一种人脸识别方法
【专利摘要】本发明公开了一种人脸识别方法，首先，通过图像采集设备采集人脸数据信息，采集多个人的人脸数据信息作为训练集导入测试设备中，其次将训练集进行预分类，并转化为矩阵形式；接着，将对称非负矩阵分解算法作用于训练集，得到低维子空间；最后，将待识别的人脸数据信息映射到低维子空间中，利用人脸分类方法确定待识别的人脸数据信息的具体类别。本发明提供了一种快速精确的人脸识别方法，解决了传统人脸识别方法收敛速度慢、耗时长的问题。
【专利说明】一种人脸识别方法
【技术领域】
[0001] 本发明属于数字图像处理【技术领域】，特别涉及了一种人脸识别方法。
【背景技术】
[0002] 人脸识别技术是一种基于生物特征的识别方式，与指纹识别等传统的识别方式相 t匕，因为它通过摄像头进行样本采集，该过程不需要任何直接的接触，因而具有简单、快捷 的优点；而人类通常都是依据人的面部信息将彼此识别出来，因而它还具有直观性；而且 由于人脸的采集不需要像指纹和虹膜一样需要特殊的外部设备来采集，降低了从设备上进 行造假或者信息泄漏的危险，因此它也降低了系统被伪装欺骗的可能性。所以人脸识别技 术在诸多领域都有广泛的应用，而人脸识别技术中的人脸特征提取及模式识别是近年来基 于生物特征研究的热点之一。
[0003] 目前人脸识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防 务等领域。比如，一位储户去银行取款，他可以不带银行卡，也不用回忆密码，因为他在提款 机上提款时，一台摄像机对该用户的人脸进行扫描，然后迅速而准确地完成了用户身份鉴 定，办理完业务。此外，美国"9. 11"事件后，反恐怖活动已成为各国政府的共识，加强机场、 商场、火车站、汽车站等公共场所的安全防务十分重要。美国维萨格公司的脸像识别技术在 美国的两家机场就大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
[0004] 随着人脸识别技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更 多的领域。比如企业、住宅安全和管理，如人脸识别门禁考勤系统，人脸识别防盗门等；电子 护照及身份证，国际民航组织（ICA0)已确定，从2010年起，其118个成员国家和地区，必须 使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准，中国的电子护照 计划公安部一所正在加紧规划和实施；公安、司法和刑侦，安全部门可以利用人脸识别系统 和网络，在全国范围内搜捕逃犯；信息安全，比如计算机登录、电子政务和电子商务，当前， 交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全，但是使用人脸识 别技术，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和 电子政务系统的可靠性。
[0005] 而从经济效益上看，生物特征识别技术近几年来以平均每年20%至30%的速度增 长，其中，人脸识别技术更是增幅高达80%，目前国内的市场份额达到8000多万元。所以，在 未来几年，我国人脸识别技术的市场份额将达到数十亿元人民币。与此同时，人脸识别技术 还有一个巨大的潜在市场，即政府市场。比如，我国部分地区的社保系统为了确保社会保险 基金安全，防止和杜绝骗领、冒领养老金等情形发生，纷纷采纳了"人脸动态识别身份验证 系统"，以加强对离退休人员的身份验证和管理。
[0006] 除了政府大规模应用市场呈现蓄势待发的情况外，将人脸识别产品嵌入到门禁控 制系统中的新一代门禁控制产品正随着前些年的铺垫而日趋成熟。安防产业中的门禁系统 已成为多数智能化项目中最常见的安防子系统之一，在政府、企业、工厂、石化、汽车、造船、 金融、医院、部队等领域得到了大量应用，同时，市场需求呈现快速增长的发展局面。相关数 据显示，我国的安防门禁系统产品及配套设备市场的产业链近年来实现了年20%至25%的 增长速度。
[0007] 因此，对于人脸识别技术的开发便变得极为的重要和迫切，能否提供更好、更加稳 定的算法，然后在此基础上进行产品和技术的革新也成为当今人脸识别技术市场的一个重 要的任务。
【发明内容】
