System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像识别,尤其是涉及一种基于增量特征的保险销售人脸识别方法、设备、存储介质。
技术介绍
1、在保险销售过程的视频双录过程中,为了保证客户的利益,监管要求保险销售从业人员和投保人及被保人均在视频中出镜,业务定义为“全程同框”。在双录过程中,不可离开镜头,确保投保人和被保人对于保险条款和内容的理解和知情。
2、如何保证录制中的特定人物一直处于同框状态是重要的监管内容,现有的人脸检测等技术无法保证人身份的连续性和一致性,加入人脸识别会受到低头或者侧脸等影响因素造成误判断。
3、部分人脸识别方案在动态视频场景下的效果不理想,不同于静态影像,动态视频场景中的人物会受到多方面影响造成在识别时的精准难度加大:如视频场景本身是动态场景,人像会因角度或者动作等原因时刻变动(人物会出现侧脸谈话、低头签字等动作);视频场景的外界录制环境比较多变,会受到光线等外界因素的干扰。
4、综上,当前缺少一种人脸识别方法,以改善动态视频场景下的人脸识别效果。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于增量特征的保险销售人脸识别方法、设备、存储介质,通过人脸匹配-人脸持续追踪保证保险销售过程中人脸“同框”。
2、本专利技术的目的可以通过以下技术方案来实现:
3、本专利技术的一个方面,提供了一种基于增量特征的保险销售人脸识别方法,包括如下步骤:
4、获取动态视频流中的一帧图像并进行面部检测,通过
5、基于人脸关键点坐标,利用预设的模板,通过变换实现人脸对齐;
6、基于人脸对齐后的人脸关键点坐标,计算人脸特征向量,通过计算与预先获取的待比对人脸对应向量间的相似度,实现待比对人脸与图像中人脸的匹配,初始化增量向量;
7、从所述动态视频流中获取新的一帧图像,并计算新的人脸特征向量,通过计算当前的增量向量与新的人脸特征向量之间的相似度实现人脸追踪,并更新增量向量,重复本步骤实现持续的人脸追踪。
8、作为优选的技术方案,所述人脸关键点坐标的获取过程包括:
9、通过面部检测得到图像中每个人脸对应区域的坐标并裁剪得到人脸区域,利用人脸关键点算法计算人脸关键点坐标。
10、作为优选的技术方案,所述人脸对齐的实现过程包括如下步骤:
11、基于人脸关键点坐标以及预设的模板,通过相似变换计算得到相似矩阵,经仿射变换将人脸关键点坐标变换至预设坐标位置,实现人脸对齐。
12、作为优选的技术方案,所述相似矩阵采用下式计算:
13、m=(qtq)-1qts
14、其中,m、q、s分别为相似矩阵、人脸关键点坐标、预设的模板,()t表示求转置,()-1表示求逆运算。
15、作为优选的技术方案,所述通过计算与待比对人脸对应向量间的相似度,实现待比对人脸与图像中人脸的匹配的过程包括:
16、计算人脸特征向量与预先获取的待比对人脸对应向量间的余弦相似度,并判断所述余弦相似度是否大于预设阈值,若是则实现待比对人脸与图像中人脸的匹配,否则匹配失败。
17、作为优选的技术方案,所述增量向量采用下式初始化:
18、avg=k1*a0+b0
19、其中,avg、a0、b0、k分别为初始化的增量向量、人脸特征向量、待比对人脸对应向量、系数。
20、作为优选的技术方案,通过计算当前的增量向量与新的人脸特征向量之间的相似度实现人脸追踪的过程包括:
21、计算当前的增量向量与新的人脸特征向量之间的余弦相似度,并判断所述余弦相似度是否大于预设阈值,若是,完成本帧图像的追踪,若否,追踪失败。
22、作为优选的技术方案,所述增量向量的更新采用下式实现:
23、avg`=k2*a1+avg
24、其中,avg`、a1、avg、k2分别为更新后的增量向量、新的人脸特征向量、更新前的增量向量、系数。
25、本专利技术的另一个方面,提供了一种电子设备,包括:一个或多个处理器以及存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行前述基于增量特征的保险销售人脸识别方法的指令。
26、本专利技术的另一个方面,提供了一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行前述基于增量特征的保险销售人脸识别方法的指令。
27、与现有技术相比,本专利技术至少具有以下有益效果之一:
28、(1)辅助实现保险销售过程中人脸“同框”:本申请采用人脸匹配(即识别)-人脸持续追踪两阶段方法,首先通过人脸识别判断身份,然后通过后续身份的连续性判断防止身份改变,辅助实现保险销售过程中人脸“同框”。
29、(2)鲁棒性强:针对动态视频场景脸部运动频繁、受光线等外部因素影响大的特点,本申请引入增量特征,首先在首次人脸匹配完成后初始化增量特征,在后续的持续追踪过程中,计算当前的增量向量与新的人脸特征向量之间的相似度以判断是否成功追踪,并在计算相似度后更新增量特征,从而使增量特征获得历史特征记忆,以此来保证人脸追踪的鲁棒性。
本文档来自技高网...【技术保护点】
1.一种基于增量特征的保险销售人脸识别方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述人脸关键点坐标的获取过程包括:
3.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述人脸对齐的实现过程包括如下步骤:
4.根据权利要求3所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述相似矩阵采用下式计算:
5.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述通过计算与待比对人脸对应向量间的相似度,实现待比对人脸与图像中人脸的匹配的过程包括:
6.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述增量向量采用下式初始化:
7.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,通过计算当前的增量向量与新的人脸特征向量之间的相似度实现人脸追踪的过程包括:
8.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述增
9.一种电子设备,其特征在于,包括:一个或多个处理器以及存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-8任一所述基于增量特征的保险销售人脸识别方法的指令。
10.一种计算机可读存储介质,其特征在于,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-8任一所述基于增量特征的保险销售人脸识别方法的指令。
...【技术特征摘要】
1.一种基于增量特征的保险销售人脸识别方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述人脸关键点坐标的获取过程包括:
3.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述人脸对齐的实现过程包括如下步骤:
4.根据权利要求3所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述相似矩阵采用下式计算:
5.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述通过计算与待比对人脸对应向量间的相似度,实现待比对人脸与图像中人脸的匹配的过程包括:
6.根据权利要求1所述的一种基于增量特征的保险销售人脸识别方法,其特征在于,所述增量向量采...
【专利技术属性】
技术研发人员:杨强,李景哲,张飞,
申请(专利权)人:中国太平洋人寿保险股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。