【技术实现步骤摘要】
本申请涉及人像识别，更具体地说，涉及人像质量评估模型建立和从视频中进行人像识别的方法。
技术介绍
1、在视频中进行人像识别是一项技术，通过分析视频中的帧图像数据，使用人脸检测和识别算法来检测视频中的人脸位置，并将其与预先建立的人脸数据库进行比对，以确定人像的身份。此技术可以广泛应用于安全监控、视频分析、人脸识别系统等领域，提供准确、实时的人像身份验证和识别功能。通过对视频进行连续的人脸检测和识别，可以跟踪和识别不同场景中的人像，并实现实时的人像识别应用。
2、现有技术公开号为cn110796106a的文献提供人像质量评估模型建立和从视频中进行人像识别的方法，该方法据特定人像的属性信息在视频中找出所有符合该属性，也就是具有该特定人像的帧图片，实现对视频信息中特定人像的追踪识别，将有效提高人像识别的精度及效率。
3、上述中的现有技术方案虽然通过现有技术的结构可以实现与有关的有益效果，但是仍存在以下缺陷：上述中的方法在采集人像过程中采集装置无法快速采集被采集者的图像，导致图像效果差，从而影响后期质量评估模型的建立。
4、针对上述中的相关技术中，专利技术人认为现有的人像质量评估模型建立和从视频中进行人像识别的方法性能和效果较差，由于被采集者的身高不同，在采集时，被采集者需要不断调整面部的高度，当被采集者没有调整好位置时，图像采集装置会拍摄出效果差的图像，从而影响后期质量评估模型的建立，最终导致人像识别的质量和准确性大大降低。
5、鉴于此，我们提出人像质量评估模型建立和从视频中进行人像识别的
技术实现思路
1、本申请的目的在于提供人像质量评估模型建立和从视频中进行人像识别的方法，解决了上述
技术介绍
中的技术问题，实现了通过多样的数据收集和预处理操作，可以提高数据的质量和准确性，人像识别模块使用人脸检测和识别算法来确定人像的身份，结果优化模块对识别结果进行评估和调整，以改善系统的性能的技术效果。
2、本申请技术方案提供了人像质量评估模型建立和从视频中进行人像识别的方法，包括以下步骤：
3、s1：通过数据收集模块收集用于建立模型的人像图像和视频数据集，收集的数据包括真实场景的视频数据、图像数据库以及相关的标注信息，数据收集模块将数据输送给中央处理器；
4、s2：中央处理器将数据收集模块收集到的数据输送给数据预处理模块，数据预处理模块对数据收集模块收集到的图像和视频数据进行图像去噪、图像增强、人脸检测与对齐的预处理操作；
5、s3：预处理的数据输送至特征提取模块，该特征提取模块通过深度学习的卷积神经网络(cnn)从人像图像或视频中提取表征人脸特征的表示并建立人像质量评估模型；
6、s4：之后人像质量评估模块使用训练好的模型对新的人像图像或视频进行质量评估，通过提取图像特征并应用训练好的模型，对人像质量进行量化评估；
7、s5：完成评估后进行人像的识别，在进行人像识别时，人像检测模块检测图像或视频中的人脸位置，并对人脸进行对齐以满足后续处理的要求，之后根据评估人像质量的结果，人像识别模块使用人脸识别算法对图像或视频中的人像进行识别；
8、s6：最后结果优化模块对识别结果进行分析和评估，根据需求对方法进行优化和改进。
9、可选的，步骤s1中，所述数据收集模块的作用是提供充分多样的数据，以训练模型和评估性能，所述数据收集模块为人像数据收集装置。
10、数据收集模块包括人像数据收集装置，数据收集模块提供充分多样的数据，这样的数据多样性可以提高模型的鲁棒性和泛化能力，使其在不同场景下都能有效地评估人像质量和进行人像识别；
11、人像数据收集装置包括显示器和摄像头；
12、显示器的上端面固定连接有摄像头，摄像头用于捕捉人像图像，显示器的后端面固定连接有连接块，连接块远离显示器的端面固定连接有第一球型头，第一球型头的外围设有第一限位套，第一限位套外壁的下方固定连接有延伸杆，延伸杆的底部套设有固定筒，固定筒的底部固定连接有第二球型头，第二球型头的外围设有第二限位套；
13、摄像头为带激光测距仪的高清摄像头；
14、第二限位套的下端面固定连接有固定板。
15、固定板的下方固定设置有电动转盘,电动转盘的下方固定设置有电动伸缩杆,电动伸缩杆的活动杆上端与电动转盘固定连接；
16、通过电动转盘可带动显示器和摄像头旋转调整角度,通过电动伸缩杆可带动显示器和摄像头升降调整高度。
17、通过采用上述技术方案，步骤s1中的数据收集模块提供充分多样的数据，这样的数据多样性可以提高模型的鲁棒性和泛化能力，使其在不同场景下都能有效地评估人像质量和进行人像识别。
18、可选的，步骤s2中，所述预处理模块用于减少噪声和干扰，提高后续处理的准确性和稳定性，所述中央处理器用于协调各模块进行工作，用于数据调用命令在其权限内的各模块内调用相应的数据，并将这些控制命令发送到对应的模块。
19、通过采用上述技术方案，步骤s2中的预处理模块可以减少噪声和干扰，提高后续处理的准确性和稳定性，从而改善人像质量评估和人像识别的效果。
20、可选的，步骤s3中，所述特征提取模块用于提取可区分不同人像的特征表示，基于收集到的数据集，使用机器学习或深度学习技术建立人像质量评估模型，步骤s3中，深度学习的卷积神经网络(cnn)提取人像图像或视频中人脸特征的流程包括：
21、s31；使用人脸检测算法定位人脸位置并对齐，以确保图像中的人脸在相同位置和尺度上；
