专利名称：人脸识别方法
技术领域：
本发明涉及人脸识别方法，特别涉及一种结合姿势鲁棒和光照处理的人脸识别方法。
背景技术：
现有的自动人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果；但是，当用户不配合，采集条件不理想(如光照恶劣，姿态变化等)时，现有系统的识别效果会急剧下降。因此，人脸识别技术远未达到实用水平，还存在许多挑战性问题
需要解决。
到目前为止，还没有一套比较成熟的人脸识别方案能够很好的解决姿态变化和光照恶劣导致识别率降低的问题。
发明内容
为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种结合姿势鲁棒和光照处理的识别率高的人脸识别方法。本发明的目的通过以下技术方案实现人脸识别方法，包括以下步骤SI检测视频序列中是否存在用户设定的特定手势；若是，进行S2 ;否则，重复步骤SI ；S2检测视频区间内是否有用户人脸，若是，进行步骤S3，否则重复步骤S2 ；S3对步骤S2检测到的用户人脸进行实时跟踪，并将得到的用户人脸图像进行可靠性分析，丢弃不可靠图像，得到待识别人脸图像；S4对步骤S3得到的待识别人脸图像提取光照不敏感特征，具体为S4. I将待识别人脸图像分成多个子窗口，分别从每个子窗口中提取待识别子LBP直方图；S4. 2将步骤4. I得到的子LBP (局部二值模式)直方图连接成一个直方图，用此直方图来描述人脸；S5采用贝叶斯概率统计模型对步骤S4. I得到的子LBP直方图的变化规律进行模拟以实现人脸的姿势鲁棒；S6人脸识别过程，具体为S6. I将样本库中的样本分为多个子窗口，从每个子窗口中提取出样本子LBP直方图；S6. 2计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的相似度；根据相似度判断待识别人脸图像与人脸库中的样本是否同属一个人，若是，识别过程结束，系统执行用户指定操作；若否，进行步骤S7 ；S7询问用户是否是第一次使用系统；
若是，新建样本库，并标注用户名；若否，询问用户是否更替样本库，若是，将待识别人脸图像代替样本库中的原有样本，否则结束操作。步骤S2所述检测视频区间内是否有用户人脸，具体包括以下步骤S2. I通过积分图像计算出输入图像的Haar-Iike特征；S2. 2利用AdaBoost算法选择步骤S2. I得到的Haar-Iike特征中具有强分类能力的 Haar-Iike 特征；S2. 3构造出步骤S2. 2得到的特征对应的弱分类器；S2. 4通过加权求和步骤S2. 3得到的弱分类器整合成强分类器；
S2. 5使用步骤S2. 4得到强分类器检测视频区间内是否有用户人脸。步骤S3所述对步骤S2检测到的用户人脸进行实时跟踪，具体为S3. I人脸特征定位先建立人脸肤色模型，获得肤色相似度图和人脸区域的二值图像；根据肤色相似度图上排除图像中非人脸区域，得到人脸区域，所述人脸区域包括人脸及颈部；再通过似合下巴曲线分离人脸和颈部；最后根据二值图像将人脸反转，根据灰度值确定左右内眼点和左右嘴角点的位置，再根据左右内眼点的中线与鼻子水平交线确定鼻尖的位置；S3. 2人脸姿态估计根据计算得到的平面偏转角度、侧深度偏转角度和步骤S3. I得到的鼻尖位置，计算得到拟合中心初始位置并选择模型实例，最后对人脸进行三维姿态估计；S3. 3采用基于反向组合算法的AAM(主动外观模型)拟合方法对三进维姿态行拟合，从而提高拟合的准确性和速度。所述计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的相似度，具体为计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的距离的平方，并将这些距离平方加权。与现有技术相比，本发明具有以下优点和有益效果(I)本发明通过对待识别的人脸图像进行光照处理，提取人脸图像对光照不敏感特征，过滤光照不均、人脸定位的误差等带来的不良影响，提高识别准确率。(2)本发明通过肤色模型对人脸图像的面部特征点进行精确定位，采用贝叶斯概率统计模型的姿势鲁棒算法很好地模拟出真实的人脸图像，解决了因人脸姿势变化而导致无法识别的问题。(3)本发明人机交互性好，当用户第一次使用该系统时，系统对用户先建立样本库；否则，当出现识别错误时，可由用户决定是否更替原样本和重新建立样本。
