一种具备自学习功能的人脸识别方法和系统的制作方法
【技术领域】
[0001]本发明涉及一种人机交互技术，特别涉及一种人脸识别方法和系统。
【背景技术】
[0002]人脸识别技术作为人体生物特征识别的一种技术手段，已经得到广泛应用，在考勤管理，楼宇、车站、海关人员出入管理等方面均发挥重要作用。特别是人脸识别技术以其非接触性、便利性等方面具有广泛应用。
[0003]传统的人脸识别技术主要处理流程包括:注册采集用户人脸特征信息保存到数据库中；用户身份认证时，采集提取当前人脸特征；与数据库中已有数据进行比对，相似度达到限定的阈值时，判定为身份认证成功，但传统的人脸识别技术存在注册采集的图片单一无变化、一旦用户随着年龄的增长，其面部表情、体态产生较大的变化，势必会影响其人脸识别的准确性，此时只能对上述用户重新采集其人脸特征信息，流程繁琐，识别效率低下。
【发明内容】
[0004]本发明目的在于提供一种具备自学习功能的人脸识别方法和系统，用于以提高人脸识别系统的准确性。
[0005]本发明的次要目的在于提供一种既能提高人脸识别系统的准确性，同时能够提高其识别效率的人脸识别系统。
[0006]为实现上述目的，本发明是这样实现的:一种具备自学习功能的人脸识别方法，包括如下步骤:
51、采集待识别用户的人脸静态图像，该静态图像为正面且亮度、清晰度符合要求；
52、将采集到的人脸静态图像，按照统一尺寸进行归一化处理，并通过算法获取人脸静态特征数据作为标准图像数据样本；
53、保存用户的人脸特征数据，其中包括将S2获取的人脸静态特征数据与所对应的用户个人资料关联，该关联数据作为用户的人脸特征数据的标准图像数据样本进行保存，还包括将S8输出的人脸动态特征数据与所对应的用户个人资料关联，该关联数据作为用户的人脸特征数据的辅助图像数据样本进行保存，当辅助图像数据样本数量超过预置值时，后采集的辅助图像数据样本自动覆盖先采集的辅助图像数据样本；
54、当用户进行人脸动态识别时，采集至少I幅成像效果符合要求的图像；
55、将动态采集的符合要求的人脸图像，按照统一尺寸进行归一化处理，并通过算法获取该图像的人脸动态特征数据；
56、将该图像的人脸动态特征数据与S2存储的用户的人脸特征数据作比对，判断两者数据是否匹配；
57、若数据匹配成功，则视为用户通过人脸识别，并运用声音、文字、图像或指示灯的提示信息输出识别结果；
58、判断通过人脸识别的人脸图像的成像效果是否符合要求，若是，则将该人脸图像所对应的人脸动态特征数据输出至S3步骤。
[0007]当该用户再次进行人脸识别时，重复S4至S8。
[0008]进一步，S3优化为:将用户的人脸特征数据依照人脸图像偏移角度的不同进行分类存储，其中人脸静态特征数据存储在无偏移图像数据分类中，人脸动态特征数据存储在有偏移图像数据分类中；
同时在S5与S6之间增加S5.5，对采集到人脸动态特征数据依照人脸图像偏移角度的不同进行预先分类，该分类方法与S3的分类方法一致；
同时S6进一步优化为:将经分类后的人脸动态特征数据优先与该用户的人脸特征数据所对应的分类进行比对识别，如在该分类中无匹配数据，再从其他分类进行比对识别；同时S8进一步优化为:判断通过人脸识别的人脸图像的成像效果是否符合预设值，且根据S5.5步骤所获得的人脸图像偏移角度是否符合预设值，如果两者均符合要求，该将人脸动态特征数据输出至S3步骤，用于扩充更新该用户的人脸特征数据的辅助图像数据样本。
[0009]进一步，所述S3步骤中用户的人脸特征数据分类方法为:将采集到的人脸图像自前到后定义为Y方向，通过投影法计算人脸在Y方向上的偏移角度属性值Pr，并根据其属性值建立有偏移图像数据分类及无偏移图像数据分类，所述的有偏移图像数据分类包括左偏移图像数据分类、右偏移图像数据分类。
