专利名称：人脸面相判别方法、系统及公共安全系统的制作方法
技术领域：
本发明涉及一种人脸面相判别的方法、系统及公共安全系统，尤其涉及一种先进 行伪装判别的人脸面相判别的方法、系统及公共安全系统。
背景技术：
随着社会的进步，人们越来越多的社会活动都在向着方便、简单、便捷发展。银行 自助取款机是社会发展的一个表现，使人们避免了携带现金带来的诸多不便。但是，自助银 行环境中的安全问题日越显现出来。例如通过银行卡欺骗、盗窃财物是目前银行损失的主 要问题，银行卡被盗窃等问题也越来越频繁。不法之徒大都会遮挡之后拿着盗窃来的银行 卡去自助厅取款(遮挡有很多种，例如进行自助银行犯罪的嫌疑人用帽子、围巾和墨镜对 面部进行遮挡)。其次，其他类别的犯罪份子(如通缉犯、抢劫犯等)会通自助银行取款，这 也提供了一种发现嫌疑人的去向的机制，通过人脸识别可以识别和定位犯罪份子。通过银 行自助取款厅的监控摄像头，能过及时的发现嫌疑人或者遮挡之后取款的人，并发出警报， 提醒相关人员注意；另外，对作案的嫌疑人，根据目击证人提供的描述，如是否戴眼镜、性别 等条件，或根据目击证人提供的图像或者模拟图像，对嫌疑人人脸库进行搜索、比对，列出 比较可能的嫌疑人以供目击证人指证也为犯罪嫌疑分子的确认和抓取带来便利。现有技术 的人脸识别方法及系统，通常只能不能对伪装进行判别，对于伪装的人脸图像不能进行有 效的反应。
发明内容
本发明解决的技术问题是构建一种人脸面相判别的方法、系统及公共安全系统， 克服现有技术中不能对伪装进行判别，对于伪装的人脸图像不能进行有效的反应的技术问题。本发明的技术方案是提供一种人脸面相判别方法，包括伪装分类器、伪装模型以 及人脸识别分类器，所述人脸面相判别方法包括如下步骤获取人脸图像从视频或图像中获取人脸图像；进行人脸伪装判别将人脸图像根据伪装分类器、伪装模型进行伪装判别；人脸面相判别对于伪装判别结果中未进行伪装的人脸图像根据人脸识别分类器 进行人脸分类面相判别。本发明的进一步技术方案是在进行人脸伪装判别的步骤中，在进行人脸图像对 比前，还包括对人脸图像的预处理操作，所述预处理操作为对人脸图像进行归一化处理。本发明的进一步技术方案是在进行人脸伪装判别步骤中，所述人脸伪装判别包 括戴帽子伪装判别、戴墨镜伪装判别、戴口罩或围巾的伪装判别。本发明的技术方案是构建一种人脸面相判别系统，包括输入人脸图像的图像输 入单元、根据人脸图像进行人脸伪装判别的伪装判别单元、进行人脸面相识别的人脸识别 单元，所述伪装判别单元包括获伪装分类器、伪装模型及伪装判别模块，所述人脸识别单元包括存储人脸图像的人脸图像数据库、人脸识别分类器，所述伪装判别模块根据伪装分类 器、伪装模型对所述图像输入单元输入的人脸图像进行伪装判别，对于所述伪装判别模块 判别为不是伪装的人脸图像时，所述人脸识别单元将对所述图像输入单元输入的人脸图像 与所述人脸图像数据库中的人脸图像根据人脸识别分类器进行人脸面相识别。本发明的进一步技术方案是所述伪装分类器包括帽子分类器、墨镜分类器，所述 伪装判别模块根据帽子分类器判别人脸图像是否为戴帽子伪装，所述伪装判别模块根据墨 镜分类器判别人脸图像是否为戴墨镜伪装。本发明的进一步技术方案是所述伪装模型包括肤色模型，所述伪装判别模块根 据肤色模型判别人脸图像是否为戴口罩或围巾的伪装。本发明的进一步技术方案是所述人脸面相判别系统还包括人脸图像检索单元， 所述人脸图像检索单元根据输入的条件对所述人脸图像数据库中的人脸图像进行检索。本发明的技术方案是构建一种公共安全系统，所述公共安全系统包括人脸面相 判别系统，所述人脸图像数据库为存储嫌疑人人脸图像的嫌疑人图像数据库，对于所述伪 装判别模块判别为不是伪装的人脸图像时，所述人脸识别单元将所述人脸图像与所述嫌疑 人图像数据库中的人脸图像进行人脸面相识别。本发明的进一步技术方案是所述公共安全系统还包括报警单元，对于所述伪装 判别模块判别为是伪装的人脸图像时，所述报警单元报警；对于所述人脸识别单元将所述 人脸图像识别为所述嫌疑人图像数据库中的人脸图像，所述报警单元报警。本发明的进一步技术方案是所述公共安全系统还包括嫌疑人图像检索单元，所 述公共安全系统还包括嫌疑人图像检索单元，所述嫌疑人图像检索单元根据输入的条件对 所述嫌疑人图像数据库中的人脸图像进行检索。本发明的技术效果是本发明人脸面相判别的方法、系统及公共安全系统，通过在 进行人脸面相识别前先进行人脸伪装判别，对于人脸图像进行伪装的行为及时进行反应。
