一種基于特征向量的人臉識別方法及裝置制造方法
【專利摘要】本發(fā)明涉及一種基于特征向量的人臉識別方法及裝置，其方法包括以下步驟：1)獲取人臉圖像；2)對人臉圖像進(jìn)行光線補(bǔ)償及灰度化處理后，檢測并提取含有人臉的局部圖像；3)對局部圖像進(jìn)行降噪處理；4)提取局部圖像的特征向量；5)將提取得到的特征向量與數(shù)據(jù)庫中樣本的特征向量進(jìn)行對比，得到人臉識別的結(jié)果；6)輸出人臉識別的結(jié)果；其裝置包括采用C/S構(gòu)架的一體化終端機(jī)和云端服務(wù)器，由一體化終端機(jī)進(jìn)行人臉圖像采集，再由云端服務(wù)器進(jìn)行人臉識別。與現(xiàn)有技術(shù)相比，本發(fā)明具有獨特性好、識別效率高等優(yōu)點。
【專利說明】一種基于特征向量的人臉識別方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種人臉識別技術(shù)，尤其是涉及一種基于特征向量的人臉識別方法及 裝直。

【背景技術(shù)】
[0002] 20世紀(jì)90年代以來，隨著高速高性能計算機(jī)的出現(xiàn)，人臉識別算法有了重大突 破，發(fā)展出了多種算法并逐步形成了以下幾個研究方向。
[0003] 1、基于幾何特征的人臉識別方法。主要代表是MIT的Brunelli和Poggio小組， 他們采用改進(jìn)的積分投影法提取出用歐氏距離表征的35維人臉特征矢量用于模式分類。
[0004] 2、基于模板匹配的人臉識別方法。主要代表是Harvard大學(xué)Smith-Kettlewell 眼睛研究中心的Yuille，他采用彈性模板來提取眼睛和嘴巴的輪廓，Chen和Huang則進(jìn)一 步提出用活動輪廓模板提取眉毛、下巴和鼻孔等不確定形狀。
[0005] 3、基于K-L變換的特征臉的方法。主要研究者是MIT媒體實驗室的Pentland④ 基于隱馬爾可夫模型的方法，主要代表有Cambridge大學(xué)的Samaria小組和Georgia技術(shù) 研究所的Nefian小組。
[0006] 4、神經(jīng)網(wǎng)絡(luò)識別的方法。如Poggio小組提出的HyperBF神經(jīng)網(wǎng)絡(luò)識別方法，英國 Sussex大學(xué)的Buxton和Howell小組提出的RBF網(wǎng)絡(luò)識別方法等。
[0007] 5、基于動態(tài)鏈接結(jié)構(gòu)的彈性圖匹配方法。主要研究者是由C. Von derMalsburg領(lǐng) 導(dǎo)的德國Bochum大學(xué)和美國Southern California大學(xué)的聯(lián)合小組。
[0008] 6、利用運動和顏色信息對動態(tài)圖像序列進(jìn)行人臉識別的方法。主要代表是Queen Mary和Westfield大學(xué)的ShaogangGong小組。
[0009] 上述方法存在的缺陷如下：
[0010] 在背景簡單的情形下，大部分算法都能很好的處理。但是，人臉識別的應(yīng)用范圍頗 廣，僅是簡單圖像測試，是遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實需求的。在復(fù)雜背景及條件下，還有很多問題 有待進(jìn)一步解決，例如 ：
[0011] 1、光照。光照問題是機(jī)器視覺中的老問題，在人臉識別中的表現(xiàn)尤為明顯。
[0012] 2、姿態(tài)。與光照問題類似，姿態(tài)問題也是目前人臉識別研究中需要解決的一個技 術(shù)難點。目前多數(shù)的人臉識別算法主要是針對正面，或接近正面的人臉圖像，當(dāng)發(fā)生俯仰或 者左右側(cè)而比較厲害的情況下，大多數(shù)人臉識別算法的識別率將會急劇下降。
[0013] 3、遮擋。對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴(yán)重的問題，特 別是在監(jiān)控環(huán)境下，往往被監(jiān)控對象都會帶著眼鏡、帽子等飾物，使得被采集出來的人臉圖 像有可能不完整，從而影響了后面的特征提取與識別，甚至?xí)?dǎo)致人臉識別算法的失效。
[0014] 4、年齡變化。隨著年齡的變化，面部外觀也在變化，特別是對于青少年，這種變化 更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。
[0015] 5、圖像質(zhì)量。人臉圖像的來源可能多種多樣，由于采集設(shè)備的不同，得到的人臉圖 像質(zhì)量也不同，特別是對于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像如何進(jìn)行有效的人臉 識別對大多數(shù)算法來說是個艱巨問題。
[0016] 6、面部毛發(fā)，化妝，整容等。隨年齡，生活習(xí)慣等變化，人臉部特征會發(fā)生變化，這 給人臉識別也帶來一定的問題。


