人脸识别方法和系统的制作方法
【技术领域】
[0001]本发明涉及生物特征识别技术领域，具体涉及一种人脸识别方法和人脸识别系统。
【背景技术】
[0002]随着社会的不断进步以及对于快速有效的身份验证技术的迫切需求，生物特征识别技术在近年来得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异，生物特征成为了身份验证的最理想依据。目前，生物特征识别技术主要包括:人脸识别、指纹识别、视网膜识别、虹膜识别、步态识别和静脉识别等。与其他识别方法相比，人脸识别由于具有直接、友好、方便等特征，易于为用户所接受，从而得到了广泛的研究与应用。
[0003]现有的人脸识别技术通常采用灰度对比的方式，例如，现有技术提供了一种人脸识别方法，该方法具体为，首先将第一人脸图像转化为第一灰度图，提取第一灰度图的整体特征，将第二人脸图像转化为第二灰度图，提取第二灰度图的整体特征，再将第二灰度图的整体特征和第一灰度图的整体特征进行比对，如果对比成功则判定两幅人脸图像相似，如果对比失败，则分别提取第一灰度图和第二灰度图的局部特征，并分别将第一灰度图的局部特征与第二灰度图的对应局部特征对比(例如，对比两幅灰度图的眼睛、鼻子、嘴巴和眉毛等区域的灰度值)，如果对比成功，则判定两幅人脸图像相似，如果对比失败，则判定两幅人脸图像不相似。
[0004]现有的灰度对比的方法中，人脸在同一环境下比对的时候得到的结果比较精确，但是，如果环境发生变化，比如戴了帽子或者周边环境发生了变化，就很难实现准确的判断，人脸识别的准确率会大幅下降。
[0005]因此，开发一种能够适应环境变化要求，即使环境发生变化也不会降低识别准确率的人脸识别技术成为目前本领域亟待解决的技术问题。
【发明内容】
[0006]本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷，提供一种能够适应环境变化要求，即使环境发生变化也不会降低识别准确率的人脸识别方法和人脸识别系统。
[0007]解决本发明技术问题所采用的技术方案是:
[0008]本发明提供一种人脸识别方法，所述方法包括如下步骤:
[0009]分别提取各待识别人脸图像和标准人脸图像的多条特征曲线，所述特征曲线能够表征人脸，且从每幅待识别人脸图像中提取的任一条特征曲线均与从标准人脸图像的相应位置处提取的一条特征曲线相对应；
[0010]对于每条特征曲线，沿该条特征曲线的一个端点向另一个端点进行逐像素扫描，依次计算后一像素与前一像素的偏移量，以形成与该条特征曲线对应的一个线性弧度偏移数组；
[0011]分别对比标准人脸图像和各待识别人脸图像的对应线性弧度偏移数组，根据对比结果判定各待识别人脸图像是否与标准人脸图像相似。
[0012]本发明还提供一种人脸识别系统，所述系统包括:
[0013]第一提取模块，用于分别提取各待识别人脸图像和标准人脸图像的多条特征曲线，所述特征曲线能够表征人脸，且从每幅待识别人脸图像中提取的任一条特征曲线均与从标准人脸图像的相应位置处提取的一条特征曲线相对应；
[0014]第一计算模块，用于沿每条特征曲线的一个端点向另一个端点进行逐像素扫描，依次计算后一像素与前一像素的偏移量，以形成与该条特征曲线对应的一个线性弧度偏移数组；
[0015]第一判定模块，用于分别对比标准人脸图像和各待识别人脸图像的对应线性弧度偏移数组，根据对比结果判定各待识别人脸图像是否与标准人脸图像相似。
[0016]有益效果:
[0017]本发明所述人脸识别方法及系统通过提取各待识别人脸图像和标准人脸图像的特征曲线，将提取的特征曲线处理为线性弧度偏移数组，以及分别对比标准人脸图像和各待识别人脸图像的对应线性弧度偏移数组的方式，确定各待识别人脸图像中的哪些与标准人脸图像相似，以及哪些与标准人脸图像不相似，从而实现了人脸的精确识别，辨识度极高，还能够适应环境变化(例如，周边环境发生变化、改变发型或者戴帽子)要求，即使环境发生变化也不会降低识别准确率。
【附图说明】
[0018]图1为本发明实施例1提供的一种人脸识别方法的流程示意图；
[0019]图2为本发明实施例2提供的一种人脸识别方法的流程示意图；
[0020]图3为本发明实施例3提供的一种人脸识别系统的结构示意图；以及
[0021]图4为本发明实施例4提供的一种人脸识别系统的结构示意图。
[0022]图中:11 —预处理模块；21 —第一提取模块；22 —第二提取模块；31 —第一计算模块；32 —第二计算模块；33 —第三计算模块；41 一第一判定模块；42 —第二判定模块；43 一第三判定模块；51 —优先级确定模块。
【具体实施方式】
[0023]为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和实施例对本发明作进一步详细描述。
[0024]实施例1:
[0025]图1为本发明实施例1提供的一种人脸识别方法的流程示意图，如图1所示，所述方法包括如下步骤:
[0026]步骤101.分别提取各待识别人脸图像和标准人脸图像的多条特征曲线，所述特征曲线能够表征人脸，且从每幅待识别人脸图像中提取的任一条特征曲线均与从标准人脸图像的相应位置处提取的一条特征曲线相对应。
