CN105184261A - 基于大数据处理的快速视频人脸识别方法 - Google Patents
基于大数据处理的快速视频人脸识别方法 Download PDFInfo
- Publication number
- CN105184261A CN105184261A CN201510577530.7A CN201510577530A CN105184261A CN 105184261 A CN105184261 A CN 105184261A CN 201510577530 A CN201510577530 A CN 201510577530A CN 105184261 A CN105184261 A CN 105184261A
- Authority
- CN
- China
- Prior art keywords
- judged result
- result
- bunch
- yes
- perform step
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 230000001815 facial effect Effects 0.000 claims description 146
- 210000003128 head Anatomy 0.000 claims description 73
- 230000000977 initiatory effect Effects 0.000 claims description 48
- 238000004891 communication Methods 0.000 claims description 19
- 210000004209 hair Anatomy 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
基于大数据处理的快速视频人脸识别方法，涉及视频人脸识别领域。是为了解决现有的人脸识别方法的识别速度慢、识别准确性低的问题。本发明通过建立人脸识别数据库，通过图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；并将所有人像均生成一个局部人脸特征串行数据，并分散存储在不同的存储器中。在需要进行人脸识别时，通过采集人脸图像，并将采集到的人脸图像生成对应的局部人脸特征串行数据，并按级别进行匹配识别。本发明适用于快速人脸识别。
Description
技术领域
本发明涉及视频人脸识别领域。
背景技术
生物特征识别技术在近年来广泛用于安防领域，其中的人脸识别技术作为其中一项高效的手段也被广泛研究。人脸识别技术相对于其它的生物识别技术，如虹膜识别、指纹识别等，由于友好、方便等特点，成为研究和使用的热点。对于人脸识别技术，当前研究的主要方向，其一是准确度；
对于普通的人脸识别，目前国内外的研究已较好的解决了这个问题，如：黄福、潘广贞等人在2010年在《电子测试》上公开的《基于多角度照片的真实感三维人脸建模的研究》；
赵晓刚等在2009年在《计算机与数字工程》上公开的《特定三维人脸建模方法综述》等等。
但是对于较多的特例，如多胞胎人脸识别、模糊人脸识别等，其准确度仍然不高。
另一个重要的因素是：识别速度。
目前，对于人脸图像识别速度依赖于计算机的运行能力，对于海量数据而言，目前的识别速度耗时也较长，这些都严重阻碍了如安防、刑侦工作的速度和质量。
发明内容
本发明是为了解决现有的人脸识别方法的识别速度慢、识别准确性低的问题，从而提供基于大数据处理的快速视频人脸识别方法。
基于大数据处理的快速视频人脸识别方法，它包括以下步骤：
步骤一、建立人脸识别数据库；所述数据库包括图像数据库和P个子数据库，所述P为正整数；所述P个子数据库分别嵌入P个的存储器中；
所述图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；
每个子数据库中用于储存局部人脸特征串行数据，每个子数据库中的每个局部人脸特征串行数据的获得方法是：
步骤A1、读取图像数据库中的一幅人脸图像；
步骤A2、以人脸图像上的人脸两眉之间中心的像素为原点，以水平方向为X轴，以竖直方向为Y轴，以垂直X轴和Y轴形成的平面方向为Z轴建立三维直角坐标系；并确定人脸图像上左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY、ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）和右眉中心位置像素坐标（LbX，LbY，LbZ）；
步骤A3、将人脸图像转化为灰度图，逐一将灰度图中每个像素点的灰度值与预设的灰度阈值进行比较，将大于预设的灰度阈值的像素点置“1”，并命名为显著点；将不大于标准值的像素点置“0”；
步骤A4、逐一将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格，并判断该九宫格内的其它八个点中是否存在有显著点；如果判断结果为是，则将该显著点命名为有效像素点，执行步骤A5；如果判断结果为否，则将该显著点置“0”；
步骤A5、将有效像素点围合的区域记为特征区域，共获得X个特征区域，X为正整数；
步骤A6、对于每个特征区域，给出每个像素的坐标（TX，TY，TZ），并逐一判断每个像素的坐标是否与左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）完全相同，如果判断结果为是，则执行步骤A7；如果判断结果为否，则执行步骤A9；
步骤A7、对包含有左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）之一的特征区域的边缘进行曲线拟合，获得每个特征区域轮廓曲线；
步骤A8、对于步骤A7中的特征区域，判断该轮廓曲线与其最相近的轴对称图形或中心对称图形的相似度，并判断该相似度是否大于预设的相似度阈值，如果判断结果为是，则对该特征区域内的所有像素置“0”；如果判断结果为否，则执行步骤A9；
步骤A9、逐一判断特征区域内的每个像素的Z轴坐标值是否大于设定的阈值，如果判断结果为是，则将该特征区域内的所有像素置“0”，如果判断结果为否，则剩余的全部V1特征区域按包含像素的多少进行排列，V1小于或等于V，并依此设置为i级人脸局部特征区域；i=1、2、……V1，然后执行步骤A10；
步骤A10、逐一将步骤A9中的V1个图像中的每个人脸局部特征区域的图像转换为对应的二进制数据组，且将该V1个数据组按照级别的大小组装在一起，获得局部人脸特征串行数据，相邻两个数据组之间用标志位隔开；
第1级人脸局部特征区域为级别最大；第V1级人脸局部特征区域为级别最小；
步骤A11、将步骤A10中的局部人脸特征串行数据存入其中一个子数据库中；
步骤二、将P个的存储器分别配置P个无线通信装置，形成P个无线接入点AP；并将P个无线接入点AP组网，具体方法是：
步骤B1、将位于同一通信小区内的C个无线接入点AP构成一个簇，C为正整数，在该簇内，各无线接入点AP共同推选一个无线接入点AP作为簇头，其它C-1个无线接入点AP为簇成员；
各通信小区中簇的簇头能够相互通信，位于不同簇内的簇成员不能相互通信；