【發(fā)明內(nèi)容】

[0017] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于特征向量 的人臉識別方法及裝置。
[0018] 本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
[0019] 一種基于特征向量的人臉識別方法，包括以下步驟：
[0020] 1)獲取人臉圖像；
[0021] 2)對人臉圖像進(jìn)行光線補(bǔ)償及灰度化處理后，檢測并提取含有人臉的局部圖像；
[0022] 3)對局部圖像進(jìn)行降噪處理；
[0023] 4)提取局部圖像的特征向量；
[0024] 5)將提取得到的特征向量與數(shù)據(jù)庫中樣本的特征向量進(jìn)行對比，得到人臉識別的 結(jié)果；
[0025] 6)輸出人臉識別的結(jié)果。
[0026] 步驟1)中通過照相機(jī)或攝像頭獲取人臉圖像，該人臉圖像包括靜態(tài)圖像和動態(tài) 圖像。
[0027] 步驟4)中提取局部圖像的特征向量具體包括以下步驟：
[0028] 1)對局部圖像進(jìn)行尺度空間檢測，初步確定具有局部極值的關(guān)鍵點的位置以及所 在尺度；
[0029] 2)通過擬和三維二次函數(shù)去除對比度低于閾值的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點， 最終確定關(guān)鍵點的位置和尺度；
[0030] 3)利用關(guān)鍵點鄰域像素的梯度方向分布特性為每個關(guān)鍵點指定方向參數(shù)，使高斯 差分算子具備旋轉(zhuǎn)不變性；
[0031] 4)將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，以確保旋轉(zhuǎn)不變性，從而生成每個關(guān)鍵點處的 特征向量。
[0032] -種基于特征向量的人臉識別裝置，包括多個一體化終端機(jī)以及一個云端服務(wù) 器，并且采用C/S構(gòu)架，所述的一體化終端機(jī)通過局域網(wǎng)、WiFi或者3G網(wǎng)絡(luò)與云端服務(wù)器 連接，所述的一體化終端機(jī)包括高清攝像頭和工控機(jī)，高清攝像頭捕捉到人臉圖像后，由工 控機(jī)進(jìn)行本地保存并進(jìn)行優(yōu)化處理，再將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器進(jìn)行人臉識別。
[0033] 所述的工控機(jī)采用ARM處理器。
[0034] 所述的云端服務(wù)器可對每臺一體化終端機(jī)的工作狀態(tài)進(jìn)行監(jiān)控，若一體化終端機(jī) 出現(xiàn)工作異常，則云端服務(wù)器會發(fā)出警告。
[0035] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
[0036] 1、生成的特征向量是圖像的局部特征，對圖像的旋轉(zhuǎn)、尺度縮放、亮度變化保持不 變性，對視角變化、仿射變化、噪聲等也保持高度的穩(wěn)定性。
[0037] 2、獨特性好，信息量豐富，適用于在海量特征數(shù)據(jù)庫中進(jìn)行快速，準(zhǔn)確的匹配。
[0038] 3、多量性，即使少數(shù)幾個物體也可產(chǎn)生大量特征向量。
[0039] 4、高速性，可實現(xiàn)實時環(huán)境下的人臉提取與比對要求。
[0040] 5、可擴(kuò)展性，可很方便的與其他形式的特征向量進(jìn)行聯(lián)合。

【專利附圖】

【附圖說明】
[0041] 圖1為本發(fā)明的流程圖；
[0042] 圖2為本發(fā)明中對局部圖像進(jìn)行尺度空間檢測的示意圖；
[0043] 圖3為關(guān)鍵點處的領(lǐng)域梯度方向示意圖；
[0044] 圖4為關(guān)鍵點處的特征向量示意圖；
[0045] 圖5為本發(fā)明所采用的人臉識別裝置的結(jié)構(gòu)框圖。