22、s32；使用预训练的卷积神经网络作为特征提取器，将预处理后的人脸图像输入cnn，并使用训练好的网络模型提取人脸特征，常用的特征提取层包括卷积层、池化层和全连接层；
23、s33；通过使用向量化技术，将从cnn中提取的特征进行表示，将特征映射到一个固定长度的向量，这个向量即可作为人脸特征的表示；
24、s34；提取的人脸特征通过比较特征向量之间的相似性或使用分类器对特征进行分类，可以实现人脸的各种应用。
25、可选的，步骤s31中，人脸检测算法通过基于haar特征的级联分类器来计算。
26、通过采用上述技术方案，步骤s3中的特征提取模块使用深度学习的卷积神经网络(cnn)从人像图像或视频中提取表征人脸特征的表示，并建立人像质量评估模型，通过特征提取，可以将图像中的人脸特征转化为可区分不同人像的向量表示，提高人像识别的准确性和鲁棒性。
27、可选的，步骤s4中，所述人像质量评估模块用于判断人像的清晰度、亮度、姿态方面的质量。
28、通过采用上述技术方案，步骤s4中的人像质量评估模块使用训练好的模型对新的人像图像或视频进行质量评估，通过提取人像特征并应用训练好的模型，可以量化评估人像的清晰度、亮度和姿态等方面的质量，这有助于过滤低质量的人像，提高后续人像识别的精度和可靠性。...
【技术保护点】
1.人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S1中，所述数据收集模块的作用是提供充分多样的数据，以训练模型和评估性能，所述数据收集模块包括人像数据收集装置；人像数据收集装置包括显示器和摄像头；
3.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S2中，所述预处理模块用于减少噪声和干扰，提高后续处理的准确性和稳定性，所述中央处理器用于协调各模块进行工作，用于数据调用命令在其权限内的各模块内调用相应的数据，并将这些控制命令发送到对应的模块。
4.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S3中，所述特征提取模块用于提取可区分不同人像的特征表示，基于收集到的数据集，使用机器学习或深度学习技术建立人像质量评估模型。
5.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S3中，深度学习的卷积神经网
6.根据权利要求5所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S31中，人脸检测算法通过基于Haar特征的级联分类器来计算。
7.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S4中，所述人像质量评估模块用于判断人像的清晰度、亮度、姿态方面的质量。
8.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S5中，所述人像检测模块的算法包括基于Haar特征的级联分类器和基于人脸关键点的方法，所述人像检测模块用于确保识别的准确性和一致性。
9.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S5中，所述人像识别模块的人像识别方法包括基于特征的识别和基于深度学习的人脸识别方法，可采用局部二值模式直方图(LBPH)、支持向量机(SVM)或人脸识别的卷积神经网络(CNN)，所述人像识别模块的作用是确定人像的身份。
10.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤S6中，所述结果优化模块用于评估识别精度、识别速度和系统鲁棒性，并根据结果调整和改善各个模块的参数和算法。
...【技术特征摘要】
1.人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤s1中，所述数据收集模块的作用是提供充分多样的数据，以训练模型和评估性能，所述数据收集模块包括人像数据收集装置；人像数据收集装置包括显示器和摄像头；
3.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤s2中，所述预处理模块用于减少噪声和干扰，提高后续处理的准确性和稳定性，所述中央处理器用于协调各模块进行工作，用于数据调用命令在其权限内的各模块内调用相应的数据，并将这些控制命令发送到对应的模块。
4.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤s3中，所述特征提取模块用于提取可区分不同人像的特征表示，基于收集到的数据集，使用机器学习或深度学习技术建立人像质量评估模型。
5.根据权利要求1所述的人像质量评估模型建立和从视频中进行人像识别的方法，其特征在于：步骤s3中，深度学习的卷积神经网络(cnn)提取人像图像或视频中人脸特征的流程包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：奚泽航，
申请(专利权)人：广州蓝门信息科技有限公司，
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。