将图像数据库配置一个无线通信装置；形成图像数据库无线接入点，所述图像数据库无线接入点能够与各通信小区中的每个无线接点AP相互通信；
步骤三、采集待识别的人脸图像，将所述待识别人脸图像按照上述步骤A1至步骤A10的方法进行处理，获得待识别局部人脸特征串行数据；
步骤四、将步骤三获得的待识别局部人脸特征串行数据输入其中一个无线接入点AP，将该无线接入点AP记为发起无线接入点AP，并执行步骤C1；
步骤C1、将所述待识别局部人脸特征串行数据在发起无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断为是，则读取图像数据库中无线接入点中的对应人脸图像，将该人脸图像作为当前次识别结果输出；如果判断结果为否，则执行步骤C2；
步骤C2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在当前无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤C3；如果判断结果为否，则执行步骤五；
步骤C3、判断匹配结果的数量是否为1；如果判断结果为是，则执行步骤C4；如果判断结果为否，则执行步骤C5；
步骤C4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤五；如果判断结果为否，则返回执行步骤C2；
步骤C5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤C6；如果判断结果为否，则执行步骤C7；
步骤C6、将该识别到的局部人脸特征串行数据作为人脸识别结果，并生成第二级结果识别包，并执行步骤八；
步骤C7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，生成第三级结果识别包，并执行步骤八；
步骤五、发起点无线接入点AP向其所在簇的簇头发送广播请求信号，将所述簇头记为发起簇头，发起点无线接入点AP判断在设定时间周期内是否收到来自发起簇头的识别结果，如果判断结果为是，则执行步骤八，如果判断结果为否，则执行步骤九；
发起簇头在时间周期内，顺次执行步骤D1至D7：
步骤D1、将待识别局部人脸特征串行数据在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为否，则执行步骤D2；如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并发送给发起点无线接入点AP，并结束该次人脸识别；
步骤D2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤D3；如果判断结果为否，则执行步骤六；
步骤D3、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤D4；如果判断结果为是，则执行步骤D5；
步骤D4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤六；如果判断结果为否，则返回执行步骤D2；
步骤D5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤D6；如果判断结果为否，则执行步骤D7；
步骤D6、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并生成第二级结果识别包，执行步骤七；
步骤D7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并生成第三级结果识别包，执行步骤七；
步骤六、发起簇头在向各簇头广播来自发起无线接入点AP的广播数据包，等待一个时间周期；
步骤E1、各簇头将待识别局部人脸特征串行数据在该簇内广播；在一个时间周期下，该簇内的每个无线接入点AP，均执行步骤E2至步骤E8；
步骤E2、每个无线接入点AP将待识别局部人脸特征串行数据在各自的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并向其所在簇的簇头发送第一级结果识别包，并执行步骤E9；如果判断结果为否，则执行步骤E3；
步骤E3、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在该各自的子数据库中的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断结果为是，则执行步骤E4；如果判断结果为否，则结束该时间周期下的人脸识别；
步骤E4、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤E5；如果判断结果为是，则执行步骤E6；
步骤E5、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为否，则返回执行步骤E2；如果判断结果为是，则结束该时间周期下的人脸识别；
步骤E6、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤E7；如果判断结果为否，则执行步骤E8；
步骤E7、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并向该簇的簇头发送第二级结果识别包，并执行步骤E9；
步骤E8、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并发送给并向该簇的簇头发送第三级结果识别包，执行步骤E9；
步骤E9、该簇的簇头接收来自各无线接入点AP的第一级结果识别包、第二结果识别包或第三级结果识别包，并判断是否存在第一级结果识别包，如果判断结果为是，则将该第一级结果识别包发送给发起簇头；如果判断结果为否，则执行步骤E10；
步骤E10、该簇的簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤E12；如果判断结果为是，则执行步骤E11；
步骤E11、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起簇头；并执行步骤七；
步骤E12、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤E14；如果判断结果为是，则执行步骤E13；
步骤E13、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起簇头；并执行步骤七；
步骤E14、结束该时间周期下的人脸识别；
步骤七、发起簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤F2；如果判断结果为是，则执行步骤F1；
步骤F1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤F4；如果判断结果为是，则执行步骤F3；
步骤F3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F4、结束该时间周期下的人脸识别；
