基于自学习预测模型的人脸识别系统及方法与流程

技术特征：
1.基于自学习预测模型的人脸识别系统，其特征在于，包括：自学习策略生成器模块、人像照片生成器模块、自动测算模块、通过率分析器模块、算法采集策略模块、算法专属人像数据库模块；自学习策略生成器模块，用于通过建立自学习策略模型生成基于人像照片的脸部不同状态下的检测项目，将各项检测项目进行独立逐一测算，测算方式为通过海量的人像照片对检测项目的标准性进行测算，将通过率最高的参数区间进行记录，其中，所有参数区间统称为适应性参数集；人像照片生成器模块，用于将各检测项目的适应性参数集进行分段性区间取值，将各检测项目的取值区间进行交叉组合生成众多幂值参数集，建立符合参数集要求的人像照片采集渠道，通过采集渠道采集符合渠道参数要求的人像照片并进行记录存储；自动测算模块，用于将采集到的人像照片推送到第三方厂商算法的接口中去进行自动测算，获得各参数集人像照片的通过率；通过率分析器模块，用于自动测算完成后将测算数据导入并进行参数平均值分析，得到最匹配的第三方厂商算法识别的人像质量照片参数集测算模型；算法采集策略模块，用于通过最匹配的人像质量照片参数集测算模型反向建立采集模型，此模型即最佳人像采集算法模型；算法专属人像数据库模块，用于通过最佳人像采集算法模型建立第三方厂商算法平台专属的人像照片采集渠道并进行人像照片数据采集，最后将采集到的人像照片转换为人像特征值进行加密存储，形成第三方算法平台的专属人像数据库。2.如权利要求1所述的基于自学习预测模型的人脸识别系统，其特征在于，人像照片的脸部不同状态下的检测项目包括：人脸真人检测、是否戴眼镜检测、左右眼睛睁合检测、戴口罩检测、人脸上下左右倾斜角度检测、人脸照片中占比及位置检测、人脸面部光线检测、面部遮挡检测、面部溢出照片检测。3.如权利要求2所述的基于自学习预测模型的人脸识别系统，其特征在于，不同参数区间的范围和检测标准如下：人脸真人检测：通过对人脸面部结构点进行捕捉，检测捕捉范围在80-150结构点范围之内为有效捕捉范围，即判定为真人照片；是否戴眼镜检测：通过对人脸面部结构点遮挡进行判断，确保眼部及眼周结构点可识别范围在80％-100％之间，则判定此人像未戴眼镜，否则判定此人像戴眼镜；左右眼睛睁合检测：通过检测上下眼睑结构点距离进行判定，若上下眼睑结构点距离小于1-3mm，且未检测到瞳孔、虹膜结构点，则判定为闭眼，否则判定为睁眼；戴口罩检测：通过检测下巴及口轮匝肌周边结构点的遮挡情况，若遮挡率达到80％-100％之间，则判定此人佩戴口罩。4.如权利要求2或3所述的基于自学习预测模型的人脸识别系统，其特征在于，不同参数区间的范围和检测标准如下：人脸上下左右倾斜角度检测：通过三维结构互联法将人像面部结构点连接后建立立体人像模型，在模型上利用水平坐标偏离法，测算人像面部结构点相对的倾斜角度，进而测算出真是人像在照片中是否发生偏离，若偏离倾斜角度大于10-25度，则判定此人像处于倾斜状态，否则判定此人像处于未倾斜状态。
人脸照片中占比及位置检测：通过图像识别技术识别人脸在照片中的位置范围，分析人脸在照片中的占比，当人脸面积小于照片面积的40％，则判定此人像处于占比异常状态。5.如权利要求4所述的基于自学习预测模型的人脸识别系统，其特征在于，不同参数区间的范围和检测标准如下：人脸面部光线检测：偏光度，色阶，色差，曝光度；面部遮挡检测：若面部结构点这档比例达到60％-80％之间，则判定为面部遮挡；面部溢出照片检测：若面部结构点完整比例小于90％，则判定此人像溢出或遮挡。6.如权利要求3所述的基于自学习预测模型的人脸识别系统，其特征在于，所述人脸真人检测的80-150结构点，可按3或5或7进行分段，其中，分为7段为：80-90、90-100、100-110、110-120、120-130、130-140、140-150。7.如权利要求1所述的基于自学习预测模型的人脸识别系统，其特征在于，所述人像照片生成器模块采集人像照片通过架设固定采集设备摄像机采集器或移动采集设备手机摄像头对实验人群的人像照片进行采集。8.如权利要求1所述的基于自学习预测模型的人脸识别系统，其特征在于，所述自动测试模块中第三方厂商算法的接口为sdk，将采集的人像照片依次通过第三方厂商算法的sdk记录人像照片的识别通过率，通过率用60％-100％区间记录；将60％-100％区间段内的人像照片删除最高通过率和最低通过率，然后进行平均值测算得出平均通过率，最后选择最接近平均通过率的人像照片参数作为人像照片参数集测算模型。9.如权利要求8所述的基于自学习预测模型的人脸识别系统，其特征在于，当第三方厂商算法sdk升级或更改后，本系统也生成新算法专属采集渠道及数据库。10.基于自学习预测模型的人脸识别方法，其特征在于，使用如权利要求1-9任意一项所述的基于自学习预测模型的人脸识别系统，包括如下步骤：a、通过建立自学习策略模型生成基于人像照片的脸部不同状态下的检测项目，将各项检测项目进行独立逐一测算，测算方式为通过海量的人像照片对检测项目的标准性进行测算，将通过率最高的参数区间进行记录，其中，所有参数区间统称为适应性参数集；b、将各检测项目的适应性参数集进行分段性区间取值，将各检测项目的取值区间进行交叉组合生成众多幂值参数集，建立符合参数集要求的人像照片采集渠道，通过采集渠道采集符合渠道参数要求的人像照片并进行记录存储；c、将采集到的人像照片推送到第三方厂商算法的接口中去进行自动测算，获得各参数集人像照片的通过率；d、自动测算完成后将测算数据导入通过率分析器模块并进行参数平均值分析，得到最匹配的第三方厂商算法识别的人像照片参数集测算模型；e、通过最匹配的人像照片参数集测算模型反向建立采集模型，此模型即最佳人像采集算法模型；f、通过最佳人像采集算法模型建立第三方厂商算法平台专属的人像照片采集渠道并进行人像照片数据采集，最后将采集到的人像照片转换为人像特征值进行加密存储，形成第三方算法平台的专属人像数据库。

技术总结
本发明提供了一种基于自学习预测模型的人脸识别系统及方法，包括：自学习策略生成器模块、人像照片生成器模块、自动测算模块、通过率分析器模块、算法采集策略模块、算法专属人像数据库模块；自学习策略生成器模块与人像照片生成器模块相结合生成多套、多类型人像照片数据库，经过自动测算模块，再通过通过率分析器模块来确定最匹配的第三方算法平台的人像质量照片参数集测算模型，并根据最匹配的人像质量照片参数集测算模型建立人像照片采集渠道，最后将采集到的人像照片转换为人像特征值进行加密存储，形成第三方算法平台的专属人像数据库。本发明提高了各算法平台使用的人像数据识别率，从根本上解决了人像采集通过率低及识别率低的问题。识别率低的问题。识别率低的问题。


技术研发人员：龚旭东 肖凡 张超
受保护的技术使用者：上海万雍科技股份有限公司
技术研发日：2022.03.04
技术公布日：2022/6/28