[发明专利]人脸识别系统及方法在审

专利信息
申请号: 201910051878.0 申请日: 2019-01-21
公开(公告)号: CN110008811A 公开(公告)日: 2019-07-12
发明(设计)人: 任凤国;王文清;黄蕾;曾锦祥;黄宇婷;李静;高慧;侯世亮;李萍 申请(专利权)人: 北京工业职业技术学院;北京市煤炭矿用机电设备技术开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张宁;刘芳
地址: 100042 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸图像 图像采集摄像头 人脸识别系统 图像采集设备 中转服务器 固定支架 人脸识别 灯源 服务器 采集 智能设备 照射 发送
【说明书】:

发明提供一种人脸识别系统及方法,涉及智能设备领域,该人脸识别系统,包括:多个固定支架、多个图像采集设备、中转服务器和识别服务器,每个固定支架上安装有一个图像采集设备,每个图像采集设备上各设有一个图像采集摄像头和一个灯源设备,所述图像采集摄像头用于灯源设备照射下的采集待识别对象的面部人脸图像,所述中转服务器与每个图像采集摄像头均连接,用于接收各图像采集摄像头发送人脸图像,得到完整的人脸图像,所述识别服务器与所述中转服务器连接,用于根据所述完整的人脸图像对所述待识别对象进行人脸识别,可同时采集多张人脸图像,并得到完整的人脸图像,能够提高人脸识别过程的效率。

技术领域

本发明涉及智能设备技术领域,尤其涉及一种人脸识别系统及方法。

背景技术

随着人工智能技术和图像处理等技术的不断发展,人脸识别已经被广泛地应用到社会活动各个领域。例如,人脸识别智能开锁、人脸识别智能支付、人脸识别追捕逃犯等等。人脸识别技术一般是基于人脸图像,及通过摄像头采集人脸图像,然后发送给云端,云端对采集到的人脸图像进行检测、人脸定位和特征提取等,然后根据提取的特征与预存的特征进行对比,实现人脸识别技术。图像拼接技术指的是将一张物体不同角度的图像拼接成该物体完整图像。

目前,传统的人脸识别系统中,通常是只设置一个摄像头,通过该摄像头采集人脸图像,然后发送到云端进行特征提取和人脸识别。

但是,发明人发现现有的人脸识别系统中至少存在如下技术问题:现有技术中,仅一个摄像头采集人脸图像往往采集的人脸图像不完整,常需要被采集人员必须弯腰或调整姿势,导致人脸识别过程效率较低。

发明内容

鉴于上述问题,本发明实施例提供一种人脸识别系统及方法,可同时采集多张人脸图像,并得到完整的人脸图像,能够提高人脸识别过程的效率。

为了实现上述目的,本发明提供如下技术方案:

本发明的第一方面提供一种人脸识别系统,包括:

多个固定支架、多个图像采集设备、中转服务器和识别服务器;

每个固定支架上安装有一个图像采集设备,每个图像采集设备上各设有一个图像采集摄像头和一个灯源设备,所述图像采集摄像头用于灯源设备照射下的采集待识别对象的面部人脸图像;

所述中转服务器与每个图像采集摄像头均连接,用于接收各图像采集摄像头发送人脸图像,得到完整的人脸图像;

所述识别服务器与所述中转服务器连接,用于根据所述完整的人脸图像对所述待识别对象进行人脸识别。

可选地,所述识别服务器用于将完整的人脸图像输入至训练好的卷积深度信念网络,经过所述卷积深度信念网络的支持向量机SVM分类器进行分类,得到所述人脸图像的人脸图像识别结果;将人脸图像识别结果与预存的人脸图像进行对比,判断所述人脸识别是否通过。

可选地,所述识别服务器还用于对预先获取的多个人脸图像进行归一化处理及标记,得到第一预设数量的训练样本;提取所述训练样本的人脸图像纹理特征;将所述训练样本的人脸图像纹理特征输入至初始的卷积深度信念网络中,采用贪心逐层训练算法对每一层网络的参数进行优化训练,得到训练好的卷积深度信念网络。

可选地,所述识别服务器用于所述提取所述训练样本的人脸图像纹理特征的过程,包括:

设定局部二值模式LBP共生矩阵纹理特征提取算法的参数;

根据所述参数确定训练样本的原图像素对应的亚像素及其对应邻域点;

基于双线性插值计算所述亚像素及其对应邻域点的灰度值;

根据所述亚像素及其对应邻域点的灰度值,确定所述训练样本的亚像素LBP图像;

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北京工业职业技术学院;北京市煤炭矿用机电设备技术开发有限公司,未经北京工业职业技术学院;北京市煤炭矿用机电设备技术开发有限公司许可,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/201910051878.0/2.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