一种基于特征向量的人脸识别方法及装置制造方法
【专利摘要】本发明涉及一种基于特征向量的人脸识别方法及装置，其方法包括以下步骤：1)获取人脸图像；2)对人脸图像进行光线补偿及灰度化处理后，检测并提取含有人脸的局部图像；3)对局部图像进行降噪处理；4)提取局部图像的特征向量；5)将提取得到的特征向量与数据库中样本的特征向量进行对比，得到人脸识别的结果；6)输出人脸识别的结果；其装置包括采用C/S构架的一体化终端机和云端服务器，由一体化终端机进行人脸图像采集，再由云端服务器进行人脸识别。与现有技术相比，本发明具有独特性好、识别效率高等优点。
【专利说明】一种基于特征向量的人脸识别方法及装置
【技术领域】
[0001] 本发明涉及一种人脸识别技术，尤其是涉及一种基于特征向量的人脸识别方法及 装直。
【背景技术】
[0002] 20世纪90年代以来，随着高速高性能计算机的出现，人脸识别算法有了重大突 破，发展出了多种算法并逐步形成了以下几个研究方向。
[0003] 1、基于几何特征的人脸识别方法。主要代表是MIT的Brunelli和Poggio小组， 他们采用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类。
[0004] 2、基于模板匹配的人脸识别方法。主要代表是Harvard大学Smith-Kettlewell 眼睛研究中心的Yuille，他采用弹性模板来提取眼睛和嘴巴的轮廓，Chen和Huang则进一 步提出用活动轮廓模板提取眉毛、下巴和鼻孔等不确定形状。
[0005] 3、基于K-L变换的特征脸的方法。主要研究者是MIT媒体实验室的Pentland④ 基于隐马尔可夫模型的方法，主要代表有Cambridge大学的Samaria小组和Georgia技术 研究所的Nefian小组。
[0006] 4、神经网络识别的方法。如Poggio小组提出的HyperBF神经网络识别方法，英国 Sussex大学的Buxton和Howell小组提出的RBF网络识别方法等。
[0007] 5、基于动态链接结构的弹性图匹配方法。主要研究者是由C. Von derMalsburg领 导的德国Bochum大学和美国Southern California大学的联合小组。
[0008] 6、利用运动和颜色信息对动态图像序列进行人脸识别的方法。主要代表是Queen Mary和Westfield大学的ShaogangGong小组。
[0009] 上述方法存在的缺陷如下：
[0010] 在背景简单的情形下，大部分算法都能很好的处理。但是，人脸识别的应用范围颇 广，仅是简单图像测试，是远远不能满足现实需求的。在复杂背景及条件下，还有很多问题 有待进一步解决，例如 ：
[0011] 1、光照。光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显。
[0012] 2、姿态。与光照问题类似，姿态问题也是目前人脸识别研究中需要解决的一个技 术难点。目前多数的人脸识别算法主要是针对正面，或接近正面的人脸图像，当发生俯仰或 者左右侧而比较厉害的情况下，大多数人脸识别算法的识别率将会急剧下降。
[0013] 3、遮挡。对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题，特 别是在监控环境下，往往被监控对象都会带着眼镜、帽子等饰物，使得被采集出来的人脸图 像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸识别算法的失效。
[0014] 4、年龄变化。随着年龄的变化，面部外观也在变化，特别是对于青少年，这种变化 更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。
[0015] 5、图像质量。人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图 像质量也不同，特别是对于那些低分辨率、噪声大、质量差的人脸图像如何进行有效的人脸 识别对大多数算法来说是个艰巨问题。
[0016] 6、面部毛发，化妆，整容等。随年龄，生活习惯等变化，人脸部特征会发生变化，这 给人脸识别也带来一定的问题。
【发明内容】
[0017] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于特征向量 的人脸识别方法及装置。
[0018] 本发明的目的可以通过以下技术方案来实现：
[0019] 一种基于特征向量的人脸识别方法，包括以下步骤：
[0020] 1)获取人脸图像；
[0021] 2)对人脸图像进行光线补偿及灰度化处理后，检测并提取含有人脸的局部图像；
[0022] 3)对局部图像进行降噪处理；
[0023] 4)提取局部图像的特征向量；
[0024] 5)将提取得到的特征向量与数据库中样本的特征向量进行对比，得到人脸识别的 结果；
[0025] 6)输出人脸识别的结果。
[0026] 步骤1)中通过照相机或摄像头获取人脸图像，该人脸图像包括静态图像和动态 图像。
[0027] 步骤4)中提取局部图像的特征向量具体包括以下步骤：
[0028] 1)对局部图像进行尺度空间检测，初步确定具有局部极值的关键点的位置以及所 在尺度；
[0029] 2)通过拟和三维二次函数去除对比度低于阈值的关键点和不稳定的边缘响应点， 最终确定关键点的位置和尺度；
[0030] 3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使高斯 差分算子具备旋转不变性；
