System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人脸识别,特别涉及一种人脸识别的性能优化方法。
技术介绍
1、目前,现有技术的人脸识别已经很常态化了,识别效率很高,但是,在一些进行人脸识别验证的时候,主要是正面的对着摄像头实现人脸识别;
2、但是:
3、在现有的一些场景中,人脸识别的方式时,人脸不是正方向的,所以在进行人脸是别的时候,容易产生偏差,或者无法实现人脸识别,特别是在违法抓拍的时候,可能拍照的图像是人脸的侧面,无法进行人脸的识别。
4、侧识别的方式,很多人脸的特征无法进行全部的获取,也是现有技术中人脸识别错误的主要错因。
技术实现思路
1、本专利技术提供一种人脸识别的性能优化方法,用以解决人脸识别不清楚的情况。
2、一种人脸识别的性能优化方法,包括:
3、预先构建人脸识别的人脸数据库;其中,
4、人脸数据库的每个人脸图像的设置有偏差测试轴线;其中,
5、偏差测试轴线包括基于人耳中心部位的第一横轴线、基于人嘴中心部分的第二横轴线、基于人脸眉毛内部的第三竖轴线和第四竖轴线;
6、根据偏差测试轴线,确定待识别人脸图像的人脸特征;
7、根据每个人脸特征,计算人脸特征相对于偏差测试轴线的位置偏差;
8、根据位置偏差,进行人脸特征修正,并在修正后,进行人脸识别。
9、优选的,所述人脸数据库包括横轴线数据库和竖轴线数据库;其中,
10、人脸数据库包括如下构建步骤:
12、将设置横轴分割线和竖轴分割线的完整人脸图像输入图像分割模型,进行基于分割线的特征分割,以获取分割图像;其中,
13、图像分割模型是通过对待训练图像分割模型进行迭代训练和后修正训练得到的;其中,
14、迭代训练是根据分割图像样本和与分割图像样本对应的横轴分割线和竖轴分割线进行的,以获取图像分割模型。
15、优选的,所述人脸数据库还包括人脸的轴线特征索引方式,具体包括:
16、获取服务器下发的与人脸横轴线和人脸竖轴线不同标注点匹配的特征匹配模型;
17、利用特征匹配模型对多个人脸横轴线特征进行重要度排序,获得排序后的横轴线特征序列;
18、利用特征匹配模型对多个人脸竖轴线特征进行重要度排序,获得排序后的竖轴线特征序列;
19、基于横轴线特征序列和竖轴线特征序列构建特征索引参数;
20、通过特征索引参数,构建人脸的特征索引模型,并植入人脸数据库中。
21、优选的,所述偏差测试轴线包括如下设置步骤:
22、获取人脸数据库中不同人脸样本预先设置具有横轴分割线和竖轴分割线图形的分割图像;
23、确定分割图像上分割线点位的坐标信息,并对分割线点位的坐标信息进行三维立体建模处理;其中,
24、三维立体建模处理包括:基于每条分割线的三维坐标系搭建,和三维坐标标定;
25、根据三维坐标标定,确定相对于每条分割线的坐标集合;
26、通过坐标集合,生成偏差测试轴线的偏差参照序列;
27、将偏差参照序列作为偏差测试轴线的测试参照序列。
28、优选的,所述根据偏差测试轴线,确定待识别人脸图像的人脸特征,包括如下步骤:
29、采集待识别人脸图像在横轴线和竖轴线上的两组相对于偏差测试轴线存在偏差的横轴态势特征和竖轴态势特征;
30、对横轴态势特征和竖轴态势特征进行预处理,得到两个对比偏差图;
31、采用卷积神经网络cnn结合轻量注意力模块cbam提取两个对比偏差图对应的两个单分割特征图;
32、对两个个单分割特征图进行多分割全局注意力学习,得到两种分割态势的注意力图;
33、对两种分割态势的注意力图进行特征映射,得到目标的最终人脸特征。
34、优选的,所述计算人脸特征相对于偏差测试轴线的位置偏差,包括:
35、根据人脸特征,建立参考线;其中,
36、参考线是相对于第一横轴线、第二横轴线、第三竖轴线和第四竖轴线的观测点的坐标线;
37、根据参考线,确定相对于第一横轴线、第二横轴线、第三竖轴线和第四竖轴线的距离,生成相对于每个轴线的距离集合;
38、将距离集合中最短距离和最长距离相减,得到n个差;
39、将差进行规范化处理,得到n个对位条件;
40、根据n个对位条件,确定位置偏差。
41、优选的,所述人脸特征修正包括:
42、根据人脸特征,确定待识别人脸图像上每个像素坐标点的偏差值;
43、将待识别人脸图像通过偏差值进行像素重排,确定每个像素点的目标坐标值;