步骤八、发起无线接入点AP判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤G2；如果判断结果为是，则执行步骤G1；
步骤G1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包作为识别结果输出；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包输出；
步骤G2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤G4；如果判断结果为是，则执行步骤G3；
步骤G3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包输出；
步骤F4、结束该时间周期下的人脸识别；
步骤九、将步骤C6或步骤C7获得的识别结果作为最终识别结果输出。
本发明通过建立人脸识别数据库，通过图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；并将所有人像均生成一个局部人脸特征串行数据，并分散存储在不同的存储器中。在需要进行人脸识别时，通过采集人脸图像，并将采集到的人脸图像生成对应的局部人脸特征串行数据，并按级别进行匹配识别。
经验证，本发明相比于现有的人脸识别方法的识别速度提高了近一倍，在截取特征量最大时，识别准确性接近99%。
附图说明
图1是本发明的流程示意图；
图2是本发明的各簇间通信原理示意图；图中XQ表示小区；101为簇头。
具体实施方式
具体实施方式一、基于大数据处理的快速视频人脸识别方法，它包括以下步骤：
步骤一、建立人脸识别数据库；所述数据库包括图像数据库和P个子数据库，所述P为正整数；所述P个子数据库分别嵌入P个的存储器中；
所述图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；
每个子数据库中用于储存局部人脸特征串行数据，每个子数据库中的每个局部人脸特征串行数据的获得方法是：
步骤A1、读取图像数据库中的一幅人脸图像；
步骤A2、以人脸图像上的人脸两眉之间中心的像素为原点，以水平方向为X轴，以竖直方向为Y轴，以垂直X轴和Y轴形成的平面方向为Z轴建立三维直角坐标系；并确定人脸图像上左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY、ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）和右眉中心位置像素坐标（LbX，LbY，LbZ）；
步骤A3、将人脸图像转化为灰度图，逐一将灰度图中每个像素点的灰度值与预设的灰度阈值进行比较，将大于预设的灰度阈值的像素点置“1”，并命名为显著点；将不大于标准值的像素点置“0”；
步骤A4、逐一将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格，并判断该九宫格内的其它八个点中是否存在有显著点；如果判断结果为是，则将该显著点命名为有效像素点，执行步骤A5；如果判断结果为否，则将该显著点置“0”；
步骤A5、将有效像素点围合的区域记为特征区域，共获得X个特征区域，X为正整数；
步骤A6、对于每个特征区域，给出每个像素的坐标（TX，TY，TZ），并逐一判断每个像素的坐标是否与左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）完全相同，如果判断结果为是，则执行步骤A7；如果判断结果为否，则执行步骤A9；
步骤A7、对包含有左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）之一的特征区域的边缘进行曲线拟合，获得每个特征区域轮廓曲线；
步骤A8、对于步骤A7中的特征区域，判断该轮廓曲线与其最相近的轴对称图形或中心对称图形的相似度，并判断该相似度是否大于预设的相似度阈值，如果判断结果为是，则对该特征区域内的所有像素置“0”；如果判断结果为否，则执行步骤A9；
步骤A9、逐一判断特征区域内的每个像素的Z轴坐标值是否大于设定的阈值，如果判断结果为是，则将该特征区域内的所有像素置“0”，如果判断结果为否，则剩余的全部V1特征区域按包含像素的多少进行排列，V1小于或等于V，并依此设置为i级人脸局部特征区域；i=1、2、……V1，然后执行步骤A10；
步骤A10、逐一将步骤A9中的V1个图像中的每个人脸局部特征区域的图像转换为对应的二进制数据组，且将该V1个数据组按照级别的大小组装在一起，获得局部人脸特征串行数据，相邻两个数据组之间用标志位隔开；
第1级人脸局部特征区域为级别最大；第V1级人脸局部特征区域为级别最小；
步骤A11、将步骤A10中的局部人脸特征串行数据存入其中一个子数据库中；
步骤二、将P个的存储器分别配置P个无线通信装置，形成P个无线接入点AP；并将P个无线接入点AP组网，具体方法是：
步骤B1、将位于同一通信小区内的C个无线接入点AP构成一个簇，C为正整数，在该簇内，各无线接入点AP共同推选一个无线接入点AP作为簇头，其它C-1个无线接入点AP为簇成员；
各通信小区中簇的簇头能够相互通信，位于不同簇内的簇成员不能相互通信；
将图像数据库配置一个无线通信装置；形成图像数据库无线接入点，所述图像数据库无线接入点能够与各通信小区中的每个无线接点AP相互通信；
步骤三、采集待识别的人脸图像，将所述待识别人脸图像按照上述步骤A1至步骤A10的方法进行处理，获得待识别局部人脸特征串行数据；
步骤四、将步骤三获得的待识别局部人脸特征串行数据输入其中一个无线接入点AP，将该无线接入点AP记为发起无线接入点AP，并执行步骤C1；
步骤C1、将所述待识别局部人脸特征串行数据在发起无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断为是，则读取图像数据库中无线接入点中的对应人脸图像，将该人脸图像作为当前次识别结果输出；如果判断结果为否，则执行步骤C2；
步骤C2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在当前无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤C3；如果判断结果为否，则执行步骤五；
步骤C3、判断匹配结果的数量是否为1；如果判断结果为是，则执行步骤C4；如果判断结果为否，则执行步骤C5；
步骤C4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤五；如果判断结果为否，则返回执行步骤C2；
步骤C5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤C6；如果判断结果为否，则执行步骤C7；
步骤C6、将该识别到的局部人脸特征串行数据作为人脸识别结果，并生成第二级结果识别包，并执行步骤八；
步骤C7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，生成第三级结果识别包，并执行步骤八；