[0031] 4)将坐标轴旋转为关键点的方向，以确保旋转不变性，从而生成每个关键点处的 特征向量。
[0032] -种基于特征向量的人脸识别装置，包括多个一体化终端机以及一个云端服务 器，并且采用C/S构架，所述的一体化终端机通过局域网、WiFi或者3G网络与云端服务器 连接，所述的一体化终端机包括高清摄像头和工控机，高清摄像头捕捉到人脸图像后，由工 控机进行本地保存并进行优化处理，再将图像数据发送至云端服务器进行人脸识别。
[0033] 所述的工控机采用ARM处理器。
[0034] 所述的云端服务器可对每台一体化终端机的工作状态进行监控，若一体化终端机 出现工作异常，则云端服务器会发出警告。
[0035] 与现有技术相比，本发明具有以下优点：
[0036] 1、生成的特征向量是图像的局部特征，对图像的旋转、尺度缩放、亮度变化保持不 变性，对视角变化、仿射变化、噪声等也保持高度的稳定性。
[0037] 2、独特性好，信息量丰富，适用于在海量特征数据库中进行快速，准确的匹配。
[0038] 3、多量性，即使少数几个物体也可产生大量特征向量。
[0039] 4、高速性，可实现实时环境下的人脸提取与比对要求。
[0040] 5、可扩展性，可很方便的与其他形式的特征向量进行联合。
【专利附图】
【附图说明】
[0041] 图1为本发明的流程图；
[0042] 图2为本发明中对局部图像进行尺度空间检测的示意图；
[0043] 图3为关键点处的领域梯度方向示意图；
[0044] 图4为关键点处的特征向量示意图；
[0045] 图5为本发明所采用的人脸识别装置的结构框图。
【具体实施方式】
[0046] 下面结合附图和具体实施例对本发明进行详细说明。
[0047] 实施例
[0048] 如图1所示，一种基于特征向量的人脸识别方法，包括以下步骤：
[0049] 1)获取人脸图像
[0050] 通过照相机或摄像头获取人脸图像，该人脸图像包括静态图像和动态图像。
[0051] 2)人脸图像定位及检测
[0052] 对人脸图像进行光线补偿及灰度化处理后，检测并定位含有人脸的局部图像，将 这些含有人脸的局部图像从整幅图像中分离出来。
[0053] 3)局部图像预处理
[0054] 对分离出来的每一个局部图像进行降噪处理。
[0055] 4)提取局部图像的特征向量；
[0056] 对分离出来的局部图像进行特征提取，提取出特征向量用于进一步的比对处理。
[0057] 5)特征向量比对
[0058] 将提取得到的特征向量与数据库中样本的特征向量进行对比，得到人脸识别的结 果。
[0059] 6)输出人脸识别的结果。
[0060] 其中，步骤4)中提取局部图像的特征向量具体包括以下4个步骤：
[0061] 1)对局部图像进行尺度空间检测，初步确定具有局部极值的关键点的位置以及所 在尺度。在检测尺度空间极值时，图2中标记为" X "的像素需要跟包括同一尺度的周围邻 域8个像素和相邻尺度对应位置的周围邻域9X2个像素总共26个像素进行比较，以确保 在尺度空间和二维图像空间都检测到局部极值。
[0062] 2)通过拟和三维二次函数去除对比度低于阈值的关键点和不稳定的边缘响应点， 最终确定关键点的位置和尺度，以增强匹配稳定性、提高抗噪声能力。
[0063] 3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使
【权利要求】
1. 一种基于特征向量的人脸识别方法，其特征在于，包括w下步骤： 1) 获取人脸图像； 2) 对人脸图像进行光线补偿及灰度化处理后，检测并提取含有人脸的局部图像； 3) 对局部图像进行降噪处理； 4) 提取局部图像的特征向量； 5) 将提取得到的特征向量与数据库中样本的特征向量进行对比，得到人脸识别的结 果； 6) 输出人脸识别的结果。
2. 根据权利要求1所述的一种基于特征向量的人脸识别方法，其特征在于，步骤1)中 通过照相机或摄像头获取人脸图像，该人脸图像包括静态图像和动态图像。
3. 根据权利要求1所述的一种基于特征向量的人脸识别方法，其特征在于，步骤4)中 提取局部图像的特征向量具体包括W下步骤： 1) 对局部图像进行尺度空间检测，初步确定具有局部极值的关键点的位置W及所在尺 度； 2) 通过拟和H维二次函数去除对比度低于阔值的关键点和不稳定的边缘响应点，最终 确定关键点的位置和尺度； 3) 利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使高斯差分 算子具备旋转不变性； 4) 将坐标轴旋转为关键点的方向，W确保旋转不变性，从而生成每个关键点处的特征 向量。
4. 一种基于特征向量的人脸识别装置，其特征在于，包括多个一体化终端机W及一个 云端服务器，并且采用C/S构架，所述的一体化终端机通过局域网、WiFi或者3G网络与云 端服务器连接，所述的一体化终端机包括高清摄像头和工控机，高清摄像头捕捉到人脸图 像后，由工控机进行本地保存并进行优化处理，然后将图像数据发送至云端服务器进行人 脸识别。
5. 根据权利要求4所述的一种基于特征向量的人脸识别装置，其特征在于，所述的工 控机采用ARM处理器。
6. 根据权利要求4所述的一种基于特征向量的人脸识别装置，其特征在于，所述的云 端服务器可对每台一体化终端机的工作状态进行监控，若一体化终端机出现工作异常，贝U 云端服务器会发出警告。
【文档编号】G06K9/00GK104346602SQ201310342204
【公开日】2015年2月11日 申请日期:2013年8月7日 优先权日:2013年8月7日
【发明者】杨博, 林栋 , 林小明 申请人:上海贯城信息科技有限公司