本發(fā)明涉及人臉識(shí)別
技術(shù)領(lǐng)域：
，特別是涉及一種融合多種人臉識(shí)別算法的識(shí)別方法及系統(tǒng)。
背景技術(shù)：
：人臉識(shí)別技術(shù)是基于生物特征的識(shí)別方式，利用人類(lèi)自身?yè)碛械?、并且能夠唯一?biāo)示其身份的生理特征或行為特征進(jìn)行身份認(rèn)證的技術(shù)。隨著人工智能技術(shù)與計(jì)算機(jī)模式識(shí)別的發(fā)展，人臉識(shí)別技術(shù)已經(jīng)從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用。目前，現(xiàn)有的人臉識(shí)別系統(tǒng)是由一種人臉識(shí)別算法經(jīng)過(guò)優(yōu)化實(shí)現(xiàn)的，人臉識(shí)別的精度和準(zhǔn)度因此而受到一定的限制。由此可見(jiàn)，為解決使用單一人臉識(shí)別算法在人臉識(shí)別的精度和準(zhǔn)度方面受到限制的問(wèn)題，目前亟需一種融合多種人臉識(shí)別算法進(jìn)行人臉識(shí)別的方法，以提高人臉識(shí)別的精準(zhǔn)度。技術(shù)實(shí)現(xiàn)要素：鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種融合多種人臉識(shí)別算法的識(shí)別方法及系統(tǒng)，融合多種人臉識(shí)別算法進(jìn)行識(shí)別認(rèn)證，能夠提高人臉識(shí)別的精準(zhǔn)度。為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明實(shí)施例提供一種融合多種人臉識(shí)別算法的識(shí)別方法，預(yù)設(shè)至少兩種人臉識(shí)別算法，該方法還包括：通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量；根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果；對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果。優(yōu)選地，所述對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果，包括：針對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理，得到待識(shí)別人臉圖像的融合特征向量fA，并通過(guò)主成分分析算法PCA對(duì)融合特征向量fA進(jìn)行降維處理，得到新的融合特征向量FA：針對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，得到樣本人臉圖像的融合特征向量fB，并通過(guò)PCA對(duì)融合特征向量fB進(jìn)行降維處理，得到新的融合特征向量FB：按照概率線性判別分析算法PLDA計(jì)算新的融合特征向量FA與新的融合特征向量FB的對(duì)比相似度，得到融合的對(duì)比相似度值；根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。優(yōu)選地，所述對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果，包括：預(yù)設(shè)每種人臉識(shí)別算法的權(quán)重系數(shù)；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值及權(quán)重系數(shù)，得到融合的對(duì)比相似度值：根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。優(yōu)選地，所述對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果，包括：確定識(shí)別成功的識(shí)別結(jié)果的數(shù)量以及所有識(shí)別結(jié)果的數(shù)量；判斷識(shí)別成功的識(shí)別結(jié)果的數(shù)量是否大于二分之一的所有識(shí)別結(jié)果的數(shù)量；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量大于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量小于或等于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。優(yōu)選地，所述對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果，包括：預(yù)先根據(jù)每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像進(jìn)行識(shí)別，得到每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率；確定所述待識(shí)別人臉圖像及樣本人臉圖像所屬的對(duì)象類(lèi)型；根據(jù)確定的對(duì)象類(lèi)型及預(yù)先得到的每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，選取該對(duì)象類(lèi)型對(duì)應(yīng)的識(shí)別率最高的人臉識(shí)別算法；將選取的人臉識(shí)別算法得到的識(shí)別結(jié)果確定為最終的識(shí)別結(jié)果。