[0027]其中，本领域技术人员可以理解的是，从各待识别人脸图像和标准人脸图像处提取的特征曲线的数量一样多。能够表征人脸的特征曲线指的是能够表示及区分人脸特征的曲线。标准人脸图像可以理解为一种人脸模板。
[0028]下面举例说明:
[0029]例如，共有一幅标准人脸图像和三幅待识别人脸图像(在实际应用中，待识别人脸图像的数量可能为几千，甚至上万，但是为了便于描述，本实施例中仅以三幅待识别人脸图像为例)，这三幅待识别人脸图像分别为第一人脸图像、第二人脸图像和第三人脸图像，从每幅人脸图像(各待识别人脸图像和标准人脸图像)中提取三条特征曲线，具体为，从标准人脸图像中提取的特征曲线01、特征曲线02和特征曲线03，从第一人脸图像中提取的特征曲线11、特征曲线12和特征曲线13，从第二人脸图像中提取的特征曲线21、特征曲线22和特征曲线23，以及从第三人脸图像中提取的特征曲线31、特征曲线32和特征曲线33，而且，特征曲线11、特征曲线21和特征曲线31均与特征曲线01对应且提取位置相同或近似相同，特征曲线12、特征曲线22和特征曲线32均与特征曲线02对应且提取位置相同或近似相同，以及特征曲线13、特征曲线23和特征曲线33均与特征曲线03对应且提取位置相同或近似相同。
[0030]步骤102.对于每条特征曲线，沿该条特征曲线的一个端点向另一个端点进行逐像素扫描，依次计算后一像素与前一像素的偏移量，以形成与该条特征曲线对应的一个线性弧度偏移数组。
[0031]其中，由于每条特征曲线均是从各待识别人脸图像或标准人脸图像中提取的，而图像由像素构成，故每条特征曲线也由像素构成。线性弧度偏移数组中的每个元素都表示相邻两个像素(即后一像素与前一像素)在X，y两个维度的偏移值。
[0032]例如，特征曲线A从一个端点至另一个端点的像素坐标依次为(0，0)，(I,2)，(2，4)，...，(4，98)，(2，99)，(O, 100)，则特征曲线A对应的线性弧度偏移数组为[(1,2), (1，2)，…，(-2，I), (-2，I)] ο
[0033]步骤103.分别对比标准人脸图像和各待识别人脸图像的对应线性弧度偏移数组，根据对比结果判定各待识别人脸图像是否与标准人脸图像相似。
[0034]本领域技术人员可根据实际情况设定具体对比规则，并根据该具体对比规则的执行结果(即，对比结果)判定各待识别人脸图像是否与标准人脸图像相似，从而得知各待识别人脸图像中的哪些与标准人脸图像相似，以及哪些与标准人脸图像不相似。
[0035]本实施例中，所述步骤103具体为:
[0036]将各幅人脸图像(待识别人脸图像和标准人脸图像)的对应线性弧度偏移数组作为一种线性弧度偏移数组，判定至少两种对应的线性弧度偏移数组一致的待识别人脸图像与标准人脸图像相似，以及判定所述至少两种对应的线性弧度偏移数组中至少一种对应的线性弧度偏移数组不一致的待识别人脸图像与标准人脸图像不相似。
[0037]下面举例说明:
[0038]仍以三幅待识别人脸图像为例，其中标准人脸图像的特征曲线01对应的线性弧度偏移数组、第一人脸图像的特征曲线11对应的线性弧度偏移数组、第二人脸图像的特征曲线21对应的线性弧度偏移数组和第三人脸图像的特征曲线31对应的线性弧度偏移数组作为第一种对应数组，标准人脸图像的特征曲线02对应的线性弧度偏移数组、第一人脸图像的特征曲线12对应的线性弧度偏移数组、第二人脸图像的特征曲线22对应的线性弧度偏移数组和第三人脸图像的特征曲线32对应的线性弧度偏移数组作为第二种对应数组，以及标准人脸图像的特征曲线03对应的线性弧度偏移数组、第一人脸图像的特征曲线13对应的线性弧度偏移数组、第二人脸图像的特征曲线23对应的线性弧度偏移数组和第三人脸图像的特征曲线33对应的线性弧度偏移数组作为第三种对应数组，则判定上述三种对应数组中至少两种对应数组一致的那些待识别人脸图像与标准人脸图像相似(例如，若第一人脸图像的特征曲线11对应的线性弧度偏移数组、第二人脸图像的特征曲线21对应的线性弧度偏移数组均与标准人脸图像的特征曲线01对应的线性弧度偏移数组一致，且第一人脸图像的特征曲线12对应的线性弧度偏移数组、第二人脸图像的特征曲线22对应的线性弧度偏移数组均与标准人脸图像的特征曲线02对应的线性弧度偏移数组一致，则判定第一人脸图像和第二人脸图像均与标准人脸图像相似)，以及判定所述至少两种对应数组中至少一种对应数组不一致的那些待识别人脸图像与标准人脸图像不相似(例如，若第三人脸图像的特征曲线31对应的线性弧度偏移数组与标准人脸图像的特征曲线01对应的线性弧度偏移数组不一致，和/或第三人脸图像的特征曲线32对应的线性弧度偏移数组与标准人脸图像的特征曲线02对应的线性弧度偏移数组不一致，则判定第三人脸图像与标准人脸图像不相似)。
[0039]本实施例中，确定任意两个线性弧度偏移数组一致需要这两个线性弧度偏移数组同时满足如下两个条件:
[0040]I) 二者的非零差值率(nonZeroPercentage)小于90%，所述非零差值率指的是，二者的差值数组中不是(0，0)的差值元素占整个差值数组中所有差值元素的比例；