一种人脸识别方法及装置与流程

本发明涉及通信技术领域，特别涉及一种人脸识别方法及装置。

背景技术：

人脸作为生物识别特征具有不会遗失、不易被复制、采集方便、唯一性、不被察觉等优点，正越来越受到人们的重视，已经进入了社会生活的各个领域。与视网膜、指纹、虹膜、语音、掌纹等其它人体生物特征识别系统相比，人脸识别系统以其方便、友好等特点，具有十分广泛应用前景，特别是在人脸识别门禁考勤系统、人脸识别atm机智能视频报警系统、人脸识别公安罪犯追逃智能报警系统的身份识别、视频会议以及医学等方面的应用，已成为目前模式识别和基于内容检索领域的一个研究热点。

特征提取与选择是人脸识别的核心问题，是后续正确识别的基础。人脸图像的采集过程中往往会受到光照变化、人脸姿态的变化等因素的干扰，传统的人脸识别过程，是在提取人脸特征后，将取得的人脸特征与人脸样本进行比较，来看是否是同一个人。这样，只是简单的提取人脸特征进行对比，导致人脸识别精确度低，准确性差。

技术实现要素：

本发明实施例的目的在于提供一种人脸识别方法，解决了现有的人脸识别技术只是简单的提取人脸特征进行对比，导致人脸识别精确度低和准确性差问题。

为了达到上述目的，本发明实施例提供一种人脸识别方法，包括：

获取用户人脸图像；

对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；

对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；

使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

本发明实施例还提供一种人脸识别装置，包括：

获取单元，用于获取用户人脸图像；

校正单元，用于对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；

提取单元，对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；

验证单元，用于使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行的一个或多个程序，所述一个或多个程序被所述计算机执行时使所述计算机执行如上述提供的一种人脸识别的方法。

上述技术方案中的一个技术方案具有如下优点或有益效果：

本发明的人脸识别方法和装置，获取用户人脸图像；对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。这样，通过检测人脸图像的关键点坐标，通过关键点坐标对人脸图像进行校正，对校正过的人脸图像进行用户人脸特征的提取，并进行人脸验证，提高人脸识别的精确度和准确性。

附图说明

图1为本发明实施例提供的一种人脸识别的方法；

图2为本发明实施例提供的另一种人脸识别的方法；

图3为本发明实施例提供的一种人脸识别的装置。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明实施例提供一种人脸识别的方法，包括以下步骤：

步骤s101、获取用户人脸图像。

该步骤中，启动装置，装置获取人脸的图像。所述获取用户人脸图像的方法，可以是使用摄像头，对用户进行拍照，也可以是选取已经拍摄好的用户人脸图像，在此不做限定。

步骤s102、对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正。

该步骤中，对所述人脸图像进行关键点坐标检测，可以是先设置好的参考坐标系，然后将所述人脸图像放置于设置好参考坐标系中，然后检测关键点坐标。其中，关键点可以是人脸图像上具有代表性的点，比如人脸上的嘴巴、鼻子和耳朵等五官，或者酒窝和痣等有特点的点。

检测到关键点坐标后，使用关键点坐标对所述人脸图像进行校正，以便后续的比较更为准确。比如获取的所述人脸图像上，人脸是有些歪的，或者稍微有些侧脸，因此为了提高识别的准确率，需要将人脸摆正，再进行验证。对人脸图像进行校正，可以是根据检测到的关键点坐标，在设置好的所述参考坐标系中，将人脸图像进行平移或者旋转来使人脸图像呈正方向，然后再对人脸图像进行比如去模糊点等修正。

步骤s103、对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征。

该步骤中，对所述人脸图像进行校正后，因为所述人脸图像已经在所述参考坐标系中进行了平移或者旋转，所以所述人脸图像上的关键点坐标已经发生了变化，此时，重新计算所述人脸图像上的关键点坐标，重新计算关键点坐标的方法可以通过对步骤s102中所检测到的关键点坐标按s102中人脸校正时所做的变换进行相应的变换来实现，也可以在所述参考坐标系中重新提取所述人脸图像上的关键点的新坐标，并根据重新计算过的关键点坐标提取用户人脸特征，其中用户人脸特征不限于一个，可以提取多个用户人脸特征进行后续的验证，以便提高识别准确度。为了验证的准确度及有效性，本发明优先提取重要度比较高的用户人脸特征，如五官等。

