一种基于多姿态识别的人脸验证方法及装置制造方法
【专利摘要】本发明提供一种基于多姿态识别的人脸验证方法及装置，其中基于多姿态识别的人脸验证方法包括：获取同一张人脸在至少两种不同姿态下的待验证人脸图像；对每个待验证人脸图像进行特征提取，得到每个待验证人脸图像的特征；依据每个待验证人脸图像的特征，对每个待验证人脸图像进行姿态识别，得到每个待验证人脸图像的姿态类别；将每个待验证人脸图像的特征与人脸图像库中具有相同姿态类别的人脸图像的特征进行匹配，得到匹配结果；当匹配结果表明匹配时，获取待验证人脸图像的身份信息，这样通过对不同姿态下的待验证人脸图像的验证来获取待验证人脸图像的身份信息，降低姿态因素对人脸验证的影响，提高人脸验证的准确度。
【专利说明】一种基于多姿态识别的人脸验证方法及装置
【技术领域】
[0001] 本发明涉及人脸识别【技术领域】，特别涉及一种基于多姿态识别的人脸验证方法及 装直。
【背景技术】
[0002] 人脸验证技术是计算机识别领域非常活跃的研究课题，主要包括三个技术环节： 预处理、人脸特征提取和分类器设计。由于人脸验证技术在人脸识别中的优势，人脸验证技 术在安全领域得到较为广泛的应用，但仍然存在许多不确定的因素制约着人脸验证技术的 应用和发展。
[0003] 例如，姿态因素：在不同姿态下人脸图像会发生变化，部分面部特征会被遮挡；光 照因素：不同强度和方向的光照下人脸图像也会发生很大的变化；情绪因素：由于人在不 同的情绪下表现出来的不同的表情也会引起人脸表面轮廓和纹理的变化等，这些因素都影 响着人脸验证的准确度。
[0004] 其中上述姿态因素严重影响多姿态下人脸验证的准确度，为此本发明提供一种基 于多姿态识别的人脸验证方法及装置，用于提高多姿态下人脸验证的准确度。
【发明内容】
[0005] 有鉴于此，本发明提供一种基于多姿态识别的人脸验证方法及装置，用于提高多 姿态下人脸验证的准确度。技术方案：
[0006] 本发明提供一种基于多姿态识别的人脸验证方法，包括：
[0007] 获取同一张人脸在至少两种不同姿态下的待验证人脸图像；
[0008] 对每个所述待验证人脸图像进行特征提取，得到每个所述待验证人脸图像的特 征；
[0009] 依据每个所述待验证人脸图像的特征，对每个所述待验证人脸图像进行姿态识 另IJ，得到每个所述待验证人脸图像的姿态类别；
[0010] 将每个所述待验证人脸图像的特征与预先建立的人脸图像库中具有相同所述姿 态类别的人脸图像的特征进行匹配，得到匹配结果；
[0011] 当所述匹配结果表明至少一个所述待验证人脸图像的特征与预先建立的人脸图 像库中具有相同所述姿态类别的人脸图像的特征匹配时，获取所述待验证人脸图像的身份 信息；
[0012] 当所述匹配结果表明每个所述待验证人脸图像的特征与预先建立的人脸图像库 中具有相同所述姿态类别的人脸图像的特征都不匹配时，指示人脸验证失败。
[0013] 优选地，所述方法还包括：
[0014] 获取多种姿态的人脸图像；
[0015] 对每个所述人脸图像进行特征提取，得到每个所述人脸图像的特征；
[0016] 将所述人脸图像的姿态类别和所述特征记录在所述人脸图像库中，得到所述人脸 图像库。
[0017] 优选地，所述获取人脸面部向右旋转、向左旋转、正面、正面抬头和正面低头的人 脸图像，其中向右旋转包括：向右旋转90度、70度、50度、30度、10度，向左旋转包括向左旋 转90度、70度、50度、30度、10度。
[0018] 优选地，所述对每个所述待验证人脸图像进行特征提取，得到每个所述待验证人 脸图像的特征包括：
[0019] 采用局部线性嵌入方法对所述待验证人脸图像进行维数约减，以得到所述待验证 人脸图像的特征。
