[发明专利]一种无人脸数据训练的人脸识别方法和系统

说明书

本发明公开了一种无人脸数据训练的人脸识别方法，本发明不需要海量的人脸数据训练，在缺乏人脸底库的情况下自动识别所收集到的人脸图片，便于将海量人员数据进行快速收集和分类，减少了人工识别的工作量，并对于陌生人的识别任务有着良好的适应性；本发明实现了人脸底库中数据的实时更新，并提高了人脸底库中图像的清晰度，提高了人脸识别的精确度。本发明还公开了一种无人脸底库人脸识别系统，本发明的人脸特征聚类模块弥补了MTCNN侧脸判断不准的问题，提高了照片获取的精确度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。

技术领域

本发明属于计算机视觉与图像处理领域，具体涉及一种无人脸数据训练的人脸识别方法和系统。

背景技术

从人脸识别技术的发现到人脸识别技术的应用，已有60多年历史，近年来，人脸识别技术作为模型识别、图像处理、机器视觉、神经网络等研究领域的热点研究课题，取得了较为突出的研究成果，并已运用于多个产业领域，如安全验证系统、信用卡验证、罪犯身份识别、银行和海关健康、人机交互等领域。

相较于其他生物识别技术，人脸识别技术具有相对的优越性：1.更简单的数据采集手续，不需要人工操作，不需要接触；2.速度较快，用户使用简便；3.较为可靠，准确度较高；4.性价比较高，可扩展性良好；5.具有自学习功能，鲁棒性较强。虽然人脸识别技术的唯一性相较于指纹和虹膜要差，但足以满足一般安全性要求的身份验证和鉴别系统。

人脸识别系统的主要研究内容包括以下5个方面：1.人脸检测。在不同场景之下找到人脸所在坐标和人脸面积区域。2.人脸表征。这一过程主要用于人脸特征的提取。3.人脸识别。待测对象与数据库中已存在的人脸图像进行比对，并得出所需结果。4.面部表情/姿势分析。识别人脸面部表情，理解人的情绪。5.生理分类。通过对人脸特征的分析，得到相关生理特征信息，如性别、年龄、种族、职业等信息。

现有研究在上述提到的研究方向都取得了较为突出的成果，但这些研究大多只适用于有海量人脸底层数据的场景，如DeepFace,DeepID,FaceNet等都是基于海量的人脸数据训练得到的。对于缺乏人脸底层数据库的场景，例如陌生人识别，要采用人脸识别技术还具有非常大的难度。现有技术中申请号为2017108922472、申请日为2017.09.27的中国发明专利公开了一种陌生人识别方法和系统，然而该识别方法中对于陌生人的识别任务没有适应性；而且对于人脸照片的处理精度不高，而且没有实现人脸数据的实时更新。

发明内容

本发明的目的在于提供一种无人脸数据训练的人脸识别方法，本发明不需要海量的人脸数据训练，在缺乏人脸底库的情况下自动识别所收集到的人脸图片，便于将海量人员数据进行快速收集和分类，减少了人工识别的工作量，并对于陌生人的识别任务有着良好的适应性；本发明实现了人脸底库中数据的实时更新，并提高了人脸底库中图像的清晰度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。

本发明的另一个目的在于提供一种无人脸底库人脸识别系统，本发明人脸特征聚类模块弥补了MTCNN侧脸判断不准的问题，提高了照片获取的精确度，提高了人脸识别的精确度；使得人脸识别技术能在更广、更复杂的场景下应用。

本发明主要通过以下技术方案实现：一种无人脸数据训练的人脸识别方法，主要包括步骤S103：获取人脸图像与人脸底库的比对值，若根据比对值能够在底图图库中查到Face ID的图像，则输出检测到的ID，若输入图像与人脸底库图像相似度大于识别阈值加5，则进行人脸质量判断，若符合人脸质量标准，若底库照片大于等于10，则删除识别次数少的底库照片，然后加入人脸底库；若根据比对值不能够在底图图库中查到Face ID，则进行人脸质量判断，若满足人脸质量标准，则将图像加入人脸底库中，然后输出ID。所述ID可以为系统设定的身份，以提醒验证者的身份，方便安全检测。

为了更好的实现本发明，进一步的，若底库照片小于10，则直接加入人脸底库。