图I为本发明的人脸识别方法的流程图。
具体实施例方式下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。实施例本发明的人脸识别方法，包括以下步骤SI检测视频序列中是否存在用户设定的特定手势；若是，进行S2 ;否则，重复步骤SI。S2检测视频区间内是否有用户人脸，若是，进行步骤S3，否则重复步骤S2，具体包括以下步骤S2. I通过积分图像计算出输入图像的Haar-Iike特征；S2. 2利用AdaBoost算法选择步骤S2. I得到的Haar-Iike特征中具有强分类能力的 Haar-Iike 特征； S2. 3构造出步骤S2. 2得到的特征对应的弱分类器；S2. 4通过加权求和步骤S2. 3得到的弱分类器整合成强分类器；S2. 5使用步骤S2. 4得到强分类器检测视频区间内是否有用户人脸。S3对步骤S2检测到的用户人脸进行实时跟踪，并将得到的用户人脸图像进行可靠性分析，丢弃不可靠图像，得到待识别人脸图像，具体为S3. I人脸特征定位先建立人脸肤色模型，获得肤色相似度图和人脸区域的二值图像；根据肤色相似度图上排除图像中非人脸区域，得到人脸区域，所述人脸区域包括人脸及颈部；再通过似合下巴曲线分离人脸和颈部；最后根据二值图像将人脸反转，根据灰度值确定左右内眼点和左右嘴角点的位置，再根据左右内眼点的中线与鼻子水平交线确定鼻尖的位置；S3. 2人脸姿态估计根据计算得到的平面偏转角度、侧深度偏转角度和步骤S3. I得到的鼻尖位置，计算得到拟合中心初始位置并选择模型实例，最后对人脸进行三维姿态估计；S3. 3采用基于反向组合算法的AAM拟合方法对三进维姿态行拟合。S4对步骤S3得到的待识别人脸图像提取光照不敏感特征，具体为S4. I将待识别人脸图像分成多个子窗口，分别从每个子窗口中提取待识别子LBP直方图；S4. 2将步骤4. I得到的子LBP直方图连接成一个直方图，用此直方图来描述人脸;S5采用贝叶斯概率统计模型对步骤S4. I得到的子LBP直方图的变化规律进行模拟以实现人脸的姿势鲁棒；S6人脸识别过程，具体为S6. I将样本库中的样本分为多个子窗口，从每个子窗口中提取出样本子LBP直方图；S6. 2计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的相似度(即步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的距离的平方，并将这些距离平方加权；根据相似度判断待识别人脸图像与人脸库中的样本是否同属一个人，若是，识别过程结束，系统执行用户指定操作；若否，进行步骤S7 ；S7询问用户是否是第一次使用系统；
若是，新建样本库，并标注用户名；若否，询问用户是否更替样本库，若是，将待识别人脸图像代替样本库中的原有样本，否则结束操作。 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化 ，均应为等效的置换方式，都包含在本发明的保护范围之内。
权利要求
