人脸特征的提取、认证方法及装置制造方法
【专利摘要】本发明公开了一种人脸特征的提取、认证方法及装置，其中，人脸特征的提取方法，包括：对获取的人脸图像进行二维希尔伯特变换；以及将经过上述二维希尔伯特变换后的人脸图像用二维解析信号表示。通过本发明，解决了相关技术中人脸识别方法性能差、复杂度高的问题，简化了系统实现的复杂度，提高了系统的精确度和准确性。
【专利说明】人脸特征的提取、认证方法及装置
【技术领域】
[0001]本发明涉及图像处理与模式识别领域，具体而言，涉及一种人脸特征的提取、认证方法及装置。
【背景技术】
[0002]随着网络的普及以及信息技术的飞速发展，信息安全问题越来越引起人们的重视，已经成为技术发展必须要解决的关键问题。其中，如何准确的认证一个人的身份信息是信息安全领域的重要组成部分。
[0003]人脸认证是生物特征识别的一种形式，通过有效地表征人脸，得到两幅人脸照片的特征，来判定这两张照片是否是同一个人。相比于其他的生物特征认证技术，具有友好、方便、非侵入性等特点。因此，近年来人脸认证技术成为众多科研和商业机构的研究热点。
[0004]通常情况下，人脸认证的流程主要分为三部分:人脸检测，眼睛定位与归一化，特征提取与认证。由于人脸是一个三维形变模型，而且人脸认证是以摄像机成像模型所成的照片为介质的，所以认证的结果容易受到光照、姿态、表情和遮挡等外界因素的影响。同时由于人脸认证技术涉及到了模式识别，统计学习，机器视觉，应用数学与信息科学等众多交叉学科，再加上其广泛的应用前景，受到了越来越多的关注。
[0005]最初的人脸识别算法是利用人脸特征点之间像素的差别来做的，这种方法对背景光照等效果非常差，近年来，人脸识别的研究取得了飞速的进展，有一大批新的人脸识别算法被提出，不同的人有不同的分类方法，按照识别过程中人脸的表征方法，可以把人脸识别方法大体分为:基于几何特征的方法、基于整体特征的方法、基于局部纹理特征的方法。
[0006]( I)基于几何特征的方法
[0007]基于几何特征的人脸表示主要是提取人脸的关键点，比如眼睛、鼻子、嘴巴、下巴、眉毛等。然后利用这些关键点的相对位置来计算距离、面积的比率等，然后利用这些比率作为人脸的表征。该方法在定位准确的前提下，对光照变化有很强的鲁棒性，而且特征量比较小。但是，它有一个天生的缺点，那就是特别依赖于关键点的定位，而且关键点的相对位置容易受到表情以及姿态的影响。
[0008](2)基于整体特征的方法
[0009]基于整体特征的人脸表示的一个主要的代表就是基于稀疏表示的方法。主要思想是直接利用一个很大的数据库作为人脸的一组基，然后将要进行比对的人脸向这组基进行稀疏投影，得到每一个人脸在这组基下的投影系数，然后利用这组投影系数来表征人脸。实质上就是利用这组基的稀疏线性组合来表征一个待识别的人脸。该方法当用来做基的数据库非常大且是闭集测试的时候，能取得相当不错的识别效果，但是，当训练库比较小的时候，或者进行开集测试时，对库外人的投影效果就不是很好。也就是说算法的泛化性不强。
[0010](3)基于局部纹理特征的方法
[0011]基于局部纹理特征的一个典型的例子是基于Gabor特征的人脸表示。利用不同尺度和方向的Gabor核在图像上进行滤波，然后针对滤波后的图像做比对。Gabor特征有效的兼顾了信号的时域和频域的表示。是目前最为流行的特征表示之一。然而，该方法最大的一个问题就是数据量非常大，一个利用5个尺度8个方向的Gabor核就会把一幅照片变为40幅特征，提闻了存储和计算的复杂度。
