[發明專利]一種適用在線考試系統的人臉識別方法及其工作方法

在審

• 申請號: 202211235298.5
• 申請日: 2022-10-10
• 公開（公告）號: CN115601807A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 陳迪;顧世杰;于佳平
• 申請（專利權）人: 黑龍江資海科技集團有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/46;G06V10/74;G06V10/774;G06V10/82;G06F21/32;G06Q50/20
• 代理公司: 哈爾濱市晨晟知識產權代理有限公司 23219
• 代理人: 劉坤

1.一種適用在線考試系統的人臉識別方法，其特征在于：包括如下步驟：

S1、輸入人臉圖像至數據庫服務器，采用百度視覺基于人臉關鍵點的3D圖像融合技術API，構建訓練數據集；

S2、采用基于MTCNN的人臉檢測方法進行人臉檢測；

S3、利用局部特征提取LBP方法，對佩戴口罩的人臉進行特征提取；

步驟S3的具體實現方法包括如下步驟：

S3.1、采用百度視覺基于人臉關鍵點的3D圖像融合技術API，預先構建訓練數據集，即調用API接口，將考試人員上傳的人臉圖像進行模擬口罩遮擋處理，使得同一人臉圖像包括無口罩遮擋人臉圖像、有口罩遮擋人臉圖像，儲存到訓練數據集中；

S3.2、通過LBP算子基于梯度信息的方法，對有口罩遮擋人臉圖像進行注意力機制訓練，提升有口罩遮擋人臉圖像的眼部幅值特征，計算有口罩遮擋人臉圖像中梯度信息的公式為：

其中，I(x,y)是人臉圖像上(x,y)點的像素值，T(x,y)是(x,y)點的梯度方向，A(x,y)是(x,y)點的梯度幅度值；

S3.3、將有口罩遮擋人臉圖像的梯度方向進行量化處理，即將梯度角量化為N個區間，其量化公式為：

其中，表示某個像素點的梯度角度值，i表示量化算子，對于梯度幅度中的任一像素點I(x,y)，以I(x,y)為中心選定一個若干像素點的方塊區域，然后在量化后的梯度方向圖中選擇與梯度幅度圖中單元格位置相對應的一個相同大小的單元格幅度值進行累加得到眼部特征加權；

S4、進行人臉識別，輸出識別結果。

2.根據權利要求1所述的一種適用在線考試系統的人臉識別方法，其特征在于：步驟S2中的具體實現方法包括如下步驟：

S2.1、將人臉圖像縮放為12*12*3、24*24*3、48*48*3的三種尺寸的圖像，構成圖像金字塔，待用；

S2.2、將輸入尺寸為12*12*3的人臉圖像通過第一個網絡模型P-Net提出候選人臉區域，判斷人臉圖像是否包括人臉時采用的交叉熵損失函數為：

其中，p_i為神經網絡輸出的概率，表示一個樣本是人臉的概率,為第i個樣本的人臉區域的真實坐標；

S2.3、將輸入尺寸為24*24*3的人臉圖像通過第二個網絡模型R-Net進行人臉邊界框回歸過濾邊界框，人臉邊界框回歸采用歐氏距離損失函數為：

其中，為網絡模型輸出的人臉邊界框的坐標，為第i個樣本的人臉邊界框的真實坐標；

S2.4、將輸入尺寸為48*48*3的人臉圖像通過第三個網絡模型O-Net輸出人臉標記定位和人臉特征點位置，包括雙眼、鼻尖、左右嘴角；

人臉標記定位采用最小化歐式損失函數為：

其中，為網絡模型輸出的人臉標記的坐標，為第i個樣本的人臉標記的真實坐標；

人臉的特征點位置采用的歐式距離損失函數為：

其中N表示訓練樣本數目，α_j表示任務的重要性，表示樣本類型，為當前采樣率，det、box、landmar分別表示不同網絡結構的權重函數，min為最小化函數。