【技術實現(xiàn)步驟摘要】
本專利技術涉及人臉識別，具體涉及一種乘客人臉自動識別方法。
技術介紹
1、隨著智能交通系統(tǒng)的發(fā)展，公共交通領域對乘客的自動識別需求日益增長。傳統(tǒng)的識別方法依賴于人工檢票或磁卡車票，存在效率低和易出錯等問題。近年來，人臉識別技術因其高效且準確的特點，在公共交通系統(tǒng)中得到了廣泛應用。然而，現(xiàn)有的人臉識別方法在處理大規(guī)模乘客數(shù)據(jù)、提高識別速度和準確性方面仍存在不足。
技術實現(xiàn)思路
1、本專利技術為了解決以上問題，提出了一種乘客人臉自動識別方法。
2、本專利技術的技術方案是：一種乘客人臉自動識別方法包括以下步驟：
3、s1、拍攝乘客的驗證人臉圖像；
4、s2、利用所有像素點的重疊系數(shù)對驗證人臉圖像的輪廓區(qū)域進行修正，得到敏感輪廓區(qū)域，并為敏感輪廓區(qū)域生成敏感比對系數(shù)；
5、s3、利用敏感比對系數(shù)將驗證人臉圖像與人臉數(shù)據(jù)庫進行比對，得到識別結果。
6、進一步地，s2包括以下子步驟：
7、s21、計算驗證人臉圖像中每個像素點的重疊系數(shù)；
8、s22、利用灰度積分投影法提取驗證人臉圖像的輪廓區(qū)域，并利用每個像素點的重疊系數(shù)對驗證人臉圖像的輪廓區(qū)域進行修正，得到敏感輪廓區(qū)域；
9、s23、為敏感輪廓區(qū)域生成敏感比對系數(shù)。
10、上述進一步方案的有益效果是：在本專利技術中，灰度積分投影法的主要原理是對人臉灰度圖像在水平和垂直方向上分別進行灰度積分投影，根據(jù)積分投影圖的凹凸特征來大致確定人臉區(qū)域
11、進一步地，s21中，驗證人臉圖像中第個像素點的重疊系數(shù)的計算公式為：
12、；
13、式中，表示驗證人臉圖像中第個像素點的灰度值，表示驗證人臉圖像中第個像素點的灰度值，表示驗證人臉圖像中第個像素點的灰度值，表示求余函數(shù)。
14、進一步地，s22包括以下子步驟：
15、s221、利用灰度積分投影法提取驗證人臉圖像的輪廓區(qū)域，生成垂直灰度積分向量和水平灰度積分向量；
16、s222、利用垂直灰度積分向量的歐幾里得范數(shù)和水平灰度積分向量的歐幾里得范數(shù)，生成分布特征范圍；
17、s223、剔除輪廓區(qū)域中重疊系數(shù)不屬于分布特征范圍的像素點，得到敏感輪廓區(qū)域。
18、上述進一步方案的有益效果是：在本專利技術中，通過計算垂直灰度積分向量和水平灰度積分向量的歐幾里得范數(shù)，可以將輪廓特征量化為具體的數(shù)值。生成分布特征范圍有助于確定哪些像素點的重疊系數(shù)是合理的，哪些可能是噪聲或干擾因素導致的異常值，為后續(xù)剔除不符合范圍的像素點提供了依據(jù)。通過剔除不屬于分布特征范圍的像素點，可以進一步減少輪廓區(qū)域中的噪聲和干擾因素，提高輪廓的精確度。
19、灰度積分投影法通過對圖像在某一方向（通常是水平或垂直方向）上的灰度值進行積分投影，來揭示圖像在該方向上的灰度分布特征。因此，垂直灰度積分向量是通過對圖像的每一列進行灰度值求和而得到的一維數(shù)組；水平灰度積分向量是通過對圖像的每一行進行灰度值求和而得到一維數(shù)組。
20、進一步地，s222中，分布特征范圍的上限的計算公式為：
21、；
22、式中，表示水平灰度積分向量的歐幾里得范數(shù)，表示垂直灰度積分向量的歐幾里得范數(shù)；
23、s222中，分布特征范圍的下限的計算公式為：
24、。
25、進一步地，s23包括以下子步驟：
26、s231、提取敏感輪廓區(qū)域的凸包；
27、s232、提取凸包與敏感輪廓區(qū)域的距離；
28、s233、根據(jù)凸包與敏感輪廓區(qū)域的距離，計算敏感比對系數(shù)。