[0020] 优选地，所述依据每个所述待验证人脸图像的特征，对每个所述待验证人脸图像 进行姿态识别，得到每个所述待验证人脸图像的姿态类别包括：
[0021] 利用所述待验证人脸图像的特征、待确定的所述待验证人脸图像的姿态类别、所 述人脸图像库的特征和所述人脸图像库的姿态类别建立含有缺失项的低秩矩阵；
[0022] 对所述低秩矩阵求解，以确定所述待验证人脸图像的姿态类别。
[0023] 本发明还提供一种基于多姿态识别的人脸验证装置，包括：
[0024] 第一获取单元，用于获取同一张人脸在至少两种不同姿态下的待验证人脸图像；
[0025] 特征提取单元，用于对每个所述待验证人脸图像进行特征提取，得到每个所述待 验证人脸图像的特征；
[0026] 识别单元，用于依据每个所述待验证人脸图像的特征，对每个所述待验证人脸图 像进行姿态识别，得到每个所述待验证人脸图像的姿态类别；
[0027] 匹配单元，用于将每个所述待验证人脸图像的特征与预先建立的人脸图像库中具 有相同所述姿态类别的人脸图像的特征进行匹配，得到匹配结果；
[0028] 第二获取单元，用于当所述匹配结果表明至少一个所述待验证人脸图像的特征与 预先建立的人脸图像库中具有相同所述姿态类别的人脸图像的特征匹配时，获取所述待验 证人脸图像的身份信息；
[0029] 指示单元，用于当所述匹配结果表明每个所述待验证人脸图像的特征与预先建立 的人脸图像库中具有相同所述姿态类别的人脸图像的特征都不匹配时，指示人脸验证失 败。
[0030] 优选地，所述装置还包括：
[0031] 第三获取单元，用于获取多种姿态的人脸图像；
[0032] 提取单元，用于对每个所述人脸图像进行特征提取，得到每个所述人脸图像的特 征；
[0033] 记录单元，用于将所述人脸图像的姿态类别和所述特征记录在所述人脸图像库 中，得到所述人脸图像库。
[0034] 优选地，所述第三获取单元获取的人脸图像包括：人脸面部向右旋转、向左旋转、 正面、正面抬头和正面低头的人脸图像，其中向右旋转包括：向右旋转90度、70度、50度、30 度、10度，向左旋转包括向左旋转90度、70度、50度、30度、10度。
[0035] 优选地，所述特征提取单元对每个所述待验证人脸图像进行特征提取，得到每个 所述待验证人脸图像的特征包括：采用局部线性嵌入装置对所述待验证人脸图像进行维数 约减，以得到所述待验证人脸图像的特征。
[0036] 优选地，所述识别单元包括：矩阵建立子单元和处理子单元；
[0037] 所述矩阵建立子单元，用于利用所述待验证人脸图像的特征、待确定的所述待验 证人脸图像的姿态类别、所述人脸图像库的特征和所述人脸图像库的姿态类别建立含有缺 失项的低秩矩阵；
[0038] 所述处理子单元，用于对所述低秩矩阵求解，以确定所述待验证人脸图像的姿态 类别。
[0039] 与现有技术相比，本发明包括以下优点：
[0040] 从上述技术方案可以看出，本发明提供的基于多姿态识别的人脸验证方法，通过 对不同姿态下的待验证人脸图像的验证来获取待验证人脸图像的身份信息，降低姿态因素 对人脸验证的影响，提高人脸验证的准确度。
[0041] 当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
【专利附图】
【附图说明】
[0042] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 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性的前提下，还可以根据这些附图获得其 他的附图。
