一种用于安防领域的自适应局部人脸识别方法和系统技术方案

本发明专利技术公开了一种用于安防领域的自适应局部人脸识别方法和系统，所述方法首先判断检测到的人脸区域所属的区域类别，然后进行相同区域类别的特征相似度计算；所述系统包括以下模块：图像采集模块、局部人脸检测模块、人脸检测后处理模块、人脸识别模块。本发明专利技术所针对安防领域中人脸姿态多样性的问题，能够在不需要正视摄像头的情况下实现人脸识别；本发明专利技术中的模型训练使用到大量局部可见以及佩戴口罩或其他遮挡的样本，因此对于机场车站的闸机中出现的佩戴口罩不可识别的情况也能有很大的改善，很大程度地提升了安防领域中人脸识别的准确度和效率。确度和效率。确度和效率。

【技术实现步骤摘要】
一种用于安防领域的自适应局部人脸识别方法和系统


[0001]本专利技术涉及安防，特别是一种用于安防领域的自适应局部人脸识别方法和系统。

技术介绍

[0002]近年来人脸识别已经深入到生活的各个方面，极大的方便了我们的生活，在便利性的同时人脸识别的准确度和安全性越来越受到考验。在实际安防领域使用中，比如人流量大的机场车站，人脸识别系统并不一定能捕获到完整的图片，目前存在的算法在这种情况会出现人脸无法通过识别的情况，因此非常有必要设计一种可以识别局部人脸的系统。
[0003]一张人脸图片的有效特征主要包括人脸的轮廓特征，由眼睛、鼻子、嘴巴等提取出的主要面部特征以及这些局部特征的组合。其余特征并不能对于人脸的识别产生重要影响，因此，当人脸展示的不完整时仍然有可能进行准确的识别。主要是能够自适应地利用可检测到的特征，同时保存到人脸库的特征也需要按照不同的区域划分进行提取和保存。
[0004]在安防领域常常会出现采集到的人脸不正对摄像头的情况，比如客流量较大的机场车站，人脸与摄像头往往会存在较大的角度，或者出现遮挡的情况，摄像头只能捕捉到部分人脸，这样导致人脸识别的拒识率大大上升，这种情况存在较大的安防挑战。同时由于新冠病毒的影响，现在越来越多的人佩戴防护口罩，在公共场合很多情况下都会佩戴口罩。目前的人脸识别的训练大多都是基于完整人脸提取特征，因此面对佩戴口罩的人脸很难准确进行识别，对于这些情况需要一种算法自适应地利用可见特征进行人脸识别。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种用于安防领域的自适应局部人脸识别方法和系统，从而避免目标人脸出现遮挡和部分可见时与照片库中的人脸无法匹配的情况。
[0006]技术方案：本专利技术所述的一种用于安防领域的自适应局部人脸识别方法，包括以下步骤：
[0007](1)安防摄像头获取实时拍摄的图像；
[0008](2)图像采集模块判断步骤(1)中采集到的连续多帧图像的质量，对质量最好的前三张图进行预处理；处理结果输出给局部人脸检测模块；
[0009](3)局部人脸检测模块使用深度学习训练的局部人脸检测模型进行人脸检测，检测出可见的局部人脸的包围框以及对应的人脸区域类别；处理结果输出给人脸检测后处理模块；
[0010](4)人脸检测后处理模块将识别到的每一个人脸区域对短边进行补0操作，将局部图像填充为正方形；处理结果输出给人脸识别模块；
[0011](5)人脸识别模块将检测到的每个局部人脸与目标人脸库中的人脸经过特征提取网络获取提取后的人脸特征，然后计算特征之间的距离判断人脸的相似度，最终实现局部可见的人脸识别。
[0012]一种用于安防领域的自适应局部人脸识别系统，包括以下模块：
[0013]图像采集模块：安防摄像头获取实时拍摄的图像，判断采集到连续帧数图像的质量，对质量最好的前三张图进行预处理；
[0014]局部人脸检测模块：本模块的输入是图像采集和预处理后的输出，即若干张照片；本模块使用深度学习训练的局部人脸检测模型进行人脸检测，检测出可见的局部人脸的包围框以及对应的人脸区域类别；
[0015]人脸检测后处理模块：本模块的输入是经过局部人脸检测模块后返回的人脸区域，将识别到的每一个人脸区域对短边进行补0操作，将局部图像填充为正方形；
[0016]人脸识别模块：本模块的输入是人脸检测后处理模块和人脸库区域切分后的人脸数据，将检测到的每个局部人脸与目标人脸库中的人脸经过特征提取网络获取提取后的人脸特征，然后计算特征之间的距离判断人脸的相似度，最终实现局部可见的人脸识别。
[0017]一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种用于安防领域的自适应局部人脸识别方法。
