[发明专利]一种场景自适应人脸识别方法

权利要求书

1.一种场景自适应人脸识别方法，其特征在于，包括：

S1，若检测到人脸图像尺寸未达到预设人脸尺寸，则提示目标人体向对应位置移动，并利用动态人脸追踪算法追踪人脸，直至检测到的人脸图像尺寸达到所述预设人脸尺寸；

S2，若检测到人脸三维角度不在设定角度范围内，则提示所述目标人体调整人脸朝向，并追踪人脸，直至人脸三维角度达到所述设定角度范围；

S3，在低亮度环境下采取对应的补光措施，实时采集人脸图像并进行质量评估，滤除所述质量评估的结果不满足设定质量标准的人脸图像；

S4，对经所述滤除获取的质量评估结果满足所述设定质量要求的人脸图像进行特征提取，将提取的人脸特征与预先建立人脸数据库进行人脸特征匹配，获取人脸识别结果。

2.根据权利要求1所述的方法，其特征在于，在所述S4的步骤之后，还包括：

通过后台数据分析模块，实时收集前端人脸识别设备上报的图像参数和比对分值，利用数据建模方法和数据统计分析算法，按照系统定义的模型，定期对数据进行统计分析，计算适于当前应用场景的期望配置参数，并重新下发给前端识别设备，以供所述前端识别设备根据所述期望配置参数配置当前参数。

3.根据权利要求1或2所述的方法，其特征在于，步骤S3中所述在低亮度环境下采取对应的补光措施的步骤进一步包括：

根据人脸图像预览判断环境照度是否达到预设标准，若达不到所述预设标准，则通过显示白屏或者开启补光灯进行额外补光。

4.根据权利要求3所述的方法，其特征在于，在所述通过显示白屏或者开启补光灯进行额外补光的步骤之后，还包括：

若检测到补光后的人脸图像预览清晰度达不到设定清晰度阈值，则提示所述目标人体静止不动，并根据补光后的人脸图像亮度，选择对应的人脸图像清晰度阈值和人脸比对阈值。

5.根据权利要求1、2、4中任一所述的方法，其特征在于，步骤S1中所述若检测到人脸图像尺寸未达到预设人脸尺寸，则提示目标人体向对应位置移动的步骤进一步具体包括：

通过人脸检测算法和动态人脸追踪算法实时检测和跟踪目标人脸图像，并比较所述目标人脸图像的尺寸与所述预设人脸尺寸的大小，若所述目标人脸图像的尺寸小于所述预设人脸尺寸，则提示所述目标人体向摄像头靠近，否则提示所述目标人体远离摄像头。

6.根据权利要求1、2、4中任一所述的方法，其特征在于，步骤S2中所述提示所述目标人体调整人脸朝向的步骤进一步包括：

通过在屏幕设定位置显示定点图标，并提示所述目标人体直视所述定点图标。

7.根据权利要求2所述的方法，其特征在于，利用所述数据建模方法和数据统计分析算法，计算所述适于当前应用场景的期望配置参数的步骤进一步包括：

通过收集不同应用场景下使用过程产生的关键数据，利用数据建模方法和数据统计分析算法，对所述关键数据进行统计分析，计算针对所述当前应用场景的期望配置参数。

8.根据权利要求3所述的方法，其特征在于，在所述通过显示白屏或者开启补光灯进行额外补光的步骤之后，还包括：

在所述额外补光的时间达到设定延时时长时，相应的停止显示白屏或关闭补光灯。

9.根据权利要求1所述的方法，其特征在于，所述S2的步骤进一步具体还包括：

通过人脸姿态估计算法，估算人脸三维角度。

10.根据权利要求7所述的方法，其特征在于，所述关键数据进一步具体包括：业务类型、设备型号、设备序列号、环境照度、人脸大小、人脸姿态、人脸图像亮度、人脸图像清晰度、人脸图像对比度、比对分值和采集时间；

相应的，所述利用数据建模方法和数据统计分析算法，对所述关键数据进行统计分析的步骤进一步包括：

S51，根据所述设备型号和所述业务类型建立数学模型，对所述人脸大小、人脸姿态、人脸图像亮度、人脸图像清晰度及人脸图像的综合质量和比对分值进行统计分析，分别统计各个数据的分布规律以及不同数据之间的相关性；

S52，实时获取前端人脸识别设备上报的人脸采集过程中采集到的人脸图像数据以及人脸算法计算出来的相关参数；

S53，后台数据管理模块按照所述业务类型、设备型号及设备序列号对数据进行分类管理，分别从所述业务类型和单个设备两个维度对关键数据的阈值进行统计，所述单个设备所设定的阈值相对该业务系统所设定阈值的偏离率不超过20％；

S54，设备管理模块将相关的配置参数下发到前端识别设备，以供前端设备启用新的配置参数。