【技术实现步骤摘要】
本申请涉及人脸识别，更具体的说，本申请涉及一种用于智慧校园的人脸自动识别装置及方法。
技术介绍
1、人脸识别技术作为一种先进的生物识别技术，在过去几十年取得了显著的进展，其技术涵盖了计算机视觉、模式识别、机器学习和深度学习等多个领域，早期的人脸识别技术主要依赖于几何特征和手工设计的特征提取方法，然而，由于面对光照、表情、姿势等因素的挑战，这些方法的鲁棒性和准确性受到限制，随着计算机技术的飞速发展，特别是图像处理和计算能力的提升，人脸识别技术逐渐迈向基于机器学习的时代，传统的机器学习方法，如支持向量机(svm)和k最近邻(knn)，开始在人脸识别中发挥作用，但对大规模、复杂数据的处理仍有一定局限性。
2、在现有技术中，人脸识别初始阶段是从图像或视频中准确定位人脸的位置，一旦人脸被检测到，接下来是从人脸图像中提取关键特征，提取的特征向量会与先前存储的已知人脸的特征进行比对匹配，系统会在人脸数据库中查找匹配度最高的人脸信息，从而实现人脸识别，然而，在智慧校园的人脸识别过程中，摄像头通常有一个固定的拍摄高度，难以很好地适应不同身高的人，较矮或较高的人可能会导致摄像头的视野中出现较大的人脸轮廓偏斜，使得面部特征的提取和匹配变得更为困难，因此，如何对人脸识别仰角参数进行动态调整成为了亟待解决的问题。
技术实现思路
1、本申请提供一种用于智慧校园的人脸自动识别装置及方法，实现了人脸识别仰角参数的动态调整，有效提升了面部特征的提取和匹配。
2、第一方面，本申请提供一种用于智
3、获取校园入口采集的入园人脸图像；
4、确定所述入园人脸图像的所有图像灰阶恒定值，进而根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图；
5、确定所述人脸识别特征图的多个人脸识别特征区块，选取一个人脸识别特征区块，确定该个人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度，对于其余人脸识别特征区块，重复上述步骤，得到其余人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度；
6、根据每个人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度确定人脸识别裕度因子；
7、由所述人脸识别裕度因子对入园人脸识别仰角参数进行动态调整，并根据调整后的入园人脸识别仰角参数进行人脸识别。
8、在一些实施例中，确定所述入园人脸图像的所有图像灰阶恒定值具体包括：
9、获取所述入园人脸图像中每个图点的入园人脸灰阶粒子；
10、对所述入园人脸图像进行灰阶处理，得到入园人脸灰阶图像；
11、获取所述入园人脸灰阶图像中每个图点的入园人脸灰阶粒子；
12、根据所述入园人脸图像中每个图点的入园人脸灰阶粒子与所述入园人脸灰阶图像中每个图点的入园人脸灰阶粒子确定所述入园人脸图像的所有图像灰阶恒定值。
13、在一些实施例中，根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图具体包括：
14、获取所述入园人脸图像；
15、获取所有的图像灰阶恒定值；
16、选取一个图像灰阶恒定值，由该个图像灰阶恒定值与所述入园人脸图像确定该个图像灰阶恒定值对应的人脸识别特征过渡图，对于其余图像灰阶恒定值，重复上述步骤，得到其余图像灰阶恒定值对应的人脸识别特征过渡图；
17、根据每个图像灰阶恒定值对应的人脸识别特征过渡图确定所述入园人脸图像对应的人脸识别特征图。
18、在一些实施例中，选取一个图像灰阶恒定值，由该个图像灰阶恒定值与所述入园人脸图像确定该个图像灰阶恒定值对应的人脸识别特征过渡图具体包括：
19、获取所述入园人脸图像；
20、将所述入园人脸图像转换为入园人脸图像矩阵；
21、确定所述入园人脸识别的邻接边强化矩阵；
22、获取该个图像灰阶恒定值；
23、根据所述入园人脸图像矩阵、所述入园人脸识别的邻接边强化矩阵和该个图像灰阶恒定值确定该个图像灰阶恒定值对应的人脸识别特征过渡矩阵；
24、将所述人脸识别特征过渡矩阵进行图转换，得到该个图像灰阶恒定值对应的人脸识别特征过渡图。
25、在一些实施例中，确定所述人脸识别特征图的多个人脸识别特征区块具体包括：
26、确定所述人脸识别特征图的栅格尺度；
27、根据所述栅格尺度对所述人脸识别特征图进行切分，进而得到多个人脸识别特征区块。
28、在一些实施例中，人脸识别特征图为人脸识别细度特征图。
29、在一些实施例中，通过智慧校园管理数据库获取校园入口采集的入园人脸图像。
