基于摄像头的人脸识别方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种基于摄像头的人脸识别方法，所述方法包括：获取多个不同方位摄像头采集的人像信息；基于获取的人像信息，通过人脸识别角度检测算法确定人脸角度，基于人脸角度执行人脸识别预测策略，以得到人脸识别准确率；基于人脸识别准确率和各维度摄像信息构建结构化表格数据；将结构化表格数据输入至预先训练好的机器学习模型中，输出人脸识别结果。本申请所述的基于摄像头的人脸识别方法、装置、设备及存储介质采用多维图像组合的方式，根据人脸角度进行权重投票得出初步结论，形成结构化表格信息并引入机器学习算法，得到最终的人脸识别结果，具备人脸识别率高的优点。具备人脸识别率高的优点。具备人脸识别率高的优点。

【技术实现步骤摘要】
基于摄像头的人脸识别方法、装置、设备及存储介质


[0001]本申请属于图像处理
，尤其涉及一种基于摄像头的人脸识别方法、装置、设备及存储介质。

技术介绍

[0002]人脸识别，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。除了安防、金融这两大领域外，人脸识别还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。人脸识别技术这些年已经发生了重大的变化。传统方法依赖于人工设计的特征(比如边和纹理描述量)与机器学习技术(比如主成分分析、线性判别分析或支持向量机)的组合。人工设计在无约束环境中对不同变化情况稳健的特征是很困难的，这使得过去的研究者侧重研究针对每种变化类型的专用方法，比如能应对不同年龄的方法、能应对不同姿势的方法、能应对不同光照条件的方法等，近段时间，传统的人脸识别方法已经被基于卷积神经网络(CNN)的深度学习模型接替。
[0003]然而即使采用前沿的深度学习模型应用于人脸识别领域，通常将单一纬度的单体摄像头采集的信息作为输入和建模，在复杂环境下，就容易导致人脸识别准确率低的问题。

