[发明专利]基于船舶安防数据识别的人脸图片补偿识别方法有效

专利信息
申请号: 202111088569.4 申请日: 2021-09-16
公开(公告)号: CN113537178B 公开(公告)日: 2021-12-17
发明(设计)人: 曹伟 申请(专利权)人: 南通市海鸥救生防护用品有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06K9/62;G06N20/00
代理公司: 武汉华强专利代理事务所(普通合伙) 42237 代理人: 康晨
地址: 226000 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 船舶 数据 识别 图片 补偿 方法
【权利要求书】:

1.一种基于船舶安防数据识别的人脸图片补偿识别方法,其特征在于,包括:

分别对受焦距影响的被识别人脸图片与未受影响的标准人脸图片进行同心圆环分区,将被识别人脸图片中每个区域的特征点与标准图片中对应区域的特征点进行匹配;

分别获取被识别人脸图片与标准图片中相对应两个特征点之间的距离,根据相对应两个特征点之间的距离得到图片形变比例;

通过图片形变比例得到形变强度数据;通过形变强度数据得到脸部特征点的形变量;根据形变量对特征点进行补偿;

所述对特征点进行恢复补偿的方法为:通过形变量对被识别人脸图片中特征点到中心区域的形变距离进行恢复,完成对特征点的补偿;所述补偿方法的表达式为:

其中,为特征点距图像中心点的距离,为当前特征点的形变量;

式中所述获取脸部特征点形变量的表达式如下:

其中:为当前特征点的形变量,为中心区域的形变比例,为跨越区域的个数,为该图片的平均形变强度;

所述中心区域的形变比例和图片的平均形变强度的获取方法具体为:获取图片的焦距数据,利用焦距数据和形变强度数据对神经网络进行训练;其中,焦距数据为网络训练时的输入,形变强度数据为网络训练时的输出;将待识别人脸图片中的一个特征点以及焦距数据输入训练好的网络中,得到中心区域的形变比例和该图片的平均形变强度。

2.根据权利要求1所述一种基于船舶安防数据识别的人脸图片补偿识别方法,其特征在于,所述形变比例的获取方法为:分别提取被识别人脸图片中某一区域的两个特征点以及其相邻区域的两个特征点,分别计算两特征点间连线的距离与,对应标准图片对应两特征点连线的距离和;

根据两特征点的距离计算其垂直于区域分界线的距离与,对应标准图片两特征点垂直于区域分界线的距离与;

通过被识别人脸图片内各个区域中两个特征点与标准图片两特征点垂直于区域分界线的距离之间的比值得到被识别人脸图片中一个区域两特征点与其相邻区域两特征点的形变比例与;

根据两个相邻区域的形变比例与之差得到相邻垂直区域边界的形变强度值;对形变强度值取平均值得到平均形变强度数据。

3.根据权利要求1所述一种基于船舶安防数据识别的人脸图片补偿识别方法,其特征在于,所述分别对被识别人脸图片与标准人脸图片进行同心圆环分区的方法如下:

利用像素找出人脸图片的中心位置,以图片中心点为圆心,以r为半径增量画圆,直到最大圆弧与图片短边相切,得到不同圆环组成的圆环区域。

4.根据权利要求1-3任一种所述的基于船舶安防数据识别的人脸图片补偿识别方法,其特征在于,所述识别方法还包括:

根据焦距影响人脸的补偿方法对受焦距影响的被识别人脸图片进行补偿;

提取补偿后的被识别人脸图片特征,量化得到胖瘦特征变量值;

所述人脸图片特征包括人脸双下巴的面积,眼、鼻、嘴面积占比以及嘴的宽度在腮部宽度的占比;

对被识别人脸图片的胖瘦程度分级得到胖瘦层级分类标量,根据胖瘦层级分类标量与胖瘦特征变量值得到胖瘦成都标签值,通过胖瘦成都标签值计算胖瘦程度差异,根据胖瘦程度差异值调整人脸轮廓特征权重值,根据人脸轮廓特征权重进行相似性比较,实现人脸识别。

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南通市海鸥救生防护用品有限公司,未经南通市海鸥救生防护用品有限公司许可,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/202111088569.4/1.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