一種在醫保應用中場景自適應的人臉識別系統技術方案

本發明專利技術公開了一種在醫保應用中場景自適應的人臉識別系統，包括人臉檢測模塊、特征提取模塊和相似度計算匹配模塊，所述的人臉檢測模塊檢測人臉，得到人臉圖像，所述的特征提取模塊從人臉圖像中提取顯著性特征，所述的相似度計算匹配模塊將所述的顯著性特征與已有標準圖像進行對比，從而計算得到相似度；所述的人臉識別系統還包括相似度補償模塊，所述的相似度補償模塊包括光照判斷模塊和距離判斷模塊和模糊判斷模塊，得到補償系數，根據所述的補償系數對相似度進行補償。采用本發明專利技術，本發明專利技術通過光照判斷和距離判斷以及模糊判斷，對相似度進行補償，從而提高人臉識別的準確性，使其可以適應不同場景下的人臉圖像比對，輸出穩定的相似度結果。

Face recognition system for scene adaptation in medical insurance application

The invention discloses a face recognition system of a scene in the insurance application adaptive, including face detection module, feature extraction module and similarity matching module, face detection module of the face detection, face image feature extraction module, the extraction of salient features from human face image, the similarity the calculation module, significant features with the standard image, and then calculate the similarity; face recognition system includes the similarity compensation module, similarity compensation module comprises a judgment module and illumination distance judgment module and fuzzy judgment module, compensation coefficient, according to the compensation coefficient to compensate for the similarity. According to the invention, the invention of light through the judgment and distance judgment and fuzzy judgment, to compensate for the similarity, so as to improve the accuracy of face recognition, face image alignment so that it can adapt to different scenarios, stable output similarity results.

【技術實現步驟摘要】

本專利技術涉及人臉識別
，具體地說是一種在醫保應用中場景自適應的人臉識別系統。
技術介紹
人臉是一個人最天然、最直觀的身份特征表示，人臉圖像取樣方便，且不同人臉重復(俗稱撞臉)的概率極低，非常適用于需要做身份鑒別的場合。人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術，通過將靜態圖像或視頻幀圖像與數據庫中的人臉圖像進行匹配，以達到身份識別和鑒定的目的。相比于指紋、虹膜、DNA等其他的生物識別技術，人臉識別技術更加友好便捷，因此具有廣泛的應用前景。隨著深度學習算法的發展，人臉識別的準確率越來越高，該技術開始大規模進入實用階段。人臉識別系統普遍存在的一個問題就是識別效果容易受到環境的影響，在不同的場景下，由于受到光照、分辨率等因素的影響，人臉匹配的相似度會出現波動，某些惡劣情況下，識別的正確率甚至會急劇下降。以醫保應用為例，在系統內儲存有標準人臉圖像，根據現場對人臉圖像的采集，將其與標準人臉圖像進行比對。一般來說，儲存在數據庫中的人臉圖像，通常是在環境極好的場景下拍攝的，例如身份證照，不存在光照不良、成像模糊等問題，而人臉識別系統在工作時，往往是通過監控攝像頭獲取到人臉圖像，往往會出現暗光、側光、距離過遠不清楚、運動過快成像模糊等問題。當兩張所處環境類似的人臉圖像進行比對時，其相似度結果輸出正常，不同人的相似度低，同一人的相似度高；而當兩張環境差異較大的人臉圖像進行比對時，其相似度結果就會急劇下降，即使同一個人的兩張照片，相似度也會很低，與兩張不同人照片的相似度差不多，從而導致錯誤的識別結果。例如，用戶A、B的注冊照均為身份證照片，用戶A在普通環境下，攝像頭抓拍到的人臉圖像，與自身注冊照相似度達到90％，與用戶B的注冊照相似度為60％，假設系統以相似度70％為判斷界限，故而此圖可以正確識別為用戶A；而在暗光狀態下，A與其自身注冊照的相似度也只有60％，與用戶B的相似度為40％，從而此圖被判斷為不在庫中的未注冊人臉，識別結果錯誤。正是因為以上原因，影響了人臉識別的適用范圍和使用環境。那么，以上技術問題的解決也就對人臉識別系統的進一步應用至關重要。
技術實現思路
有鑒于此，本專利技術針對上述現有技術存在的容易受環境影響而降低識別效果的技術問題，提供了一種識別準確率高的場景自適應的人臉識別系統。本專利技術的技術解決方案是，提供一種以下的場景自適應的人臉識別系統，包括人臉檢測模塊、特征提取模塊和相似度計算匹配模塊，所述的人臉檢測模塊檢測人臉，得到人臉圖像，所述的特征提取模塊從人臉圖像中提取顯著性特征，所述的相似度計算匹配模塊將所述的顯著性特征與已有標準圖像進行對比，從而計算得到相似度；所述的人臉識別系統還包括相似度補償模塊，所述的相似度補償模塊包括光照判斷模塊和距離判斷模塊和模糊判斷模塊，所述的光照判斷模塊和距離判斷模塊能夠根據所述的人臉圖像判斷出拍攝的光照和距離，從而得到補償系數，根據所述的補償系數對相似度進行補償。采用以上方案，本專利技術與現有技術相比，具有以下優點：采用本專利技術，本專利技術通過光照判斷和距離判斷對相似度進行補償，即通過判斷拍攝的實際光照和距離條件來得到補償系數，以彌補實際拍攝條件與已有標準圖像的拍攝條件差距，有利于提高檢測到的人臉圖像與已有標準圖像匹配的相似度，從而提高人臉識別的準確性，使其可以適應不同場景下的人臉圖像比對，輸出穩定的相似度結果。作為改進，所述的相似度補償模塊還包括模糊判斷模塊，所述的模糊判斷模塊根據所述人臉圖像的清晰度，與所述光照判斷模塊和距離判斷模塊協同，得到補償系數。模糊判斷能夠在光照和距離的基礎上，加入清晰度的考慮，從而協同得到補償系數，進一步提高識別準確性。作為改進，當人臉檢測模塊檢測并得到人臉圖像后，所述的特征提取模塊利用卷積神經網絡算法，對人臉圖像進行特征提取。提取特征的算法采用卷積神經網絡(Convolutional Neural Network，CNN)模型，卷積神經網絡是目前深度學習領域中使用最廣泛、效果最好的模型框架，相比與傳統的手工特征，具有更強的魯棒性，識別能力有大幅度的提高。作為改進，在光照判斷模塊中，對人臉圖像的像素灰度值進行直方圖統計，不同光照場景下的人臉圖像的直方圖分布是有明顯差異，根據其分布情況，判斷出圖像的光照情況，得到光照補償參數。作為改進，在距離判斷模塊中，利用特征點定位的算法，計算出特定五官之間的距離，再結合攝像頭本身的分辨率信息，從而判斷出待識別人臉和攝像頭的距離，得到距離補償參數。因為五官的距離和人臉與攝像頭的距離均為人臉識別的重要信息，以此作為補償系數的重要權項，識別結果更為穩定。作為改進，在模糊判斷模塊中，利用支持向量機算法，訓練出了判斷模糊程度的支持向量機模型，我們將模糊程度劃分為清晰、一般模糊、重度模糊三個級別，得到模糊補償參數。作為改進，所述的光照補償參數、距離補償參數和模糊補償參數，根據各個補償參數的權重，得到所述的補償系數。附圖說明圖1為本專利技術一種在醫保應用中場景自適應的人臉識別系統的框圖；圖2為直方圖統計差異對比圖；具體實施方式下面結合附圖和具體實施例對本專利技術作進一步說明，但本專利技術并不僅僅限于這些實施例。本專利技術涵蓋任何在本專利技術的精髓和范圍上做的替代、修改、等效方法以及方案。為了使公眾對本專利技術有徹底的了解，在以下本專利技術優選實施例中詳細說明了具體的細節，而對本領域技術人員來說沒有這些細節的描述也可以完全理解本專利技術。如圖1所示，示意了本專利技術的一種在醫保應用中場景自適應的人臉識別系統的框圖流程，所述的場景自適應的人臉識別系統包括人臉檢測模塊、特征提取模塊和相似度計算匹配模塊，所述的人臉檢測模塊檢測人臉，得到人臉圖像，所述的特征提取模塊從人臉圖像中提取顯著性特征，所述的相似度計算匹配模塊將所述的顯著性特征與已有標準圖像進行對比，從而計算得到相似度；所述的已有標準圖像即為圖中注冊人臉特征。所述的人臉識別系統還包括相似度補償模塊，所述的相似度補償模塊包括光照判斷模塊和距離判斷模塊和模糊判斷模塊，所述的光照判斷模塊和距離判斷模塊能夠根據所述的人臉圖像判斷出拍攝的光照和距離，從而得到補償系數，根據所述的補償系數對相似度進行補償。所述的相似度補償模塊還包括模糊判斷模塊，所述的模糊判斷模塊根據所述人臉圖像的清晰度，與所述光照判斷模塊和距離判斷模塊協同，得到補償系數。當人臉檢測模塊檢測并得到人臉圖像后，所述的特征提取模塊利用卷積神經網絡算法，對人臉圖像進行特征提取。提取特征的算法采用卷積神經網絡(Convolutional Neural Network，CNN)模型，卷積神經網絡是目前深度學習領域中使用最廣泛、效果最好的模型框架，相比與傳統的手工特征，具有更強的魯棒性，識別能力有大幅度的提高。本專利技術中所使用的卷積神經網絡模型，經由百萬數量級的訓練樣本學習而來，對不同人種、不同年齡，一定范圍內人臉的姿態、表情、光照、尺度等變化都有較好的適應能力。如圖2所示，在不同光照下，直方圖統計存在較大差異，圖中進行了對比。在光照判斷模塊中，對人臉圖像的像素灰度值進行直方圖統計，不同光照場景下的人臉圖像的直方圖分布是有明顯差異，根據其分布情況，判斷出圖像的光照情況，得到光照補償參數。根據統計出的光照分布中心，可計算出相應的光照補償參數C1。具體本文檔來自技高網...

【技術保護點】
一種在醫保應用中場景自適應的人臉識別系統，包括人臉檢測模塊、特征提取模塊和相似度計算匹配模塊，所述的人臉檢測模塊檢測人臉，得到人臉圖像，所述的特征提取模塊從人臉圖像中提取顯著性特征，所述的相似度計算匹配模塊將所述的顯著性特征與已有標準圖像進行對比，從而計算得到相似度；其特征在于：所述的人臉識別系統還包括相似度補償模塊，所述的相似度補償模塊包括光照判斷模塊和距離判斷模塊和模糊判斷模塊，所述的光照判斷模塊和距離判斷模塊能夠根據所述的人臉圖像判斷出拍攝的光照和距離，從而得到補償系數，根據所述的補償系數對相似度進行補償。

【技術特征摘要】
1.一種在醫保應用中場景自適應的人臉識別系統，包括人臉檢測模塊、特征提取模塊和相似度計算匹配模塊，所述的人臉檢測模塊檢測人臉，得到人臉圖像，所述的特征提取模塊從人臉圖像中提取顯著性特征，所述的相似度計算匹配模塊將所述的顯著性特征與已有標準圖像進行對比，從而計算得到相似度；其特征在于：所述的人臉識別系統還包括相似度補償模塊，所述的相似度補償模塊包括光照判斷模塊和距離判斷模塊和模糊判斷模塊，所述的光照判斷模塊和距離判斷模塊能夠根據所述的人臉圖像判斷出拍攝的光照和距離，從而得到補償系數，根據所述的補償系數對相似度進行補償。2.根據權利要求1所述的一種在醫保應用中場景自適應的人臉識別系統，其特征在于：所述的相似度補償模塊還包括模糊判斷模塊，所述的模糊判斷模塊根據所述人臉圖像的清晰度，與所述光照判斷模塊和距離判斷模塊協同，得到補償系數。3.根據權利要求1或2所述的一種在醫保應用中場景自適應的人臉識別系統，其特征在于：當人臉檢測模塊檢測并得到人臉圖像后，所述的特征提取模塊利用卷積神經網絡算...

【專利技術屬性】
技術研發人員：石磊，鄒軍，
申請(專利權)人：厚普北京生物信息技術有限公司，虹軟杭州科技有限公司，
類型：發明
國別省市：北京;11