图1为本发明的流程图。图2为本发明人脸面相判别系统的结构示意图。图3为本发明公共安全系统的结构示意图。
具体实施例方式
下面结合具体实施例，对本发明技术方案进一步说明。如图1所示，本发明的具体实施方式
是本发明提供一种人脸面相判别方法，包括 伪装分类器、伪装模型以及人脸识别分类器，所述人脸面相判别方法包括如下步骤步骤100 获取人脸图像，即，从视频或图像中获取人脸图像。本发明中首先要获 取人脸图像，人脸图像的获取来源于视频中截出人脸图像，也可以来源于图像中含有人脸 部分的图像，本发明中的图像可以是直接接收的图像电子文件或扫描生成的图像电子文件 或者截取的图像文件上含有人脸部分的图像电子文件。本发明的具体实施方式
中，将人脸 图像根据人脸的大小以矩形框住人脸为限，也即是获取人脸图像以尽量大的有脸被矩形框 住的矩形图像。
步骤200 进行人脸伪装判别，即，将人脸图像根据伪装分类器、伪装模型进行伪 装判别。本发明中，所述人脸伪装判别包括戴墨镜伪装判别、戴墨镜伪装判别、戴口罩或围 巾的伪装判别。在进行伪装判别前需要生成伪装分类器及伪装模型。具体来说，本发明中的 伪装分类器包括帽子分类器、墨镜分类器，根据帽子分类器判别人脸图像是否为戴帽子伪 装，根据墨镜分类器判别人脸图像是否为戴墨镜伪装。所述伪装模型包括肤色模型，根据肤 色模型判别人脸图像是否为戴口罩或围巾的伪装。以下具体说明伪装分类器的生成过程(帽子分类器和墨镜分器说明示意图附在最后了)帽子分类器的生成过程首先获取多张不同放置方法不同形状帽子的图像以及 不是帽子的图像两组图像，一般数量上分别超过一百张，将这些图像进行归一化处理，比如 大小统一规定为40x30像素大小。然后将多张帽子的图像作为正例样本，将多张不是帽子 的图像作为反例样本，这些正例样本和反例样本即组成帽子级联分类器的训练集。利用 Opencv (OpenCV是Intel公司支持的开源计算机视觉库，它由一系列C函数和少量C++类构 成，实现了图像处理和计算机视觉方面的很多通用算法。)中已经写好的基于Haar特征的 Adaboosting算法，分类器的训练用Opencv中的haartraining程序来实现，以取得的帽子 级联分类器的训练集为输入分别训练，得到帽子分类器，最终的输出为基于Harr特征的帽 子级联分类器。获得帽子级联分类器后，再获取其中的帽子hu不变量(胡氏不变量，一些矩特征。 由于关于长轴及短轴的惯性矩和一些十分有用的矩不变量都可直接由矩得到，不变矩是图 像的统计特性，满足平移、绅缩、旋转均不变的不变性，在图像识别领域得到了广泛的应用， Hu首先提出了用于区域形状识别的不变矩，胡氏不变量是一些矩特征。)训练集。利用分 类器训练中形成的帽子级联分类器，来检测帽子，并截出帽子区域图像，这样得到的图像集 合中有两类图像，一类是帽子，另外一类不是帽子(这里称之为“虚假帽子”)，然后将它们 分成两组，是帽子的一组为正例样本，“虚假帽子”的一组为反例样本；如此形成用于获取帽 子Hu不变量的帽子图像集(这里获取帽子Hu不变量训练集所用的图像集和上述训练帽子 级联分类器所用的图像库是不同的两个图像集；这两个图像集都是在系统运行之前准备好 的，计算其中所有图像的7个hu不变量，形成帽子hu不变量训练集，其中有帽子和非帽子 两类数据。通过上述方法即获得了帽子分类器。在获得帽子分类器后，利用帽子分类器对图像中进行戴帽子伪装判别，S卩，先利用 帽子级联分类器初步检测，对检测到的‘帽子图像’，再利用帽子分类器中的7个不变量训 练集和K( 一个正整数，在本发明中取9)近邻方法来判别当前检测的图像中是否是真的帽 子，若刚当前检测帽子的特征向量离帽子hu不变量训练集帽子数据较近，则判为帽子，否 则不是帽子。