[0043] 图1是本发明实施例提供的基于多姿态识别的人脸验证方法的一种流程图；
[0044] 图2是本发明实施例与待验证人脸图像具有相同姿态类别的人脸图像；
[0045] 图3是本发明实施例提供的基于多姿态识别的人脸验证方法的另一种流程图；
[0046] 图4是本发明实施例提供的基于多姿态识别的人脸验证装置的一种结构示意图；
[0047] 图5是本发明实施例提供的基于多姿态识别的人脸验证装置的另一种结构示意 图。
【具体实施方式】
[0048] 为了使本领域技术人员更好地理解本发明，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，都属于本发明保护的范围。
[0049] 请参阅图1，其示出了本发明实施例提供的一种基于多姿态识别的人脸验证方法 的一种流程图，可以包括以下步骤：
[0050] 101 :获取同一张人脸在至少两种不同姿态下的待验证人脸图像。在本发明实施例 中，不同姿态可以根据人脸的相对于正面时的旋转角度来确定，在本发明实施例中可以首 先获取一种姿态下的待验证人脸图像，再对其进行镜像处理来生成多种姿态下的待验证人 脸图像，这样可以提供更多的验证信息，提高验证准确度。
[0051] 102:对每个待验证人脸图像进行特征提取，得到每个待验证人脸图像的特征。
[0052] 其中特征提取是计算机视觉和图像处理中的一个关键步骤，用于使用计算机提取 图像信息来决定每个图像的点是否属于一个图像特征。特征提取的最终结果是把图像上的 点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
[0053] 目前特征提取的方式有多种，如局部特征提取，基于算子的特征提取等。本发明实 施例提供一种特征提取的可行方式：采用局部线性嵌入（Locally Linear Embedding，LLE) 方法对待验证人脸图像进行维数约减，以得到待验证人脸图像的特征。
[0054] LLE方法是一种局部流行学习算法，其主要思想是通过保持数据的局部领域结果 来获取高维数据的低维数据，所述低维数据即通过LLE方法得到的特征，下面简单介绍下 LLE方法的流程：
[0055] 首先，将待验证人脸图像转换成样本X = [X1, X2,…，xn]，计算样本Xi的邻域，样本 点Xi的邻域由样本点X i和距离样本点Xi的最近的K个邻域构成，其中η是样本的总个数， K为一个经验值，是选取最相近的邻域的个数；
[0056] 其次，在样本Xi的邻域中计算重构权Wij使得重构误差最小：重构权W ij的计算公 式
【权利要求】
1. 一种基于多姿态识别的人脸验证方法，其特征在于，包括： 获取同一张人脸在至少两种不同姿态下的待验证人脸图像； 对每个所述待验证人脸图像进行特征提取，得到每个所述待验证人脸图像的特征； 依据每个所述待验证人脸图像的特征，对每个所述待验证人脸图像进行姿态识别，得 到每个所述待验证人脸图像的姿态类别； 将每个所述待验证人脸图像的特征与预先建立的人脸图像库中具有相同所述姿态类 别的人脸图像的特征进行匹配，得到匹配结果； 当所述匹配结果表明至少一个所述待验证人脸图像的特征与预先建立的人脸图像库 中具有相同所述姿态类别的人脸图像的特征匹配时，获取所述待验证人脸图像的身份信 息； 当所述匹配结果表明每个所述待验证人脸图像的特征与预先建立的人脸图像库中具 有相同所述姿态类别的人脸图像的特征都不匹配时，指示人脸验证失败。
2. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 获取多种姿态的人脸图像； 对每个所述人脸图像进行特征提取，得到每个所述人脸图像的特征； 将所述人脸图像的姿态类别和所述特征记录在所述人脸图像库中，得到所述人脸图像 库。
