[發明專利]一種小目標的人臉識別方法及裝置

在審

• 申請號: 202010770852.4
• 申請日: 2020-08-03
• 公開（公告）號: CN112069895A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 杜翠鳳;蔣仕寶
• 申請（專利權）人: 廣州杰賽科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明實施例提供一種小目標的人臉識別方法及裝置，所述方法包括：對獲取到的小目標圖像進行背景濾除，得到第一圖像；對所述第一圖像進行噪聲抑制，得到目標圖像；將所述目標圖像輸入到人臉識別模型進行人臉識別，輸出識別結果；其中，所述人臉識別模型通過采用人臉圖像及與所述人臉圖像對應的標簽作為卷積神經網絡的訓練集訓練得到。本發明實施例能夠提高人臉識別的準確率。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種小目標的人臉識別方法及裝置。

背景技術

人臉識別技術是利用人體面部特征來對待檢測目標進行身份認證的技術，如今人臉識別技術已廣泛應用。基于主成分分析算法的人臉識別方法是人臉識別最經典的算法之一，其將從人臉采集到的數據信息從高緯空間投影到低緯空間，獲得基于原始圖像的低維特征，從而利用低維特征信息完成人臉識別分類。在該算法的基本思想下，出現了許多新的人臉識別方法，例如：基于線性判別分析方法、稀疏表示。

近年來，將深度學習技術應用到人臉識別成為研究熱點。基于深度深度學習的人臉識別方法的核心思想是通過構建多層的神經網絡模型，并進行大量樣本的訓練后自動提取圖像特征，并將其融合為更高層次的特征表示。與傳統的方法相比，深度學習通過大量訓練可以獲得數據更深層的特征，能夠對目標進行更精準的分類。

現有的基于深度學習的人臉識別方法，對待檢測目標的要求為人臉圖像必須清楚，人臉占整個圖像的比例較大，然而，在實際應用中，人臉所占的比例往往不是很大，干擾信息很多，因此現有的人臉識別方法的人臉識別結果的準確率并不是很高，還有待提升。

發明內容

本發明實施例提供一種一種小目標的人臉識別方法及裝置，以解決現有人臉識別方法要求人臉面積占圖像面積較大的，而實際視頻得到的人臉圖像所占圖像面積較小。導致識別準確率不高的技術問題，本發明實施例能夠提高人臉識別的準確率。

實施例1：

本發明實施例提供一種小目標的人臉識別方法：包括：

對獲取到的小目標圖像進行背景濾除，得到第一圖像；

對所述第一圖像進行噪聲抑制，得到目標圖像；

將所述目標圖像輸入到人臉識別模型進行人臉識別，輸出識別結果；其中，所述人臉識別模型通過采用人臉圖像及與所述人臉圖像對應的標簽作為卷積神經網絡的訓練集訓練得到。

進一步地，所述對所述獲取到的小目標圖像，得到第一圖像，具體為：

采用傳播濾波算法對所述小目標圖像進行處理，獲得背景圖像；

采用所述小目標圖像減去所述背景圖像獲得第一圖像。

進一步地，所述對所述第一圖像進行噪聲抑制，得到目標圖像，具體為：

采用閾值分割方法從所述第一圖像中分割出所述目標圖像。

進一步地，所述采用傳播濾波算法對所述小目標圖像進行處理，獲得背景圖像，具體為：

根據以下公式對所述小目標圖像進行處理，得到所述背景圖像：

Y_i＝∑_j∈Ω(i)W_ijX_j

其中，X為所述小目標圖像，Y背景圖像，W_ij表示像素i和像素j的濾波權重。

進一步地，所述采用閾值分割方法從所述第一圖像中分割出所述目標圖像，具體為:

將所述第一圖像轉換為灰度圖像，并通過閾值確定方法確定閾值；

對于所述灰度圖像中的每個像素，分別計算其鄰域像素的數量，若所述數量小于所述閾值，則所述像素為噪聲點，否則所述像素為目標像素；