根據(jù)上述方法，本發(fā)明實(shí)施例提供了一種融合多種人臉識(shí)別算法的識(shí)別系統(tǒng)，該系統(tǒng)包括：預(yù)設(shè)模塊、特征提取模塊、計(jì)算模塊、第一確定模塊、第二確定模塊；其中，所述預(yù)設(shè)模塊，用于預(yù)設(shè)至少兩種人臉識(shí)別算法；所述特征提取模塊，用于通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量；所述計(jì)算模塊，用于根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值；所述第一確定模塊，用于根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果；所述第二確定模塊，用于對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果。優(yōu)選地，所述第二確定模塊具體用于：針對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理，得到待識(shí)別人臉圖像的融合特征向量fA，并通過(guò)PCA對(duì)融合特征向量fA進(jìn)行降維處理，得到新的融合特征向量FA：針對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，得到樣本人臉圖像的融合特征向量fB，并通過(guò)PCA對(duì)融合特征向量fB進(jìn)行降維處理，得到新的融合特征向量FB：按照PLDA計(jì)算新的融合特征向量FA與新的融合特征向量FB的對(duì)比相似度，得到融合的對(duì)比相似度值；根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。優(yōu)選地，所述第二確定模塊具體用于：預(yù)設(shè)每種人臉識(shí)別算法的權(quán)重系數(shù)；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值及權(quán)重系數(shù)，得到融合的對(duì)比相似度值：根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。優(yōu)選地，所述第二確定模塊具體用于：確定識(shí)別成功的識(shí)別結(jié)果的數(shù)量以及所有識(shí)別結(jié)果的數(shù)量；判斷識(shí)別成功的識(shí)別結(jié)果的數(shù)量是否大于二分之一的所有識(shí)別結(jié)果的數(shù)量；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量大于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量小于或等于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。優(yōu)選地，所述第二確定模塊具體用于：預(yù)先根據(jù)每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像進(jìn)行識(shí)別，得到每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率；確定所述待識(shí)別人臉圖像及樣本人臉圖像所屬的對(duì)象類(lèi)型；根據(jù)確定的對(duì)象類(lèi)型及預(yù)先得到的每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，選取該對(duì)象類(lèi)型對(duì)應(yīng)的識(shí)別率最高的人臉識(shí)別算法；將選取的人臉識(shí)別算法得到的識(shí)別結(jié)果確定為最終的識(shí)別結(jié)果。本發(fā)明提供的融合多種人臉識(shí)別算法的識(shí)別方法及系統(tǒng)，包括：預(yù)設(shè)至少兩種人臉識(shí)別算法；通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量；根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果；對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行決策處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果。如此，本發(fā)明實(shí)施例中融合多種人臉識(shí)別算法進(jìn)行人臉識(shí)別，從特征向量端、對(duì)比相似度值端或識(shí)別結(jié)果端進(jìn)行決策融合，根據(jù)決策融合的結(jié)果確定最終的識(shí)別結(jié)果，解決了使用單一人臉識(shí)別算法在人臉識(shí)別的精度和準(zhǔn)度方面受到限制的問(wèn)題，從而提高了人臉識(shí)別的精準(zhǔn)度。附圖說(shuō)明圖1顯示為本發(fā)明的融合多種人臉識(shí)別算法的識(shí)別方法的流程示意圖；圖2顯示為本發(fā)明的融合多種人臉識(shí)別算法的識(shí)別系統(tǒng)的組成結(jié)構(gòu)示意圖。具體實(shí)施方式本發(fā)明實(shí)施例中，為解決使用單一人臉識(shí)別算法在人臉識(shí)別的精度和準(zhǔn)度方面受到限制的問(wèn)題，采用多種人臉識(shí)別算法進(jìn)行人臉識(shí)別，并且在不同的層面對(duì)多種人臉識(shí)別算法進(jìn)行決策融合，具體可以從特征向量端、對(duì)比相似度值端或識(shí)別結(jié)果端進(jìn)行決策融合，根據(jù)決策融合的結(jié)果來(lái)確定最終的識(shí)別結(jié)果，從而提高了人臉識(shí)別的精準(zhǔn)度。下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)的說(shuō)明。本發(fā)明實(shí)施例提出了一種融合多種人臉識(shí)別算法的識(shí)別方法，如圖1所示，該方法包括：步驟S100：預(yù)設(shè)至少兩種人臉識(shí)別算法。本步驟中，可以設(shè)置任意的至少兩種人臉識(shí)別算法，這里對(duì)預(yù)設(shè)的人臉識(shí)別算法不作具體限定。