專利名稱：基于神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法的人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明專利涉及一種基于神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法的人臉識別方法，尤其是實(shí)現(xiàn)了一種 基于神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法的人臉識別方法的過程的準(zhǔn)確性。
背景技術(shù)：
目前，公知的在一般情況下，人臉識別的優(yōu)勢在于其自然性和不被被測個體察覺的特點(diǎn)。 所謂自然性，是指該識別方式同人類(甚至其他生物)進(jìn)行個體識別時所利用的生物特征相 同。例如人臉識別，人類也是通過觀察比較人臉區(qū)分和確認(rèn)身份的，另外具有自然性的識別 還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因?yàn)槿祟惢蛘咂渌?生物并不通過此類生物特征區(qū)別個體。不被察覺的特點(diǎn)對于一種識別方法也很重要，這會使 該識別方法不令人反感，并且因?yàn)椴蝗菀滓鹑说淖⒁舛蝗菀妆黄垓_。人臉識別具有這方 面的特點(diǎn)，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利 用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被 人察覺，從而更有可能被偽裝欺騙。雖然人臉識別有很多其他識別無法比擬的優(yōu)點(diǎn)，但是它 本身也存在許多困難。人臉識別的困難主要是人臉作為生物特征的特點(diǎn)所帶來的。發(fā)明內(nèi)容為了克服現(xiàn)有的人臉識別主要因人臉作為生物特征的特點(diǎn)所帶來的難以實(shí)現(xiàn)的狀況，本發(fā) 明提供一種基于部件的多特征識別算法的人臉識別方法，該發(fā)明實(shí)現(xiàn)了一種基于神經(jīng)網(wǎng)絡(luò)進(jìn) 行識別的算法的人臉識別方法過程的準(zhǔn)確性。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是利用計算機(jī)科學(xué)處理實(shí)現(xiàn)。本發(fā)明的有益效果是，實(shí)現(xiàn)了一種基于神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法的人臉識別方法過程的準(zhǔn) 確性。


下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。 圖l是本發(fā)明的原理圖具體實(shí)施方式
為了克服現(xiàn)有的人臉識別主要因人臉作為生物特征的特點(diǎn)所帶來的難以實(shí)現(xiàn)的狀況，本發(fā)明提供一種基于部件的多特征識別算法的人臉識別方法，該發(fā)明實(shí)現(xiàn)了一種基于部件的多 特征識別算法的人臉識別方法過程的準(zhǔn)確性。它的主要步驟包括模型建立、仿真模型建立 和仿真實(shí)驗(yàn)。它的主要步驟包括1、 人臉檢測判斷輸入圖像中是否存在人臉，如果有，給出每個人臉的位置，大?。?、 面部特征定位對找到的每個人臉，檢測其主要器官的位置和形狀等信息；3、 人臉比對根據(jù)面部特征定位的結(jié)果，與庫中人臉對比，判斷該人臉的身份信息；
權(quán)利要求
1.基于部件的多特征識別算法的人臉識別方法為了克服現(xiàn)有的人臉識別主要因人臉作為生物特征的特點(diǎn)所帶來的難以實(shí)現(xiàn)的狀況，本發(fā)明提供一種基于部件的多特征識別算法的人臉識別方法，該發(fā)明實(shí)現(xiàn)了一種基于部件的多特征識別算法的人臉識別方法過程的準(zhǔn)確性，其特征是它的主要步驟包括1、人臉檢測判斷輸入圖像中是否存在人臉，如果有，給出每個人臉的位置，大?。?、面部特征定位對找到的每個人臉，檢測其主要器官的位置和形狀等信息；3、人臉比對根據(jù)面部特征定位的結(jié)果，與庫中人臉對比，判斷該人臉的身份信息；
