人脸识别方法

xiaoxiao2020-7-22  4

人脸识别方法
【专利摘要】本发明提供一种人脸识别方法,包括以下步骤:S1:生成人脸弹性束图;S2:生成基于外观的人脸识别模型,计算获得基于外观的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度;S3:生成基于几何特征的人脸识别模型,计算获得的基于几何特征的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度;S4:基于步骤S2与基于步骤S3的相似度级别使用逻辑回归混合;S5:基于步骤S4的结果判定人脸识别结果。本发明采用了把基于外观的人脸识别方法和基于几何特征的人脸识别方法在相似度级别混合的人脸识别方法,可以圆满应用于实际生活环境中。
【专利说明】人脸识别方法
【技术领域】
[0001]本发明涉及一种人脸识别方法。
【背景技术】
[0002]人脸识别技术在过去几年中迅速发展,目前人脸识别技术在室外环境等实际生活环境中不能圆满应对,只在室内使用。人脸识别的难点依旧是照明变化、姿势变化、年龄变化、遮挡等,这些对人脸识别系统所采用的人脸识别算法产生影响,其程度各不相同,人脸识别方法的分类与其优缺点、对此产生影响的人脸识别难点是如下:
基于外观的人脸识别方法,利用人脸图像像素的像素值,生成人脸模板;基于几何特征的人脸识别方法不是依靠像素点,是根据人脸的特征点(眼、鼻、口、耳…)之间几何位置关系生成人脸模板。过去基于外观的人脸识别方法跟基于几何特征的人脸识别方法相比,从图像的每个像素点可取出很丰富的人脸特征,所以比依靠于几个特征点的基于几何特征的人脸识别方法带来了很高的人脸识别性能,现在大部分成功的人脸识别方法都依据于基于外观的识别方法。
[0003]但基于外观的识别方法还是不能很好的应对对像素点产生影响的照明变化,而基于几何特征的识别方法是依靠几何位置关系,不拘于照明变化,即可以弥补基于外观的识别方法的缺点。
[0004]由于依靠于人脸特征点,要求在前阶段准确取出人脸特征点。人脸识别方法根据为生成人脸模板考察整体人脸图像或是分成部分领域来进行考察,分成全局人脸识别方法和局部人脸识别方法。考察整体人脸图像的全局人脸识别方法有把人脸局部特征和全局特征都表现的优点,但有无法应对姿势变化的缺点,相反,局部人脸识别方法对于姿势变化比全局人脸识别方法强,有能够很好地反应出人脸局部特性的优点。
[0005]过去,弹性图束匹配-EBGM(Elastic Bunch Graph Matching)作为一个基于特征点的人脸识别方法,属于局部人脸识别方法,是最成功的人脸识别方法中的一个,但局部人脸识别方法的缺点是不能反应出人脸的全局特征。为克服这一点,出现了结合全局人脸识别方法和局部人脸识别方法的方法,带来了一些性能改善,两个方法都依据基于外观的人脸识别方法,无法克服基于外观的识别方法的缺点。
[0006]在实际生活环境中,人脸图像由照明、姿势、年龄、遮挡等变化造成人脸识别难度。因此,在实际生活环境中,人脸识别技术不能圆满,为此进行深入研究。最近几年中,在此领域进行了很多研究,有了很大的进展,但是仍然达不到满意的要求。