步骤s104、使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

该步骤中，在提取到人脸上的各部分特征，也就是说用户人脸特征后，会与人脸库中的人脸样本做比较，来进行人脸验证。

举例来说，为提高验证准确率及识别精度，本实施方式中可以是对多个人脸特征进行验证，但由于人脸各部分的特征所携带的信息量以及信息的重要程度不同，因此在计算总体相似度时不能把这几个特征相似度进行简单的加权平均。为了能利用好人脸不同部分的信息量以及信息重要性的不同，本发明预先利用支持向量机(supportvectormachine，简称svm)算法(以下统称svm)，通过大量训练样本来进行训练，最终得到一个svm分类器。再利用svm分类器进行用户人脸验证。通过svm分类器能有效地利用人脸不同部分所携带的信息以及信息的重要程度，对人脸各部分的相似度进行综合评估来得到最终的验证结果。

本发明的人脸识别方法，获取用户人脸图像；对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。这样，通过检测人脸图像的关键点坐标，通过关键点坐标对人脸图像进行校正，对校正过的人脸图像进行用户人脸特征的提取，并进行人脸验证，提高人脸识别的精确度和准确性。

如图2所示，本发明实施例提供一种人脸识别的方法，包括以下步骤：

步骤s201、获取用户人脸图像。

步骤s202、对所述人脸图像进行关键点坐标检测，使用检测到的所述关键点坐标，对所述人脸图像按照预设方向进行人脸对齐，再将对齐后的人脸图像进行归一化处理。

需要说明的，步骤s202是可替换的，即步骤s202可以理解为对图1所示的实施例中的步骤s102的限定，但本发明实施例中，步骤s102并不限定为步骤s202的实施方式，还可以通过在所述人脸图像上设置坐标系，将人脸图像上的坐标系与预设的参考坐标系进行比较重合的实施方式实现，即步骤202可以替换为在所述人脸图像上设置坐标系，将人脸图像上的坐标系与预设的参考坐标系进行比较重合的实施方式或者替换为步骤102中的特征。

该步骤中，对所述人脸图像进行关键点坐标检测，可以是先设置好的参考坐标系，然后将所述人脸图像放置于设置好参考坐标系中，然后检测关键点坐标。其中，关键点可以是人脸图像上具有代表性的点，比如人脸上的嘴巴、鼻子和耳朵等五官，或者酒窝和痣等有特点的点。

检测到关键点坐标后，首先对所述人脸图像进行人脸对齐，对所述人脸图像进行人脸对齐，是指获取的所述人脸图像上，人脸是有些歪的，或者稍微有些侧脸，需要在所述参考坐标系中将所述人脸图像摆正，使所述人脸图像按照预设好的正方向呈现。

对齐的方法可以是根据提取好的关键点坐标，在所述参考坐标系中计算，进行平移或者旋转后，使所述人脸图像按照正方向呈现。举例说明，比如获取到了双眼的坐标，发现双眼之间的连线与所述参考坐标系的x轴成一角度，也就是说所述人脸图像是歪的，此时需要将人脸旋转一定角度，使双眼之间的连线与x轴平行，然后再将人脸做一定的平移，使人脸图像上人脸的中心与原点重合即表示人脸对齐完成。

人脸对齐完成后，再对所述人脸图像进行归一化处理，去除模糊点等。其中归一化处理可以为对所述人脸图像进行坐标中心化、剪切不变性(x-shearing)归一化、缩放归一化和旋转归一化等处理。

步骤s203、对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征。

步骤s204、使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

步骤s201、步骤s203和步骤s204分别与本发明的第一实施例中的步骤s101、步骤s103和步骤s104相同，在此不做赘述。

可选的，步骤s203包括：

对校正过的所述人脸图像重新计算关键点坐标，使用重新得到的关键点的坐标位置划分人脸特征区域，以提取用户人脸特征。

该步骤中，由于之前对所述人脸图像进行了校正，所以用户人脸图像的位置进行了变化，此时需要在所述参考坐标系中重新计算关键点坐标，并使用重新得到的关键点的坐标位置在所述人脸图像上划分人脸特征区域，在划分的人脸特征区域中提取用户人脸特征。

本实施方式中，所述人脸特征区域主要包括第一特征区域及第二特征区域，其中所述第一特征区域为所述人脸图像上的眉毛、眼睛和鼻子及眉毛、眼睛和鼻子的周围部分组成的区域，所述第二特征区域为所述人脸图像上的嘴巴及嘴巴的周围部分组成的区域。

可选的，步骤s203还包括：

提取所述第一特征区域的特征一、所述第二特征区域的特征二、人脸五官的关键点位置坐标作为特征的特征三以及人脸外轮廓的关键点位置坐标作为特征的特征四。

本实施方式中，为了提高人脸识别的精确度和准确性，可选的，提取四个特征来进行人脸验证，但并不局限于此，还可以根据验证需要，提取更多特征和特征点。

该步骤中，所述人脸特征包括特征一、特征二、特征三和特征四，其中特征一为所述人脸图像上的眉毛、眼睛和鼻子，及眉毛、眼睛和鼻子的周围部分组成的第一特征区域的gabor特征，特征二为嘴巴及嘴巴周围部分组成的第二特征区域的gabor特征，特征三为所述重新得到的人脸五官关键点的坐标位置，特征四为所述人脸图上上人脸外轮廓上的关键点的坐标位置，比如脸颊和下巴等坐标位置。