44、根据目标坐标值,将待识别人脸图像上的每个像素点进行位移修正;
45、根据位移修正,获取修正后的目标人脸图像。
46、优选的,所述人脸特征修正还包括:
47、响应于检测到进行目标人脸图像的渲染触发条件,获取目标人脸图像中的异常像素;其中,
48、异常像素为当前像素点和邻边像素点的色差超过预设界限值的像素点;
49、按照异常像素的预设顺序,渲染不同层的异常像素,得到异常像素的渲染结果,其中,
50、不同的异常像素在深度方向不重合;
51、根据各异常像素的渲染结果,确定目标人脸图像对应的目标渲染图像。
52、优选的,所述渲染触发条件包括如下设置步骤:
53、确定目标人脸图像在人脸识别设备的人脸显示界面中的显示信息;
54、基于显示信息确定目标人脸图像的像素差异阈值和像素差异位置关联度;
55、判断像素差异阈值是否满足第一条件,得到第一判断结果,以及判断像素差异位置关联度是否满足第二条件,得到第二判断结果;其中,
56、第一条件为像素差异值是否在像素差异阈值之内;
57、第二条件包括像素差异位置关联度是否满足邻边关联像素;
58、依据所述第一判断结果和第二判断结果确定是否触发渲染。
59、优选的,所述修正后还包括:
60、基于修正后的待识别人脸图像,确定出人脸图像区域;
61、计算人脸图像区域的区域大小;
62、根据区域大小,确定人脸亮度优化参数;其中,
63、人脸亮度优化参数用于对人脸图像区域进行亮度调整。
64、本专利技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
65、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种人脸识别的性能优化方法,其特征在于,包括:
2.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述人脸数据库包括横轴线数据库和竖轴线数据库;其中,
3.如权利要求2所述的一种人脸识别的性能优化方法,其特征在于,所述人脸数据库还包括人脸的轴线特征索引方式,具体包括:
4.如权利要求2所述的一种人脸识别的性能优化方法,其特征在于,所述偏差测试轴线包括如下设置步骤:
5.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述根据偏差测试轴线,确定待识别人脸图像的人脸特征,包括如下步骤:
6.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述计算人脸特征相对于偏差测试轴线的位置偏差,包括:
7.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述人脸特征修正包括:
8.如权利要求7所述的一种人脸识别的性能优化方法,其特征在于,所述人脸特征修正还包括:
9.如权利要求8所述的一种人脸识别的性能优化方法,其特征在于,所述渲染触发条件包括如下设置步骤
10.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述修正后还包括:
...【技术特征摘要】
1.一种人脸识别的性能优化方法,其特征在于,包括:
2.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述人脸数据库包括横轴线数据库和竖轴线数据库;其中,
3.如权利要求2所述的一种人脸识别的性能优化方法,其特征在于,所述人脸数据库还包括人脸的轴线特征索引方式,具体包括:
4.如权利要求2所述的一种人脸识别的性能优化方法,其特征在于,所述偏差测试轴线包括如下设置步骤:
5.如权利要求1所述的一种人脸识别的性能优化方法,其特征在于,所述根据偏差测试轴线,确定待识别人脸图像的人脸特征,...
【专利技术属性】
技术研发人员:王冠麟,龙斌,戴晶晶,马德琳,刘特玮,张家晟,杜琪,黄德深,曾凌枫,方宏文,徐琨然,陈乔,周俊,周均,金立志,谢学勤,陆正松,张现增,
申请(专利权)人:北京东方通网信科技有限公司,
类型:发明
国别省市:
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。