[发明专利]人脸识别方法、设备及计算机可读存储介质在审

专利信息
申请号: 201810397466.8 申请日: 2018-04-27
公开(公告)号: CN108664908A 公开(公告)日: 2018-10-16
发明(设计)人: 周长金;周军;彭程 申请(专利权)人: 深圳爱酷智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 胡海国;晏波
地址: 518000 广东省深圳市南山区粤海街*** 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: 人脸识别 镜框 人脸图像 计算机可读存储介质 人脸区域图像 眼镜框 采集 图像 人脸识别设备 主动轮廓模型 灰度化处理 结果获得 区域识别 人脸检测 人脸区域 图像帧 赋予 弱化 眼镜 输出
【权利要求书】:

1.一种人脸识别方法,其特征在于,所述方法包括以下步骤:

采集人脸图像,并对采集到的人脸图像的图像帧进行灰度化处理,获得第一图像;

对所述第一图像进行人脸检测,获取人脸区域图像;

将所述人脸区域图像输入至主动轮廓模型进行眼镜框的镜框区域识别;

根据识别输出的结果获得眼镜框的镜框区域;

赋予所述镜框区域第一计算权值,并赋予人脸区域中的非镜框区域第二计算权值,其中,所述第一计算权值小于第二计算权值;

根据所述第一计算权值以及第二计算权值对人脸图像进行识别。

2.如权利要求1所述的人脸识别方法,其特征在于,所述对所述第一图像进行人脸检测,获取人脸区域图像的步骤之后,还包括:

计算所述人脸区域图像的反光度,并筛选所述人脸区域图像中反光度大于预设反光度阈值的第二图像;

将所述第二图像作为眼镜框的镜框区域。

3.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述第一计算权值以及第二计算权值对人脸图像进行识别的步骤包括:

将采集到的人脸图像与数据库中预存的人脸图像进行匹配,获得人脸特征之间的匹配度;

将所述第一计算权值与镜框区域包含的人脸特征对应的匹配度相乘,获得第一匹配值,将第二计算权值与非镜框区域包含的人脸特征对应的匹配度相乘,获得第二匹配值,将所述第一匹配值与第二匹配值相加,获得赋予权值后的人脸特征匹配的匹配值;

将所述赋予权值后的人脸特征匹配的匹配值与预设匹配值进行对比,获得人脸识别的识别结果。

4.如权利要求3所述的人脸识别方法,其特征在于,所述将采集到的人脸图像与数据库中预存的人脸图像进行匹配,获得人脸特征之间的匹配度的步骤包括:

提取所述采集到的人脸图像特征;

根据所述采集到的人脸图像特征和预存的人脸图像脸部图像特征,计算所述采集到的人脸图像和预存的人脸图像脸部之间的匹配度。

5.如权利要求4所述的人脸识别方法,其特征在于,所述提取所述采集到的人脸图像特征的步骤包括:

对所述人脸图像进行关键特征点定位;

根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;

采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;

将从各个人脸区域提取到的特征进行重组,得到所述人脸图像的图像特征。

6.如权利要求1所述的人脸识别方法,其特征在于,所述对所述第一图像进行人脸检测,获取人脸区域图像的步骤包括:

通过基于Haar分类器对所述第一图像进行人脸检测,获取人脸区域图像;

或,通过基于肤色检测方法对所述第一图像进行人脸检测,获取人脸区域图像。

7.如权利要求1所述的人脸识别方法,其特征在于,所述计算所述人脸区域的反光度的步骤包括:

将所述人脸区域平均分成若干个子区域,并计算各个子区域的灰度均值;

根据各个子区域的灰度均值计算人脸区域的反光度。

8.如权利要求7所述的人脸识别方法,其特征在于,所述将所述人脸区域平均分成若干个子区域,并计算各个子区域的灰度均值的步骤包括:

对所述人脸区域进行特征点定位;

根据特征点定位结果将所述人脸区域分割成若干个子区域,并计算各个子区域的灰度均值。

9.一种人脸识别设备,其特征在于,所述人脸识别设备包括处理器、网络接口、用户接口及存储器,所述存储器中存储有人脸识别程序;所述处理器用于执行所述人脸识别程序,以实现如权利要求1至8中任一项所述的人脸识别方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有人脸识别程序,所述人脸识别程序被处理器执行时实现如权利要求1至8中任一项所述的人脸识别方法的步骤。

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爱酷智能科技有限公司,未经深圳爱酷智能科技有限公司许可,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/201810397466.8/1.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