[发明专利]用于人脸识别的降维签名方法有效
申请号: | 202011570402.7 | 申请日: | 2020-12-26 |
公开(公告)号: | CN112613420B | 公开(公告)日: | 2022-09-16 |
发明(设计)人: | 张宏宽;徐泉;金昊炫;胡权;舒信阳 | 申请(专利权)人: | 数源科技股份有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06F21/60 |
代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 唐迅 |
地址: | 310051 *** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 识别 签名 方法 | ||
1.一种用于人脸识别的降维签名方法,其特征是包括以下步骤:
a)采集多维度人脸图像,包括正脸、左侧脸、右侧脸、俯视脸和仰视脸,并对图像进行降噪、高亮处理后缓存;
b)对图像进行单元格像素分析,图像单元格数字进行大小值化,对于过小的数据值进行舍弃,对于单元数字值较大的值,进行进一步加强,得到边缘细化的图像,如果对于图像的边缘细化处理过后,图像更加模糊,则丢弃当前帧图像;
c)对人脸图像进行统一大小的缩放,对人脸图像进行统一高亮增强参数的处理,对人脸图像进行统一边缘细化参数的处理,以及对图片进行统一回调的处理,即进行了人脸图像的归一化;
d)对上一步得到的人脸图像进行按列像素划分,进行计算每列像素的均值得到该列的像素均值,然后根据每列像素均值计算得到图像列均值;
e)比较当前一列像素均值和图像列均值,如果像素均值偏离图像列均值过大或者过小,说明当前列的图像质量比较差,则进行丢弃掉该列像素相邻的右侧一列像素列;如果这一列的像素均值接近图像列均值,则认为当前列的图像质量较好,则丢弃掉相邻的右侧两列像素值,以达到降维的目的;
f)对上一步得到的图像进行像素二值化,只保留上一步对比后质量较好的列像素,经过二阶计算,然后对现有的像素列取平均值,如果这个像素平均值与步骤d中得到的图像列均值相比偏大或偏小,则说明当前图像比较模糊,需要丢弃掉当前帧图像;相反,如果这个均值比较接近步骤d中得到的图像列均值,说明当前图像比较清晰,可以确定当前帧图像比较清晰,从而获得预处理完成的多维度人脸图像;
g)进行正脸图像的特征提取,保存正脸的特征;
h)提取左侧脸图像的特征,提取左边的人脸特征,而对右侧脸部的特征进行间隔降维抽取特征,获得较多的左边人脸特征;
i)提取右侧脸图像的特征,提取右边的人脸特征,而对左侧脸部的特征进行间隔降维抽取特征,获得较多的右边人脸特征;
j)提取俯视脸图像的特征,提取下部的人脸特征,而对上部人脸进行间隔降维抽取特征,获得较多的下部人脸特征;
k)提取仰视脸图像的特征,提取上部的人脸特征,而对下部人脸进行间隔降维抽取特征,获得较多的上部人脸特征;
l)获得上述步骤g到步骤k的五种人脸特征后,比较特征值的幅度变化,如果某个步骤得到的特征值幅度变化过大,则丢弃当前角度的人脸特征,重新回到步骤a采集对应丢弃角度的人脸图像;
m)五种角度的人脸特征值降维提取后,在多维度空间中进行加权相加,得到这些角度人脸的特征总和,计算当前所有获得特征点的均值特征点;
n)然后将每个获得的特征点与计算得到的平均值点进行比较,如果当前人脸特征点和均值特征点的距离比较远,认为当前特征点的质量比较差,舍去当前人脸特征点,如果当前人脸特征点和均值人脸特征点的距离接近,认为当前人脸的特征点质量比较高,则保留当前人脸的特征点;
o)最后采用加权求取平均值的方法获取人脸的均值特征,保存到缓存中;
p)将步骤o中得到的均值特征附加256位的加密秘钥,进行人脸特征的加密编码,对加密后的特征进行512位的人脸向量编码,达到多维空间向量的存储功能;
q)将人脸向量编码以及人脸图像都嵌入到需要签名的文件中,生成文件的散列值后上传保存。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于数源科技股份有限公司,未经数源科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011570402.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:人脸图片降维模糊预处理方法
- 下一篇:人脸图片降维特征分析比对方法