1.人脸识别方法，其特征在于，包括以下步骤 SI检测视频序列中是否存在用户设定的特定手势；若是，进行S2 ;否则，重复步骤SI ； S2检测视频区间内是否有用户人脸，若是，进行步骤S3，否则重复步骤S2 ； S3对步骤S2检测到的用户人脸进行实时跟踪，并将得到的用户人脸图像进行可靠性分析，丢弃不可靠图像，得到待识别人脸图像； S4对步骤S3得到的待识别人脸图像提取光照不敏感特征，具体为 S4. I将待识别人脸图像分成多个子窗口，分别从每个子窗口中提取待识别子LBP直方图； S4. 2将步骤4. I得到的子LBP直方图连接成一个直方图，用此直方图来描述人脸； S5采用贝叶斯概率统计模型对步骤S4. I得到的子LBP直方图的变化规律进行模拟以实现人脸的姿势鲁棒； S6人脸识别过程，具体为 S6. I将样本库中的样本分为多个子窗口，从每个子窗口中提取出样本子LBP直方图；S6. 2计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的相似度；根据相似度判断待识别人脸图像与人脸库中的样本是否同属一个人，若是，识别过程结束，系统执行用户指定操作；若否，进行步骤S7 ； S7询问用户是否是第一次使用系统； 若是，新建样本库，并标注用户名； 若否，询问用户是否更替样本库，若是，将待识别人脸图像代替样本库中的原有样本，否则结束操作。
2.根据权利要求I所述的人脸识别方法，其特征在于，步骤S2所述检测视频区间内是否有用户人脸，具体包括以下步骤 S2. I通过积分图像计算出输入图像的Haar-Iike特征； S2. 2利用AdaBoost算法选择步骤S2. I得到的Haar-Iike特征中具有强分类能力的Haar-Iike 特征； S2. 3构造出步骤S2. 2得到的特征对应的弱分类器； S2. 4通过加权求和步骤S2. 3得到的弱分类器整合成强分类器； 52.5使用步骤S2. 4得到强分类器检测视频区间内是否有用户人脸。
3.根据权利要求I所述的人脸识别方法，其特征在于，步骤S3所述对步骤S2检测到的用户人脸进行实时跟踪，具体为 S3.I人脸特征定位先建立人脸肤色模型，获得肤色相似度图和人脸区域的二值图像；根据肤色相似度图上排除图像中非人脸区域，得到人脸区域，所述人脸区域包括人脸及颈部；再通过似合下巴曲线分离人脸和颈部；最后根据二值图像将人脸反转，根据灰度值确定左右内眼点和左右嘴角点的位置，再根据左右内眼点的中线与鼻子水平交线确定鼻尖的位置； S3. 2人脸姿态估计根据计算得到的平面偏转角度、侧深度偏转角度和步骤S3. I得到的鼻尖位置，计算得到拟合中心初始位置并选择模型实例，最后对人脸进行三维姿态估计； S3. 3采用基于反向组合算法的AAM拟合方法对三进维姿态行拟合。
4.根据权利要求I所述的人脸识别方法，其特征在于，所述计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的相似度，具体为 计算步骤S5处理后的待识别子LBP直方图与其对应的样本子LBP直方图之间的距离的平方，并将这些距离平方加权。
全文摘要
本发明公开了人脸识别方法，包括以下步骤S1判断检测视频序列中是否存在用户设定的特定手势；若是，进行S2；否则，重复步骤S1；S2检测视频区间内是否有用户人脸，若是，进行步骤S3，否则重复步骤S2；S3对检测到的用户人脸进行实时跟踪；S4对用户人脸图像提取光照不敏感特征；S5模拟用户姿势变化规律；S6人脸识别过程，判断待识别人脸图像与人脸库中的样本是否同属一个人，若是，识别过程结束，系统执行用户操作；若否，进行步骤S7；S7询问用户是否是第一次使用系统；若是，新建样本库，若否，询问用户是否更替样本库，若是，将该用户人脸图像代替人脸库中的原有样本，否则结束操作。本发明结合姿势鲁棒和光照处理，识别更加准确。
文档编号G06K9/00GK102831408SQ20121031372
公开日2012年12月19日 申请日期2012年8月29日 优先权日2012年8月29日
发明者罗梦娜, 徐向民, 吴丹丹, 罗雅愉 申请人:华南理工大学