基于仿生模式识别的多镜头人脸身份确认系统的制作方法
【技术领域】
[0001]模式识别是人工智能的一个研究应用领域。与概率和统计分析、高维空间、神经网络算法等知识紧密结合，从人类认知的角度引入仿生模式识别的概念，结合了仿生感知与信息处理技术。
【背景技术】
[0002]仿生学主要是观察、研究和模拟自然界生物各种各样的特殊本领，包括生物本身结构、原理、行为、各种器官功能、体内的物理和化学过程、能量的供给、记忆与传递等，从而为在科学技术中利用这些原理，提供新的设计思路、工作原理和系统架构的技术科学。而仿生模式识别就是利用仿生学的含义，从“认识"的概念出发，强调与传统模式识别在概念上的不同。
[0003]仿生模式识别也称拓扑模式识别，是在传统的模式识别基础上提出来的，但是它的思想又完全区别于传统的模式识别，是一种新的理论模型与实现手段。它从“认识”的概念出发，认为两个同类事物之间至少存在一个渐变过程，在渐变过程中间的各事物都是同属于该类的，或者说特征空间中同类样本的全体是连续的。其目标是如何对特征空间中的同一类样本作最佳覆盖。
【发明内容】
[0004]本发明的目的在于:利用“仿生模式识别”基本原理研究一种确认正确率较高的三镜头摄入的神经网络人脸识别身份确认系统。
[0005]仿生模式识别把分析特征空间训练样本点间的关系作为基点，特征空间中样本分布的连续性规律为此提供了可能性。仿生模式识别用的方法是“高维空间复杂几何形体覆盖识别方法”，是在特征空间中研究某类样本的分布状况而加以合理覆盖，从而来“认识”某类样本。
【附图说明】
[0006]图1是本发明神经网络多镜头人脸确认系统框图。
【具体实施方式】
[0007]本发明针对同一目标(同一人脸)多镜头采集的信息经预处理后映射到特征空间的“像”是多个样本点(样本矢量)。这多个样本点的分布，正部分地反映了该人脸在特征空间中的“像”的分布状况。根据这多个样本点来决定特征空间中此类样本的覆盖范围，是人脸确认的有效步骤。而一个多权值神经元正是可根据多个权值矢量作成特征空间中复杂形状的覆盖区域。
[0008]由三个摄像头组成一组摄像采集头，采集的人脸以bmp文件输入PC机，该PC机同时作为神经计算机硬件的宿主机，同时提供预处理和确认判决及输出等后处理用。PC机与神经计算硬件和软件组成神经计算机系统。以下对预处理过程作简要说明，各个摄像头各个时间(包括神经网络训练时期、确认时期)所采集的图像均通过同一预处理过程映射到特征空间中(512维每维16位浮点数的特征矢量)。其具体计算步骤为:
(1)确定人脸所在位置；
(2)用左右匹配的方法将倾斜人脸转正；
(3)定出眼睛精确位置；
(4)缩放人脸使眼睛间距为预定常数；
(5)定出数个关键点位置；
(6)以各关键点为核心向四面八方放射方向各点灰度的微商作为特征矢量的各维，以一定的次序排列成512维矢量；
(7)将512维矢量归一化，以减少灰度总体直流分量的影响(即光线强弱的影响)。
【主权项】
1.一种基于仿生模式识别的多镜头人脸身份确认系统，强调用“认识”模式取代传统的模式“分类”与划分，利用“仿生模式识别”基本原理研究一种确认正确率较高的三镜头摄入的神经网络人脸识别身份确认系统。
2.根据权利要求1所述基于仿生模式识别的多镜头人脸身份确认系统，其特征在于，利用仿生模式识别原理以多镜头信息融合对人脸身份确认。
3.根据权利要求1所述基于仿生模式识别的多镜头人脸身份确认系统，其特征在于，用“认识”模式取代传统的模式“分类”与划分。
4.根据权利要求1所述基于仿生模式识别的多镜头人脸身份确认系统，其特征在于，利用“仿生模式识别”基本原理研究一种确认正确率较高的三镜头摄入的神经网络人脸识别身份确认系统。
【专利摘要】本发明提出了一种利用仿生模式识别原理以多镜头信息融合的人脸身份确认方法。强调用“认识”模式取代传统的模式“分类”与划分。利用“仿生模式识别”基本原理研究一种确认正确率较高的三镜头摄入的神经网络人脸识别身份确认系统。
【IPC分类】G06K9-62
【公开号】CN104700113
【申请号】CN201310654900
【发明人】张书策
【申请人】张书策
【公开日】2015年6月10日
【申请日】2013年12月9日