像图片的三通道像素值分别乘以所述增益系数，得到所述多个增益人脸图像数据。
[0009]可选地，所述计算所述待识别人脸数据集的特征值和特征向量，包括：将所述待识别人脸数据集中的每个人脸图像数据转换为向量，组成矩阵；计算所述矩阵的每一列的平均值，得到所述待识别人脸数据集的人脸平均值向量；根据所述人脸图像平均值计算所述待识别人脸数据集的类内散度矩阵和类间散度矩阵；根据所述类内散度矩阵和所述类间散度矩阵计算所述待识别人脸数据集的特征值与特征向量，以最大化类间差距并最小化类内差距。
[0010]可选地，所述将每个相似度与预设识别阈值进行比较，根据对比结果确定人脸识别是否成功，包括：在所述相似度大于等于所述预设识别阈值的情况下，判定人脸识别成功；在所述相似度小于所述预设识别阈值的情况下，判定人脸识别失败。
[0011]可选地，所述统计人脸识别的成功率与失败率，以更新所述预设识别阈值调节分辨能力，包括：在人脸识别次数达到预设识别次数的情况下，将所述成功率与预设成功率阈值进行比较，将所述失败率与预设失败率阈值进行比较，其中，在所述成功率大于预设成功率阈值的情况下，给出将所述预设识别阈值上调的调整策略；在所述失败率大于预设失败率阈值的情况下，给出将所述预设识别阈值下调的调整策略。
[0012]可选地，还包括：将更新后的预设识别阈值用于后续人脸识别，并重新统计人脸识别的成功率与失败率。
[0013]本专利技术第二方面实施例提供一种智能影像处理中的人脸识别装置，包括：增益模块，用于获取多个初始人脸图像数据，对所述多个初始人脸图像数据进行高动态范围成像和/或自动白平衡处理，得到多个增益人脸图像数据；特征向量求解模块，用于根据所述多个增益人脸图像数据构建待识别人脸数据集，以计算所述待识别人脸数据集的特征值和特征向量；投影模块，用于根据所述特征向量将所述待识别人脸数据集投影到特征空间上，计算每个初始人脸图像数据的投影与预设原始人脸数据集中原始人脸图像数据的投影之间的相似度；识别及调整模块，用于将每个相似度与预设识别阈值进行比较，根据对比结果确定人脸识别是否成功，并统计人脸识别的成功率与失败率，以更新所述预设识别阈值调节分辨能力。
[0014]本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的智能影像处理中的人脸识别方法。
[0015]本专利技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的智能影像处理中的人脸识别方法。
[0016]本专利技术实施例的智能影像处理中的人脸识别方法及装置，获取环境图像数据，根据自动白平衡算法获得RGB三通道分量的增益值，再获取多个初始人脸图像数据，根据增益
值对多个初始人脸图像数据进行高动态范围成像和/或自动白平衡以提升人脸数据质量；基于处理后的人脸图像数据，计算处理后的人脸图像数据集的特征值和特征向量以最大化数据间的差异，并使用特征向量将数据集投影到特征空间上；基于初始人脸图像和预设原始人脸数据集的投影，得到初始人脸图像与预设原始人脸数据集之间的相似度，并根据多个相似度值与预设识别阈值确定预设阈值的调整策略；基于调整策略调整预设识别阈值，并将预设识别阈值用于人脸识别比较。由此，缓解了现有环境因素对人脸识别准确率的影响，提高了对整体上较为相似的人脸的分辨能力，增强了对复杂人脸识别场景的适应性，提升了在不同场景下用户使用人脸识别的体验。
[0017]本专利技术附加的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
[0018]本专利技术上述的和/或附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能影像处理中的人脸识别方法，其特征在于，包括以下步骤：获取多个初始人脸图像数据，对所述多个初始人脸图像数据进行高动态范围成像和/或自动白平衡处理，得到多个增益人脸图像数据；根据所述多个增益人脸图像数据构建待识别人脸数据集，以计算所述待识别人脸数据集的特征值和特征向量；根据所述特征向量将所述待识别人脸数据集投影到特征空间上，计算每个初始人脸图像数据的投影与预设原始人脸数据集中原始人脸图像数据的投影之间的相似度；将每个相似度与预设识别阈值进行比较，根据对比结果确定人脸识别是否成功，并统计人脸识别的成功率与失败率，以更新所述预设识别阈值调节分辨能力。2.根据权利要求1所述的智能影像处理中的人脸识别方法，其特征在于，在所述获取初始人脸图像数据，对所述初始人脸图像数据进行高动态范围成像和/或自动白平衡处理，得到增益人脸图像数据之前，还包括：获取环境图像数据，根据自动白平衡算法处理所述环境图像数据，以获得RGB三通道分量的增益系数。3.根据权利要求2所述的智能影像处理中的人脸识别方法，其特征在于，所述获取初始人脸图像数据，对所述初始人脸图像数据进行高动态范围成像和自动白平衡处理，得到增益人脸图像数据，包括：获取所述多个初始人脸图像数据，通过裁减或填充的方式将所述多个初始人脸图像数据修改为相同大小尺寸的多个人脸图像图片；对所述多个人脸图像图片进行高动态范围成像处理，得到具有更宽像素范围数据的多个增益人脸图像数据；和/或根据所述增益系数对所述多个人脸图像图片进行自动白平衡处理，以将多个人脸图像图片的三通道像素值分别乘以所述增益系数，得到所述多个增益人脸图像数据。4.根据权利要求1所述的智能影像处理中的人脸识别方法，其特征在于，所述计算所述待识别人脸数据集的特征值和特征向量，包括：将所述待识别人脸数据集中的每个人脸图像数据转换为向量，组成矩阵；计算所述矩阵的每一列的平均值，得到所述待识别人脸数据集的人脸平均值向量；根据所述人脸图像平均值计算所述待识别人脸数据集的类内散度矩阵和类间散度矩阵；根据所述类内散度矩阵和所述类间散度矩阵计算所述待识别人脸数据集的特征值与特征向量，以最大化类间差距并最小化类内差距。5.根据权利要求1所述的智能影像...

【专利技术属性】
技术研发人员：杨昉，刘泽浩，
申请(专利权)人：清华大学，
类型：发明
国别省市：