一种人脸识别方法和装置的制造方法
【技术领域】
[0001] 本发明涉及生物识别技术领域，具体涉及一种人脸识别方法和装置。
【背景技术】
[0002] 近年来，人脸识别技术取得了很大进步，开始被广泛应用。人脸识别技术包括很多 种，例如包括一种基于梯度局部自相关特性（英文全称：Gradient Local Autocorrelation feature， 英文简称: glac) 特征的人脸识别技术。
[0003] 但是，人脸识别研究中仍然有一些问题没有被很好的解决，例如，人脸识别过程中 会受到光照不均，人脸遮挡，人脸姿态变化等因素的影响，从而产生噪声，降低识别精度。 [0004]实践发现，现有的人脸识别技术例如基于glac特征的人脸识别技术，其鲁棒性不 够好。
【发明内容】
[0005] 本发明实施例提供一种人脸识别方法和装置，以解决现有的人脸识别技术的鲁棒 性不够好的技术问题。
[0006] 本发明第一方面提供一种人脸识别方法，包括：
[0007] 采用线性空间滤波对人脸图像进行预处理；
[0008] 对预处理后的人脸图像进行方向编码，生成梯度方向向量f，所述梯度方向向量f 的方向分区索引为
，方向权重为:wei = (Ι+index-dindex)3,其中，Θ为梯 度方向，bin为方向分区数量，index是对dindex的取整；
[0009] 根据所述梯度方向向量提取梯度局部自相关特性glac特征；
[0010] 利用卡方检验计算待匹配glac特征之间的距离，识别相似性。
[0011] 本发明第二方面提供一种人脸识别装置，包括：
[0012] 预处理模块，用于采用线性空间滤波对人脸图像进行预处理；
[0013] 方向编码模块，用于对预处理后的人脸图像进行方向编码，生成梯度方向向量f， 所述梯度方向向量f的方向分区索引为
，方向权重为:wei = (l + index- dindex)3,其中，Θ为梯度方向，bin为方向分IX数量，index是对dindex的取整；
[0014] 特征提取模块，用于根据所述梯度方向向量提取梯度局部自相关特性glac特征；
[0015] 计算模块，用于利用卡方检验计算待匹配glac特征之间的距离，识别相似性。
[0016] 本发明第三方面提供一种终端设备，包括:处理器和存储器;所述存储器用于存储 程序;所述处理器用于执行所述存储器中的程序，使得所述终端设备执行如本发明第一方 面提供人脸识别方法。
[0017] 本发明第四方面提供一种存储一个或多个程序的存储介质，所述一个或多个程序 包括指令，所述指令当被包括一个或多个处理器的终端设备执行时，使所述终端设备执行 如本发明第一方面提供的人脸识别方法。
[0018] 由上可见，由上可见，在本发明的一些可行的实施方式中，提供了一种改进的、基 于glac特征的人脸识别技术方案，该方案中通过对预处理后的人脸图像进行方向编码生成 梯度方向向量，并将梯度方向向量f的方向权重定义为wei = (1+index-dindex)3，以及，提 取glac特征，利用卡方检验计算待匹配glac特征之间的距离来实现人脸识别，提高了抗噪 声干扰的能力，可有效提高人脸识别的鲁棒性。
【附图说明】
[0019] 为了更清楚地说明本发明实施例技术方案，下面将对实施例和现有技术描述中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其它的附图。
[0020] 图1是本发明实施例提供的一种人脸识别方法的流程示意图；
[0021] 图2(a)是梯度方向向量f的示意图；
[0022] 图2(b)是2阶相邻位置自相关模式示意图；
[0023]图2(c)是fdu与&的自相关图例示意图；
[0024]图3(a)是实验（1)的FAR和FRR评价指标结果示意图；
[0025] 图3(b)是实验(2)的FAR和FRR评价指标结果示意图；
[0026] 图3(c)是实验(3)的FAR和FRR评价指标结果示意图；
[0027]图3(d)是实验(4)的FAR和FRR评价指标结果示意图；
[0028]图3(e)是实验(5)的FAR和FRR评价指标结果示意图；
[0029] 图3(f)是实验(6)的FAR和FRR评价指标结果示意图；
[0030] 图4是本发明实施例提供的一种人脸识别装置的结构示意图；
[0031 ]图5是本发明实施例提供的一种终端设备的结构示意图。
【具体实施方式】
[0032] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的 附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是 本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人 员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范 围。
[0033] 本发明实施例技术方案适用于多种应用场景，例如，可应用于互联网金融核身，人 脸识别，人脸属性识别，人脸美化，人脸卡通画，人脸跟踪，唇语识别，活体识别等场景。本发 明实施例方法可以由考勤机，门禁系统，计算机，手机，笔记本电脑等各种终端设备实施。
[0034] 请参考图1，本发明的第一实施例提供一种人脸识别方法，该方法可包括：
[0035] 101、采用线性空间滤波对人脸图像进行预处理；
[0036] 102、对预处理后的人脸图像进行方向编码，生成梯度方向向量f，所述梯度方向向 量f的方向分区索引为
，方向权重为:wei = (Ι+index-dindex)3，其中，Θ为 梯度方向，bin为方向分区数量，index是对dindex的取整；
[0037] 103、根据所述梯度方向向量提取梯度局部自相关特性glac特征；
[0038] 104、利用卡方检验计算待匹配glac特征之间的距离，识别相似性。
[0039] 由上可见，在本发明的一些可行的实施方式中，提供了一种改进的、基于glac特征 的人脸识别技术方案，该方案中通过对预处理后的人脸图像进行方向编码生成梯度方向向 量，并将梯度方向向量f的方向权重定义为wei = (Ι+index-dindex)3，以及，提取glac特征， 利用卡方检验计算待匹配glac特征之间的距离来实现人脸识别，提高了抗噪声干扰的能 力，可有效提尚人脸识别的鲁棒性和识别精度。
[0040] 需要说明的是，本发明实施例提供的人脸识别方法是基于glac特征的人脸识别方 法。glac特征是描述局部图像梯度在空间和方向上的自相关特征，而且它可以根据图像上 每个像素点的幅值和方向，稀疏表述该像素点的梯度，她具有2阶自相关统计信息，是1阶直 方图的扩展的延续，具有位移不变形和可加性。
[0041]基于glac特征的人脸识别方法可包括三个过程:一、图像预处理;二、提取glac特 征;三、利用卡方检验计算待匹配glac特征之间的距离，得出相似性分数，识别相似性，完成 人脸识别。其中，第二步的提取glac特征可进一步分为两个步骤：1、方向编码，2、利用梯度 方向向量和梯度幅值，计算在局部邻域中的1阶和2阶自相关梯度值，得到glac特征。下面进 一步详细说明。
[0042] -、图像预处理：
[0043] 本发明实例中，对人脸图像进行预处理的步骤可进一步包括两个过程：
[0044] 第一次预处理;具体的，可采用高斯差分滤波(Difference of Gaussian，英文简 称:DoG)对人脸图像进行第一次预处理。高斯滤波器是一类根据高斯函数的形状来选择权 值的线性平滑滤波器，高斯差分滤波对于抑制服从正态分布的噪声非常有效。通过对人脸 图像进行DoG处理，可以减少光照不均的影响。