步驟S101：通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量。本步驟中，根據(jù)不同的人臉識(shí)別算法提取的特征向量的長(zhǎng)度可以是任意長(zhǎng)度，但提取的特征向量必須滿足以下條件：Norm(F)＝1其中，F(xiàn)為特征向量，Norm(F)為特征向量F的模長(zhǎng)。步驟S102：根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值。本步驟中，可以將每種人臉識(shí)別算法的對(duì)比相似度值歸一化到[0，1]區(qū)間，得到統(tǒng)一的對(duì)比相似度值，以便后續(xù)進(jìn)行分類(lèi)識(shí)別。步驟S103：根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果。本步驟中，分別將每種人臉識(shí)別算法得到的對(duì)比相似度值與預(yù)設(shè)的對(duì)比相似度閾值進(jìn)行對(duì)比；若該人臉識(shí)別算法的對(duì)比相似度值大于預(yù)設(shè)的對(duì)比相似度閾值，則確定該人臉識(shí)別算法的識(shí)別結(jié)果為識(shí)別成功；若該人臉識(shí)別算法的對(duì)比相似度值小于或等于預(yù)設(shè)的對(duì)比相似度閾值，則確定該人臉識(shí)別算法的識(shí)別結(jié)果為識(shí)別失敗。這里，可以根據(jù)實(shí)際情況及需求預(yù)設(shè)對(duì)比相似度閾值，這里對(duì)對(duì)比相似度閾值不作具體限定。步驟S104：對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果。本步驟中，對(duì)具體如何對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果，進(jìn)行詳細(xì)說(shuō)明：首先，針對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理，得到待識(shí)別人臉圖像的融合特征向量fA：fA＝[f1；f2；…；fn]，其中，fA為融合特征向量，f1～fn為每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量；通過(guò)主成分分析算法(PrincipalComponentsAnalysis，PCA)對(duì)融合特征向量fA進(jìn)行降維處理，得到新的融合特征向量FA：其中，Z為PCA的特征矩陣；同理，針對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，得到樣本人臉圖像的融合特征向量fB：fB＝[f1；f2；…；fn]，其中，fB為融合特征向量，f1～fn為每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量；通過(guò)PCA對(duì)融合特征向量fB進(jìn)行降維處理，得到新的融合特征向量FB：其中，Z為PCA的特征矩陣；然后，按照概率線性判別分析算法(ProbabilisticLinearDiscriminantAnalysis，PLDA)計(jì)算新的融合特征向量FA與新的融合特征向量FB的對(duì)比相似度，得到融合的對(duì)比相似度值S(AB)：S(AB)=2FATpFB+FA*(QFA)+FB*(QFB)]]>其中，P為PLDA的類(lèi)內(nèi)方差，Q為PLDA的類(lèi)間方差；最終，根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果；具體的，將融合的對(duì)比相似度值與預(yù)設(shè)的對(duì)比相似度閾值進(jìn)行對(duì)比；若融合的對(duì)比相似度值大于預(yù)設(shè)的對(duì)比相似度閾值，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若融合的對(duì)比相似度值小于或等于預(yù)設(shè)的對(duì)比相似度閾值，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。這里，可以根據(jù)實(shí)際情況及需求預(yù)設(shè)對(duì)比相似度閾值，這里對(duì)對(duì)比相似度閾值不作具體限定。本步驟中，對(duì)具體如何對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果，進(jìn)行詳細(xì)說(shuō)明：首先，預(yù)設(shè)每種人臉識(shí)別算法的權(quán)重系數(shù)；然后，根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值及權(quán)重系數(shù)，得到融合的對(duì)比相似度值：S(A,B)=Σ1nωiFi]]>其中，S(A,B)為融合的對(duì)比相似度值，ωi為第i種人臉識(shí)別算法的權(quán)重系數(shù)，F(xiàn)i為第i種人臉識(shí)別算法的對(duì)比相似度值，i＝1，2，…，n，n為正整數(shù)；最終，根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果；具體的，將融合的對(duì)比相似度值與預(yù)設(shè)的對(duì)比相似度閾值進(jìn)行對(duì)比；若融合的對(duì)比相似度值大于預(yù)設(shè)的對(duì)比相似度閾值，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若融合的對(duì)比相似度值小于或等于預(yù)設(shè)的對(duì)比相似度閾值，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。這里，可以根據(jù)實(shí)際情況及需求預(yù)設(shè)對(duì)比相似度閾值，這里對(duì)對(duì)比相似度閾值不作具體限定。