一种人脸识别方法和装置制造方法
【专利摘要】本发明提供了一种人脸识别方法和装置，该方法包括：获取包含人脸的待识别图像；基于预设的色彩空间对所述待识别图像进行肤色分割，确定出所述待识别图像中的待分析人脸肤色区域；对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域；对所述人脸区域进行人脸识别，得到人脸识别结果。该方法能够提供人脸识别的速度，并提高人脸识别的可靠性。
【专利说明】一种人脸识别方法和装置
【技术领域】
[0001]本发明涉及图像处理【技术领域】，更具体的说是涉及一种人脸识别方法和装置。
【背景技术】
[0002]人脸识别是指利用计算机分析包含人脸信息的视频或者图像，并从中提取出有效性的识别信息，并按照一定的方法提取出人脸特征信息来表征人脸，并最终判断人脸对象的身份。
[0003]人脸识别过程包含了人脸检测和人脸识别两个部分。目前，常用的人脸识别方法一般在整个视频帧或者图像检测人脸区域，很多检测时间浪费在背景干扰区域，人脸检测的检测时间长，检测速率低，进而影响到人脸识别速度。同时，由于收到光照、表情等因素干扰，导致检测不准确，影响人脸识别系统的性能，甚至导致人脸识别失败。
【发明内容】
[0004]有鉴于此，本发明提供一种人脸识别方法和装置，以提高人脸识别的速度，并提高人脸识别的可靠性。
[0005]为实现上述目的，本发明提供如下技术方案:一种人脸识别方法，包括: [0006]获取包含人脸的待识别图像；
[0007]基于预设的色彩空间对所述待识别图像进行肤色分割，确定出所述待识别图像中的待分析人脸肤色区域；
[0008]对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域；
[0009]对所述人脸区域进行人脸识别，得到人脸识别结果。
[0010]优选的，所述基于预设的色彩空间对所述待识别图像进行肤色分割，得到所述待识别图像中的待分析人脸肤色区域，包括:
[0011]基于YCbCr色彩空间对所述待识别图像进行肤色分割，分割出肤色区域；
[0012]根据预置的人脸肤色筛选条件，从所述肤色区域中进行人脸肤色筛选，得到待分析人脸肤色区域。
[0013]优选的，所述基于YCbCr色彩空间对所述待识别图像进行肤色分割，分割出肤色区域，包括:
[0014]根据基于YCbCr色彩空间确定出的肤色区域判别公式，对所述待识别图像进行肤
色分割，分割出多个肤色区域，其中，所述肤色区域判别公式为:
[0015]
_[1, Cb{i, /)e [100,1 n]andCr(i, /)e [138J 70]
F(M) = io,其他
[0016]其中，Cb为所述待识别图像中的像素点的蓝色色度分量，Cr为待识别图像中像素点的红色色度分量，其中I表示该像素点为肤色点，O表示该像素点为非肤色点；
[0017]所述根据预置的人脸肤色筛选条件，从所述肤色区域中进行人脸肤色区域筛选，得到待分析人脸肤色区域，包括:
[0018]分别统计每个肤色区域内的像素数目，并计算每个肤色区域的面积，每个肤色区域的外接矩形的面积，以及所述外接矩形的宽长比；
[0019]当所述肤色区域的像素数目大于1400，肤色区域的面积与肤色区域的外接矩形的面积之比大于0.55，且所述外接矩形的宽长比大于1.54且小于2.4时，则确定所述肤色区域为待分析人脸肤色区域。
[0020]优选的，所述对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域，包括:
[0021]利用训练出的强分类器的检测窗口对所述人脸肤色区域进行人脸检测，定位出人脸区域；
[0022]其中，所述强分类器通过如下方式训练得到:
