【技術實現步驟摘要】
本專利技術涉及人臉識別，特別涉及一種人臉識別的性能優化方法。
技術介紹
1、目前，現有技術的人臉識別已經很常態化了，識別效率很高，但是，在一些進行人臉識別驗證的時候，主要是正面的對著攝像頭實現人臉識別；
2、但是：
3、在現有的一些場景中，人臉識別的方式時，人臉不是正方向的，所以在進行人臉是別的時候，容易產生偏差，或者無法實現人臉識別，特別是在違法抓拍的時候，可能拍照的圖像是人臉的側面，無法進行人臉的識別。
4、側識別的方式，很多人臉的特征無法進行全部的獲取，也是現有技術中人臉識別錯誤的主要錯因。
技術實現思路
1、本專利技術提供一種人臉識別的性能優化方法，用以解決人臉識別不清楚的情況。
2、一種人臉識別的性能優化方法，包括：
3、預先構建人臉識別的人臉數據庫；其中，
4、人臉數據庫的每個人臉圖像的設置有偏差測試軸線；其中，
5、偏差測試軸線包括基于人耳中心部位的第一橫軸線、基于人嘴中心部分的第二橫軸線、基于人臉眉毛內部的第三豎軸線和第四豎軸線；
6、根據偏差測試軸線，確定待識別人臉圖像的人臉特征；
7、根據每個人臉特征，計算人臉特征相對于偏差測試軸線的位置偏差；
8、根據位置偏差，進行人臉特征修正，并在修正后，進行人臉識別。
9、優選的，所述人臉數據庫包括橫軸線數據庫和豎軸線數據庫；其中，
10、人臉數據庫包括如下構建步驟：
12、將設置橫軸分割線和豎軸分割線的完整人臉圖像輸入圖像分割模型，進行基于分割線的特征分割，以獲取分割圖像；其中，
13、圖像分割模型是通過對待訓練圖像分割模型進行迭代訓練和后修正訓練得到的；其中，
14、迭代訓練是根據分割圖像樣本和與分割圖像樣本對應的橫軸分割線和豎軸分割線進行的，以獲取圖像分割模型。
15、優選的，所述人臉數據庫還包括人臉的軸線特征索引方式，具體包括：
16、獲取服務器下發的與人臉橫軸線和人臉豎軸線不同標注點匹配的特征匹配模型；
17、利用特征匹配模型對多個人臉橫軸線特征進行重要度排序，獲得排序后的橫軸線特征序列；
18、利用特征匹配模型對多個人臉豎軸線特征進行重要度排序，獲得排序后的豎軸線特征序列；
19、基于橫軸線特征序列和豎軸線特征序列構建特征索引參數；
20、通過特征索引參數，構建人臉的特征索引模型，并植入人臉數據庫中。
21、優選的，所述偏差測試軸線包括如下設置步驟：
22、獲取人臉數據庫中不同人臉樣本預先設置具有橫軸分割線和豎軸分割線圖形的分割圖像；
23、確定分割圖像上分割線點位的坐標信息，并對分割線點位的坐標信息進行三維立體建模處理；其中，
24、三維立體建模處理包括：基于每條分割線的三維坐標系搭建，和三維坐標標定；
25、根據三維坐標標定，確定相對于每條分割線的坐標集合；
26、通過坐標集合，生成偏差測試軸線的偏差參照序列；
27、將偏差參照序列作為偏差測試軸線的測試參照序列。
28、優選的，所述根據偏差測試軸線，確定待識別人臉圖像的人臉特征，包括如下步驟：
29、采集待識別人臉圖像在橫軸線和豎軸線上的兩組相對于偏差測試軸線存在偏差的橫軸態勢特征和豎軸態勢特征；
30、對橫軸態勢特征和豎軸態勢特征進行預處理，得到兩個對比偏差圖；
31、采用卷積神經網絡cnn結合輕量注意力模塊cbam提取兩個對比偏差圖對應的兩個單分割特征圖；
32、對兩個個單分割特征圖進行多分割全局注意力學習，得到兩種分割態勢的注意力圖；
33、對兩種分割態勢的注意力圖進行特征映射，得到目標的最終人臉特征。
34、優選的，所述計算人臉特征相對于偏差測試軸線的位置偏差，包括：
35、根據人臉特征，建立參考線；其中，
36、參考線是相對于第一橫軸線、第二橫軸線、第三豎軸線和第四豎軸線的觀測點的坐標線；
37、根據參考線，確定相對于第一橫軸線、第二橫軸線、第三豎軸線和第四豎軸線的距離，生成相對于每個軸線的距離集合；
38、將距離集合中最短距離和最長距離相減，得到n個差；
39、將差進行規范化處理，得到n個對位條件；
40、根據n個對位條件，確定位置偏差。
41、優選的，所述人臉特征修正包括：
42、根據人臉特征，確定待識別人臉圖像上每個像素坐標點的偏差值；
43、將待識別人臉圖像通過偏差值進行像素重排，確定每個像素點的目標坐標值；
44、根據目標坐標值，將待識別人臉圖像上的每個像素點進行位移修正；