步骤五、发起点无线接入点AP向其所在簇的簇头发送广播请求信号，将所述簇头记为发起簇头，发起点无线接入点AP判断在设定时间周期内是否收到来自发起簇头的识别结果，如果判断结果为是，则执行步骤八，如果判断结果为否，则执行步骤九；
发起簇头在时间周期内，顺次执行步骤D1至D7：
步骤D1、将待识别局部人脸特征串行数据在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为否，则执行步骤D2；如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并发送给发起点无线接入点AP，并结束该次人脸识别；
步骤D2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤D3；如果判断结果为否，则执行步骤六；
步骤D3、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤D4；如果判断结果为是，则执行步骤D5；
步骤D4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤六；如果判断结果为否，则返回执行步骤D2；
步骤D5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤D6；如果判断结果为否，则执行步骤D7；
步骤D6、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并生成第二级结果识别包，执行步骤七；
步骤D7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并生成第三级结果识别包，执行步骤七；
步骤六、发起簇头在向各簇头广播来自发起无线接入点AP的广播数据包，等待一个时间周期；
步骤E1、各簇头将待识别局部人脸特征串行数据在该簇内广播；在一个时间周期下，该簇内的每个无线接入点AP，均执行步骤E2至步骤E8；
步骤E2、每个无线接入点AP将待识别局部人脸特征串行数据在各自的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并向其所在簇的簇头发送第一级结果识别包，并执行步骤E9；如果判断结果为否，则执行步骤E3；
步骤E3、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在该各自的子数据库中的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断结果为是，则执行步骤E4；如果判断结果为否，则结束该时间周期下的人脸识别；
步骤E4、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤E5；如果判断结果为是，则执行步骤E6；
步骤E5、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为否，则返回执行步骤E2；如果判断结果为是，则结束该时间周期下的人脸识别；
步骤E6、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤E7；如果判断结果为否，则执行步骤E8；
步骤E7、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并向该簇的簇头发送第二级结果识别包，并执行步骤E9；
步骤E8、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并发送给并向该簇的簇头发送第三级结果识别包，执行步骤E9；
步骤E9、该簇的簇头接收来自各无线接入点AP的第一级结果识别包、第二结果识别包或第三级结果识别包，并判断是否存在第一级结果识别包，如果判断结果为是，则将该第一级结果识别包发送给发起簇头；如果判断结果为否，则执行步骤E10；
步骤E10、该簇的簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤E12；如果判断结果为是，则执行步骤E11；
步骤E11、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起簇头；并执行步骤七；
步骤E12、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤E14；如果判断结果为是，则执行步骤E13；
步骤E13、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起簇头；并执行步骤七；
步骤E14、结束该时间周期下的人脸识别；
步骤七、发起簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤F2；如果判断结果为是，则执行步骤F1；
步骤F1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤F4；如果判断结果为是，则执行步骤F3；
步骤F3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F4、结束该时间周期下的人脸识别；
步骤八、发起无线接入点AP判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤G2；如果判断结果为是，则执行步骤G1；
步骤G1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包作为识别结果输出；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包输出；
步骤G2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤G4；如果判断结果为是，则执行步骤G3；
步骤G3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包输出；
步骤F4、结束该时间周期下的人脸识别；
步骤九、将步骤C6或步骤C7获得的识别结果作为最终识别结果输出。
本实施方式中，步骤A2中确定人脸图像上左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）和右眉中心位置像素坐标（LbX，LbY，LbZ）的方法是：
对于左眼中心位置像素坐标（LeX，LeY，LeZ）和右眼中心位置像素坐标（ReX，ReY，ReZ）均选取眼球的中心位置做为左眼或右眼中心；鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）和右眉中心位置像素坐标（LbX，LbY，LbZ）均选取其最左和最右面两点的连线与最上和最下面两点的连线的交点，作为其中心位置。
本实施方式中，步骤A3和步骤A4选取有效像素点还可以采用下面的方式：
步骤H1、以任意像素点为中心扩展出本地区域和本地背景，对本地背景进行区域划分，使得本地背景构成九宫格，本地区域位于本地背景构成的九宫格的中心位置，利用本地区域和本地背景的灰度对比，得到像素点的显著值；
