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】
本专利技术涉及人脸识别,特别是涉及吸毒人员人脸识别方法。
技术介绍
1、在生物辨识领域中,有诸多成果依靠借助面部分析技术完成,如借助面部分析框架,在识别215种不同的遗传综合征方面达到91%的前10名准确率,并且在三个单独的实验中表现优于临床专家。借助面部表型分析技术,132名刚果受试者身上训练的软件技术对唐氏综合征识别的准确率达到91.67%。基于面部特征的冠状动脉疾病(cad)检测技术表明深度学习的面部特征检测技术可以帮助中国人群进行cad检测,有望用于门诊的cad概率评估或社区的cad筛查。而在生物辨识领域中依据面部特征进行吸毒人员人脸检测和识别暂时还没有相关进展,而本专利技术研究了人脸特征识别吸毒人员的可行性并完成了相关技术的实现和网络构架的搭建,并验证了结果的可行性。因此本专利技术可以通过人脸检测和人脸特征识别技术来提取吸毒人员相关人脸特征,进而利用深度学习技术来进行吸毒人员的检测和识别。
2、传统的吸毒人员检测方式主要为采集被检测人员的尿液、血液或者毛发等生物检测手段并且使用相关的器材进行检测。如甄别吸毒人员的头发检测方法,通过对吸毒人员头发进行清洗和定量分析来得出被检测人员是否吸毒,但该方法需要采集相关的生物特征样本并需要被检测人员的强配合性。另一种方法通过设计了虹膜识别和吸毒检测设备,来进行吸毒人员检测,但该方法依旧需要被检测人员强配合性。而基于视频识别的吸毒人员现场帅选方法,虽然克服了被检测人员配合性要求,但该方法需要现有的被检测吸毒人员的信息进行对比才能完成筛查,无法对待检测人员进行判别。
...【技术保护点】
1.吸毒人员人脸识别方法,其特征在于,具体包括以下步骤:;
2.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述S1中的人脸检测操作是利用dlib中的正向人脸检测器来进行检测,并在得到的人脸数据中可以得到检测到的人脸框的最上端坐标,最下端坐标,最左端坐标和最右端坐标,然后根据检测得到的人脸图像框位置,我们将人员图像进行标定处理,最后将标定得到的人脸图像进行剪裁后保存。
3.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述S1中的人脸裁剪操作需要依据人脸检测器检测出来的人脸边框进行剪裁,且在得到人脸检测框后,依据检测框的四点坐标进行图像的剪切和保存,得到去除背景的人脸图像。
4.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述S3中的人脸对齐操作使用仿射变换来进行对齐,且在人脸对齐前需要对人脸关键点进行检测,并对人脸图像进行分析标注。
5.根据权利要求4所述的吸毒人员人脸识别方法,其特征在于:所述人脸图像的分析标注中的标注区包括人的眼睛,眉毛,鼻子,嘴巴和边缘轮廓,即可得到人脸图像的关键点landmark
6.根据权利要求4所述的吸毒人员人脸识别方法,其特征在于:所述人脸对齐操作使用的仿射变换中主要利用三个人脸关键点进行对齐处理,三个人脸关键点为双目中心的关键点和嘴唇中心的关键点,形成仿射矩阵来对齐人脸。
7.根据权利要求6所述的吸毒人员人脸识别方法,其特征在于:所述仿射变换进行人脸对齐的伪代码如下:
8.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述S4中的人脸特征提取操作使用了特征提取模块和属性指导模块来进行特征的联合提取,所述特征提取模块是通过主干网络resnet18网络利用残差结构进行。
9.根据权利要求8所述的吸毒人员人脸识别方法,其特征在于:所述属性指导模块通过四个辅助特征属性来进行最终的人脸特征属性融合,四个辅助特征属性分别为性别属性、年龄属性、种族属性和人脸表情属性。
10.根据权利要求9所述的吸毒人员人脸识别方法,其特征在于:所述辅助特征属性的提取是不同的深度神经网络来进行,并对得到的辅助特征进行拼接,拼接后得到我们所需要的属性指导特征。
...【技术特征摘要】
1.吸毒人员人脸识别方法,其特征在于,具体包括以下步骤:;
2.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述s1中的人脸检测操作是利用dlib中的正向人脸检测器来进行检测,并在得到的人脸数据中可以得到检测到的人脸框的最上端坐标,最下端坐标,最左端坐标和最右端坐标,然后根据检测得到的人脸图像框位置,我们将人员图像进行标定处理,最后将标定得到的人脸图像进行剪裁后保存。
3.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述s1中的人脸裁剪操作需要依据人脸检测器检测出来的人脸边框进行剪裁,且在得到人脸检测框后,依据检测框的四点坐标进行图像的剪切和保存,得到去除背景的人脸图像。
4.根据权利要求1所述的吸毒人员人脸识别方法,其特征在于:所述s3中的人脸对齐操作使用仿射变换来进行对齐,且在人脸对齐前需要对人脸关键点进行检测,并对人脸图像进行分析标注。
5.根据权利要求4所述的吸毒人员人脸识别方法,其特征在于:所述人脸图像的分析标注中的标注区包括人的眼睛,眉毛,鼻子,嘴巴和边缘轮廓,即可得到人脸图...
【专利技术属性】
技术研发人员:李军,杨艺豪,
申请(专利权)人:西安电子科技大学广州研究院,
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。