【具體實施方式】
[0046] 下面結(jié)合附圖和具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。
[0047] 實施例
[0048] 如圖1所示，一種基于特征向量的人臉識別方法，包括以下步驟：
[0049] 1)獲取人臉圖像
[0050] 通過照相機(jī)或攝像頭獲取人臉圖像，該人臉圖像包括靜態(tài)圖像和動態(tài)圖像。
[0051] 2)人臉圖像定位及檢測
[0052] 對人臉圖像進(jìn)行光線補(bǔ)償及灰度化處理后，檢測并定位含有人臉的局部圖像，將 這些含有人臉的局部圖像從整幅圖像中分離出來。
[0053] 3)局部圖像預(yù)處理
[0054] 對分離出來的每一個局部圖像進(jìn)行降噪處理。
[0055] 4)提取局部圖像的特征向量；
[0056] 對分離出來的局部圖像進(jìn)行特征提取，提取出特征向量用于進(jìn)一步的比對處理。
[0057] 5)特征向量比對
[0058] 將提取得到的特征向量與數(shù)據(jù)庫中樣本的特征向量進(jìn)行對比，得到人臉識別的結(jié) 果。
[0059] 6)輸出人臉識別的結(jié)果。
[0060] 其中，步驟4)中提取局部圖像的特征向量具體包括以下4個步驟：
[0061] 1)對局部圖像進(jìn)行尺度空間檢測，初步確定具有局部極值的關(guān)鍵點的位置以及所 在尺度。在檢測尺度空間極值時，圖2中標(biāo)記為" X "的像素需要跟包括同一尺度的周圍鄰 域8個像素和相鄰尺度對應(yīng)位置的周圍鄰域9X2個像素總共26個像素進(jìn)行比較，以確保 在尺度空間和二維圖像空間都檢測到局部極值。
[0062] 2)通過擬和三維二次函數(shù)去除對比度低于閾值的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點， 最終確定關(guān)鍵點的位置和尺度，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。
[0063] 3)利用關(guān)鍵點鄰域像素的梯度方向分布特性為每個關(guān)鍵點指定方向參數(shù)，使

【權(quán)利要求】
1. 一種基于特征向量的人臉識別方法，其特征在于，包括w下步驟： 1) 獲取人臉圖像； 2) 對人臉圖像進(jìn)行光線補(bǔ)償及灰度化處理后，檢測并提取含有人臉的局部圖像； 3) 對局部圖像進(jìn)行降噪處理； 4) 提取局部圖像的特征向量； 5) 將提取得到的特征向量與數(shù)據(jù)庫中樣本的特征向量進(jìn)行對比，得到人臉識別的結(jié) 果； 6) 輸出人臉識別的結(jié)果。
2. 根據(jù)權(quán)利要求1所述的一種基于特征向量的人臉識別方法，其特征在于，步驟1)中 通過照相機(jī)或攝像頭獲取人臉圖像，該人臉圖像包括靜態(tài)圖像和動態(tài)圖像。
3. 根據(jù)權(quán)利要求1所述的一種基于特征向量的人臉識別方法，其特征在于，步驟4)中 提取局部圖像的特征向量具體包括W下步驟： 1) 對局部圖像進(jìn)行尺度空間檢測，初步確定具有局部極值的關(guān)鍵點的位置W及所在尺 度； 2) 通過擬和H維二次函數(shù)去除對比度低于闊值的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點，最終 確定關(guān)鍵點的位置和尺度； 3) 利用關(guān)鍵點鄰域像素的梯度方向分布特性為每個關(guān)鍵點指定方向參數(shù)，使高斯差分 算子具備旋轉(zhuǎn)不變性； 4) 將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，W確保旋轉(zhuǎn)不變性，從而生成每個關(guān)鍵點處的特征 向量。
4. 一種基于特征向量的人臉識別裝置，其特征在于，包括多個一體化終端機(jī)W及一個 云端服務(wù)器，并且采用C/S構(gòu)架，所述的一體化終端機(jī)通過局域網(wǎng)、WiFi或者3G網(wǎng)絡(luò)與云 端服務(wù)器連接，所述的一體化終端機(jī)包括高清攝像頭和工控機(jī)，高清攝像頭捕捉到人臉圖 像后，由工控機(jī)進(jìn)行本地保存并進(jìn)行優(yōu)化處理，然后將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器進(jìn)行人 臉識別。
5. 根據(jù)權(quán)利要求4所述的一種基于特征向量的人臉識別裝置，其特征在于，所述的工 控機(jī)采用ARM處理器。
6. 根據(jù)權(quán)利要求4所述的一種基于特征向量的人臉識別裝置，其特征在于，所述的云 端服務(wù)器可對每臺一體化終端機(jī)的工作狀態(tài)進(jìn)行監(jiān)控，若一體化終端機(jī)出現(xiàn)工作異常，貝U 云端服務(wù)器會發(fā)出警告。
【文檔編號】G06K9/00GK104346602SQ201310342204
【公開日】2015年2月11日 申請日期:2013年8月7日 優(yōu)先權(quán)日:2013年8月7日
【發(fā)明者】楊博, 林棟 , 林小明 申請人:上海貫城信息科技有限公司