2. 如1中所述，人臉檢測的特征是人臉檢測的原理是識別人臉主要依據(jù)人臉上的特征，也就是說依據(jù)那些在不同個體之間 存在較大差異而對于同一個人則比較穩(wěn)定的度量.由于人臉變化復(fù)雜,因此特征表述和特征提 取十分困難.在對人臉圖像進(jìn)行特征提取和分類之前一般需要做幾何歸一化和灰度歸一化.幾 何歸一化是指根據(jù)人臉定位結(jié)果將圖像中人臉變換到同一位置和同樣大小，灰度歸一化是指 對圖像進(jìn)行光照補(bǔ)償?shù)忍幚?光照補(bǔ)償能夠一定程度地克服光照變化的影響而提高識別率。
3. 如1中所述，面部特征定位的特征是面部特征定位的原理是人臉識別技術(shù)是一種依據(jù)人的面部特征來自動進(jìn)行身份鑒別的 先進(jìn)生物識別技術(shù)。系統(tǒng)通過攝像頭獲取人像面部的最重要特征，如人臉的突起部位，眉骨、 雙眼、鼻和嘴等在五官輪廓中的距離、位置、角度和大小，然后計算出它們的幾何特征量， 再與模板庫中的人像進(jìn)行比對和確認(rèn)。這種技術(shù)與傳統(tǒng)使用身份證、密碼乃至虹膜識別、指 紋、掌形掃描相比，具有識別精度高、直觀性突出、基礎(chǔ)資料容易獲得和成本低等特點(diǎn)。設(shè)計要素之一輸入編碼問題顯然，ANN的輸入必然是圖象的某種表示，因此采用怎樣的方式對圖象進(jìn)行編碼就成 為設(shè)計的一大關(guān)鍵。我嘗試對圖象進(jìn)行預(yù)處理，來分解出邊緣、亮度、 一致的區(qū)域或其他局 部圖象特征，然后把這些特征輸入網(wǎng)絡(luò)。實(shí)踐中發(fā)現(xiàn)這種設(shè)計出現(xiàn)了每幅圖象有不同數(shù)量的特征參數(shù)的問題，ANN要求輸入單元的數(shù)量是固定的。經(jīng)過反復(fù)探索，我把圖象編碼成固定 的30X32亮度值，每個像素對應(yīng)一個網(wǎng)絡(luò)輸入。并且把亮度是0 255的亮度值按比例縮 放到0到1的區(qū)間內(nèi)，以使網(wǎng)絡(luò)輸入與隱藏單元和輸出單元在同樣的區(qū)間取值。這里的30 X32是原來120X128的低分辨率概括，每個低分辨率像素有與之對應(yīng)的若干高分辨率像素亮度的均值計算得到。使用這樣的低分辨率圖象，把輸入個數(shù)和權(quán)值的數(shù)量減少到了一個更 易于處理的規(guī)模，從而降低了運(yùn)算要求，但同時也保留了足夠用于正確分類圖象的分辨率。之二輸出編碼問題。ANN必須輸出四個值中的一個來表示輸入圖象中人臉的朝向。 我使用了n取l(l-of-n)方法來編碼這四種情況的分類，g卩四個不同的輸出單元每一個對 應(yīng)四種可能性中的一種，取具有最高可能性的輸出作為網(wǎng)絡(luò)的預(yù)測值。選擇n取l方法能為 網(wǎng)絡(luò)表示目標(biāo)函數(shù)提供了更大的自由度；此外在n取l編碼中，最高輸出和次高值輸出間的差異可以作為對網(wǎng)絡(luò)預(yù)測的置信度。 這四個輸出單元的目標(biāo)值定為<0.9，0. l，O. 1,0. 1〉；編碼臉向前〈0. l，O. 1,0. 1，0.9>;編碼臉 向右<0.1, 0.1， 0. 9， 0.1〉；編碼臉向左〈0.1， 0. 9， 0. 1, 0. 1〉編碼臉向后。避免使用0和1作為目 標(biāo)值是因?yàn)閟igmoid單元對于有限權(quán)值不能產(chǎn)生這樣的輸出。如果企圖訓(xùn)練網(wǎng)絡(luò)來匹配目標(biāo) 值0和1，梯度下降會迫使權(quán)值無限增長。之三網(wǎng)絡(luò)結(jié)構(gòu)圖。反向傳播算法最普遍的一種網(wǎng)絡(luò)結(jié)構(gòu)是分層網(wǎng)絡(luò)， 一層的每個單 元向前連接到下一層的每一個單元。我的設(shè)計也選擇了這樣的結(jié)構(gòu)，使用了兩層，包含一 個隱藏層和一個輸出層的分層前饋神經(jīng)網(wǎng)絡(luò)。之四學(xué)習(xí)算法的其他參數(shù)。在這個實(shí)驗(yàn)中，學(xué)習(xí)速率il被設(shè)定為0.3，沖量a被設(shè)定 為0.3。賦予這兩個參數(shù)更低的值會產(chǎn)生大體相當(dāng)?shù)姆夯?，但需要更長的訓(xùn)練時間。如 果這兩個值被設(shè)定得太高，訓(xùn)練將不能收斂到一個具有可接受誤差的網(wǎng)絡(luò)。在整個試驗(yàn)中我 使用了完全的梯度下降。輸出單元的網(wǎng)格權(quán)值被初始化為小的隨機(jī)值。然而輸入單元的權(quán)值 被初始化為0，因?yàn)檫@樣可以使學(xué)習(xí)到的權(quán)值可視化更易于理解，而對泛化精度沒有明顯的 影響。訓(xùn)練的迭代次數(shù)的選擇可以通過分割可用的數(shù)據(jù)為訓(xùn)練集合和獨(dú)立的驗(yàn)證集合來實(shí)現(xiàn)。 梯度下降方法被用于最小化訓(xùn)練集合上的誤差，并且每隔50次梯度下降迭代根據(jù)驗(yàn)證集合 評估一次網(wǎng)絡(luò)的性能。最終選擇的網(wǎng)絡(luò)是對驗(yàn)證集合精度最高的網(wǎng)絡(luò)。之五學(xué)習(xí)到的隱藏表示。分析網(wǎng)絡(luò)中得到的2899個權(quán)值?？紤]圖中緊挨人臉圖象下的 四個矩形，每一個矩形描繪了網(wǎng)絡(luò)中四個輸出單元(編碼了左、前、右、上)中的一個權(quán)值。 每個矩形中的四個小方形表示和這個輸出單元關(guān)聯(lián)的四個權(quán)值——最左邊是權(quán)w。，它決定單 元的閾值；然后是連接三個隱藏單元到這個輸出的三個權(quán)值。方形的亮度表示權(quán)值，亮白表 示較大的正權(quán)值，暗黑表示較大的負(fù)權(quán)值，介于中間的灰色陰影表示中等的權(quán)值。
4.如1中所述，人臉比對的特征是人臉比對的原理是通過現(xiàn)場采集比對人臉圖像，自動提取人臉特征后與人臉數(shù)據(jù)庫進(jìn) 行比對，用來進(jìn)行個人身份認(rèn)證或相似人群査找。分析人臉關(guān)鍵特征點(diǎn)定位的結(jié)果，如果僅利用灰度圖積分投影的峰谷來判定特征點(diǎn)的Y坐標(biāo)位置，對于多樣化的人臉結(jié)構(gòu)和圖像質(zhì)量 來說不夠魯棒，個別情況會發(fā)生較大誤差。因此本文充分利用人臉結(jié)構(gòu)的視覺先驗(yàn)知識，在 對關(guān)鍵特征點(diǎn)定位時加入了經(jīng)過訓(xùn)練的先驗(yàn)比例尺關(guān)系，即從額頭到眼睛、眼睛到鼻孔、鼻 孔到嘴巴和嘴巴到下頜的Y坐標(biāo)比例關(guān)系，以嵌入式系統(tǒng)為平臺，開發(fā)出人臉識別算法，在 此基礎(chǔ)上形成脫機(jī)應(yīng)用的人臉自動識別產(chǎn)品。
全文摘要
為了克服現(xiàn)有的人臉識別主要因人臉作為生物特征的特點(diǎn)所帶來的難以實(shí)現(xiàn)的狀況，本發(fā)明提供一種基于部件的多特征識別算法的人臉識別方法，該發(fā)明實(shí)現(xiàn)了一種基于神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法的人臉識別方法過程的準(zhǔn)確性。
文檔編號G06K9/00GK101329722SQ20071004238
公開日2008年12月24日 申請日期2007年6月21日 優(yōu)先權(quán)日2007年6月21日
發(fā)明者鳳 杜 申請人:上海北控智能科技有限公司