一种人脸识别系统的制作方法
【专利摘要】本发明涉及一种人脸识别系统，依次包括人脸检测与定位、规范化、特征提取和人脸识别四个模块。本发明的有益效果是：该人脸识别系统的识别精度可达90％以上，基本满足了识别要求。系统实时性好、携带方便，可以通过程序的修改推广到动态图像跟踪、运动检测等领域。
【专利说明】—种人脸识别系统
【技术领域】
[0001]本发明涉及一种人脸识别系统。
【背景技术】
[0002]人脸识别的相关算法的运行速度慢，PAL视频信号进行采集和处理以及人脸定位的运行一般都不可以脱离PC机独立进行，人脸识别设备体积大、笨重、功耗高、携带不方便，这些都限制了人脸设别系统的应用与推广。
【发明内容】
[0003]本发明要解决的技术问题是:基于上述问题，本发明提供一种人脸识别系统。
[0004]本发明解决其技术问题所采用的一个技术方案是:一种人脸识别系统，依次包括人脸检测与定位、规范化、特征提取和人脸识别四个模块。
[0005]进一步地，人脸检测与定位模块为:确定人眼的坐标(Xl，Y1)和(x2，y2)，由此可间接得到正方形人脸的左上顶点和右下顶点的坐标，设其分别为(XpY1)和(χ2，y2)，其详细计算方法如下所示:
[0006]Widtheyes=X2-X1 ；
[0007]Widthface=ffidtheyes/RH ；
[0008]X1=X1- (Widthface-Widtheyes)/2 ;
[0009]X2=X^Widthface ；
[0010]Heighteyes=(Y^y2)/2 ；
[0011]Heightface=Widthface ；
[0012]Y1=Heighteyes-HeightfaceZRv ;
[0013]Y2=Y^Heightface ；
[0014]式中，Rh和Rv均为经验常数，分别取值为2.0和3.5。
[0015]进一步地，通过DSP图像预处理来达到图像规范化模块。
[0016]进一步地，特征提取模块采用主分量分析(PCA)，包括以下步骤:
[0017]第一步，采集到N个样本用作训练集X，求出样本平均值m，如下式所示
[0018]
【权利要求】
1.一种人脸识别系统，其特征是:依次包括人脸检测与定位、规范化、特征提取和人脸识别四个模块。
2.根据权利要求1所述的一种人脸识别系统，其特征是:所述的人脸检测与定位模块为:确定人眼的坐标(Xl，Y1)和(x2，y2)，由此可间接得到正方形人脸的左上顶点和右下顶点的坐标，设其分别为(XpY1)和(X2，Y2),其详细计算方法如下所示:
Widtheyes=X2-X1 ；
Widthface=ffidtheyes/RH ；
X1=X1- (Widthface-Widtheyes) /2 ；
X2=X^ffidthface ；
Heighteyes= (Y^y2)/2 ；
Heightface=Widthface ；
Y1=Heighteyes-HeightfacfZRv ；
Y2=Y^Heightface ； 式中，Rh和Rv均为经验常数，分别取值为2.0和3.5。
3.根据权利要求1所述的一种人脸识别系统，其特征是:通过DSP图像预处理来达到图像规范化模块。
4.根据权利要求1所述的一种人脸识别系统，其特征是:所述的特征提取模块采用主分量分析(PCA)，包括以下步骤: 第一步，采集到N个样本用作训练集X，求出样本平均值m，如下式所示
5.根据权利要求1所述的一种人脸识别系统，其特征是:所述的人脸识别模块为KNN分类器进行分类，KNN的实现分训练和识别两步。
6.根据权利要求5所述的一种人脸识别系统，其特征是:所述的KNN的训练时，把每类样本降维后的结果作为KNN的输入；KNN的识别时，K近邻算法将一个测试点X分类为与它最接近的K个近邻中出现最多的那个类别，从测试样本点开始生长，不断扩大区域，直到包含进K个训练样本点为止，并且把测试样本点的类别归为这最近K个训练样本点中出现频率最大的类别。
【文档编号】G06K9/66GK103761504SQ201310751586
【公开日】2014年4月30日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】吴锦华 申请人:江苏图云智能科技发展有限公司