[发明专利]一种人脸识别检测实验方法及装置在审

专利信息
申请号: 202110008954.7 申请日: 2021-01-05
公开(公告)号: CN112633250A 公开(公告)日: 2021-04-09
发明(设计)人: 刘子宽;李达;李小康;李超;高峰;杨权英;李林芝;施桐;史冲亚;刘硕研;薛昊;刘祎然;杨凯强;王娟;李先懂;张研 申请(专利权)人: 北京经纬信息技术有限公司;中国铁道科学研究院集团有限公司电子计算技术研究所
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 成都鱼爪智云知识产权代理有限公司 51308 代理人: 代述波
地址: 100081 北京*** 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: 一种 识别 检测 实验 方法 装置
【权利要求书】:

1.一种人脸识别检测实验方法,其特征在于,所述方法包括:

获取待识别人脸图像,并对所述待识别人脸图像进行高斯差分滤波处理,得到滤波后的待识别人脸图像;

检测所述滤波后的待识别人脸图像中的至少一个关键点;

采用局部二值模式算法提取所述至少一个关键点中每个关键点的特征;

根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;

根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。

2.根据权利要求1所述的方法,其特征在于,检测所述滤波后的待识别人脸图像中的至少一个关键点的步骤之前,所述方法还包括:

将所述待识别人脸图像与预先存储的人脸图像样本集进行比对,并将所述滤波后的待识别人脸图像与预先存储的经高斯差分滤波后的人脸图像样本集进行比对,从所述人脸图像样本集中找出与所述待识别人脸图像对应的识别对象;

计算与所述识别对象对应的所述待识别人脸图像和所述滤波后的待识别人脸图像的总体重构系数分散程度SCI;

根据所述总体重构系数分散程度SCI判断所述待识别人脸图像是否为已注册人脸图像。

3.根据权利要求1所述的方法,其特征在于,对所述待识别人脸图像进行高斯差分滤波处理的步骤之前,所述方法包括:

对所述待识别人脸图像进行归一化处理。

4.根据权利要求1所述的方法,其特征在于,获取待识别人脸图像的步骤之前,所述方法还包括:

获取包括人脸的图像,并获取其中的人脸光照数据;

根据所述人脸光照数据对所述包括人脸的图像进行预处理,并提取人脸特征;

根据所述人脸特征进行全局人脸检测,以检测所述人脸的图像是否为已注册人脸图像。

5.根据权利要求4所述的方法,其特征在于,根据所述人脸特征进行全局人脸检测的步骤,包括:

采用多个不同的检测方案对所述人脸特征进行识别;

判断不同检测方案得到的候选人脸模板是否为同一个人的人脸;

若是,则所述人脸特征通过所述全局人脸检测,并确定所述人脸的图像是否为已注册人脸图像。

6.一种人脸识别检测实验装置,其特征在于,所述装置包括:

待识别图像获取模块,用于获取待识别人脸图像,并对所述待识别人脸图像进行高斯差分滤波处理,得到滤波后的待识别人脸图像;

关键点检测模块,用于检测所述滤波后的待识别人脸图像中的至少一个关键点;

特征提取模块,用于采用局部二值模式算法提取所述至少一个关键点中每个关键点的特征;

目标关键点匹配模块,用于根据所述每个关键点的特征匹配与所述每个关键点相对应的每张人脸模板中的目标关键点;

人脸识别模块,用于根据所述至少一个关键点的特征,以及从所述每张人脸模板中匹配到的至少一个所述目标关键点的特征,对所述待识别的人脸图像进行识别。

7.根据权利要求6所述的装置,其特征在于,所述装置还包括:

识别对象确定模块,用于将所述待识别人脸图像与预先存储的人脸图像样本集进行比对,并将所述滤波后的待识别人脸图像与预先存储的经高斯差分滤波后的人脸图像样本集进行比对,从所述人脸图像样本集中找出与所述待识别人脸图像对应的识别对象;

计算模块,用于计算与所述识别对象对应的所述待识别人脸图像和所述滤波后的待识别人脸图像的总体重构系数分散程度SCI;

已注册人脸图像判断模块,用于根据所述总体重构系数分散程度SCI判断所述待识别人脸图像是否为已注册人脸图像。

8.根据权利要求6所述的装置,其特征在于,所述装置包括:

归一化处理模块,用于对所述待识别人脸图像进行归一化处理。

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经纬信息技术有限公司;中国铁道科学研究院集团有限公司电子计算技术研究所,未经北京经纬信息技术有限公司;中国铁道科学研究院集团有限公司电子计算技术研究所许可,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/202110008954.7/1.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