【发明内容】

[0007]本发明所要解决的技术问题在于提供一种有效寻找脸部特征点,与照明变化无关,对姿势变化稳定的人脸识别方法。
[0008]本发明提供一种人脸识别方法,包括以下步骤:
S1:生成人脸弹性束图; 52:生成基于外观的人脸识别模型,计算获得基于外观的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度;
53:生成基于几何特征的人脸识别模型,计算获得的基于几何特征的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度;
54:基于步骤S2与基于步骤S3的相似度级别使用逻辑回归混合;
55:基于步骤S4的结果判定人脸识别结果。
[0009]进一步地,生成人脸弹性束图,在检测到的人脸区域中根据Haar特征进行模式检测取出人脸特征点。
[0010]进一步地,生成人脸弹性束图,首先在检测到的人脸区域中提取四个点,分别是左右两个眼球中点、嘴中点和下颚点,组成初期部分人脸模型,在拥有30个特征点的模板图中分析每一个特征点与初期部分人脸模型的四个点之间的联系,生成二维仿射变换,在模板图的30个特征点上应用这种变换,求出30个特征点与之相对应的特征值,得出初期全局人脸模型;对于初期全局人脸模型的所有30个特征点都寻求正确的汇合点,生成以此作为特征点的人脸弹性束图。
[0011]进一步地,生成基于外观的人脸识别模型,对人脸弹性束图的30个特征点提取Gabor Jet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出Gabor Jet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
[0012]进一步地,生成基于几何特征的人脸识别模型,计算出取出的人脸特征点之间的距离,对按水平轴和垂直轴方向成分之间比例为要素的特征向量应用PCA和LDA,获得基于几何特征的人脸识别模型。
[0013]本发明采用了把基于外观的人脸识别方法和基于几何特征的人脸识别方法在相似度级别混合的人脸识别方法,可以圆满应用于实际生活环境中,并且提出了更能够有效地的寻找脸部特征点的方法,还提出了与照明变化无关,对姿势变化稳定的基于几何特征的人脸识别方法。
【专利附图】

【附图说明】
[0014]此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示意性示意出本发明实施例子给出的人脸识别方法的流程图。
【具体实施方式】
[0015]下面将参考附图并结合实施例,来详细说明本发明。
[0016]本发明实施例提供一种人脸识别方法,包括以下步骤:
一、生成人脸弹性束图
在本发明中,首先在检测到的人脸区域中提取四个点,分别是左右两个眼球中点、嘴中点和下颚点,组成初期部分人脸模型,在拥有30个特征点的模板图中分析每一个特征点与初期部分人脸模型的四个点之间的联系,生成二维仿射变换,在模板图的30个特征点上应用这种变换,求出30个特征点与之相对应的特征值,得出初期全局人脸模型。[0017]变换公式如下:
设不放弃普遍性而需得到的变换为
【权利要求】
1.一种人脸识别方法,其特征在于,包括以下步骤: 51:生成人脸弹性束图; 52:生成基于外观的人脸识别模型,计算获得基于外观的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度; 53:生成基于几何特征的人脸识别模型,计算获得的基于几何特征的人脸识别模型与数据库中已有的人脸模型矢量之间的余弦相似度; 54:基于步骤S2与基于步骤S3的相似度级别使用逻辑回归混合; 55:基于步骤S4的结果判定人脸识别结果。
2.如权利要求1所述的人脸识别方法,其特征在于,生成人脸弹性束图,在检测到的人脸区域中根据Haar特征进行模式检测取出人脸特征点。
3.如权利要求2所述的人脸识别方法,其特征在于,生成人脸弹性束图,首先在检测到的人脸区域中提取四个点,分别是左右两个眼球中点、嘴中点和下颚点,组成初期部分人脸模型,在拥有30个特征点的模板图中分析每一个特征点与初期部分人脸模型的四个点之间的联系,生成二维仿射变换,在模板图的30个特征点上应用这种变换,求出30个特征点与之相对应的特征值,得出初期全局人脸模型;对于初期全局人脸模型的所有30个特征点都寻求正确的汇合点,生成以此作为特征点的人脸弹性束图。
4.如权利要求2所述的人脸识别方法,其特征在于,生成基于外观的人脸识别模型,对人脸弹性束图的30个特征 点提取Gabor Jet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出Gabor Jet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
5.如权利要求4所述的人脸识别方法,其特征在于,生成基于几何特征的人脸识别模型,计算出取出的人脸特征点之间的距离,对按水平轴和垂直轴方向成分之间比例为要素的特征向量应用PCA和LDA,获得基于几何特征的人脸识别模型。
【文档编号】G06K9/46GK103902992SQ201410173445
【公开日】2014年7月2日 申请日期:2014年4月28日 优先权日:2014年4月28日
【发明者】李俊 申请人:珠海易胜电子技术有限公司

最新回复(0)