[0023]A、获取包括多个训练样本(Xi, Yi)的训练样本集合，并为所述训练样本分配权重；其中，所述训练样本集合中包含为正样本的训练样本以及为负样本的训练样本，其中，训练样本中Yi=I表示包含人脸的正样本，Yi=-1表示不包含人脸的负样本,正样本的权重=l/2n，负样本的权重为=l/2m，其中，η为所述训练样本集合中正样本的数量，m为所述训练样本集合中负样本的数量；
[0024]B、根据所述正样本和所述负样本的权重，对于每一个矩形特征，分别训练相应的弱分类器；
[0025]C、计算所述弱分类器的加权错误率；
[0026]D、选择具有最小加权错误率的弱分类器作为最佳弱分类器；
[0027]E、将所述正样本和负样本的权重的更新为Dt+1 (i)，并返回执行步骤B直至迭代次数达到预设次数；
[0028]
【权利要求】
1.一种人脸识别方法，其特征在于，包括: 获取包含人脸的待识别图像； 基于预设的色彩空间对所述待识别图像进行肤色分割，确定出所述待识别图像中的待分析人脸肤色区域； 对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域； 对所述人脸区域进行人脸识别，得到人脸识别结果。
2.根据权利要求1所述的方法，其特征在于，所述基于预设的色彩空间对所述待识别图像进行肤色分割，得到所述待识别图像中的待分析人脸肤色区域，包括: 基于YCbCr色彩空间对所述待识别图像进行肤色分割，分割出肤色区域； 根据预置的人脸肤色筛选条件，从所述肤色区域中进行人脸肤色筛选，得到待分析人脸肤色区域。
3.根据权利要求2所述的方法，其特征在于，所述基于YCbCr色彩空间对所述待识别图像进行肤色分割，分割出肤色区域，包括: 根据基于YCbCr色彩空间确定出的肤色区域判别公式，对所述待识别图像进行肤色分害I]，分割出多个肤色区域，其中，所述肤色区域判别公式为:
4.根据权利要求1所述的方法，其特征在于，所述对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域，包括: 利用训练出的强分类器的检测窗口对所述人脸肤色区域进行人脸检测，定位出人脸区域； 其中，所述强分类器通过如下方式训练得到: A、获取包括多个训练样本(Xi，yi)的训练样本集合，并为所述训练样本分配权重；其中，所述训练样本集合中包含为正样本的训练样本以及为负样本的训练样本，其中，训练样本中Yi=I表示包含人脸的正样本，Yi=-1表示不包含人脸的负样本,正样本的权重=l/2n，负样本的权重为=l/2m，其中，η为所述训练样本集合中正样本的数量，m为所述训练样本集合中负样本的数量； B、根据所述正样本和所述负样本的权重，对于每一个矩形特征，分别训练相应的弱分类器；C、计算所述弱分类器的加权错误率； D、选择具有最小加权错误率的弱分类器作为最佳弱分类器； E、将所述正样本和负样本的权重的更新为Dt+1(i)，并返回执行步骤B直至迭代次数达到预设次数；
5.根据权利要求4所述的方法，其特征在于，所述利用训练出的强分类器的检测窗口对所述人脸肤色区域进行人脸检测，定位出人脸区域，包括: 通过所述强分类器的检测窗口对所述人脸肤色区域进行人脸检测，并按照预设规则调整所述检测窗口的移动步长，直至所述人脸肤色区域均被检测； 其中，按照预设规则调整所述检测窗口的移动步长为通过如下公式调整检测窗口待移动的移动步长delta:delta= μ *ln (Z-Zp) μ是预置的调整因子，ζ是强分类器总数目，Zp为本次人脸检测中通过的强分类器数目。