[0010]进一步，所述的S8步骤中用于判断人脸图像偏移角度是否符合预设值的方法是:需根据Pr值判断其Y方向偏移角度的绝对值与无偏移阈值O之差的绝对值是否在APW内，其中ΛΡ典型值=5。
[0011]进一步，所述S3步骤中用于更新用户的人脸特征数据的辅助图像数据样本的步骤进一步优化为:该用户的人脸特征数据的辅助图像数据样本为两个，分别为Y方向左偏移图像数据样本和Y方向右偏移图像数据样本，所述的左偏移图像数据样本及右偏移图像数据样本为S8步骤判断识别成功的图像，其与无偏移图像进行图像在Y方向偏移角度的对t匕，如果左偏移或右偏移的角度< 30度，系统判断新采集的图像满足条件可作为辅助图像数据样本，自动覆盖更新原先保存于所对应的左偏移图像数据分类或右偏移图像数据分类中用户的人脸特征数据的辅助图像数据样本。
[0012]根据上述步骤，本发明还提供一种具备自学习功能的人脸识别装置，包括:
人脸静态图像采集模块，用于采集待识别用户的人脸静态图像，该静态图像为正面且亮度、清晰度符合要求；
人脸静态特征提取模块，用于将采集到的人脸静态图像，按照统一尺寸进行归一化处理，并通过算法获取人脸静态特征数据；
用户数据存储模块，用于保存用户的人脸特征数据，其中包括将人脸静态特征提取模块获取的人脸静态特征数据与所对应的用户个人资料关联，该关联数据作为用户的人脸特征数据的标准图像数据样本进行保存，还包括将用户图像自学习模块输出的人脸动态特征数据与所对应的用户个人资料关联，该关联数据作为用户的人脸特征数据的辅助图像数据样本进行保存，当辅助图像数据样本数量超过预置值时，后采集的辅助图像数据样本自动覆盖先采集的辅助图像数据样本；
人脸动态图像采集模块，用于当用户进行人脸动态识别时，采集至少I幅成像效果符合要求的图像；
人脸动态特征提取模块，用于将人脸在动态时采集的符合要求的图像，按照统一尺寸进行归一化处理，并通过算法获取该图像的人脸动态特征数据；
人脸特征对比模块，用于将该图像的人脸动态特征数据与系统之前存储用户的人脸特征数据相互比对识别，判断两者数据是否相互匹配；
人脸识别结果展示模块，用于当用户一旦通过人脸识别，则运用声音、文字、图像或指示灯等提示信息输出识别结果；
用户图像自学习模块，用于判断通过人脸识别的人脸图像的成像效果是否符合要求，若是，则将该人脸图像所对应的人脸动态特征数据输出至用户数据存储模块。
[0013]进一步，所述的用户数据存储模块前端设有分类器，该分类器用于将用户的人脸特征数据依照人脸图像偏移角度的不同进行分类存储，其中人脸静态特征数据存储在无偏移图像数据分类中，人脸动态特征数据存储在有偏移图像数据分类中；
同时在人脸动态特征提取模块与人脸特征对比模块之间增设分类预处理模块，该分类预处理模块用于对采集到人脸动态特征数据根据前述分类器使用的数据分类方法进行分类预处理；
同时人脸特征对比模块，进一步用于将经分类后的人脸动态特征数据优先与该分类所对应的用户特征数据进行比对识别，如无匹配数据，再进行其他分类的比对识别；
同时用户图像自学习模块，进一步用于判断通过人脸识别的人脸图像的成像效果是否符合预设值，且根据分类预处理模块所获得的人脸图像偏移角度是否符合预设值，如果两者均符合要求，该将人脸动态特征数据输出至用户数据存储模块，用于扩充更新该用户的人脸特征数据的辅助图像数据样本。
[0014]进一步，所述的前端具有分类器的用户数据存储模块，进一步用于将采集到的人脸图像自前到后定义为Y方向，通过投影法计算人脸在Y方向上的偏移角度属性值Pr，并根据其属性值建立有偏移图像数据分类及无偏移图像数据分类，所述的有偏移图像数据分类包括左偏移图像数据分类、右偏移图像数据