30、第二方面，本申请提供一种用于智慧校园的人脸自动识别装置，其包括有人脸识别单元，所述人脸识别单元包括：
31、获取模块，用于获取校园入口采集的入园人脸图像；
32、处理模块，用于确定所述入园人脸图像的所有图像灰阶恒定值，进而根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图；
33、所述处理模块，还用于确定所述人脸识别特征图的多个人脸识别特征区块，选取一个人脸识别特征区块，确定该个人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度，对于其余人脸识别特征区块，重复上述步骤，得到其余人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度；
34、所述处理模块，还用于根据每个人脸识别特征区块的识别灰阶聚合度和识别灰阶稀疏度确定人脸识别裕度因子；
35、调整模块，用于由所述人脸识别裕度因子对入园人脸识别仰角参数进行动态调整，并根据调整后的入园人脸识别仰角参数进行人脸识别。
36、第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的用于智慧校园的人脸自动识别方法。
37、第四方面，本申请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有计算机程序，所述计算机程序被处理器执行时实现上述的用于智慧校园的人脸自动识别方法。
38、本申请公开的实施例提供的技术方案具有以下有益效果：
39、本申请提供的用于智慧校园的人脸自动识别装置及方法中，首先获取校园入口采集的入园人脸图像，通过对入园人脸图像的获取可进行当前时刻人脸的面部特征识别，也在于分析当前时刻人脸的轮廓范围，确定所述入园人脸图像的所有图像灰阶恒定值，在智慧校园的人脸自动识别过程中，人脸图像可能会受到一些变形或变换，然而在变形或变换中会存在一些恒定不变的图点，因此，对图像灰阶恒定值的确定能够更加突出入园人脸图像的稳定特征点，从而有效的提取稳定特征点；根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图，通过人脸识别特征图可有效获取凸显人脸细节特征的特征点，以更好的对人脸视野范围进行分析识别；确定所述人脸识别特征图的多个人脸识别特征区块本文档来自技高网...
【技术保护点】
1.一种用于智慧校园的人脸自动识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，确定所述入园人脸图像的所有图像灰阶恒定值具体包括：
3.如权利要求1所述的方法，其特征在于，根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图具体包括：
4.如权利要求3所述的方法，其特征在于，选取一个图像灰阶恒定值，由该个图像灰阶恒定值与所述入园人脸图像确定该个图像灰阶恒定值对应的人脸识别特征过渡图具体包括：
5.如权利要求1所述的方法，其特征在于，确定所述人脸识别特征图的多个人脸识别特征区块具体包括：
6.如权利要求1所述的方法，其特征在于，所述人脸识别特征图为人脸识别细度特征图。
7.如权利要求1所述的方法，其特征在于，通过智慧校园管理数据库获取校园入口采集的入园人脸图像。
8.一种用于智慧校园的人脸自动识别装置，其特征在于，包括有人脸识别单元，所述人脸识别单元包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用于智慧校园的人脸自动识别方法。
...【技术特征摘要】
1.一种用于智慧校园的人脸自动识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，确定所述入园人脸图像的所有图像灰阶恒定值具体包括：
3.如权利要求1所述的方法，其特征在于，根据所有的图像灰阶恒定值确定所述入园人脸图像对应的人脸识别特征图具体包括：
4.如权利要求3所述的方法，其特征在于，选取一个图像灰阶恒定值，由该个图像灰阶恒定值与所述入园人脸图像确定该个图像灰阶恒定值对应的人脸识别特征过渡图具体包括：
5.如权利要求1所述的方法，其特征在于，确定所述人脸识别特征图的多个人脸识别特征区块具体包括：
6.如权利要求1所述的方法，其特征在于，所述人...
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。