步骤H2、通过步骤H1获得原始图像中的所有像素点所对应的显著值，然后将原始人图像中的每个像素点所对应的显著值替换该像素点所对应的灰度值，获得显著度图；
步骤H3、将显著值高于设定阈值T的位置作为候选目标。
本实施方式中，采用多个子数据库的方式将人脸局部特征的信息进行存储，并在识别时以网络分级的方式进行识别，这种方式将计算量分散于不同的与数据库连接的服务器，同一时间进行分布式识别，并将信息进行筛选反馈，最后得到识别结果。该方式改变了现有的图像识别模式，识别速度得以大幅度的提高。
本实施方式中，采用网络分簇的方式通信数据通信，这种方式能够严密的组织网络节点不发生脱网的情况。由簇头控制一个簇内的节点的存活状态，确保每个节点都具备数据通信功能。这种识别将最大程度的使识别不被遗漏，确保一次识别能够进行最大量的数据匹配，保证识别结果的准确性。
具体实施方式二、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤B1中，各簇中C无线接入点AP共同推选一个无线接入点AP作为簇头的原则为：预设的安防级别最高的无线接入点AP为簇头。
本实施方式具体应用场景如公安系统中，各子服务器设置在各级别的公安局内，用于存入辖区内人员的局部人脸特征串行数据。推选安放级别最高的公安系统的服务器（如公安总局）作为簇头。
具体实施方式三、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤五中，广播请求信号中的信息包括发起无线接入点AP的ID和待识别局部人脸特征串行数据。
具体实施方式四、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤C6中所述的第二级结果识别包中的信息包括该无线接入点AP的ID、识别到的局部人脸特征串行数据、识别级别和Q值。
具体实施方式五、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤C7中所述的第三级结果识别包中的信息包括该无线接入点AP的ID、识别到的局部人脸特征串行数据、识别级别和Q值。
具体实施方式六、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤A3中，将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格的方法为：
将显著点与最邻近的上、右上、右、右下、下、左下、左和左上共八个像素点形成三乘3的阵列。
具体实施方式七、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤A9中，所述设定的阈值为0.1。
具体实施方式八、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤A9中、将剩余的全部V1特征区域按包含像素的多少进行排列之后，进行如下操作：
步骤I1、判断剩余全部V1特征区域的数量是否超过设定值；如果判断结果为是，则I2；如果判断结果为否，则执行步骤A10；
步骤I2、截取前Q1个特征区域，并将其它特征区域置0；并执行步骤A10。
具体实施方式九、本具体方式与具体实施方式八所述的基于大数据处理的快速视频人脸识别方法的区别在于，Q1=30。
本实施方式将30个特征区域作为参数进行人脸识别，速度可进一步提高。适用于精度要求相对较低的人脸识别场合。
具体实施方式十、本具体方式与具体实施方式一所述的基于大数据处理的快速视频人脸识别方法的区别在于，步骤A8中，所述最相近的轴对称图形或中心对称图形包括：等腰三角形、等腰梯形、长方形、菱形、正方形、椭圆形、半圆形、圆形和正多边形。
Claims (10)
1.基于大数据处理的快速视频人脸识别方法，其特征是：它包括以下步骤：
步骤一、建立人脸识别数据库；所述数据库包括图像数据库和P个子数据库，所述P为正整数；所述P个子数据库分别嵌入P个的存储器中；
所述图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；
每个子数据库中用于储存局部人脸特征串行数据，每个子数据库中的每个局部人脸特征串行数据的获得方法是：
步骤A1、读取图像数据库中的一幅人脸图像；
步骤A2、以人脸图像上的人脸两眉之间中心的像素为原点，以水平方向为X轴，以竖直方向为Y轴，以垂直X轴和Y轴形成的平面方向为Z轴建立三维直角坐标系；并确定人脸图像上左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY、ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）和右眉中心位置像素坐标（LbX，LbY，LbZ）；
步骤A3、将人脸图像转化为灰度图，逐一将灰度图中每个像素点的灰度值与预设的灰度阈值进行比较，将大于预设的灰度阈值的像素点置“1”，并命名为显著点；将不大于标准值的像素点置“0”；
步骤A4、逐一将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格，并判断该九宫格内的其它八个点中是否存在有显著点；如果判断结果为是，则将该显著点命名为有效像素点，执行步骤A5；如果判断结果为否，则将该显著点置“0”；
步骤A5、将有效像素点围合的区域记为特征区域，共获得X个特征区域，X为正整数；
步骤A6、对于每个特征区域，给出每个像素的坐标（TX，TY，TZ），并逐一判断每个像素的坐标是否与左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）完全相同，如果判断结果为是，则执行步骤A7；如果判断结果为否，则执行步骤A9；
步骤A7、对包含有左眼中心位置像素坐标（LeX，LeY，LeZ）、右眼中心位置像素坐标（ReX，ReY，ReZ）、鼻子中心位置像素坐标（NX，NY，NZ）、嘴中心位置像素坐标（MX，MY，MZ）、左眉中心位置像素坐标（LbX，LbY，LbZ）或右眉中心位置像素坐标（LbX，LbY，LbZ）之一的特征区域的边缘进行曲线拟合，获得每个特征区域轮廓曲线；
步骤A8、对于步骤A7中的特征区域，判断该轮廓曲线与其最相近的轴对称图形或中心对称图形的相似度，并判断该相似度是否大于预设的相似度阈值，如果判断结果为是，则对该特征区域内的所有像素置“0”；如果判断结果为否，则执行步骤A9；
步骤A9、逐一判断特征区域内的每个像素的Z轴坐标值是否大于设定的阈值，如果判断结果为是，则将该特征区域内的所有像素置“0”，如果判断结果为否，则剩余的全部V1特征区域按包含像素的多少进行排列，V1小于或等于V，并依此设置为i级人脸局部特征区域；i=1、2、……V1，然后执行步骤A10；
步骤A10、逐一将步骤A9中的V1个图像中的每个人脸局部特征区域的图像转换为对应的二进制数据组，且将该V1个数据组按照级别的大小组装在一起，获得局部人脸特征串行数据，相邻两个数据组之间用标志位隔开；
第1级人脸局部特征区域为级别最大；第V1级人脸局部特征区域为级别最小；
步骤A11、将步骤A10中的局部人脸特征串行数据存入其中一个子数据库中；
步骤二、将P个的存储器分别配置P个无线通信装置，形成P个无线接入点AP；并将P个无线接入点AP组网，具体方法是：
