[发明专利]基于多角度视频的人脸识别装置和方法

说明书

本发明公开了一种基于多角度视频的人脸识别装置和方法，基于多角度视频的人脸识别装置，它包括人脸识别处理控制单元、识别通道、安装在识别通道上并与人脸识别处理控制单元相信号连接的至少三个摄像头，至少三个摄像头包括设置在识别通道的正上方并用于采集用户正脸特征的第一摄像头、设置在识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头、设置在识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头。利用上述的基于多角度视频的人脸识别装置的人脸识别方法，它包括人脸注册、人脸检测与识别。

技术领域

本发明涉及一种基于多角度视频的人脸识别装置和方法。

背景技术

随着生物识别技术的发展，人脸识别技术越来越多的走进了人们的生活。人脸识别考勤技术具有非接触、直观、友好、适用性强等有点。目前人脸识别技术层面已突破昼夜光的影响，能在自然状态下达到快速识别。如今随着技术的不断成熟和成本的降低，人脸考勤逐步展露出了取代指纹考勤的趋势。在生物识别方面，人脸识别技术的应用已经逐渐超出了安防技术领域。

人脸识别系统主要包括人脸检测、人脸对齐、特征提取与身份识别四个模块。人脸检测，首先判断给定的图像上是否存在人脸，如果存在人脸，就输出人脸在图像中的位置坐标以及人脸的大小。人脸对齐是根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。通过人脸对齐可以提高人脸识别的准确率。人脸特征抽取是将人脸图像表示成一个高维的特征向量，从而可以将人脸的特征进行量化，以便进行人脸相似度的计算。身份识别是将待识别人脸与已有人脸进行比对，并找出相似度最高的人脸标签，从而确定人的身份。

目前按照人脸特征抽取的方法来分类，人脸识别技术大致可以分为两类:基于人工构造特征的传统特征提取方法和基于深度学习特征提取方法。其中基于深度学习的人脸识别方法已经成为人脸识别技术的主流方法，并得到了学术界和工业界的广泛应用。基于深度学习特征提取方法，一般是先进行人脸的采集，然后抽取人脸特征，并将抽取的人脸特征送到已有的分类器中进行训练，并生成训练模型，当需要确定某个用户的身份时，首先进行人脸检测，然后使用同样的特征抽取的方法对人脸进行特征抽取，然后将抽取的特征送到训练好的分类器中，分类器会输出人脸识别的结果。

然而，现有的人脸识别系统通常采用单张图像进行人脸身份的识别，这就使得采集的图像容易受光照、识别环境、人脸的姿态和拍摄角度等因素的干扰，所以仅仅从单个角度使用人脸识别算法进行人脸身份的确定时，准确率会受到一定的影响。

发明内容

针对现有技术中所存在的不足，本发明的目的在于提出一种基于多角度视频的人脸识别装置和方法。

为了达到上述目的，本发明提供了一种技术方案：基于多角度视频的人脸识别装置，它包括人脸识别处理控制单元、识别通道、安装在识别通道上并与人脸识别处理控制单元相信号连接的至少三个摄像头，至少三个摄像头包括设置在识别通道的正上方并用于采集用户正脸特征的第一摄像头、设置在识别通道的左侧部并用于采集用户左侧脸特征的至少一个第二摄像头、设置在识别通道的右侧部并用于采集用户右侧脸特征的至少一个第三摄像头。

进一步地，识别通道上安装有用于为摄像头提供固定光照的补光灯。

进一步地，第二摄像头有两个，第三摄像头有两个。

本发明还提供了另一种技术方案：利用上述的基于多角度视频的人脸识别装置的人脸识别方法，它包括人脸注册、人脸检测与识别。

人脸注册，包括以下步骤：

a1.指定一个摄像头的控制线程为主线程，该主线程处于活跃状态，读取对应摄像头所采集的图像数据，其余摄像头的控制线程均处于阻塞状态。当线程处于阻塞状态时，其不会从对应的摄像头中读取图像数据；