3. 根据权利要求2所述的方法，其特征在于，所述获取人脸面部向右旋转、向左旋转、 正面、正面抬头和正面低头的人脸图像，其中向右旋转包括：向右旋转90度、70度、50度、30 度、10度，向左旋转包括向左旋转90度、70度、50度、30度、10度。
4. 根据权利要求1所述的方法，其特征在于，所述对每个所述待验证人脸图像进行特 征提取，得到每个所述待验证人脸图像的特征包括： 采用局部线性嵌入方法对所述待验证人脸图像进行维数约减，W得到所述待验证人脸 图像的特征。
5. 根据权利要求1所述的方法，其特征在于，所述依据每个所述待验证人脸图像的特 征，对每个所述待验证人脸图像进行姿态识别，得到每个所述待验证人脸图像的姿态类别 包括： 利用所述待验证人脸图像的特征、待确定的所述待验证人脸图像的姿态类别、所述人 脸图像库的特征和所述人脸图像库的姿态类别建立含有缺失项的低秩矩阵； 对所述低秩矩阵求解，W确定所述待验证人脸图像的姿态类别。
6. -种基于多姿态识别的人脸验证装置，其特征在于，包括： 第一获取单元，用于获取同一张人脸在至少两种不同姿态下的待验证人脸图像； 特征提取单元，用于对每个所述待验证人脸图像进行特征提取，得到每个所述待验证 人脸图像的特征； 识别单元，用于依据每个所述待验证人脸图像的特征，对每个所述待验证人脸图像进 行姿态识别，得到每个所述待验证人脸图像的姿态类别； 匹配单元，用于将每个所述待验证人脸图像的特征与预先建立的人脸图像库中具有相 同所述姿态类别的人脸图像的特征进行匹配，得到匹配结果； 第二获取单元，用于当所述匹配结果表明至少一个所述待验证人脸图像的特征与预先 建立的人脸图像库中具有相同所述姿态类别的人脸图像的特征匹配时，获取所述待验证人 脸图像的身份信息； 指示单元，用于当所述匹配结果表明每个所述待验证人脸图像的特征与预先建立的人 脸图像库中具有相同所述姿态类别的人脸图像的特征都不匹配时，指示人脸验证失败。
7. 根据权利要求6所述的装置，其特征在于，所述装置还包括： 第H获取单元，用于获取多种姿态的人脸图像； 提取单元，用于对每个所述人脸图像进行特征提取，得到每个所述人脸图像的特征； 记录单元，用于将所述人脸图像的姿态类别和所述特征记录在所述人脸图像库中，得 到所述人脸图像库。
8. 根据权利要求7所述的装置，其特征在于，所述第H获取单元获取的人脸图像包括： 人脸面部向右旋转、向左旋转、正面、正面抬头和正面低头的人脸图像，其中向右旋转包括： 向右旋转90度、70度、50度、30度、10度，向左旋转包括向左旋转90度、70度、50度、30度、 10度。
9. 根据权利要求6所述的装置，其特征在于，所述特征提取单元对每个所述待验证人 脸图像进行特征提取，得到每个所述待验证人脸图像的特征包括：采用局部线性嵌入装置 对所述待验证人脸图像进行维数约减，W得到所述待验证人脸图像的特征。
10. 根据权利要求6所述的装置，其特征在于，所述识别单元包括：矩阵建立子单元和 处理子单元； 所述矩阵建立子单元，用于利用所述待验证人脸图像的特征、待确定的所述待验证人 脸图像的姿态类别、所述人脸图像库的特征和所述人脸图像库的姿态类别建立含有缺失项 的低秩矩阵； 所述处理子单元，用于对所述低秩矩阵求解，W确定所述待验证人脸图像的姿态类别。
【文档编号】G06K9/64GK104463237SQ201410795404
【公开日】2015年3月25日 申请日期:2014年12月18日 优先权日:2014年12月18日
【发明者】蔡苗苗, 谢衍涛, 陈继 申请人:中科创达软件股份有限公司