【技术实现步骤摘要】
本专利技术涉及人脸识别，特别涉及人脸识别算法。
技术介绍
1、现有的人脸识别技术，在上位机运行人脸识别程序后，通过上位机驱动调用摄像机抓取摄像机画面，不间断的监测摄像机画面变化，当摄像机抓取到画面产生变化后，程序调用活体检测算法，判断画面里是否存在人脸，若存在单张或多张人脸图片，程序会对人脸照片进行抓拍成图，不管是单张人脸或者多张人脸照片，也不管人脸照片是否清晰，程序不作判断和处理，直接把抓拍到的人脸图片进行人脸识别算法计算比对，通常首个返回的人脸识别身份id则视为当次人脸识别的值。
2、这种技术的弊端是：
3、如果现场环境处于逆光环境，或者环境光线比较暗，单靠摄像机的补光不足以消除过度曝光或者光线不足等问题时，摄像机抓拍到的人脸照片会因为过度曝光而白茫茫一片，或者人脸照片过暗、模糊不清晰等问题，看不清人脸特征，人脸识别算法去分析比对这样的人脸图片时，会出现匹配率非常低下，或者直接返回人脸识别不成功等问题。
4、如果现场同时多人出现在人脸识别照片内，人脸识别抓拍时分别对多人进行人脸算法匹配，并且根据算法的计算，以第一个返回的人脸识别id作为本次识别的值，这样会导致多人在设备面前进行识别时返回识别失败或者识别身份不准确等问题。
5、如果用户在进行人脸识别时，站得距离比较远的话，拍出来的人脸照片非常小，也不是很清楚，这样会导致人脸照片通过人脸识别算法计算时，匹配值非常低，从而无法正常对用户身份进行识别等问题，这样在借书和还书设备不能够达到快速借书和还书效果。
1、本专利技术的目的在于提供人脸识别算法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：人脸识别算法，包括以下具体步骤：
3、s1：启动监测摄像机画面变化；
4、s2：有画面变化，启动运动监测算法；
5、s2.1：有人体经过，则进行人脸抓拍；
6、s2.2：无人体经过，则继续进行人体监测；
7、s3：有人体经过，启动活体检测算法判断画面是否存在人脸；
8、s3.1：有人脸，并且判断人脸是否存在遮挡；
9、s3.11：无遮挡，则进行人脸照片抓拍；
10、s3.12：有遮挡，继续进行人脸监测；
11、s3.2：无人脸，继续进行人脸监测；
12、s4：对抓拍到的人脸照片进行算法分析；
13、s4.1：是否过度曝光；
14、s4.11：是，则进行反曝光处理，再进行下一项检测；
15、s4.12：否，则继续进行下一项检测；
16、s4.2：是否存在多人脸照片；
17、s4.21：是，根据人脸照片进行特征排序，选择最优人脸照片优先处理；
18、s4.22：否，继续进行下一项检测；
19、s4.3：是否人脸照片不符合识别要求；
20、s4.31：是，调整摄像机焦距，对人脸照片进行放大、缩小抓拍，然后进行照片人脸特征优化处理，再进行人脸识别算法计算比对；
21、s4.32：否，进行照片人脸特征优化处理，再进行人脸识别算法计算比对；
22、s5：进行人脸识别算法比对，并返回人脸识别匹配值；
23、s6：完成本次人脸识别。
24、优选的，所述s2中运动监测算法是对具有运动的物体计算的一种方法，所述运动监测算法包括前景提取、物体分割、运动分析和目标判断，所述前景提取通过将当前帧图像与背景模型进行比较，提取出前景区域，采用基于差分图像的方法进行提取前景区域，所述物体分割是对前景区域进行形态学处理、连通区域分析、轮廓提取的方法，将前景中的个体物体分割出来，得到单独的物体区域，所述运动分析是对于每个物体区域，计算其运动的特征，所述运动的特征包括但不限于运动的速度、方向、轨迹一种以上，所述目标判断是通过阈值、机器学习模型对物体的运动特征进行判断，确定是否有人物经过。
25、优选的，所述s3中的活体检测算法是用来判断被检测者是否为真实的活体而不是静态照片、模型，所述活体检测算法包括预处理、特征提取、随机刺激、反馈机制和决策，所述预处理是将输入的人脸图像进行灰度化、归一化、直方图均衡预处理操作，所述特征提取是从预处理后的图像中提取出人脸的特征，所述随机刺激是使用一些随机刺激方法，来刺激被检测者的脸部，所述反馈机制是通过监测被检测者对随机刺激的反应，来判断其是否为真实活体，所述决策是根据反馈的结果，通过设定的阈值和算法模型进行判断，确定被检测者是否为真实活体。
26、优选的，所述s4.11中的反曝光处理是在处理图像中出现的强烈光线照射导致的过曝现象，所述反曝光处理算法包括以下几个步骤：通过检测图像中的曝光区域，并估计该区域导致的过曝程度，根据估计的过曝程度，对曝光区域进行去除、补偿处理，以恢复图像的细节和色彩信息。
27、优选的，所述s4.21中的人脸照片特征排序是指对人脸图像中提取的特征进行排序，以确定特征在人脸识别、人脸表情分析任务中的重要程度，所述人脸照片特征排序包括准备数据、计算数据集的初始信息熵、按照每个特征对数据集进行划分、计算特征对数据集的信息增益和根据信息增益排序。
28、优选的，所述s4.32中的人脸特征优化处理是指对人脸特征进行优化和优化的处理方法，人脸特征包括人脸关键点和人脸描述向量，适用于人脸识别、人脸表情分析、人脸属性分析任务，优化处理方法包括特征对齐、特征选择、特征降维、特征扩展。