29、上述進一步方案的有益效果是：在本專利技術中，凸包指輪廓的最小外接凸多邊形，凸包可以反映圖像中對象的輪廓形狀和邊界的凸凹程度。凸包與原始輪廓之間的距離可以通過計算每個輪廓點到其最近凸包角點的距離再求和來得到，這個距離反映了輪廓的平滑度和凸包的逼近程度。通過計算凸包與敏感輪廓區(qū)域的距離，可以量化兩者之間的形狀差異。這為后續(xù)的比對和識別提供了可靠的依據(jù)。
30、進一步地，s233中，敏感比對系數(shù)的計算公式為：
31、；
32、式中，表示凸包與敏感輪廓區(qū)域的距離，表示敏感輪廓區(qū)域的周長，表示自然對數(shù)的底數(shù)。
33、進一步地，s3中，計算驗證人臉圖像與人臉數(shù)據(jù)庫中每張標準圖像之間的巴氏距離，將巴氏距離與敏感比對系數(shù)取均值，得到每張標準圖像的最終相似度，若存在最終相似度大于或等于閾值的標準圖像，則乘客的識別結果為通過，否則乘客的識別結果為不通過。
34、本專利技術的有益效果是：本專利技術利用所有像素點的重疊系數(shù)對驗證人臉圖像的輪廓區(qū)域進行修正，可以得到更加精確的敏感輪廓區(qū)域，通過修正輪廓區(qū)域，可以減少因圖像噪聲和光照變化等因素導致的特征失真，從而提高驗證的準確性；敏感比對系數(shù)和巴氏距離可以反映敏感輪廓區(qū)域與人臉數(shù)據(jù)庫中每張標準圖像的相似程度，可以更加準確地判斷驗證人臉圖像與人臉數(shù)據(jù)庫中的人臉是否一致。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種乘客人臉自動識別方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的乘客人臉自動識別方法，其特征在于，所述S2包括以下子步驟：
3.根據(jù)權利要求2所述的乘客人臉自動識別方法，其特征在于，所述S21中，驗證人臉圖像中第個像素點的重疊系數(shù)的計算公式為：
4.根據(jù)權利要求2所述的乘客人臉自動識別方法，其特征在于，所述S22包括以下子步驟：
5.根據(jù)權利要求4所述的乘客人臉自動識別方法，其特征在于，所述S222中，分布特征范圍的上限的計算公式為：
6.根據(jù)權利要求2所述的乘客人臉自動識別方法，其特征在于，所述S23包括以下子步驟：
7.根據(jù)權利要求6所述的乘客人臉自動識別方法，其特征在于，所述S233中，敏感比對系數(shù)的計算公式為：
8.根據(jù)權利要求1所述的乘客人臉自動識別方法，其特征在于，所述S3中，計算驗證人臉圖像與人臉數(shù)據(jù)庫中每張標準圖像之間的巴氏距離，將巴氏距離與敏感比對系數(shù)取均值，得到每張標準圖像的最終相似度，若存在最終相似度大于或等于閾值的標準圖像，則乘客的識別結果為通過，否則乘客
...【技術特征摘要】
1.一種乘客人臉自動識別方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的乘客人臉自動識別方法，其特征在于，所述s2包括以下子步驟：
3.根據(jù)權利要求2所述的乘客人臉自動識別方法，其特征在于，所述s21中，驗證人臉圖像中第個像素點的重疊系數(shù)的計算公式為：
4.根據(jù)權利要求2所述的乘客人臉自動識別方法，其特征在于，所述s22包括以下子步驟：
5.根據(jù)權利要求4所述的乘客人臉自動識別方法，其特征在于，所述s222中，分布特征范圍的上限的計算公式為：
【專利技術屬性】
技術研發(fā)人員：楊菲，紀佳李，
申請(專利權)人：成都航空職業(yè)技術學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。