[发明专利]一种多姿态人脸识别系统及其方法

说明书

一种多姿态人脸识别系统及其方法，属于人脸识别算法的领域。传统的基于2D的人脸转正算法，存在着人脸图像学习不充分以及特征子空间学习不充分的问题。一种多姿态人脸识别系统及其方法，从监控视频流中提取关键帧，并通过MTCNN网络对其中的人脸进行检测，将人脸图像以长宽相同的比例截取；对提取的人脸图像等比缩放至128*128；将输入的多姿态人脸图像进行姿态调整，将人脸姿态全部转正至正脸；识别多姿态人脸图像并对人脸图像ID进行标记。提取不同姿态下个体的特征信息，可以极大地增强人脸转正算法性能。让模型可以同时自适应学习同一个体的不同姿态信息特征，提高识别率。

技术领域

本发明涉及一种多姿态人脸识别系统及其方法。

背景技术

2D人脸识别的优势是实现的算法相对比较多，有一套比较成熟的流程，图像数据获取比较简单，只需一个普通摄像头即可，所以基于2D图像数据的人脸识别是目前的主流，在安防、监控、门禁、考勤、金融身份辅助认证、娱乐等多种场景中都有应用。

2D人脸识别根据其技术发展可分为两大类：传统人脸识别、基于神经网络人脸识别；

传统人脸识别主要采用数学方法，从图像矩阵中提取对应的特征，该特征一般为尺度不变特征，常用的算法有SURF、SIFT、HARRIS、GFTT等。

目前2D人脸识别算法在各个人脸识别挑战赛、在各种的开源数据集上测试的识别准确率已经达到了99.80％(人脸识别算法insightface在LFW数据集上的测试结果)，识别准确率甚至可以跟人类相媲美，但在苛刻的金融环境仅作为一种辅助手段，人脸识别之后还需要别的验证手段，如输入手机号等。

综上，传统的基于2D的人脸转正算法，存在着人脸图像学习不充分以及特征子空间学习不充分的问题。

发明内容

本发明的目的是为了解决现有的基于2D的人脸转正算法，存在着人脸图像学习不充分以及特征子空间学习不充分的问题，而提出一种多姿态人脸识别系统及方法。

一种多姿态人脸识别系统，其组成包括：

监控视频流人脸检测及采集模块，用于从监控视频流中提取关键帧，并通过MTCNN网络对其中的人脸进行检测，将人脸图像以长宽相同的比例截取；

人脸图像预处理模块，用于对提取的人脸图像进行等比缩放至128*128；

人脸图像转正模块，用于将输入的多姿态人脸图像进：行姿态调整，将人脸姿态全部转正至正脸，并输入到人脸图像识别模块；

人脸图像识别模块，用于识别多姿态人脸图像并对人脸图像ID进行标记。

优选地，所述的监控视频流人脸检测及采集模块，还包括人脸图像定位模块和人脸图像追踪模块；

人脸图像定位模块，用于定位人脸检测区域以及定位人脸关键点；所述的人脸图像定位模块使用MTCNN模型；

人脸图像追踪模块，用于追踪两个相邻的视频中人脸图像。

优选地，所述的人脸图像预处理模块，还包括人脸图像剪裁模块和人脸图像缩放模块；

人脸图像剪裁模块，用于实现裁剪图像；

人脸图像缩放模块，用于实现缩放图像。

优选地，所述的人脸图像识别模块，还包括人脸识别模块和人脸ID标注模块；

人脸识别模块，用于识别人脸图像；

人脸ID标注模块，用于实现标注人脸ID。

一种多姿态人脸识别方法，所述方法通过以下步骤实现：

步骤一、监控视频流人脸检测及采集的步骤；