步骤B1、将位于同一通信小区内的C个无线接入点AP构成一个簇，C为正整数，在该簇内，各无线接入点AP共同推选一个无线接入点AP作为簇头，其它C-1个无线接入点AP为簇成员；
各通信小区中簇的簇头能够相互通信，位于不同簇内的簇成员不能相互通信；
将图像数据库配置一个无线通信装置；形成图像数据库无线接入点，所述图像数据库无线接入点能够与各通信小区中的每个无线接点AP相互通信；
步骤三、采集待识别的人脸图像，将所述待识别人脸图像按照上述步骤A1至步骤A10的方法进行处理，获得待识别局部人脸特征串行数据；
步骤四、将步骤三获得的待识别局部人脸特征串行数据输入其中一个无线接入点AP，将该无线接入点AP记为发起无线接入点AP，并执行步骤C1；
步骤C1、将所述待识别局部人脸特征串行数据在发起无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断为是，则读取图像数据库中无线接入点中的对应人脸图像，将该人脸图像作为当前次识别结果输出；如果判断结果为否，则执行步骤C2；
步骤C2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在当前无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤C3；如果判断结果为否，则执行步骤五；
步骤C3、判断匹配结果的数量是否为1；如果判断结果为是，则执行步骤C4；如果判断结果为否，则执行步骤C5；
步骤C4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤五；如果判断结果为否，则返回执行步骤C2；
步骤C5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤C6；如果判断结果为否，则执行步骤C7；
步骤C6、将该识别到的局部人脸特征串行数据作为人脸识别结果，并生成第二级结果识别包，并执行步骤八；
步骤C7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，生成第三级结果识别包，并执行步骤八；
步骤五、发起点无线接入点AP向其所在簇的簇头发送广播请求信号，将所述簇头记为发起簇头，发起点无线接入点AP判断在设定时间周期内是否收到来自发起簇头的识别结果，如果判断结果为是，则执行步骤八，如果判断结果为否，则执行步骤九；
发起簇头在时间周期内，顺次执行步骤D1至D7：
步骤D1、将待识别局部人脸特征串行数据在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为否，则执行步骤D2；如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并发送给发起点无线接入点AP，并结束该次人脸识别；
步骤D2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤D3；如果判断结果为否，则执行步骤六；
步骤D3、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤D4；如果判断结果为是，则执行步骤D5；
步骤D4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤六；如果判断结果为否，则返回执行步骤D2；
步骤D5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤D6；如果判断结果为否，则执行步骤D7；
步骤D6、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并生成第二级结果识别包，执行步骤七；
步骤D7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并生成第三级结果识别包，执行步骤七；
步骤六、发起簇头在向各簇头广播来自发起无线接入点AP的广播数据包，等待一个时间周期；
步骤E1、各簇头将待识别局部人脸特征串行数据在该簇内广播；在一个时间周期下，该簇内的每个无线接入点AP，均执行步骤E2至步骤E8；
步骤E2、每个无线接入点AP将待识别局部人脸特征串行数据在各自的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并向其所在簇的簇头发送第一级结果识别包，并执行步骤E9；如果判断结果为否，则执行步骤E3；
步骤E3、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为1；并在该各自的子数据库中的子数据库中进行匹配，并判断是否有匹配的局部人脸特征串行数据，如果判断结果为是，则执行步骤E4；如果判断结果为否，则结束该时间周期下的人脸识别；
步骤E4、判断匹配结果的数量是否为1；如果判断结果为否，则执行步骤E5；如果判断结果为是，则执行步骤E6；
步骤E5、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为否，则返回执行步骤E2；如果判断结果为是，则结束该时间周期下的人脸识别；
步骤E6、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤E7；如果判断结果为否，则执行步骤E8；
步骤E7、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并向该簇的簇头发送第二级结果识别包，并执行步骤E9；
步骤E8、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并发送给并向该簇的簇头发送第三级结果识别包，执行步骤E9；
步骤E9、该簇的簇头接收来自各无线接入点AP的第一级结果识别包、第二结果识别包或第三级结果识别包，并判断是否存在第一级结果识别包，如果判断结果为是，则将该第一级结果识别包发送给发起簇头；如果判断结果为否，则执行步骤E10；
步骤E10、该簇的簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤E12；如果判断结果为是，则执行步骤E11；
步骤E11、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起簇头；并执行步骤七；
步骤E12、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤E14；如果判断结果为是，则执行步骤E13；
步骤E13、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起簇头；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起簇头；并执行步骤七；
步骤E14、结束该时间周期下的人脸识别；
步骤七、发起簇头判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤F2；如果判断结果为是，则执行步骤F1；