本步驟中，對(duì)具體如何對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行決策處理，根據(jù)處理結(jié)果確定最終的識(shí)別結(jié)果，進(jìn)行詳細(xì)說(shuō)明：方式一、基于投票的決策策略首先，確定識(shí)別成功的識(shí)別結(jié)果的數(shù)量R以及所有識(shí)別結(jié)果的數(shù)量G；然后，判斷識(shí)別成功的識(shí)別結(jié)果的數(shù)量R是否大于二分之一的所有識(shí)別結(jié)果的數(shù)量G；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量R大于二分之一的所有識(shí)別結(jié)果的數(shù)量G，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量R小于或等于二分之一的所有識(shí)別結(jié)果的數(shù)量G，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。其中，每種人臉識(shí)別算法得到一個(gè)識(shí)別結(jié)果，數(shù)量G等于人臉識(shí)別算法的數(shù)量，數(shù)量R小于或等于數(shù)量G。方式二、基于先驗(yàn)信息的決策策略考慮到每種人臉識(shí)別算法都有它本身所擅長(zhǎng)的識(shí)別對(duì)象類(lèi)型，例如，有些人臉識(shí)別算法對(duì)兒童人臉圖像的識(shí)別率較好，而對(duì)證件照的識(shí)別率卻不理想。因此，可以預(yù)先根據(jù)每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像進(jìn)行識(shí)別，可以得到每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率表；，當(dāng)有一組圖像需要進(jìn)行識(shí)別時(shí)，先得到這組人臉圖像的特點(diǎn)，例如，根據(jù)人臉圖像的特點(diǎn)確定是兒童的人臉圖像，或根據(jù)人臉圖像的特點(diǎn)確定是少數(shù)民族的人臉圖像，然后將確定的對(duì)象類(lèi)型及預(yù)先得到的識(shí)別率作為先驗(yàn)信息，根據(jù)該先驗(yàn)信息選擇識(shí)別率最佳的人臉識(shí)別算法。具體的，預(yù)先根據(jù)每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像進(jìn)行識(shí)別，得到每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，如表1所示：人臉識(shí)別算法1人臉識(shí)別算法……人臉識(shí)別算法NA類(lèi)0.9800.965……0.910B類(lèi)0.9230.995……0.945C類(lèi)0.9210.936……0.988…………………………表1確定所述待識(shí)別人臉圖像及樣本人臉圖像所屬的對(duì)象類(lèi)型；根據(jù)預(yù)先得到的每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，選取該對(duì)象類(lèi)型對(duì)應(yīng)的識(shí)別率最高的人臉識(shí)別算法；將選取的人臉識(shí)別算法得到的識(shí)別結(jié)果確定為最終的識(shí)別結(jié)果。具體的，首先將人臉圖像分為多種對(duì)象類(lèi)型，例如，A類(lèi)：現(xiàn)場(chǎng)采集人臉圖像與證件照認(rèn)證；B類(lèi)：兒童認(rèn)證；C類(lèi)：少數(shù)民族認(rèn)證；然后根據(jù)所述待識(shí)別人臉圖像及樣本人臉圖像的特點(diǎn)確定所屬的對(duì)象類(lèi)型；根據(jù)預(yù)先得到的每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，選取該對(duì)象類(lèi)型對(duì)應(yīng)的識(shí)別率最高的人臉識(shí)別算法；若僅有一個(gè)識(shí)別率最高的人臉識(shí)別算法，則將該人臉識(shí)別算法確定為最終的識(shí)別結(jié)果，若有多個(gè)識(shí)別率最高的人臉識(shí)別算法，則將任意一個(gè)識(shí)別率最高的人臉識(shí)別算法得到的識(shí)別結(jié)果確定為最終的識(shí)別結(jié)果。為實(shí)現(xiàn)上述方法，本發(fā)明實(shí)施例還提供了一種融合多種人臉識(shí)別算法的識(shí)別系統(tǒng)，由于系統(tǒng)解決問(wèn)題的原理與方法相似，因此，系統(tǒng)的實(shí)施過(guò)程及實(shí)施原理均可以參見(jiàn)前述方法的實(shí)施過(guò)程及實(shí)施原理描述，重復(fù)之處不再贅述。本發(fā)明實(shí)施例提供了一種融合多種人臉識(shí)別算法的識(shí)別系統(tǒng)，如圖2所示，該系統(tǒng)包括：預(yù)設(shè)模塊200、特征提取模塊201、計(jì)算模塊202、第一確定模塊203、第二確定模塊204；其中，所述預(yù)設(shè)模塊200，用于預(yù)設(shè)至少兩種人臉識(shí)別算法；所述特征提取模塊201，用于通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量；所述計(jì)算模塊202，用于根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值；所述第一確定模塊203，用于根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果；所述第二確定模塊204，用于對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行融合處理，根據(jù)融合的識(shí)別結(jié)果確定最終的識(shí)別結(jié)果。