45、根據位移修正，獲取修正后的目標人臉圖像。
46、優選的，所述人臉特征修正還包括：
47、響應于檢測到進行目標人臉圖像的渲染觸發條件，獲取目標人臉圖像中的異常像素；其中，
48、異常像素為當前像素點和鄰邊像素點的色差超過預設界限值的像素點；
49、按照異常像素的預設順序，渲染不同層的異常像素，得到異常像素的渲染結果，其中，
50、不同的異常像素在深度方向不重合；
51、根據各異常像素的渲染結果，確定目標人臉圖像對應的目標渲染圖像。
52、優選的，所述渲染觸發條件包括如下設置步驟：
53、確定目標人臉圖像在人臉識別設備的人臉顯示界面中的顯示信息；
54、基于顯示信息確定目標人臉圖像的像素差異閾值和像素差異位置關聯度；
55、判斷像素差異閾值是否滿足第一條件，得到第一判斷結果，以及判斷像素差異位置關聯度是否滿足第二條件，得到第二判斷結果；其中，
56、第一條件為像素差異值是否在像素差異閾值之內；
57、第二條件包括像素差異位置關聯度是否滿足鄰邊關聯像素；
58、依據所述第一判斷結果和第二判斷結果確定是否觸發渲染。
59、優選的，所述修正后還包括：
60、基于修正后的待識別人臉圖像，確定出人臉圖像區域；
61、計算人臉圖像區域的區域大小；
62、根據區域大小，確定人臉亮度優化參數；其中，
63、人臉亮度優化參數用于對人臉圖像區域進行亮度調整。
64、本專利技術的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本專利技術而了解。本專利技術的目的和其他優點可通過在所寫的說明書以及附圖中所特別指出的結構來實現和獲得。
65、下面通過附圖和實施例，對本專利技術的技術方案做進一步的詳細描述。
本文檔來自技高網...【技術保護點】
1.一種人臉識別的性能優化方法，其特征在于，包括：
2.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述人臉數據庫包括橫軸線數據庫和豎軸線數據庫；其中，
3.如權利要求2所述的一種人臉識別的性能優化方法，其特征在于，所述人臉數據庫還包括人臉的軸線特征索引方式，具體包括：
4.如權利要求2所述的一種人臉識別的性能優化方法，其特征在于，所述偏差測試軸線包括如下設置步驟：
5.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述根據偏差測試軸線，確定待識別人臉圖像的人臉特征，包括如下步驟：
6.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述計算人臉特征相對于偏差測試軸線的位置偏差，包括：
7.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述人臉特征修正包括：
8.如權利要求7所述的一種人臉識別的性能優化方法，其特征在于，所述人臉特征修正還包括：
9.如權利要求8所述的一種人臉識別的性能優化方法，其特征在于，所述渲染觸發條件包括如下設置步驟
10.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述修正后還包括：
...【技術特征摘要】
1.一種人臉識別的性能優化方法，其特征在于，包括：
2.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述人臉數據庫包括橫軸線數據庫和豎軸線數據庫；其中，
3.如權利要求2所述的一種人臉識別的性能優化方法，其特征在于，所述人臉數據庫還包括人臉的軸線特征索引方式，具體包括：
4.如權利要求2所述的一種人臉識別的性能優化方法，其特征在于，所述偏差測試軸線包括如下設置步驟：
5.如權利要求1所述的一種人臉識別的性能優化方法，其特征在于，所述根據偏差測試軸線，確定待識別人臉圖像的人臉特征，...
【專利技術屬性】
技術研發人員：王冠麟，龍斌，戴晶晶，馬德琳，劉特瑋，張家晟，杜琪，黃德深，曾凌楓，方宏文，徐琨然，陳喬，周俊，周均，金立志，謝學勤，陸正松，張現增，
申請(專利權)人：北京東方通網信科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。