基于大数据处理的快速视频人脸识别方法
【技术领域】
[0001 ] 本发明涉及视频人脸识别领域。
【背景技术】
[0002]生物特征识别技术在近年来广泛用于安防领域，其中的人脸识别技术作为其中一项高效的手段也被广泛研究。人脸识别技术相对于其它的生物识别技术，如虹膜识别、指纹识别等，由于友好、方便等特点，成为研究和使用的热点。对于人脸识别技术，当前研究的主要方向，其一是准确度；
对于普通的人脸识别，目前国内外的研究已较好的解决了这个问题，如:黄福、潘广贞等人在2010年在《电子测试》上公开的《基于多角度照片的真实感三维人脸建模的研究》；赵晓刚等在2009年在《计算机与数字工程》上公开的《特定三维人脸建模方法综述》等等。
[0003]但是对于较多的特例，如多胞胎人脸识别、模糊人脸识别等，其准确度仍然不高。
[0004]另一个重要的因素是:识别速度。
[0005]目前，对于人脸图像识别速度依赖于计算机的运行能力，对于海量数据而言，目前的识别速度耗时也较长，这些都严重阻碍了如安防、刑侦工作的速度和质量。
【发明内容】
[0006]本发明是为了解决现有的人脸识别方法的识别速度慢、识别准确性低的问题，从而提供基于大数据处理的快速视频人脸识别方法。
[0007]基于大数据处理的快速视频人脸识别方法，它包括以下步骤:
步骤一、建立人脸识别数据库；所述数据库包括图像数据库和P个子数据库，所述P为正整数；所述P个子数据库分别嵌入P个的存储器中；
所述图像数据库用于储存采集到的人脸图像和对应的局部人脸特征串行数据；
每个子数据库中用于储存局部人脸特征串行数据，每个子数据库中的每个局部人脸特征串行数据的获得方法是:
步骤Al、读取图像数据库中的一幅人脸图像；
步骤A2、以人脸图像上的人脸两眉之间中心的像素为原点，以水平方向为X轴，以竖直方向为Y轴，以垂直X轴和Y轴形成的平面方向为Z轴建立三维直角坐标系；并确定人脸图像上左眼中心位置像素坐标(LeX，LeY, LeZ)、右眼中心位置像素坐标(ReX，ReY、ReZ)、鼻子中心位置像素坐标(NX，NY, NZ)、嘴中心位置像素坐标(MX，MY, MZ)、左眉中心位置像素坐标(LbX, LbY, LbZ)和右眉中心位置像素坐标(LbX，LbY, LbZ)；
步骤A3、将人脸图像转化为灰度图，逐一将灰度图中每个像素点的灰度值与预设的灰度阈值进行比较，将大于预设的灰度阈值的像素点置“1”，并命名为显著点；将不大于标准值的像素点置“O” ；
步骤A4、逐一将每个显著点与包围该显著点的最邻近的八个像素点形成九宫格，并判断该九宫格内的其它八个点中是否存在有显著点；如果判断结果为是，则将该显著点命名为有效像素点，执行步骤A5 ;如果判断结果为否，则将该显著点置“O” ；
步骤A5、将有效像素点围合的区域记为特征区域，共获得X个特征区域，X为正整数；步骤A6、对于每个特征区域，给出每个像素的坐标(TX，TY, TZ)，并逐一判断每个像素的坐标是否与左眼中心位置像素坐标(LeX，LeY，LeZ)、右眼中心位置像素坐标(ReX，ReY，ReZ)、鼻子中心位置像素坐标(NX，NY, NZ)、嘴中心位置像素坐标(MX，MY, MZ)、左眉中心位置像素坐标(LbX，LbY, LbZ)或右眉中心位置像素坐标(LbX，LbY, LbZ)完全相同，如果判断结果为是，则执行步骤A7 ;如果判断结果为否，则执行步骤A9 ;
步骤A7、对包含有左眼中心位置像素坐标(LeX，LeY, LeZ)、右眼中心位置像素坐标(ReX, ReY, ReZ)、鼻子中心位置像素坐标(NX，NY, NZ)、嘴中心位置像素坐标(MX，MY, MZ)、左眉中心位置像素坐标(LbX，LbY, LbZ)或右眉中心位置像素坐标(LbX，LbY, LbZ)之一的特征区域的边缘进行曲线拟合，获得每个特征区域轮廓曲线；
步骤AS、对于步骤A7中的特征区域，判断该轮廓曲线与其最相近的轴对称图形或中心对称图形的相似度，并判断该相似度是否大于预设的相似度阈值，如果判断结果为是，则对该特征区域内的所有像素置“O” ;如果判断结果为否，则执行步骤A9 ;
步骤A9、逐一判断特征区域内的每个像素的Z轴坐标值是否大于设定的阈值，如果判断结果为是，则将该特征区域内的所有像素置“O”，如果判断结果为否，则剩余的全部Vl特征区域按包含像素的多少进行排列，Vl小于或等于V，并依此设置为i级人脸局部特征区域；i=l、2、……VI，然后执行步骤AlO ;
步骤AlO、逐一将步骤A9中的Vl个图像中的每个人脸局部特征区域的图像转换为对应的二进制数据组，且将该Vl个数据组按照级别的大小组装在一起，获得局部人脸特征串行数据，相邻两个数据组之间用标志位隔开；
