[发明专利]人脸融合识别方法及装置、电子设备和存储介质在审

专利信息
申请号: 201711289347.2 申请日: 2017-12-07
公开(公告)号: CN108229330A 公开(公告)日: 2018-06-29
发明(设计)人: 黄潇莹;张丹丹;张广程 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京思源智汇知识产权代理有限公司 11657 代理人: 毛丽琴
地址: 518000 广东省深圳市*** 国省代码: 广东;44
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 融合 人脸特征 脸特征 人脸 视频帧序列 存储介质 电子设备 人脸识别 融合处理 特征提取 分辨率 模糊
【说明书】:

发明实施例公开了一种人脸融合识别方法及装置,其中的方法包括:从视频帧序列中获取同一个用户的多张人脸图像;对所述多张人脸图像的每张人脸图像进行特征提取,得到多张人脸图像对应的多个人脸特征;将所述多个人脸特征进行融合处理,得到融合人脸特征;基于所述融合人脸特征,对所述用户进行人脸识别。本发明实施例可支持对模糊或分辨率低的人脸图像进行准确识别。

技术领域

本发明涉及生物特征识别技术,尤其是一种人脸融合识别方法及装置、电子 设备和存储介质。

背景技术

在当今信息化时代,如何准确鉴定一个人的身份、保护信息安全,已成为一 个必须解决的关键社会问题。生物特征识别技术,是指通过计算机利用人体所固 有的生理特征或行为特征来进行个人身份鉴定的技术。在生物特征识别技术中, 人脸识别由于其方便快捷而应用广泛。

发明内容

本发明实施例提供一种人脸融合识别的技术方案。

本发明实施例提供的一种人脸融合识别方法,所述方法包括:

从视频帧序列中获取同一个用户的多张人脸图像;

对所述多张人脸图像的每张人脸图像进行特征提取,得到多张人脸图像对应 的多个人脸特征;

将所述多个人脸特征进行融合处理,得到融合人脸特征;

基于所述融合人脸特征,对所述用户进行人脸识别。

在一种可选方式中,在所述获取同一个用户的多张人脸图像之后,还包括:

获取所述多张人脸图像的质量,过滤掉人脸图像质量分值低于预置的图像质 量最低阈值的人脸图像,得到过滤后人脸图像集;

所述对所述多张人脸图像的每张人脸图像进行特征提取,得到多张人脸图像 对应的多个人脸特征;将所述多个人脸特征进行融合处理,得到融合人脸特征, 包括:

对所述过滤后人脸图像集中的每张人脸图像进行特征提取,得到分别对应的 多个人脸特征;将所述多个人脸特征进行融合处理,得到所述融合人脸特征。

在一种可选方式中,所述对所述多张人脸图像进行质量判断,过滤掉质量低 的人脸图像,包括:

检测各张人脸图像中人脸大小、人脸姿态角度、人脸面部信息完整度、图片 模糊程度、图片亮度、图片对比度,图片背景环境,和/或,是否为彩色图像;

根据检测结果,计算各张人脸图像的质量分值;

将所述各张人脸图像的质量分值与预置的图像质量最低阈值进行比较;

过滤掉质量分值低于所述最低阈值的人脸图像。

在一种可选方式中,所述将所述多个人脸特征进行融合处理,包括:

将多个人脸特征进行量化为多个人脸特征向量;将这多个人脸特征向量进行 融合计算,得到融合人脸特征。

在一种可选方式中,所述将这多个人脸特征向量进行融合计算,得到融合人 脸特征,包括:

基于各个人脸特征向量各分量的平均值或加权平均值,得到表征融合人脸特 征的融合人脸特征向量;或,

基于各个人脸特征向量各分量的最大值或最小值,得到表征融合人脸特征的 融合人脸特征向量;或,

基于深度学习算法对所述多个人脸特征向量进行计算,得到表征融合人脸特 征的融合人脸特征向量;或,

将各个人脸特征向量各分量进行拼接,得到表征融合人脸特征的融合人脸特 征向量。

在一种可选方式中,所述基于所述融合人脸特征,对所述用户进行人脸识别, 包括:

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深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,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/201711289347.2/2.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