[0012]针对相关技术中人脸识别方法性能差、复杂度高的问题，目前尚未提出有效的解决方案。
【发明内容】
[0013]本发明的主要目的在于提供一种人脸特征的提取、认证方案，以至少解决上述问题。
[0014]根据本发明的一个方面，提供了一种人脸特征的提取方法，包括:对获取的人脸图像进行二维希尔伯特变换；以及将经过上述二维希尔伯特变换后的人脸图像用二维解析信号表不。
[0015]优选地，对获取的人脸图像进行二维希尔伯特变换的公式为:
【权利要求】
1.一种人脸特征的提取方法，其特征在于，包括: 对获取的人脸图像进行二维希尔伯特变换；以及 将经过所述二维希尔伯特变换后的所述人脸图像用二维解析信号表示。
2.根据权利要求1所述的方法，其特征在于，对获取的所述人脸图像进行所述二维希尔伯特变换的公式为:
3.根据权利要求2所述的方法，其特征在于，所述二维希尔伯特变换的时域公式为:
4.根据权利要求1所述的方法，其特征在于，将经过所述二维希尔伯特变换后的所述人脸图像用二维解析信号表示包括: 通过局部振幅A，局部相位Φ和局部方向Θ三个分量表示所述人脸图像的二维解析信号，其中，
5.根据权利要求1所述的方法，其特征在于，对获取的人脸图像进行二维希尔伯特变换之前，所述方法还包括: 分别将获取的所述人脸图像经过带通滤波器进行滤波，其中，所述带通滤波器包括1g-Gabor 滤波器。
6.根据权利要求1所述的方法，其特征在于，将经过所述二维希尔伯特变换后的所述人脸图像用二维解析信号表示之后，所述方法还包括:将经过所述二维希尔伯特变换后的所述人脸图像的二维解析信号通过预设的稀疏自编码神经网络，得到相应的最优值，其中，所述预设的稀疏自编码神经网络中的权重矩阵和偏置矩阵由人脸训练样本获得。
7.一种采用权利要求1至6中任一项所述人脸特征的提取方法进行人脸特征的认证方法，其特征在于，包括: 分别使用所述人脸特征的提取方法表示第一人脸图像和第二人脸图像； 对经过所述人脸特征的提取方法表示后的所述第一人脸图像和所述第二人脸图像进行相似度计算；以及 根据所述相似度计算的结果完成人脸认证过程。
8.根据权利要求7所述的方法，其特征在于，对经过所述人脸特征的提取方法表示后的所述第一人脸图像和所述第二人脸图像进行相似度计算包括: 对经过所述人脸特征的提取方法表示后的所述第一人脸图像和所述第二人脸图像的每个分量进行相似度计算； 将每个分量相似度的加权平均得到所述人脸特征的提取方法表示后的所述第一人脸图像和所述第二人脸图像的总的相 似度。
9.一种人脸特征的提取装置，其特征在于，包括: 二维希尔伯特变换模块，对获取的人脸图像进行二维希尔伯特变换；以及 人脸图像表示模块，用于将经过所述二维希尔伯特变换后的所述人脸图像用二维解析信号表不。
10.一种采用权利要求9所述人脸特征的提取装置进行人脸特征的认证装置，其特征在于，所述认证装置包括: 特征提取模块，用于分别使用所述人脸特征的提取装置表示第一人脸图像和第二人脸图像； 相似度计算模块，对经过所述人脸特征的提取装置表示的所述第一人脸图像和所述第二人脸图像进行相似度计算；以及 认证模块，用于根据所述相似度计算的结果完成人脸认证过程。
【文档编号】G06K9/46GK103646244SQ201310690584
【公开日】2014年3月19日 申请日期:2013年12月16日 优先权日:2013年12月16日
【发明者】江武明, 张祥德, 王宁, 郑金增, 李倩颖, 张芹芹 申请人:北京天诚盛业科技有限公司