人臉識(shí)別置信度獲取方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，特別是涉及一種人臉識(shí)別置信度獲取方法和系 統(tǒng)。
【背景技術(shù)】
[0002] 人臉識(shí)別是一種通過攝像頭獲取人臉圖像并通過計(jì)算機(jī)對(duì)其分析并辨識(shí)出人臉 圖像身份的一種技術(shù)。人臉識(shí)別技術(shù)與其它生物識(shí)別技術(shù)相比較，其優(yōu)勢在于：特征采集方 便，不需要目標(biāo)將手指放在指紋識(shí)別器上或者將視網(wǎng)膜對(duì)準(zhǔn)虹膜掃描器，只需要通過攝像 頭采集畫面即可；非侵?jǐn)_性，這并不一定指在被采集圖像的人不知道的情況下對(duì)其拍照獲 取圖像，也包括就算目標(biāo)人物發(fā)現(xiàn)自己被拍照，但是只要不會(huì)對(duì)其造成什么影響，就并不會(huì) 對(duì)此反感。因此，人臉識(shí)別技術(shù)有著十分廣泛的發(fā)展前景，在生物識(shí)別領(lǐng)域有著十分重要的 研究價(jià)值。
[0003]目前人臉識(shí)別方法是從一張有人臉圖片的圖片上提取特征，并利用識(shí)別算法給出 識(shí)別結(jié)果。由于圖片質(zhì)量、人臉偏轉(zhuǎn)角度、光照條件、圖片背景信息等對(duì)人臉識(shí)別結(jié)果都有 很大的影響，所以根據(jù)識(shí)別信息提取出置信度并用置信度對(duì)識(shí)別結(jié)果進(jìn)行評(píng)估是非常重要 的。然而，目前的人臉識(shí)別方法并未給出識(shí)別結(jié)果對(duì)應(yīng)的置信度，從而無法對(duì)人臉識(shí)別結(jié)果 的有效性進(jìn)行評(píng)估，人臉識(shí)別結(jié)果可靠性低。

【發(fā)明內(nèi)容】

[0004] 基于此，有必要針對(duì)現(xiàn)有技術(shù)無法對(duì)人臉識(shí)別結(jié)果的有效性進(jìn)行評(píng)估，人臉識(shí)別 結(jié)果可靠性低的問題，提供一種人臉識(shí)別置信度獲取方法和系統(tǒng)。
[0005] -種人臉識(shí)別置信度獲取方法，包括以下步驟：
[0006] 獲取待測對(duì)象的第一人臉圖片，并在預(yù)設(shè)的人臉圖片庫內(nèi)獲取第二人臉圖片；其 中，所述人臉圖片庫是多張人臉圖片組成的數(shù)據(jù)庫；
[0007] 計(jì)算第一人臉圖片與各個(gè)第二人臉圖片之間的相似度，并確定最大相似度；
[0008] 根據(jù)所述最大相似度計(jì)算將所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度；其中，所述 目標(biāo)對(duì)象為所述最大相似度對(duì)應(yīng)的第二人臉圖片所屬的對(duì)象。
[0009] -種人臉識(shí)別置信度獲取系統(tǒng)，包括：
[0010] 獲取裝置，用于獲取待測對(duì)象的第一人臉圖片，并在預(yù)設(shè)的人臉圖片庫內(nèi)獲取第 二人臉圖片；其中，所述人臉圖片庫是多張人臉圖片組成的數(shù)據(jù)庫；
[0011] 第一計(jì)算裝置，用于計(jì)算第一人臉圖片與各個(gè)第二人臉圖片之間的相似度，并確 定最大相似度；
[0012] 第二計(jì)算裝置，用于根據(jù)所述最大相似度計(jì)算將所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的 置信度；其中，所述目標(biāo)對(duì)象為所述最大相似度對(duì)應(yīng)的第二人臉圖片所屬的對(duì)象。
[0013] 所述人臉識(shí)別置信度獲取方法和系統(tǒng)，通過獲取待測對(duì)象的第一人臉圖片，并在 預(yù)設(shè)的人臉圖片庫內(nèi)獲取第二人臉圖片，計(jì)算第一人臉圖片與各個(gè)第二人臉圖片之間的相 似度，并確定最大相似度，將所述最大相似度代入基于所述人臉圖片庫建立的置信度模型， 計(jì)算將所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度，能夠?qū)θ四樧R(shí)別結(jié)果的有效性進(jìn)行評(píng)估， 提高了人臉識(shí)別結(jié)果的可靠性。
