[發明專利]多相機下人臉識別的方法及裝置有效
| 申請號： | 201810031468.5 | 申請日： | 2018-01-12 |
| 公開（公告）號： | CN108090473B | 公開（公告）日： | 2021-04-30 |
| 發明（設計）人： | 張默 | 申請（專利權）人： | 北京陌上花科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京知果之信知識產權代理有限公司 11541 | 代理人： | 李志剛;任晨雪 |
| 地址： | 100080 北京市海淀區海*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 多相 下人 識別 方法 裝置 | ||
1.一種多相機下人臉識別方法，其特征在于，部署多個相機用于采集人臉圖片，所述方法包括如下步驟：
根據人臉圖片得到人臉特征信息；
對多個相機編碼獲得相機標號；
部署多個相機用于采集人臉圖片，包括：通過Haar矩形框，得到人臉特征值，具體是把多個包含黑白兩種區間的矩形框，放到待檢測的人臉圖片上，用白色區域像素值的和減去黑色區域的像素值的和，作為人臉特征值；根據所述相機標號對應的所述相機和所述人臉特征信息，訓練多個聯合貝葉斯矩陣；
確定目標人臉圖片和所述目標人臉圖片所屬的相機；
選擇聯合貝葉斯矩陣，得到人臉相似度；以及
通過人臉相似度識別出人臉；
所述根據人臉圖片得到人臉特征信息包括：
將人臉圖片輸入卷積神經網絡模型對人臉圖片抽取特征向量，其中網絡中引入了殘差網絡結構，能夠進行網絡堆疊，提取特征語義向量；
所述根據所述相機標號對應的所述相機和所述人臉特征信息，訓練多個聯合貝葉斯矩陣包括：
選取兩部相機標號不同的相機及其所屬的人臉特征信息，用來作為訓練數據對一個聯合貝葉斯矩陣進行訓練得到適用于所述這兩部相機的聯合貝葉斯矩陣，多個相機對應可以得到多個聯合貝葉斯矩陣；
所述選擇聯合貝葉斯矩陣，得到人臉相似度包括：選擇與所述目標人臉圖片所屬的相機對應的多個聯合貝葉斯矩陣，分別基于每個聯合貝葉斯矩陣計算目標人臉圖片與該聯合貝葉斯矩陣對應的另一個相機拍攝的圖片之間的相似度；
通過人臉相似度識別出人臉包括：
通過目標人臉圖片基于多個聯合貝葉斯矩陣計算得到的所有相似度結果識別出目標人物。
2.根據權利要求1所述的多相機下人臉識別方法，其特征在于，所述部署多個相機用于采集人臉圖片包括：
將所述人臉特征值與有人臉的圖片特征值比較，確定圖片是否包含人臉；
通過Haar-link特征算法，得到人臉位置；
截取圖片中人臉部位，得到人臉圖片。
3.根據權利要求1所述的多相機下人臉識別方法，其特征在于，所述根據人臉圖片得到人臉特征信息，包括如下步驟：
將所述人臉圖片輸入卷積神經網絡模型，其中所述卷積神經網絡包括卷積層、批規范化層和池化層；
通過卷積層，獲取特征信息；
通過批規范化層，提升網絡性能；
通過池化層，得到人臉特征信息。
4.根據權利要求1所述的多相機下人臉識別方法，其特征在于，所述根據所述相機標號對應的所述相機和所述人臉特征信息，訓練多個聯合貝葉斯矩陣包括：
根據聯合貝葉斯矩陣，得到目標人臉分布x＝μ+ξ，其中，μ表示不同人的人臉變化，ξ表示相同人在不同光照、姿態、表情下的人臉變化。
5.根據權利要求4所述的多相機下人臉識別方法，其特征在于，所述根據所述相機標號對應的所述相機和所述人臉特征信息，訓練多個聯合貝葉斯矩陣包括：
通過不同標號的相機，獲得訓練參數，所述訓練參數為第一相機和第二相機所屬的相機標號、人臉標簽和人臉特征信息中任意一項或者多項；
根據所述訓練參數，得到聯合貝葉斯矩陣中的協方差矩陣Sμ和協方差矩陣Sξ，其中，Sμ表示不同人情況下的協方差矩陣，Sξ表示相同人情況下的協方差矩陣；
根據協方差矩陣Sμ和協方差矩陣Sξ，得到訓練后的聯合貝葉斯矩陣A＝(Sμ+Sξ)-1-(F+G)，其中，替代變量替代變量
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京陌上花科技有限公司，未經北京陌上花科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810031468.5/1.html，轉載請聲明來源鉆瓜專利網。