具体实施过程中，真实帽子图像与误判为帽子的图像的7个Hu不变矩中第5 维与第7维特征的点绘图有很好的分离性，因此使用这两个特征作为K近邻方法的输入来 减少误判，如此也降低了计算复杂度。同上述过程一样，墨镜分类器的获取过程如下墨镜分类器的生成过程首先获取多张不同放置方法不同形状墨镜的图像以及 不是墨镜的图像两组图像，一般数量上分别超过一百张，将这些图像进行归一化处理，比如 大小统一规定为40x30像素大小。然后将多张墨镜的图像作为正例样本，将多张不是墨镜的图像作为反例样本，这些正例样本和反例样本即组成墨镜级联分类器的训练集。利用 Opencv (OpenCV是Intel公司支持的开源计算机视觉库，它由一系列C函数和少量C++类构 成，实现了图像处理和计算机视觉方面的很多通用算法。)中已经写好的基于Haar特征的 Adaboosting算法，分类器的训练用Opencv中的haartraining程序来实现，以取得的墨镜 分类器的训练集为输入分别训练，得到墨镜分类器，最终的输出为基于Harr特征的墨镜级 联分类器。获得墨镜级联分类器后，再获取其中的墨镜hu不变量(胡氏不变量，一些矩特征。 由于关于长轴及短轴的惯性矩和一些十分有用的矩不变量都可直接由矩得到，不变矩是图 像的统计特性，满足平移、绅缩、旋转均不变的不变性，在图像识别领域得到了广泛的应用， Hu首先提出了用于区域形状识别的不变矩，胡氏不变量是一些矩特征。)训练集。利用分 类器训练中形成的墨镜级联分类器，来检测帽子，并截出墨镜区域图像，这样得到的图像集 合中有两类图像，一类是墨镜，另外一类不是墨镜(这里称之为“虚假墨镜”)，然后将它们 分成两组，是墨镜的一组为正例样本，‘虚假墨镜’的一组为反例样本；如此形成用于获取墨 镜Hu不变量的墨镜图像集(这里获取墨镜Hu不变量训练集所用的图像集和上述训练墨镜 级联分类器所用的图像库是不同的两个图像集；)，计算其中所有图像的7个hu不变量，形 成墨镜hu不变量训练集，其中有墨镜和非墨镜两类数据。通过上述方法即获得了墨镜分类器。在获得墨镜分类器后，利用墨镜分类器对图像中进行戴墨镜伪装判别，S卩，先利用 墨镜级联分类器初步检测，对检测到的‘墨镜图像’，再计算该‘墨镜图像’的7个Hu不变 量，然后把7个Hu不变量输入神经网络，根据神经网络输出结果(0或1，0表示不是墨镜、1 表示是墨镜)判别当前检测的图像是否是真的帽子，利用帽子分类器中的7个不变量训练 集和多层神经网络方法，神经网络训练过程如下，使用有三层BP神经网络，输入层7个节点 (对应7个Hu不变量)，隐藏层10个节点，输出层一个节点(对应是否是墨镜)；训练神经 网络的数据集为从视频中截取的墨镜hu不变量训练集。训练后产生神经网络模型。以下简要说明伪装分类器中二个相关的步骤一、基于Haar特征的Adaboosting算法。基于Haar特征的Adaboosting算法来 检测出一些指定的目标，如人脸，墨镜，眼睛，汽车等。具体过如下Haar特征分为三类边 缘特征、线性特征、中心特征与对角线特征组合成的特征模板。特征模板内有白色和黑色两 种矩形，并定义该模板的特征值为白色矩形像素值的和减去黑色矩形像素值的和。在确定 了特征形式后Harr-like特征的数量就取决于训练样本图像矩阵的大小，特征模板在子窗 口内任意放置，一种形态称为一种特征，找出所有子窗口的特征是进行弱分类训练的基础。 Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类 器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。利用样本 的harr特征进行分类器训练，得到一个级联的强分类器。训练样本分为正例样本和反例样 本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意图像，所 有的样本图像都被归一化为同样的尺寸大小(例如，20x20)。分类器训练完以后，就可以应 用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车 或人脸)分类器输出为1，否则输出为0。为了检测整副图像，在图像中移动搜索窗口，检测 每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行