步骤F1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤F4；如果判断结果为是，则执行步骤F3；
步骤F3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包发送给发起无线接入点AP；并执行步骤八；
步骤F4、结束该时间周期下的人脸识别；
步骤八、发起无线接入点AP判断是否存在第二级结果识别包，如果判断结果为否，则执行步骤G2；如果判断结果为是，则执行步骤G1；
步骤G1、判断该第二级结果识别包的数量是否为1；如果判断结果为是，则将该第二级结果识别包作为识别结果输出；如果判断结果为否，则比较第二级结果识别包中的Q值，并将Q值最大的第二级结果识别包输出；
步骤G2、该簇的簇头判断是否存在第三级结果识别包，如果判断结果为否，则执行步骤G4；如果判断结果为是，则执行步骤G3；
步骤G3、判断该第三级结果识别包的数量是否为1；如果判断结果为是，则将该第三级结果识别包发送给发起无线接入点AP；如果判断结果为否，则比较第三级结果识别包中的Q值，并将Q值最大的第三级结果识别包输出；
步骤F4、结束该时间周期下的人脸识别；
步骤九、将步骤C6或步骤C7获得的识别结果作为最终识别结果输出。
2.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤B1中，各簇中C个无线接入点AP共同推选一个无线接入点AP作为簇头的原则为：预设的安防级别最高的无线接入点AP为簇头。
3.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤五中，广播请求信号中的信息包括发起无线接入点AP的ID和待识别局部人脸特征串行数据。
4.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤C6中所述的第二级结果识别包中的信息包括该无线接入点AP的ID、识别到的局部人脸特征串行数据、识别级别和Q值。
5.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤C7中所述的第三级结果识别包中的信息包括该无线接入点AP的ID、识别到的局部人脸特征串行数据、识别级别和Q值。
6.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤A3中，将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格的方法为：
将显著点与最邻近的上、右上、右、右下、下、左下、左和左上共八个像素点形成3×3的阵列。
7.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤A9中，所述设定的阈值为0.1。
8.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤A9中、将剩余的全部V1特征区域按包含像素的多少进行排列之后，进行如下操作：
步骤I1、判断剩余全部V1特征区域的数量是否超过设定值；如果判断结果为是，则I2；如果判断结果为否，则执行步骤A10；
步骤I2、截取前Q1个特征区域，并将其它特征区域置0；并执行步骤A10。
9.根据权利要求8所述的基于大数据处理的快速视频人脸识别方法，其特征在于Q1=30。
10.根据权利要求1所述的基于大数据处理的快速视频人脸识别方法，其特征在于步骤A8中，所述最相近的轴对称图形或中心对称图形包括：等腰三角形、等腰梯形、长方形、菱形、正方形、椭圆形、半圆形、圆形和正多边形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510577530.7A CN105184261B (zh) | 2015-09-11 | 2015-09-11 | 基于大数据处理的快速视频人脸识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510577530.7A CN105184261B (zh) | 2015-09-11 | 2015-09-11 | 基于大数据处理的快速视频人脸识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105184261A true CN105184261A (zh) | 2015-12-23 |
| CN105184261B CN105184261B (zh) | 2016-05-18 |
Family
ID=54906330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510577530.7A Active CN105184261B (zh) | 2015-09-11 | 2015-09-11 | 基于大数据处理的快速视频人脸识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105184261B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109104494A (zh) * | 2018-09-07 | 2018-12-28 | 孙思涵 | 无线传感网络下基于dna的儿童走失或丢失定位方法及系统 |
| CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
| WO2019027766A1 (en) * | 2017-08-01 | 2019-02-07 | Motorola Solutions, Inc. | BIOMETRIC IDENTIFICATION DISTRIBUTED SYSTEM FOR MOBILE ENVIRONMENT |
| CN110929557A (zh) * | 2019-09-25 | 2020-03-27 | 四川大学锦城学院 | 一种基于活体检测的智能安防方法、系统及处理装置 |
| CN111382649A (zh) * | 2018-12-31 | 2020-07-07 | 南京拓步智能科技有限公司 | 一种基于九宫原理的人脸图像识别的系统与方法 |
| CN113239774A (zh) * | 2021-05-08 | 2021-08-10 | 重庆第二师范学院 | 一种视频人脸识别系统及方法 |
| CN115050131A (zh) * | 2022-08-15 | 2022-09-13 | 珠海翔翼航空技术有限公司 | 基于人脸特征摘要和云映射的机场权限设置方法、系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329722A (zh) * | 2007-06-21 | 2008-12-24 | 上海北控智能科技有限公司 | 基于神经网络进行识别的算法的人脸识别方法 |
| CN101510255A (zh) * | 2009-03-30 | 2009-08-19 | 北京中星微电子有限公司 | 一种识别定位人脸器官的方法、装置和视频处理芯片 |