具體實(shí)施中，所述第二確定模塊204具體用于：針對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理，得到待識(shí)別人臉圖像的融合特征向量fA，并通過(guò)PCA對(duì)融合特征向量fA進(jìn)行降維處理，得到新的融合特征向量FA：針對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，得到樣本人臉圖像的融合特征向量fB，并通過(guò)PCA對(duì)融合特征向量fB進(jìn)行降維處理，得到新的融合特征向量FB：按照PLDA計(jì)算新的融合特征向量FA與新的融合特征向量FB的對(duì)比相似度，得到融合的對(duì)比相似度值；根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。具體實(shí)施中，所述第二確定模塊204具體用于：預(yù)設(shè)每種人臉識(shí)別算法的權(quán)重系數(shù)；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值及權(quán)重系數(shù)，得到融合的對(duì)比相似度值：根據(jù)融合的對(duì)比相似度值及預(yù)設(shè)的對(duì)比相似度閾值，確定最終的識(shí)別結(jié)果。具體實(shí)施中，所述第二確定模塊204具體用于：確定識(shí)別成功的識(shí)別結(jié)果的數(shù)量以及所有識(shí)別結(jié)果的數(shù)量；判斷識(shí)別成功的識(shí)別結(jié)果的數(shù)量是否大于二分之一的所有識(shí)別結(jié)果的數(shù)量；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量大于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別成功；若識(shí)別成功的識(shí)別結(jié)果的數(shù)量小于或等于二分之一的所有識(shí)別結(jié)果的數(shù)量，則確定最終的識(shí)別結(jié)果為識(shí)別失敗。具體實(shí)施中，所述第二確定模塊204具體用于：預(yù)先根據(jù)每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像進(jìn)行識(shí)別，得到每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率；確定所述待識(shí)別人臉圖像及樣本人臉圖像所屬的對(duì)象類(lèi)型；根據(jù)確定的對(duì)象類(lèi)型及預(yù)先得到的每種人臉識(shí)別算法對(duì)每類(lèi)人臉圖像的識(shí)別率，選取該對(duì)象類(lèi)型對(duì)應(yīng)的識(shí)別率最高的人臉識(shí)別算法；將選取的人臉識(shí)別算法得到的識(shí)別結(jié)果確定為最終的識(shí)別結(jié)果。以上功能模塊的劃分方式僅為本發(fā)明實(shí)施例給出的一種優(yōu)選實(shí)現(xiàn)方式，功能模塊的劃分方式不構(gòu)成對(duì)本發(fā)明的限制。為了描述的方便，以上所述系統(tǒng)的各部分以功能分為各種模塊或單元分別描述。當(dāng)然，在實(shí)施本發(fā)明時(shí)可以把各模塊或單元的功能在同一個(gè)或多個(gè)軟件或硬件中實(shí)現(xiàn)。綜上所述，本發(fā)明實(shí)施例中首先預(yù)設(shè)至少兩種人臉識(shí)別算法；通過(guò)每種人臉識(shí)別算法對(duì)待識(shí)別人臉圖像及樣本人臉圖像進(jìn)行特征提取，分別得到每種人臉識(shí)別算法對(duì)應(yīng)的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量；根據(jù)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量及樣本人臉圖像的特征向量，分別計(jì)算得到每種人臉識(shí)別算法的對(duì)比相似度值；根據(jù)每種人臉識(shí)別算法的對(duì)比相似度值分別確定每種人臉識(shí)別算法的識(shí)別結(jié)果；對(duì)每種人臉識(shí)別算法提取的待識(shí)別人臉圖像的特征向量進(jìn)行融合處理并對(duì)每種人臉識(shí)別算法提取的樣本人臉圖像的特征向量進(jìn)行融合處理，根據(jù)待識(shí)別人臉圖像的融合特征向量及樣本人臉圖像的融合特征向量確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的對(duì)比相似度值進(jìn)行融合處理，根據(jù)融合的對(duì)比相似度值確定最終的識(shí)別結(jié)果；或者，對(duì)每種人臉識(shí)別算法的識(shí)別結(jié)果進(jìn)行融合處理，根據(jù)融合的識(shí)別結(jié)果確定最終的識(shí)別結(jié)果。如此，本發(fā)明實(shí)施例融合多種人臉識(shí)別算法進(jìn)行人臉識(shí)別，分別對(duì)特征向量、對(duì)比相似度值或識(shí)別結(jié)果進(jìn)行融合處理，根據(jù)融合處理的結(jié)果來(lái)確定最終的識(shí)別結(jié)果，解決了使用單一人臉識(shí)別算法在人臉識(shí)別的精度和準(zhǔn)度方面受到限制的問(wèn)題，從而提高了人臉識(shí)別的精準(zhǔn)度。上述實(shí)施例僅例示性說(shuō)明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬
技術(shù)領(lǐng)域：
中具有通常知識(shí)者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。當(dāng)前第1頁(yè)1 2 3