第I级人脸局部特征区域为级别最大；第Vl级人脸局部特征区域为级别最小；
步骤All、将步骤AlO中的局部人脸特征串行数据存入其中一个子数据库中；
步骤二、将P个的存储器分别配置P个无线通信装置，形成P个无线接入点AP ;并将P个无线接入点AP组网，具体方法是:
步骤B1、将位于同一通信小区内的C个无线接入点AP构成一个簇，C为正整数，在该簇内，各无线接入点AP共同推选一个无线接入点AP作为簇头，其它C-1个无线接入点AP为簇成员；
各通信小区中簇的簇头能够相互通信，位于不同簇内的簇成员不能相互通信；
将图像数据库配置一个无线通信装置；形成图像数据库无线接入点，所述图像数据库无线接入点能够与各通信小区中的每个无线接点AP相互通信；
步骤三、采集待识别的人脸图像，将所述待识别人脸图像按照上述步骤Al至步骤AlO的方法进行处理，获得待识别局部人脸特征串行数据；
步骤四、将步骤三获得的待识别局部人脸特征串行数据输入其中一个无线接入点AP，将该无线接入点AP记为发起无线接入点AP，并执行步骤Cl ；
步骤Cl、将所述待识别局部人脸特征串行数据在发起无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断为是，则读取图像数据库中无线接入点中的对应人脸图像，将该人脸图像作为当前次识别结果输出；如果判断结果为否，则执行步骤C2;
步骤C2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为I ;并在当前无线接入点AP中的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤C3 ;如果判断结果为否，则执行步骤五；
步骤C3、判断匹配结果的数量是否为I ;如果判断结果为是，则执行步骤C4 ;如果判断结果为否，则执行步骤C5;
步骤C4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤五；如果判断结果为否，则返回执行步骤C2 ；
步骤C5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤C6 ;如果判断结果为否，则执行步骤C7 ;
步骤C6、将该识别到的局部人脸特征串行数据作为人脸识别结果，并生成第二级结果识别包，并执行步骤八；
步骤C7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，生成第三级结果识别包，并执行步骤八；
步骤五、发起点无线接入点AP向其所在簇的簇头发送广播请求信号，将所述簇头记为发起簇头，发起点无线接入点AP判断在设定时间周期内是否收到来自发起簇头的识别结果，如果判断结果为是，则执行步骤八，如果判断结果为否，则执行步骤九；
发起簇头在时间周期内，顺次执行步骤Dl至D7:
步骤D1、将待识别局部人脸特征串行数据在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为否，则执行步骤D2;如果判断为是，则读取图像数据库中对应人脸图像，将该人脸图像作为当前次识别结果，并发送给发起点无线接入点AP，并结束该次人脸识别；
步骤D2、在待识别局部人脸特征串行数据中截取前Q个数据组，Q的初始值为I ;并在发起簇头的子数据库中进行匹配，并判断是否有匹配一致的局部人脸特征串行数据，如果判断结果为是，则执行步骤D3 ;如果判断结果为否，则执行步骤六；
步骤D3、判断匹配结果的数量是否为I ;如果判断结果为否，则执行步骤D4 ;如果判断结果为是，则执行步骤D5;
步骤D4、令Q的值加1，并判断Q的值是否大于或等于待识别局部人脸特征串行数据中数据组的数量，如果判断结果为是，则执行步骤六；如果判断结果为否，则返回执行步骤D2 ；
步骤D5、判断当前Q的值是否大于设定检索阈值，如果判断结果为是，则执行步骤D6 ;如果判断结果为否，则执行步骤D7 ;
步骤D6、读取图像数据库中的对应人脸图像，将该人脸图像作为当前次识别结果，并生成第二级结果识别包，执行步骤七；
步骤D7、将该识别到的局部人脸特征串行数据作为候选人脸识别结果，并生成第三级结果识别包，执行步骤七；
步骤六、发起簇头在向各簇头广播来自发起无线接入点AP的广播数据包，等待一个时间周期； 步骤E1、各簇头将待识别局部人脸特征串行数据在该簇内广播；在一个时间周期下，该簇内的每个无线接入点AP，均执行步骤E2至步骤ES ;
步骤E2、每个无线接入点AP将待识别局部人脸特征串行数据在各自的子数据库中进行