[发明专利]一种适用于非配合场景下的人脸识别方法和系统

说明书

本发明属于图像识别技术领域，尤其为一种适用于非配合场景下的人脸识别方法和系统，包括以下步骤，视频流解析步骤：获取摄像机拍摄的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片，图像获取步骤，检测视频流解析得到的图像中是否有人脸，若有人脸，则计算五官坐标和包围盒位置，若没有人脸，或无法提取到M个关键点中的任意一个坐标，舍弃当前视频帧，侧脸评估步骤：根据获取到的M个人脸关键点坐标；在非配合场景下，根据视频流内容，进行有效筛分，根据人像侧脸分值高低从N张图片里选取侧脸质量最优的一张作为预识别对象，借助超分辨率模型得到高清识别网络，能够有效提高识别率，减少计算量。

技术领域

本发明属于图像识别技术领域，具体涉及一种适用于非配合场景下的人脸识别方法和系统。

背景技术

人脸识别是是基于人的脸部特征信息进行身份识别的一种生物识别技术，它由计算机分析人脸图像，从图像中提取有效信息并自动鉴别，人脸识别技术广泛应用于安全系统及人机交互等方面，已成为计算机视觉和模式识别领域中重要的研究课题之一。

公开号为CN109657587A的中国发明公开一种用于人脸识别的侧脸质量评估方法和系统，但是该系统只适用于配合式的人脸识别的采集，在实时视频场景下，需要对解析得到的每一帧进行连续的分析识别，大大浪费了系统的资源，特别是对算力较低的ARM设备来说更是如此，非必要的分析检测降低了服务器处理效率，所有要求在处理更少帧的情况下，还可以保证很高的识别率。

对于人脸识别技术来说，如果人脸图像是在正面姿态与理想光照条件下采集得到的，通常能取得令人满意的识别结果，但是当人脸的姿态和光照条件发生改变时，即使采用优秀的人脸识别系统进行实验，其识别率也会明显下降，这是当下人脸识别技术落地应用的一大难题，因此本发明提出一种适用于非配合场景下的人脸识别方法和系统。

发明内容

为解决上述背景技术中提出的问题。本发明提供了一种适用于非配合场景下的人脸识别方法和系统，通过提取若干人脸关键点位置坐标，计算得到侧脸分数，依据侧脸评估标准筛选出预识别对象，并借助SRGAN算法，对预识别图像进行超分辨率处理，得到高清识别图像，从而有效提高识别率，减少计算量。

为实现上述目的，本发明提供如下技术方案：一种适用于非配合场景下的人脸识别方法，包括以下步骤：

S1、视频流解析步骤：获取摄像机拍摄的视频流，将视频流解析成N幅视频帧，每一幅视频帧再解码成RGB图片；

S2、图像获取步骤：

S21、检测视频流解析得到的图像中是否有人脸，若有人脸，则计算五官坐标和包围盒位置；

S22、若没有人脸，或无法提取到M个关键点中的任意一个坐标，舍弃当前视频帧；

S3、侧脸评估步骤：根据获取到的M个人脸关键点坐标，计算每一幅视频帧中人脸的侧脸分值S，侧脸分值S用以表达人脸的侧脸程度，S大于等于1；根据一预先设定的规则选择其中一幅视频帧的RGB图片作为预识别图像。

S4、超分辨率处理步骤：采用超分辨率模型对预识别图像进行处理，得到高清识别图像。

优选的，所述侧脸评估步骤包括：

S31、评估点坐标提取步骤：分别提取当前人脸的左眼角位置坐标、右眼角位置坐标、鼻尖位置坐标、左嘴角位置坐标、右嘴角位置坐标。

S32、侧脸分值计算步骤：

2.1：计算鼻尖位置到左眼角和左嘴角连线的距离ds1；

2.2：计算鼻尖位置到左嘴角位置的距离ds2；

2.3：计算鼻尖位置到右眼角和右嘴角连线的距离ds3；

2.4：计算鼻尖位置到右嘴角位置的距离ds4；