权利要求
一种人脸面相判别方法，包括伪装分类器、伪装模型以及人脸识别分类器，所述人脸面相判别方法包括如下步骤获取人脸图像从视频或图像中获取人脸图像；进行人脸伪装判别将人脸图像根据伪装分类器、伪装模型进行伪装判别；人脸面相判别对于伪装判别结果中未进行伪装的人脸图像根据人脸识别分类器进行人脸分类面相判别。
2.根据权利要求1所述的人脸面相判别方法，其特征在于，在进行人脸伪装判别的步 骤中，在进行人脸图像对比前，还包括对人脸图像的预处理操作，所述预处理操作为对人脸 图像进行归一化处理。
3.根据权利要求1所述的人脸面相判别方法，其特征在于，在进行人脸伪装判别步骤 中，所述人脸伪装判别包括戴帽子伪装判别、戴墨镜伪装判别、戴口罩或围巾的伪装判别。
4.一种人脸面相判别系统，其特征在于，包括输入人脸图像的图像输入单元、根据人脸 图像进行人脸伪装判别的伪装判别单元、进行人脸面相识别的人脸识别单元，所述伪装判 别单元包括获伪装分类器、伪装模型及伪装判别模块，所述人脸识别单元包括存储人脸图 像的人脸图像数据库、人脸识别分类器，所述伪装判别模块根据伪装分类器、伪装模型对所 述图像输入单元输入的人脸图像进行伪装判别，对于所述伪装判别模块判别为不是伪装的 人脸图像时，所述人脸识别单元将对所述图像输入单元输入的人脸图像与所述人脸图像数 据库中的人脸图像根据人脸识别分类器进行人脸面相识别。
5.根据权利要求4所述的人脸面相判别系统，其特征在于，所述伪装分类器包括帽子 分类器、墨镜分类器，所述伪装判别模块根据帽子分类器判别人脸图像是否为戴帽子伪装， 所述伪装判别模块根据墨镜分类器判别人脸图像是否为戴墨镜伪装。
6.根据权利要求4所述的人脸面相判别系统，其特征在于，所述伪装模型包括肤色模 型，所述伪装判别模块根据肤色模型判别人脸图像是否为戴口罩或围巾的伪装。
7.根据权利要求4所述的人脸面相判别系统，其特征在于，所述人脸面相判别系统还 包括人脸图像检索单元，所述人脸图像检索单元根据输入的条件对所述人脸图像数据库中 的人脸图像进行检索。
8.一种应用权利要求4至7中任一权利要求所述人脸面相判别系统的公共安全系统， 其特征在于，所述公共安全系统包括人脸面相判别系统，所述人脸图像数据库为存储嫌疑 人人脸图像的嫌疑人图像数据库，对于所述伪装判别模块判别为不是伪装的人脸图像时， 所述人脸识别单元将所述人脸图像与所述嫌疑人图像数据库中的人脸图像进行人脸面相 识别。
9.根据权利要求8所述的公共安全系统，其特征在于，所述公共安全系统还包括报警 单元，对于所述伪装判别模块判别为是伪装的人脸图像时，所述报警单元报警；对于所述人脸识别单元将所述人脸图像识别为所述嫌疑人图像数据库中的人脸图像，所述报警单元报m 目。
10.根据权利要求8所述的公共安全系统，其特征在于，所述公共安全系统还包括嫌疑 人图像检索单元，所述公共安全系统还包括嫌疑人图像检索单元，所述嫌疑人图像检索单 元根据输入的条件对所述嫌疑人图像数据库中的人脸图像进行检索。
全文摘要
本发明涉及一种人脸面相判别方法，包括伪装分类器、伪装模型以及人脸识别分类器，所述人脸面相判别方法包括如下步骤获取人脸图像从视频或图像中获取人脸图像；进行人脸伪装判别将人脸图像根据伪装分类器、伪装模型进行伪装判别；人脸面相判别对于伪装判别结果中未进行伪装的人脸图像根据人脸识别分类器进行人脸分类面相判别。本发明人脸面相判别的方法、系统及公共安全系统，通过在进行人脸面相识别前先进行人脸伪装判别，对于人脸图像进行伪装的行为及时进行反应。
文档编号G06K9/00GK101980242SQ201010501198
公开日2011年2月23日 申请日期2010年9月30日 优先权日2010年9月30日
发明者徐勇, 李岩, 杨治银 申请人:徐勇