[发明专利]一种人脸识别方法和系统在审

专利信息
申请号: 201811591796.7 申请日: 2018-12-25
公开(公告)号: CN109753904A 公开(公告)日: 2019-05-14
发明(设计)人: 刘涛 申请(专利权)人: 仁福宜康(天津)科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 天津市尚仪知识产权代理事务所(普通合伙) 12217 代理人: 高正方
地址: 300384 天津市滨海新*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸识别系统 人脸识别 人脸图像 预处理 服务器 人脸图像采集 强分类器 人脸检测 分类器 匹配 人脸图像特征提取 服务器连接 互联网连接 前端摄像机 人脸数据库 存储设备 级联结构 弱分类器 有效地 检测 加权 串联
【说明书】:

发明公开了一种人脸识别系统,包括人脸识别系统平台,所述人脸识别系统平台连接有存储设备与前端摄像机,所述人脸识别系统平台通过互联网连接有人脸识别服务器与人脸检测服务器,所述人脸识别服务器与人脸检测服务器连接有人脸数据库,其包括如下步骤:人脸图像采集及检测人脸图像采集、人脸图像预处理人脸图像预处理、人脸图像特征提取与人脸图像匹配与识别人脸图像匹配与识别,通过结合Adaboost算法,按照加权的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度,在不断的人脸识别过程中不断提高系统精确度,值得推广。

技术领域

本发明涉及人脸识别技术领域,具体为一种人脸识别方法和系统。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。

人脸识别主要用于身份识别。由于视频监控正在快速普及,众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术,以求远距离快速确认人员身份,实现智能预警。人脸识别技术无疑是最佳的选择,采用快速人脸检测技术可以从监控视频图象中实时查找人脸,并与人脸数据库进行实时比对,从而实现快速身份识别。

当前社会上频繁出现的入室偷盗、抢劫、伤人等案件的不断发生,鉴于此种原因,防盗门开始走进千家万户,给家庭带来安宁;然而,随着社会的发展,技术的进步,生活节奏的加速,消费水平的提高,人们对于家居的期望也越来越高,对便捷的要求也越来越迫切,基于传统的纯粹机械设计的防盗门,除了坚固耐用外,很难快速满足这些新兴的需求:便捷,开门记录等功能。人脸识别技术已经得到广泛的认同。

但是在使用的时候,当进行人脸识别的时候,面对越来越多的数据的时候,人脸识别系统容易出现误差,因此设计了一种人脸识别方法和系统。

发明内容

为了克服现有技术方案的不足, 本发明提供一种人脸识别方法和系统,能有效的解决背景技术提出的问题。

本发明解决其技术问题所采用的技术方案是:

一种人脸识别系统,包括人脸识别系统平台,所述人脸识别系统平台连接有存储设备与前端摄像机,所述人脸识别系统平台通过互联网连接有人脸识别服务器与人脸检测服务器,所述人脸识别服务器与人脸检测服务器连接有人脸数据库。

进一步地,一种人脸识别方法,其包括如下步骤:

S1. 人脸图像采集及检测人脸图像采集:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小,基于以上特征采用Adaboost算法挑选出一些最能代表人脸的矩形特征,按照加权的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器;

S2. 人脸图像预处理人脸图像预处理:包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化;

S3. 人脸图像特征提取:根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度;

S4. 人脸图像匹配与识别人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于仁福宜康(天津)科技有限公司,未经仁福宜康(天津)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811591796.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top