申请/专利权人：沈阳工业大学

申请日：2020-08-04

公开（公告）日：2024-06-28

公开（公告）号：CN111860453B

主分类号：G06V40/16

分类号：G06V40/16;G06N20/10;G06V10/82;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明涉及一种戴口罩的人脸识别方法，分为前期训练部分和技术应用部分；前期训练部分分为：s1，将统一像素大小后的同一人的戴与不戴口罩的正脸图片进行采集；s2，将人脸图片每一个像素值进行灰度化表达，校正将图片空间归一化，且将口罩遮挡部分进行黑色同色化；s3，提取戴口罩人脸的上方半脸的HOG特征值；HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；s4，提取未戴口罩人脸的HOG特征值；并保存为特征码；s5，对两组所述HOG特征值进行处理后，用来训练机器学习模型；s6，用未训练的图片来进行评估，调整，反复训练。通过计算还可以提取到人脸上更多的可以区分不同人脸的有效特征。

主权项：1.一种戴口罩的人脸识别方法，其特征在于：该识别方法分为前期训练部分和技术应用部分；所述前期训练部分按下列步骤进行：s1：将统一像素大小后的同一人的戴口罩与不戴口罩的正脸图片分别放到以此人名字命名的文件夹里；s2：将人脸图片每一个像素值进行灰度化表达，校正将图片空间归一化，且将口罩遮挡部分进行黑色同色化；s3：提取戴口罩人脸的上方半脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；s4：提取未戴口罩人脸的HOG特征值；所述HOG特征值包括眼部分、眉部分、鼻梁部分和脸边缘部分的特征，并保存为特征码；检测窗口为64，64、块尺寸为16，16、块步长为8，8、cell尺寸为8，8、直方图bin个数为9，加权方法使用平方加权；s5：对两组所述HOG特征值进行处理后，用特征码来训练机器学习模型；s6：用未训练的图片来进行评估，调整，反复训练；s7：得到一个训练好的神经网络；所述技术应用部分按下列步骤进行：s1：使用人脸分类器对图片进行人脸检测，若人脸检测返回值≥1，则截取人脸部分保存；若人脸检测返回值为0，则使用人眼分类器进行眼部检测；s2：对已经提取并保存的人脸作变换，将人脸姿态矫正为正脸；s3：调用已经训练好的所述神经网络，对矫正过的图片进行评估；s4：将评估结果与图片特征库中的特征码比较来确定是否吻合，若吻合即是同一人；所述技术应用部分中眼部检测的步骤为：a.确定两眼眼中心的位置a1,b1,a2,b2且有a2＞a1并保存；b.使用以下公式计算人脸区域的左上角x1,y1及右下角x2,y2位置：①以此公式计算两眼中间的位置： ②计算两眼在横轴上的欧氏距离：d＝a2-a1③计算图片中人脸左上角位置： ④计算图片中人脸右下角位置： ⑤以坐标位置x1,y1,x2,y2所构成的矩形截取人脸图片并保存；SVM方法采用欧氏距离是否接近零来计算，欧氏距离的计算结果是一组特征码，设为A；图片特征库中的特征码记为B，一组特征码有9个数字即9个特征值，与计算HOG特征得到的直方图bin数量相同；则计算特征码里每个特征值的欧氏距离：dj＝|Ai-Bi|i＝1,2,…,9从而得到特征码的欧氏距离： 在图片特征库中寻找与所计算出的特征码A最匹配的特征码B，即寻找最小欧氏距离：min{dj}j＝1，2...其中j最大值是指图片特征库中的特征码总数。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种戴口罩的人脸识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD