基于圖像的眼鏡識別方法及裝置制造方法及圖紙

本發(fā)明專利技術(shù)公開一種基于圖像的眼鏡識別方法及裝置，該方法包括：通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到該面部圖像的面部類別和該面部類別對應(yīng)的概率值，若該面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過該深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢υ撁娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值，若概率值最大的類別為佩戴眼鏡類別，則確定該面部圖像中面部有佩戴眼鏡，若概率值最大的類別為非佩戴眼鏡類別，則確定該面部圖像中面部沒有佩戴眼鏡，這樣在復(fù)雜的成像情況下，對面部圖像中眼睛區(qū)域圖像進(jìn)行識別，可以準(zhǔn)確的識別是否有佩戴眼鏡，增加了識別佩戴眼鏡的準(zhǔn)確性。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于圖像識別
，尤其涉及一種基于圖像的眼鏡識別方法及裝置。
技術(shù)介紹
人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，通常也叫做人像識別、面部識別。人臉識別產(chǎn)品已廣泛應(yīng)用于金融、司法、軍隊(duì)、公安、邊檢、政府、航天、電力、工廠、教育、醫(yī)療及眾多企事業(yè)單位等領(lǐng)域。例如，人臉識別門禁考勤系統(tǒng)和人臉識別防盜門，關(guān)于信息安全的計(jì)算機(jī)登錄、電子政務(wù)和電子商務(wù)。隨著技術(shù)的進(jìn)一步成熟和社會認(rèn)同度的提高，人臉識別技術(shù)將應(yīng)用在更多的領(lǐng)域。其中，對人臉佩戴眼鏡的識別可以精準(zhǔn)的輔助實(shí)現(xiàn)人臉驗(yàn)證和人臉?biāo)阉鞯裙δ堋，F(xiàn)有技術(shù)中，圖像中眼鏡的識別方法是將整個圖像提取特征，然后通過分類器識別圖像中面部是否佩戴眼鏡。由于成像設(shè)備的關(guān)系，圖像不一定會清晰的反應(yīng)人的完整面部，大部分的圖像會出現(xiàn)模糊、強(qiáng)光、黑暗等不清晰的情況，或者圖像中人物出現(xiàn)低頭、側(cè)臉等不能完全顯示整個面部的姿態(tài)，在這種復(fù)雜的成像條件下，現(xiàn)有技術(shù)單純的提取整個圖像的特征是無法準(zhǔn)確判別是否有佩戴眼鏡，進(jìn)而增加識別結(jié)果的錯誤率。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)實(shí)施例提供一種基于圖像的眼鏡識別方法及裝置，旨在解決由于外部成像因素的變化而導(dǎo)致的無法準(zhǔn)確的判別是否有佩戴眼鏡的問題。本專利技術(shù)實(shí)施例提供的一種基于圖像的眼鏡識別方法，包括：通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到所述面部圖像的面部類別和所述面部類別對應(yīng)的概率值，其中所述面部類類別包括人臉類別和非人臉類別；若所述面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢λ雒娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡；若概率值最大的類別為非佩戴眼鏡類別，則確定所述面部圖像中面部沒有佩戴眼鏡。本專利技術(shù)實(shí)施例提供的一種基于圖像的眼鏡識別裝置，包括：判別處理模塊用于通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到所述面部圖像的面部類別和所述面部類別對應(yīng)的概率值；所述判別處理模塊還用于若所述面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢λ雒娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；確定模塊用于若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡；所述確定模塊還用于若概率值最大的類別為非佩戴眼鏡類別，則確定所述面部圖像中面部沒有佩戴眼鏡。本專利技術(shù)實(shí)施例提供的基于圖像的眼鏡識別方法及裝置，通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到所述面部圖像的面部類別和所述面部類別對應(yīng)的概率值，其中所述面部類類別包括人臉類別和非人臉類別；若所述面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢λ雒娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡；若概率值最大的類別為非佩戴眼鏡類別，則確定所述面部圖像中面部沒有佩戴眼鏡，這樣在復(fù)雜的成像情況下，通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)先判別面部圖像是否為人臉的圖像，當(dāng)判別是人臉的圖像時，對面部圖像中眼睛區(qū)域圖像進(jìn)行識別，可以準(zhǔn)確的識別是否有佩戴眼鏡，增加了識別佩戴眼鏡的準(zhǔn)確性，進(jìn)而精準(zhǔn)地輔助實(shí)現(xiàn)人臉驗(yàn)證和人臉?biāo)阉鞯裙δ堋８綀D說明為了更清楚地說明本專利技術(shù)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術(shù)的一些實(shí)施例。圖1是本專利技術(shù)第一實(shí)施例提供的基于圖像的眼鏡識別方法的實(shí)現(xiàn)流程示意圖；圖2是本專利技術(shù)第二實(shí)施例提供的基于圖像的眼鏡識別方法的實(shí)現(xiàn)流程示意圖；圖3是本專利技術(shù)實(shí)施例中人臉檢測的示意圖；圖4是本專利技術(shù)第三實(shí)施例提供的基于圖像的眼鏡識別裝置的結(jié)構(gòu)示意圖；圖5是本專利技術(shù)第四實(shí)施例提供的基于圖像的眼鏡識別裝置的結(jié)構(gòu)示意圖；圖6是本專利技術(shù)第五實(shí)施例提供的執(zhí)行基于圖像的眼鏡識別方法的電子設(shè)備的硬件結(jié)構(gòu)示意圖。具體實(shí)施方式為使得本專利技術(shù)的專利技術(shù)目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本專利技術(shù)一部分實(shí)施例，而非全部實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。請參閱圖1，圖1為本專利技術(shù)第一實(shí)施例提供的基于圖像的眼鏡識別方法的實(shí)現(xiàn)流程示意圖，可應(yīng)用于人臉考勤設(shè)備、人臉防盜系統(tǒng)、計(jì)算機(jī)等識別人臉圖像的終端中。圖1所示的基于圖像的眼鏡識別方法，主要包括以下步驟：S101、通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到該面部圖像的面部類別和該面部類別對應(yīng)的概率值。S102、若該面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過該深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢υ撁娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值。深度卷積神經(jīng)網(wǎng)絡(luò)為卷積神經(jīng)網(wǎng)絡(luò)(CNN，ConvolutionalNeuralNetworks)，至少包括兩個非線性可訓(xùn)練的卷積層、兩個非線性的固定卷積層和全連接層，一共至少5個隱含層，主要應(yīng)用于語音分析以及圖像識別領(lǐng)域。通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖像樣本就可以得到先驗(yàn)?zāi)Ｐ停渲杏?xùn)練圖像樣本以得到先驗(yàn)?zāi)Ｐ偷倪^程是按照預(yù)置的面部類別對圖像樣本進(jìn)行分類的過程，即本實(shí)施例中，該面部類別中包括人臉類別和非人臉類別。其中先驗(yàn)?zāi)Ｐ涂捎糜趯D像進(jìn)行分類判別的模型。通過分類判別可以得到該面部圖像的面部類別和該面部類別對應(yīng)的概率值，即該面部圖像為人臉類別和面部圖像所屬人臉類別對應(yīng)的概率值，以及該面部圖像為非人臉類別和該面部圖像所屬非人臉類別對應(yīng)的概率值。預(yù)置極限值為大于或者等于60％的數(shù)值，本實(shí)施例優(yōu)選的預(yù)置極限值為60％，那么當(dāng)該面部圖像所屬人臉類別對應(yīng)的概率值大于60％時，通過該深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢υ撁娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；若該面部圖像所屬的人臉類別對應(yīng)的概率值小于預(yù)置極限值，則進(jìn)程結(jié)束。通過該深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練人臉的圖像樣本就可以得到人臉先驗(yàn)?zāi)Ｐ停渲杏?xùn)練人臉的圖像樣本以得到人臉先驗(yàn)?zāi)Ｐ偷倪^程是按照預(yù)置的類別對圖像樣本進(jìn)行分類的過程，其中人臉先驗(yàn)?zāi)Ｐ涂捎糜趯D像進(jìn)行分類判別的模型。本實(shí)施例中預(yù)置的類別有兩類，一類是佩戴眼鏡的類別，另一類是非佩戴眼鏡的類別，然后通過人臉先驗(yàn)?zāi)Ｐ头诸惻袆e后，可以得到該面部圖像中眼睛區(qū)域圖像中眼睛佩戴眼鏡的概率值和沒有佩戴眼鏡的概率值，即該面部圖像中眼睛區(qū)域圖像屬于佩戴眼鏡類別對應(yīng)的概率值和該面部圖像中眼睛區(qū)域圖像屬于非佩戴眼鏡類別對應(yīng)的概率值。S103、若概率值最大的類別為佩戴眼鏡類別，則確定該面部圖像中面部有佩戴眼鏡。S104、若概率值最大的類別為非佩戴眼鏡類別，則確定該面部圖像中面部沒有佩戴眼鏡。在實(shí)際應(yīng)用中，若該眼睛區(qū)域圖像屬于佩戴眼鏡類別對應(yīng)的概率值最大，則確定本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于圖像的眼鏡識別方法，其特征在于，包括：通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到所述面部圖像的面部類別和所述面部類別對應(yīng)的概率值，其中所述面部類類別包括人臉類別和非人臉類別；若所述面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢λ雒娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡。

【技術(shù)特征摘要】
1.一種基于圖像的眼鏡識別方法，其特征在于，包括：通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行分類判別，得到所述面部圖像的面部類別和所述面部類別對應(yīng)的概率值，其中所述面部類類別包括人臉類別和非人臉類別；若所述面部類別為人臉類別所對應(yīng)的概率值大于預(yù)置極限值，則通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中人臉先驗(yàn)?zāi)Ｐ停瑢λ雒娌繄D像中眼睛區(qū)域圖像進(jìn)行分類判別，得到各類別分別對應(yīng)的概率值；若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述若概率值最大的類別為佩戴眼鏡類別，則確定所述面部圖像中面部有佩戴眼鏡之后，還包括：通過所述深度卷積神經(jīng)網(wǎng)絡(luò)中所述人臉先驗(yàn)?zāi)Ｐ停瑢λ鲅劬^(qū)域圖像中佩戴眼鏡的種類進(jìn)行分類判別，得到各眼鏡種類對應(yīng)的概率值；若概率值最大的眼鏡種類對應(yīng)的概率值大于預(yù)置概率值，則確定所述面部圖像中面部佩戴眼鏡的種類為所述概率值最大的眼鏡種類；若概率值最大的眼鏡種類對應(yīng)的概率值小于所述預(yù)置概率值，則通過所述眼睛區(qū)域圖像的特征與預(yù)置眼鏡圖像樣本的特征之間的余弦比對結(jié)果，識別所述面部圖像中面部佩戴眼鏡的種類。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過人臉檢測以及人臉關(guān)鍵點(diǎn)定位確定待識別圖像中的所述面部圖像，并將所述面部圖像設(shè)定為檢測區(qū)域；根據(jù)預(yù)置倍數(shù)擴(kuò)大所述檢測區(qū)域，以使所述面部圖像包括整體面部輪廓區(qū)域；對所述檢測區(qū)域中眼睛區(qū)域進(jìn)行矯正，以使所述眼睛區(qū)域內(nèi)的雙眼處于同一水平線上。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，通過所述人臉關(guān)鍵點(diǎn)定位確定所述眼睛區(qū)域的位置，并根據(jù)所述眼睛區(qū)域的位置，在所述面部圖像中提取所述眼睛區(qū)域圖像，其中所述眼睛區(qū)域圖像包括同一側(cè)的外眼角到耳朵頂部之間的面部區(qū)域。5.一種基于圖像的中眼鏡識別裝置，其特征在于，包括：判別處理模塊，用于通過預(yù)置的深度卷積神經(jīng)網(wǎng)絡(luò)中先驗(yàn)?zāi)Ｐ停瑢Υ龣z測的面部圖像進(jìn)行...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：公緒超，
申請(專利權(quán))人：樂視控股北京有限公司，樂視云計(jì)算有限公司，
類型：發(fā)明
國別省市：北京;11