[0018]一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种用于安防领域的自适应局部人脸识别方法。
[0019]有益效果：与现有技术相比，本专利技术具有如下优点：
[0020]1、本专利技术针对安防领域中人脸姿态多样性的问题，能够在不需要正视摄像头的情况下实现人脸识别；
[0021]2、本专利技术中的模型训练使用到大量局部可见以及佩戴口罩或其他遮挡的样本，因此对于机场车站的闸机中出现的佩戴口罩不可识别的情况也能有很大的改善，很大程度地提升了安防领域中人脸识别的准确度和效率。
附图说明
[0022]图1为本专利技术的技术原理图。
具体实施方式
[0023]下面结合附图对本专利技术的技术方案作进一步说明。
[0024]实施例1：
[0025]一种用于安防领域的自适应局部人脸识别方法，包括以下步骤：
[0026](1)安防摄像头获取实时拍摄的图像；
[0027](2)图像采集模块判断步骤(1)中采集到的连续多帧图像的质量，对质量最好的前三张图进行预处理；处理结果输出给局部人脸检测模块；
[0028](3)局部人脸检测模块使用深度学习训练的局部人脸检测模型进行人脸检测，检测出可见的局部人脸的包围框以及对应的人脸区域类别；处理结果输出给人脸检测后处理模块；
[0029](4)人脸检测后处理模块将识别到的每一个人脸区域对短边进行补0操作，将局部图像填充为正方形；处理结果输出给人脸识别模块；
[0030](5)人脸识别模块将检测到的每个局部人脸与目标人脸库中的人脸经过特征提取网络获取提取后的人脸特征，然后计算特征之间的距离判断人脸的相似度，最终实现局部
可见的人脸识别。
[0031]实施例2：
[0032]一种用于安防领域的自适应局部人脸识别系统，包括以下模块：
[0033]图像采集模块：安防摄像头获取实时拍摄的图像，判断采集到连续帧数图像的质量，对质量最好的前三张图进行预处理；
[0034]局部人脸检测模块：本模块的输入是图像采集和预处理后的输出，即若干张照片；本模块使用深度学习训练的局部人脸检测模型进行人脸检测，检测出可见的局部人脸的包围框以及对应的人脸区域类别；
[0035]人脸检测后处理模块：本模块的输入是经过局部人脸检测模块后返回的人脸区域，将识别到的每一个人脸区域对短边进行补0操作，将局部图像填充为正方形；
[0036]人脸识别模块：本模块的输入是人脸检测后处理模块和人脸库区域切分后的人脸数据，将检测到的每个局部人脸与目标人脸库中的人脸经过特征提取网络获取提取后的人脸特征，然后计算特征之间的距离判断人脸的相似度，最终实现局部可见的人脸识别。
[0037]实施例3：
[0038]一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种用于安防领域的自适应局部人脸识别方法。
[0039]实施例4：
[0040]一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，所述处理器执行所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于安防领域的自适应局部人脸识别方法，其特征在于，包括以下步骤：(1)安防摄像头获取实时拍摄的图像；(2)图像采集模块判断步骤(1)中采集到的连续多帧图像的质量，对质量最好的前三张图进行预处理；处理结果输出给局部人脸检测模块；(3)局部人脸检测模块使用深度学习训练的局部人脸检测模型进行人脸检测，检测出可见的局部人脸的包围框以及对应的人脸区域类别；处理结果输出给人脸检测后处理模块；(4)人脸检测后处理模块将识别到的每一个人脸区域对短边进行补0操作，将局部图像填充为正方形；处理结果输出给人脸识别模块；(5)人脸识别模块将检测到的每个局部人脸与目标人脸库中的人脸经过特征提取网络获取提取后的人脸特征，然后计算特征之间的距离判断人脸的相似度，最终实现局部可见的人脸识别。2.一种用于安防领域的自适应局部人脸识别系统，其特征在于，包括以下模块：图像采集模块：安防摄像头获取实时拍摄的图像，判断采集到连续帧数图像的质量，对质量最好的前三张图进行预处理；局部人脸检测模块：本...

【专利技术属性】
技术研发人员：闫守志，
申请(专利权)人：的卢技术有限公司，
类型：发明
国别省市：