29、优选的，所述s5中的人脸识别算法对比是将提取得到的人脸特征与数据库中已知人脸特征进行比对和匹配，找到数据库中的人脸，识别出人脸对应的身份。
30、本专利技术的技术效果和优点：
31、本专利技术利用人脸识别算法，人脸识别算法包括启动监测摄像机画面变化、有画面变化，启动运动监测算法、有人体经过，启动活体检测算法判断画面是否存在人脸、有人脸，并且判断人脸是否存在遮挡、对抓拍到的人脸照片进行算法分析、进行人脸识别算法比对，并返回人脸识别匹配值和完成本次人脸识别，增加了现场人脸照片的计算处理，使得用户可以在现场环境变化都能快速、准确的通过人脸照片对身份进行识别，提高了人脸识别的效率及用户体验，这样在借书和还书设备能够达到快速借书和还书效果。
本文档来自技高网...【技术保护点】
1.人脸识别算法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的人脸识别算法，其特征在于，所述S2中运动监测算法是对具有运动的物体计算的一种方法，所述运动监测算法包括前景提取、物体分割、运动分析和目标判断，所述前景提取通过将当前帧图像与背景模型进行比较，提取出前景区域，采用基于差分图像的方法进行提取前景区域，所述物体分割是对前景区域进行形态学处理、连通区域分析、轮廓提取的方法，将前景中的个体物体分割出来，得到单独的物体区域，所述运动分析是对于每个物体区域，计算其运动的特征，所述运动的特征包括但不限于运动的速度、方向、轨迹一种以上，所述目标判断是通过阈值、机器学习模型对物体的运动特征进行判断，确定是否有人物经过。
3.根据权利要求1所述的人脸识别算法，其特征在于，所述S3中的活体检测算法是用来判断被检测者是否为真实的活体而不是静态照片、模型，所述活体检测算法包括预处理、特征提取、随机刺激、反馈机制和决策，所述预处理是将输入的人脸图像进行灰度化、归一化、直方图均衡预处理操作，所述特征提取是从预处理后的图像中提取出人脸的特征，所述随机刺激是使用一些随机
4.根据权利要求1所述的人脸识别算法，其特征在于，所述S4.11中的反曝光处理是在处理图像中出现的强烈光线照射导致的过曝现象，所述反曝光处理算法包括以下几个步骤：通过检测图像中的曝光区域，并估计该区域导致的过曝程度，根据估计的过曝程度，对曝光区域进行去除、补偿处理，以恢复图像的细节和色彩信息。
5.根据权利要求1所述的人脸识别算法，其特征在于，所述S4.21中的人脸照片特征排序是指对人脸图像中提取的特征进行排序，以确定特征在人脸识别、人脸表情分析任务中的重要程度，所述人脸照片特征排序包括准备数据、计算数据集的初始信息熵、按照每个特征对数据集进行划分、计算特征对数据集的信息增益和根据信息增益排序。
6.根据权利要求1所述的人脸识别算法，其特征在于，所述S4.32中的人脸特征优化处理是指对人脸特征进行优化和优化的处理方法，人脸特征包括人脸关键点和人脸描述向量，适用于人脸识别、人脸表情分析、人脸属性分析任务，优化处理方法包括特征对齐、特征选择、特征降维、特征扩展。
7.根据权利要求1所述的人脸识别算法，其特征在于，所述S5中的人脸识别算法对比是将提取得到的人脸特征与数据库中已知人脸特征进行比对和匹配，找到数据库中的人脸，识别出人脸对应的身份。
...【技术特征摘要】
1.人脸识别算法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的人脸识别算法，其特征在于，所述s2中运动监测算法是对具有运动的物体计算的一种方法，所述运动监测算法包括前景提取、物体分割、运动分析和目标判断，所述前景提取通过将当前帧图像与背景模型进行比较，提取出前景区域，采用基于差分图像的方法进行提取前景区域，所述物体分割是对前景区域进行形态学处理、连通区域分析、轮廓提取的方法，将前景中的个体物体分割出来，得到单独的物体区域，所述运动分析是对于每个物体区域，计算其运动的特征，所述运动的特征包括但不限于运动的速度、方向、轨迹一种以上，所述目标判断是通过阈值、机器学习模型对物体的运动特征进行判断，确定是否有人物经过。
3.根据权利要求1所述的人脸识别算法，其特征在于，所述s3中的活体检测算法是用来判断被检测者是否为真实的活体而不是静态照片、模型，所述活体检测算法包括预处理、特征提取、随机刺激、反馈机制和决策，所述预处理是将输入的人脸图像进行灰度化、归一化、直方图均衡预处理操作，所述特征提取是从预处理后的图像中提取出人脸的特征，所述随机刺激是使用一些随机刺激方法，来刺激被检测者的脸部，所述反馈机制是通过监测被检测者对随机刺激的反应，来判断其是否为真实活体，所述决策是根据反馈的结果，通过设定的阈值和算法...
【专利技术属性】
技术研发人员：邓燕华，
申请(专利权)人：广州宏泰智能科技发展有限公司，
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。