| CN101819628A (zh) * | 2010-04-02 | 2010-09-01 | 清华大学 | 结合形状特征的稀疏表示人脸识别方法 |
| CN102147862A (zh) * | 2011-05-26 | 2011-08-10 | 电子科技大学 | 一种基于生存指数熵的人脸特征提取方法 |
-
2015
- 2015-09-11 CN CN201510577530.7A patent/CN105184261B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329722A (zh) * | 2007-06-21 | 2008-12-24 | 上海北控智能科技有限公司 | 基于神经网络进行识别的算法的人脸识别方法 |
| CN101510255A (zh) * | 2009-03-30 | 2009-08-19 | 北京中星微电子有限公司 | 一种识别定位人脸器官的方法、装置和视频处理芯片 |
| CN101819628A (zh) * | 2010-04-02 | 2010-09-01 | 清华大学 | 结合形状特征的稀疏表示人脸识别方法 |
| CN102147862A (zh) * | 2011-05-26 | 2011-08-10 | 电子科技大学 | 一种基于生存指数熵的人脸特征提取方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019027766A1 (en) * | 2017-08-01 | 2019-02-07 | Motorola Solutions, Inc. | BIOMETRIC IDENTIFICATION DISTRIBUTED SYSTEM FOR MOBILE ENVIRONMENT |
| US10528713B2 (en) | 2017-08-01 | 2020-01-07 | Motorola Solutions, Inc. | Distributed biometric identification system for a mobile environment |
| GB2578074A (en) * | 2017-08-01 | 2020-04-15 | Motorola Solutions Inc | Distributed biometric identification system for a mobile environment |
| GB2578074B (en) * | 2017-08-01 | 2021-03-31 | Motorola Solutions Inc | Distributed biometric identification system for a mobile environment |
| CN109104494A (zh) * | 2018-09-07 | 2018-12-28 | 孙思涵 | 无线传感网络下基于dna的儿童走失或丢失定位方法及系统 |
| CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
| CN109271917B (zh) * | 2018-09-10 | 2021-03-02 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
| CN111382649A (zh) * | 2018-12-31 | 2020-07-07 | 南京拓步智能科技有限公司 | 一种基于九宫原理的人脸图像识别的系统与方法 |
| CN110929557A (zh) * | 2019-09-25 | 2020-03-27 | 四川大学锦城学院 | 一种基于活体检测的智能安防方法、系统及处理装置 |
| CN113239774A (zh) * | 2021-05-08 | 2021-08-10 | 重庆第二师范学院 | 一种视频人脸识别系统及方法 |
| CN115050131A (zh) * | 2022-08-15 | 2022-09-13 | 珠海翔翼航空技术有限公司 | 基于人脸特征摘要和云映射的机场权限设置方法、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105184261B (zh) | 2016-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105184261B (zh) | 基于大数据处理的快速视频人脸识别方法 | |
| CN111768336B (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
| KR102195922B1 (ko) | 인터넷에 기반하는 얼굴 미화 시스템 | |
| CN105718871B (zh) | 一种基于统计的视频主持人识别方法 | |
| CN104580143A (zh) | 一种基于手势识别的安全认证方法、终端、服务器和系统 | |
| CN105469106A (zh) | 指纹识别方法、装置及终端设备 | |
| CN108549836A (zh) | 照片的翻拍检测方法、装置、设备及可读存储介质 | |
| CN114444940B (zh) | 一种基于大数据的企业数据采集分析系统 | |
| CN104408445A (zh) | 实时人体自动检测方法 | |
| CN103996023A (zh) | 基于深度信念网络的光场人脸识别方法 | |
| CN103020655B (zh) | 一种基于单训练样本人脸识别的远程身份认证方法 | |
| CN106991448A (zh) | 一种人像比对处理方法 | |
| CN109740527B (zh) | 一种视频帧中图像处理方法 | |
| CN102063660A (zh) | 电子相片采集处理方法、客户端、服务器和系统 | |
| CN110909617A (zh) | 基于双目视觉的活体人脸检测方法及装置 | |
| CN113191300B (zh) | 用于指纹图像识别的方法、设备及计算机可读介质 | |
| CN111050027A (zh) | 镜头畸变补偿方法、装置、设备和存储介质 | |
| CN202587144U (zh) | 一种证件用电子相片采集处理系统 | |
| CN104866808B (zh) | 人眼定位方法及装置 | |
| JP2008084109A (ja) | 目開閉判定装置及び目開閉判定方法 | |
| CN110189350A (zh) | 一种瞳孔边缘的确定方法、装置及存储介质 | |
| CN111415360A (zh) | 烟叶图像切割方法、装置、设备和介质 | |
| CN107766782A (zh) | 一种年龄群体分类的方法及装置 | |
| CN115811525A (zh) | 基于分布式架构的数据交换与处理方法 | |
| JP2000306104A (ja) | 画像領域分割方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |