本发明涉及人脸识别技术领域,尤其是涉及一种基于人工智能的人脸图像识别方法。
背景技术:
人脸识别是一项发展迅猛的计算机技术,各种新技术新设备层出不穷,如何对人脸进行快速、准确的定位分析与识别,是人脸识别发展的迫切需求。
技术实现要素:
本发明是为了解决人脸识别的速度和准确率的问题,提供一种可不断通过学习积累,持续提高人脸图像识别的速度和准确率的,基于人工智能的人脸图像识别方法。
为了实现上述目的,本发明采用以下技术方案:一种基于人工智能的人脸图像识别方法,当人和设备的距离小于设定的距离阀值时,设备启动人脸检测,通过硬件采集符合需求的人脸信息,从采集的照片或视频流中检测出人脸出现的区域,并把相关人脸信息从中分离出来,进行特征点采集,跟事先存在人脸库里的人脸特征值进行对比,当比对结果大于设定的相似度阀值时,判断为此人;具体计算过程利用localbinarypatterns算法提取人脸特征,实现流程为:1)对照片或视频流中检测到的图像中的每个像素,通过计算以其为中心的3*3领域内各像素和中显像素的大小关系,把像素的灰度值转化为一个八位二进制序列;2)对于图像的任意一点ic,其lbp特征计算为,以ic为中心,取与ic相邻的八个点,按照顺时针的方向记为i0,i1,......i7;3)以ic点的像素值为阀值,如果li点的像素值小于ic,则li被二值化为0,否则为1;4)将二值化得到的0、1序列看成一个8位二进制数,将该二进制数转化为十进制就可得到ic点处lbp算子的值。
作为优选,所述的步骤1)中采集的照片或视频流中检测到的图像包括正面图像、侧面图像和背面图像。
本发明还可训练人脸图像识别度高的部位,对于相同人脸记录其多个图像画面,对于图像识别度高的图像采用边识别边记录的训练人脸图像识别方法,可持续提高人脸图像识别的速度和准确率。
因此,本发明具有如下有益效果:(1)可不断通过学习积累经验;(2)可持续提高人脸图像识别的速度和准确率。
具体实施方式
下面对本发明做进一步的描述。
一种基于人工智能的人脸图像识别方法,当人和设备的距离小于设定的距离阀值时,设备启动人脸检测,通过硬件采集符合需求的人脸信息,从采集的照片或视频流中检测出人脸出现的区域,并把相关人脸信息从中分离出来,进行特征点采集,跟事先存在人脸库里的人脸特征值进行对比,当比对结果大于设定的相似度阀值时,判断为此人;具体计算过程利用localbinarypatterns算法提取人脸特征,实现流程为:1)对照片或视频流中检测到的图像中的每个像素,通过计算以其为中心的3*3领域内各像素和中显像素的大小关系,把像素的灰度值转化为一个八位二进制序列;2)对于图像的任意一点ic,其lbp特征计算为,以ic为中心,取与ic相邻的八个点,按照顺时针的方向记为i0,i1,......i7;3)以ic点的像素值为阀值,如果li点的像素值小于ic,则li被二值化为0,否则为1;4)将二值化得到的0、1序列看成一个8位二进制数,将该二进制数转化为十进制就可得到ic点处lbp算子的值;
步骤1)中采集的照片或视频流中检测到的图像包括正面图像、侧面图像和背面图像。
具体实施过程是,当人和设备的距离小于设定的距离阀值时,设备启动人脸检测,通过硬件采集符合需求的人脸信息,从采集的照片或视频流中检测出人脸出现的区域,并把相关人脸信息从中分离出来,进行特征点采集,并通过特定算法,将特征点计算成特征值,跟事先存在人脸库里的人脸特征值进行对比,当比对结果大于设定的相似度阀值时,判断为此人。