[0008] 为了解决【背景技术】存在的问题，本发明旨在提供一种人脸识别方法，解决传统人 脸识别方法收敛速度慢、耗时长的问题。
[0009] 为了实现上述技术目的，本发明的技术方案为： 一种人脸识别方法， (1) 通过图像采集设备采集人脸数据信息，采集多个人的人脸数据信息作为训练集导 入测试设备中； (2) 测试设备将训练集进行预分类，并转化为矩阵形式； (3) 将对称非负矩阵分解算法作用于训练集，从而把高维的原始数据降维，得到低维子 空间； (4) 将待识别的人脸数据信息映射到步骤（3)得到的低维子空间中； (5) 利用人脸分类方法确定待识别的人脸数据信息的具体类别。
[0010] 其中，上述步骤（2)中的预分类是将每一个人的人脸数据信息作为一个类。
[0011] 其中，上述步骤（5)中的人脸分类方法为ι-nearest方法或者k-nearest方法。
[0012] 其中，上述图像采集设备为数码相机。
[0013] 其中，上述测试设备为PC机。
[0014] 采用上述技术方案带来的有益效果是： 本发明将具体的图像抽象化成矩阵处理，这样方便数据的处理。将对称非负矩阵算法 用于维数降阶当中，这个算法不仅能够快速的对原始数据进行降维压缩，并且能够保证提 取的维数的有效性，所以，我们将这个算法应用于人脸识别当中，可以快速精确的识别人脸 的类别。
【专利附图】
【附图说明】
[0015] 图1是本发明的流程图。
【具体实施方式】
[0016] 以下将结合附图，对本发明的技术方案进行详细说明。
[0017] 如图1所示本发明的流程图，一种人脸识别方法，包含以下步骤： (1) 通过图像采集设备采集人脸数据信息，采集多个人的人脸数据信息作为训练集导 入测试设备中； (2) 测试设备将训练集进行预分类，并转化为矩阵形式，这里的预分类是将每一个人的 人脸数据信息作为一个类； (3) 将对称非负矩阵分解算法作用于训练集，从而把高维的原始数据降维，得到低维子 空间； (4) 将待识别的人脸数据信息映射到步骤（3)得到的低维子空间中； (5) 利用人脸分类方法确定待识别的人脸数据信息的具体类别，这里的人脸分类方法 1-nearest k-nearest 77?〇
[0018] 在本实施例中，图像米集设备米用数码相机，测试设备米用PC机。
[0019] 以0RL数据库为例，0RL数据库含有40个人，每个人有10张人脸信息，选择每个 人的前5张人脸信息作为训练样本，后5张人脸信息作为测试样本。将训练样本导入PC 机中，PC机对训练样本以每个人为一类进行分类并转换成对称矩阵，通过对训练样本做对 称非负矩阵分解，得到一个低维的非负子空间，然后再将测试样本投影到该低维空间，通过 k-nearest方法分类对测试样本进行分类识别。该方法的识别率接近90%。
[0020] 以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是 按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围 之内。
【权利要求】
1. 一种人脸识别方法，其特征在于： (1) 通过图像采集设备采集多个人的人脸数据信息，这些人脸数据信息作为训练集导 入测试设备中； (2) 测试设备将训练集进行预分类，并转化为矩阵形式； (3) 将对称非负矩阵分解算法作用于训练集，从而把高维的原始数据降维，得到低维子 空间； (4) 将待识别的人脸数据信息映射到步骤（3)得到的低维子空间中； (5) 利用人脸分类方法确定待识别的人脸数据信息的具体类别。
2. 根据权利要求1所述一种人脸识别方法，其特征在于：所述步骤（2)中的预分类是将 每一个人的人脸数据信息作为一个类。
3. 根据权利要求1所述一种人脸识别方法，其特征在于：所述步骤（5)中的人脸分类方 1-nearest k-nearest 77?〇
4. 根据权利要求1所述一种人脸识别方法，其特征在于：所述图像采集设备为数码相 机。
5. 根据权利要求1所述一种人脸识别方法，其特征在于：所述测试设备为PC机。
【文档编号】G06K9/62GK104091159SQ201410333136
【公开日】2014年10月8日 申请日期:2014年7月14日 优先权日:2014年7月14日
【发明者】张漪 , 王琪, 王炫盛 申请人:无锡市合鑫川自动化设备有限公司