【附圖說明】
[0014] 圖1為一個(gè)實(shí)施例的人臉識(shí)別置信度獲取方法流程圖；
[0015] 圖2為一個(gè)實(shí)施例的人臉識(shí)別置信度獲取系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖對(duì)本發(fā)明的人臉識(shí)別置信度獲取方法的實(shí)施例做進(jìn)一步描述。
[0017] 圖1為一個(gè)實(shí)施例的人臉識(shí)別置信度獲取方法流程圖。如圖1所示，本發(fā)明的人 臉識(shí)別置信度獲取方法可包括以下步驟：
[0018]S1，獲取待測對(duì)象的第一人臉圖片，并在預(yù)設(shè)的人臉圖片庫內(nèi)獲取第二人臉圖片； 其中，所述人臉圖片庫是多張人臉圖片組成的數(shù)據(jù)庫；
[0019]S2,計(jì)算第一人臉圖片與各個(gè)第二人臉圖片之間的相似度，并確定最大相似度；
[0020]S3,根據(jù)所述最大相似度計(jì)算將所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度；其中，所 述目標(biāo)對(duì)象為所述最大相似度對(duì)應(yīng)的第二人臉圖片所屬的對(duì)象。
[0021] 首先，可獲取待測對(duì)象的第一人臉圖片，并在預(yù)設(shè)的人臉圖片庫內(nèi)獲取第二人臉 圖片。
[0022] 在一個(gè)實(shí)施例中，可首先對(duì)待測對(duì)象的第一人臉圖片進(jìn)行采集?？墒褂脭z像頭采 集視頻圖片，并通過網(wǎng)絡(luò)傳輸和數(shù)據(jù)線存放在計(jì)算機(jī)系統(tǒng)中。所述攝像頭可采用高清攝像 頭，例如，采用像素不低于1000萬的攝像頭。之后，可對(duì)采集到的視頻圖片進(jìn)行人臉檢測， 提取出第一人臉圖片，并將所述第一人臉圖片存儲(chǔ)在計(jì)算機(jī)硬盤中。
[0023] 此外，可預(yù)先建立一個(gè)人臉圖片庫，并從所述人臉圖片庫中獲取第二人臉圖片。所 述人臉圖片庫可以是由多張人臉圖片組成的數(shù)據(jù)庫。在一個(gè)實(shí)施例中，可從網(wǎng)絡(luò)上爬取多 張人臉圖片，并根據(jù)所述人臉圖片建立所述人臉圖片庫。所述人臉圖片庫中的圖片數(shù)量可 以是百萬數(shù)量級(jí)的，也可根據(jù)實(shí)際需要而確定。
[0024] 為了充分考慮圖片背景信息對(duì)圖片識(shí)別的影響，所述人臉圖片庫中的第二人臉圖 片可以是在與待測對(duì)象的第一人臉圖片相同或相近的背景環(huán)境下獲取到的人臉圖片。
[0025] 然后，可計(jì)算第一人臉圖片與人臉圖片庫中的各個(gè)第二人臉圖片之間的相似度， 并確定最大相似度。
[0026] 所述相似度可根據(jù)第一人臉圖片的特征和第二人臉圖片的特征來計(jì)算。第一人臉 圖片的特征和第二人臉圖片的特征可由深度學(xué)習(xí)網(wǎng)絡(luò)提取，也可根據(jù)其他方式獲取。特征 提取的方式將不會(huì)影響本發(fā)明的置信度獲取，此處不再贅述。所述最大相似度為第一人臉 圖片與人臉圖片庫中的各個(gè)第二人臉圖片之間的相似度中數(shù)值最大的相似度。
[0027] 在提取特征之前，可對(duì)第一人臉圖片和第二人臉圖片進(jìn)行分類和標(biāo)注，還可對(duì)第 一人臉圖片和第二人臉圖片執(zhí)行人臉對(duì)齊操作。所述人臉對(duì)齊操作可包括對(duì)第二人臉圖片 執(zhí)行旋轉(zhuǎn)、放大、縮小或剪切等操作。所述人臉對(duì)齊操作可保證提取到穩(wěn)定的特征并取得較 好的人臉識(shí)別效果，以去除人臉角度對(duì)人臉識(shí)別帶來的影響。所述關(guān)鍵點(diǎn)包括眼睛、鼻尖和 嘴角等的位置。