6.根据权利要求1、4或5所述的方法，其特征在于，所述对所述人脸区域进行人脸识另O，得到人脸识别结果，包括: 获取所述定位出的人脸区域的图像中像素点的局部方向模式LDP编码； 对所述LDP编码进行主方向归一化，得到主方向归一化后的LDP编码；将所述人脸区域切分成M*N的η个第一分块，并根据所述主方向归一化后的LDP的编码值，分别计算每个所述第一分块的权重； 将定位出的人脸区域划分为指定数量个第二分块，并根据所述主方向归一化后的LDP的编码值，分别提取每个所述第二分块的LDP直方图特征； 整合各个所述第二分块的LDP直方图特征，得到描述所述人脸区域的图像的LDP直方图特征； 根据所述人脸区域的图像的LDP直方图特征、每个所述第一分块的权重以及预置的训练样本的LDP直方图，计算所述人脸区域与所述训练样本的LDP直方图的特征相似度；计算所述人脸区域的图像的LDP直方图特征与预置的标准库中的特征的最近距离，将所述最近距离对应的标准库中的图像的信息作为人脸识别结果数据。
7.—种人脸识别装置，其特征在于，包括: 图像获取单元，用于获取包含人脸的待识别图像； 肤色分割单元，用于基于预设的色彩空间对所述待识别图像进行肤色分割，确定出所述待识别图像中的待分析人脸肤色区域； 人脸检测单元，用于对所述待分析人脸肤色区域进行人脸检测，定位出人脸区域； 人脸识别单元，用于对所述人脸区域进行人脸识别，得到人脸识别结果。
8.根据权利要求7所述的装置，其特征在于，所述肤色分割单元，包括: 第一肤色分割单元，用于基于YCbCr色彩空间对所述待识别图像进行肤色分割，分割出肤色区域； 肤色区域确定单元，用于根据预置的人脸肤色筛选条件，从所述肤色区域中进行人脸肤色筛选，得到待分析人脸肤色区域。
9.根据权利要求8所述的装置，其特征在于，所述第一肤色分割单元，包括: 肤色分割子单元，用于根据基于YCbCr色彩空间确定出的肤色区域判别公式，对所述待识别图像进行肤色分割，分割出多个肤色区域，其中，所述肤色区域判别公式为:
10.根据权利要求7所述的装置，其特征在于，所述人脸检测单元，包括: 人脸检测子单元，用于利用训练出的强分类器的检测窗口对所述人脸肤色区域进行人脸检测，定位出人脸区域； 其中，所述强分类器通过如下方式训练得到: A、获取训练样本(Xi, Yi)，并为所述训练样本分配权重；其中，Xi e X, Yi e {-1, +Ihyi=I表示包含人脸的正样本，Yi=-1表示不包含人脸的负样本,正样本的权重=l/2n，负样本的权重为=l/2m,其中，η为所述正样本的数量,m为所述负样本的数量； B、根据所述正样本和所述负样本的权重，对于每一个矩形特征，分别训练相应的弱分类器； C、计算所述弱分类器的加权错误率； D、选择具有最小加权错误率的弱分类器作为最佳弱分类器； E、将所述正样本和负样本的权重的更新为Dt+1(i)，并返回执行步骤B直至迭代次数达到预设次数；
11.根据权利要求7或10所述的装置，其特征在于，所述人脸识别单元，包括: 编码确定单元，用于获取所述定位出的人脸区域的图像中像素点的局部方向模式LDP编码； 编码处理单元，用于对所述LDP编码进行主方向归一化，得到主方向归一化后的LDP编码； 权重计算单元，用于将所述人脸区域切分成Μ*Ν的η个第一分块，并根据所述主方向归一化后的LDP的编码值，分别计算每个所述第一分块的权重； 第一特征确定单元，用于将定位出的人脸区域划分为指定数量个第二分块，并根据所述主方向归一化后的LDP的编码值，分别提取每个所述第二分块的LDP直方图特征； 第二特征确定单元，用于整合各个所述第二分块的LDP直方图特征，得到描述所述人脸区域的图像的LDP直方图特征； 相似度计算单元，用于根据所述人脸区域的图像的LDP直方图特征、每个所述第一分块的权重以及预置的训练样本的LDP直方图，计算所述人脸区域与所述训练样本的LDP直方图的特征相似度； 人脸识别子单元，用 于计算所述人脸区域的图像的LDP直方图特征与预置的标准库中的特征的最近距离，将所述最近距离对应的标准库中的图像的信息作为人脸识别结果数据。
【文档编号】G06K9/62GK103577838SQ201310606827
【公开日】2014年2月12日 申请日期:2013年11月25日 优先权日:2013年11月25日
【发明者】徐汀荣, 李 杰 申请人:苏州大学