技术实现思路

[0004]有鉴于此，本申请旨在提出一种基于摄像头的人脸识别方法、装置、设备及存储介质，以解决目前采用单体摄像头进行人脸识别准确率低的问题。
[0005]为达到上述目的，本申请的技术方案是这样实现的：
[0006]本申请提供了一种基于摄像头的人脸识别方法，所述方法包括：
[0007]获取多个不同方位摄像头采集的人像信息；
>[0008]基于获取的所述人像信息，通过人脸识别角度检测算法确定人脸角度，基于所述人脸角度执行人脸识别预测策略，以得到人脸识别准确率；
[0009]基于所述人脸识别准确率和各维度摄像信息构建结构化表格数据；
[0010]将所述结构化表格数据输入至预先训练好的机器学习模型中，输出人脸识别结果。
[0011]进一步地，所述获取多个不同方位摄像头采集的人像信息，包括：
[0012]在不同采集方位布置多个单体摄像头，所述单体摄像头对待检测对象进行人像捕捉，获取人脸图像；
[0013]提取所述人脸图像的人脸特征信息，将所述人脸特征信息输入至预先训练好的深度神经网络模型中，得到人像信息。
[0014]进一步地，获取的所述人脸图像包括实时视频帧或人像图片。
[0015]进一步地，所述人脸特征信息至少包括：眉毛、黑眼球、鼻尖、鼻孔、上嘴唇、下嘴唇和嘴角。
[0016]进一步地，所述对所述人像图片提取人脸特征信息，将所述人脸特征信息输入至
预先训练好的深度神经网络模型中，得到人像信息，包括：
[0017]将包含所述人脸特征信息的数据集划分为训练集、验证集和测试集，对构建好的深度神经网络模型进行模型性能训练、验证和测试；
[0018]响应于所述深度神经网络模型的输出准确率大于预设阈值，得到所述人像信息。
[0019]进一步地，所述基于获取的所述人像信息，通过人脸识别角度检测算法确定人脸角度，基于所述人脸角度执行人脸识别预测策略，以得到人脸识别准确率，包括：
[0020]确定人脸角度，各维度单体摄像头按照权重投票机制输出人脸识别预测结果，将所述人脸识别预测结果作为正确结果进行归档，并根据归档结果进行模型校正；
[0021]对多个所述预测结果进行比对，确定人脸识别准确率。
[0022]进一步地，所述各维度摄像信息至少包括单体摄像头参数信息、摄像角度和摄像地光影条件。
[0023]基于同一专利技术构思，本申请还提供了一种基于摄像头的人脸识别装置，所述装置包括：
[0024]人像信息获取模块，被配置为获取多个不同方位摄像头采集的人像信息；
[0025]人脸角度确定模块，被配置为基于获取的所述人像信息，通过人脸识别角度检测算法确定人脸角度，基于所述人脸角度执行人脸识别预测策略，以得到人脸识别准确率；
[0026]构建模块，被配置为基于所述人脸识别准确率和各维度摄像信息构建结构化表格数据；
[0027]结果输出模块，被配置为将所述结构化表格数据输入至预先训练好的机器学习模型中，输出人脸识别结果。
[0028]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的基于摄像头的人脸识别方法。
[0029]基于同一专利技术构思，本申请还提供了一种非暂态计算机可读存储介质，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上所述的基于摄像头的人脸识别方法。
[0030]相对于现有技术，本申请所述的基于摄像头的人脸识别方法、装置、设备及存储介质具有以下有益效果：
[0031]本申请所述的基于摄像头的人脸识别方法、装置、设备及存储介质，所述方法采用多维图像组合的方式，根据人脸角度进行权重投票得出初步结论，形成结构化表格信息并引入机器学习算法，得到最终的人脸识别结果，通过所述人脸识别方法识别到的人脸结果，识别精度和识别准确率更高，能够应用在各种复杂场景，应用范围广阔。
附图说明
[0032]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0033]图1为本申请实施例所述的基于摄像头的人脸识别方法的流程示意图；
[0034]图2为本申请实施例所述的基于摄像头的人脸识别装置的结构示意图；
[0035]图3为本申请实施例所述的电子设备的结构示意图。
[0036]附图标记说明：
[0037]11
‑
人像信息获取模块；12
‑
人脸角度确定模块；13
‑
构建模块；14
‑
结果输出模块。
具体实施方式
[0038]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0039]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0040]如
技术介绍
部分所述，相关的人脸识别方法存在人脸识别精度不高、整体识别率低的缺陷，难以满足目前安防、金融本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于摄像头的人脸识别方法，其特征在于，所述方法包括：获取多个不同方位摄像头采集的人像信息；基于获取的所述人像信息，通过人脸识别角度检测算法确定人脸角度，基于所述人脸角度执行人脸识别预测策略，以得到人脸识别准确率；基于所述人脸识别准确率和各维度摄像信息构建结构化表格数据；将所述结构化表格数据输入至预先训练好的机器学习模型中，输出人脸识别结果。2.根据权利要求1所述的基于摄像头的人脸识别方法，其特征在于，所述获取多个不同方位摄像头采集的人像信息，包括：在不同采集方位布置多个单体摄像头，所述单体摄像头对待检测对象进行人像捕捉，获取人脸图像；提取所述人脸图像的人脸特征信息，将所述人脸特征信息输入至预先训练好的深度神经网络模型中，得到人像信息。3.根据权利要求2所述的基于摄像头的人脸识别方法，其特征在于，获取的所述人脸图像包括实时视频帧或人像图片。4.根据权利要求3所述的基于摄像头的人脸识别方法，其特征在于，所述人脸特征信息至少包括：眉毛、黑眼球、鼻尖、鼻孔、上嘴唇、下嘴唇和嘴角。5.根据权利要求4所述的基于摄像头的人脸识别方法，其特征在于，所述对所述人像图片提取人脸特征信息，将所述人脸特征信息输入至预先训练好的深度神经网络模型中，得到人像信息，包括：将包含所述人脸特征信息的数据集划分为训练集、验证集和测试集，对构建好的深度神经网络模型进行模型性能训练、验证和测试；响应于所述深度神经网络模型的输出准确率大于预设阈值，得到所述人像信息。6.根据权利要求1所述的基于摄像头的人脸识别方法，其特征在于，所述基于获取的...

【专利技术属性】
技术研发人员：邹文韬，
申请(专利权)人：紫光云技术有限公司，
类型：发明
国别省市：