[0028] 可根據(jù)如下公式計(jì)算所述圖片對(duì)的相似度：
[0029]
[0030] 其中，
[0031] A= (SU+SE) -(F+G)
[0032] F= SE1
[0033] G= -(mSu+SE) S
[0034] 式中，Γι(Χι，x2)表示第i個(gè)圖片對(duì)的相似度，^和x2分別表示第i個(gè)圖片對(duì)的兩 張第二人臉圖片中的人臉特征，表示兩張第二人臉圖片屬于相同對(duì)象的概率， P(Xl，x2|HE)表示兩張第二人臉圖片屬于不同對(duì)象的概率，T表示轉(zhuǎn)置操作，-1表示求逆操 作，SjPSE分別表示不同對(duì)象的第二人臉圖片的特征之間的協(xié)方差和相同對(duì)象的不同第 二人臉圖片的特征之間的協(xié)方差，m表示每個(gè)對(duì)象的圖片數(shù)。
[0035] 可對(duì)求出的相似度進(jìn)行比較，從中選出最大相似度：
[0036] x0= max{r； (x1;x2)},
[0037] 式中，x。為最大相似度，max{rx2)}表示x2)中的最大者。
[0038] 最后，可根據(jù)所述最大相似度計(jì)算將所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度。在 本步驟中，可首先基于所述人臉圖片庫建立置信度模型，再將所述最大相似度代入所述置 信度模型，得到所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度。其中，所述目標(biāo)對(duì)象為所述最大相 似度對(duì)應(yīng)的第二人臉圖片所屬的對(duì)象。
[0039] 在一個(gè)實(shí)施例中，當(dāng)已經(jīng)建立了所述人臉圖片庫時(shí)，可根據(jù)所述人臉圖片庫中的 各個(gè)圖片對(duì)的相似度建立所述置信度模型；其中，所述圖片對(duì)為人臉圖片庫中任意兩張第 二人臉圖片的集合，所述圖片對(duì)的相似度為所述圖片對(duì)中兩張第二人臉圖片的相似度。
[0040] 可先對(duì)人臉圖片庫中的各個(gè)第二人臉圖片進(jìn)行特征提取，得到各個(gè)第二人臉圖片 的人臉特征，再根據(jù)所述人臉特征計(jì)算人臉圖片庫中的各個(gè)圖片對(duì)的相似度，然后，根據(jù)所 述相似度建立所述置信度模型。
[0041] 根據(jù)所述相似度建立所述置信度模型時(shí)，可計(jì)算各個(gè)圖片對(duì)的相似度的平均值和 方差，根據(jù)所述平均值和方差獲取所述相似度的概率分布，并根據(jù)所述概率分布建立人臉 識(shí)別的置信度模型。
[0042] 例如，所述概率分布可以是如下所示的高斯分布：
[0043]
[0044]
[0045]
[0046] 式中，s表示圖片對(duì)中的兩張圖片屬于相同對(duì)象的事件，X表示圖片對(duì)中的兩張圖 片的相似度，f(x|s)表示各圖片對(duì)中的兩張圖片屬于相同對(duì)象的條件下各圖片對(duì)的相似度 的概率分布，u表示高斯分布的平均值，〇表示高斯分布的方差，X為所有圖片對(duì)的相似度 的平均值，Xi表示第i個(gè)圖片對(duì)，N表示圖片對(duì)的總數(shù)。其中，假設(shè)每個(gè)對(duì)象的圖片數(shù)為m， 對(duì)象的個(gè)數(shù)為n，則況=C,。
[0047] 最后，可將所述最大相似度代入基于所述人臉圖片庫建立的置信度模型，計(jì)算將 所述待測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度。
[0048]例如，根據(jù)上述相似度的概率分布f(X|s)，可得出人臉識(shí)別置信度模型為：
[0049]
[0050] 其中，P(x)為人臉識(shí)別置信度模型。將最大相似度X。代入上式，可求出將所述待 測對(duì)象識(shí)別為目標(biāo)對(duì)象的置信度。
[0051] 上述過程通過將離散的相似度值轉(zhuǎn)換成連續(xù)的高斯分布，從而能夠減小