本实施方式中，所述第一特征区域及所述第二特征区域的特征为gabor特征，但并不局限于此，在其他实施方式，所述第一特征区域及所述第二特征区域的特征还可以是lbp特征和hog特征等。虽然本实施方式中，所述第一特征区域及所述第二特征区域的特征使用相同的特征，均为gabor特征，但并不局限于此，在其他实施方式中，所述第一特征区域及所述第二特征区域的特征还可以使用不同的特征，如所述第一特征为gabor特征，所述第二特征为lbp特征，或者采用其他组合均可。

可选的，步骤s204包括：

将所述特征一、所述特征二、所述特征三及所述特征四分别与预设的人脸样本进行比较，得出所述特征一的相似度一、所述特征二的相似度二、所述特征三的相似度三及所述特征四的相似度四；

使用预设算法将所述相似度一、所述相似度二、所述相似度三及所述相似度四组成的四维特征向量进行分类，并计算验证用户人脸与预设的人脸样本是否属于同一人。

该步骤中，在提取到人脸上的各部分特征，也就是说提取到所述特征一、所述特征二、所述特征三及所述特征四后，将所述特征一、所述特征二、所述特征三及所述特征四分别与预设的人脸样本上相对应的部位特征进行比较，得出所述特征一的相似度一、所述特征二的相似度二、所述特征三的相似度三及所述特征四的相似度四。

需要说明的是，所述相似度一、所述相似度二、所述相似度三和所述相似度四可以同时对比计算，与可以分开对比计算，但并不区分先后顺序。

然后使用预设算法，将所述相似度一、所述相似度二、所述相似度三及所述相似度四组成的四维特征向量进行分类，并计算验证用户人脸与预设的人脸样本是否属于同一人。

本实施方式中，所述相似度一、所述相似度二、所述相似度三及所述相似度四可以是余弦相似度，但并不局限于此，在其他实施方式中，可以是欧氏距离相似度、马氏距离相似度或者汉明距离相似度等。

举例来说，由于人脸各部分的特征所携带的信息量以及信息的重要程度不同，因此在计算总体相似度时不能把这几个特征相似度进行简单的加权平均。因此，本实施方式中，将所述相似度一、所述相似度二、所述相似度三及所述相似度四组成一个四维特征向量，使用预设设置好的svm分类器对所述四维特征向量进行分类，其中，所述svm分类器是预先通过svm算法，通过大量训练样本来进行训练，最终得到svm分类器。通过svm分类器能有效地利用人脸不同部分所携带的信息以及信息的重要程度，对人脸各部分的相似度进行综合评估来得到最终的验证结果。

为提高验证准确率及识别精度，本实施方式中是对四个特征相似度组成的四维特征向量进行分类，但并不局限于此，在其他实施方式中，还可以根据需要提取比如五维特征向量、六维特征向量或者更多维的特征向量来进行人脸识别验证。

本发明的人脸识别方法，获取用户人脸图像；对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标，对所述人脸图像按照预设方向进行人脸对齐，再将对齐后的人脸图像进行归一化处理；对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。这样，通过检测人脸图像的关键点坐标，通过关键点坐标对人脸图像进行校正，对校正过的人脸图像进行用户人脸特征的提取，并进行人脸验证，提高人脸识别的精确度和准确性。

如图3所示，本发明实施例提供一种人脸识别的装置，包括：

获取单元301，用于获取用户人脸图像；

校正单元302，用于对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；

提取单元303，对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；

验证单元304，用于使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

可选的，所述校正单元302用于使用检测到的所述关键点坐标，对所述人脸图像按照预设方向进行人脸对齐，再将对齐后的人脸图像进行归一化处理。

可选的，所述提取单元303用于对校正过的所述人脸图像重新计算关键点坐标，使用重新得到的关键点的坐标位置划分人脸特征区域，以提取用户人脸特征。

可选的，所述人脸特征区域包括眉毛、眼睛和鼻子及其周围部分组成的第一特征区域，以及嘴巴及其周围部分组成的第二特征区域，所述提取单元303用于提取所述第一特征区域的特征一、所述第二特征区域的特征二、人脸五官的关键点位置坐标作为特征的特征三以及人脸外轮廓的关键点位置坐标作为特征的特征四。

可选的，所述验证单元304用于将所述特征一、所述特征二、所述特征三及所述特征四分别与预设的人脸样本进行比较，得出所述特征一的相似度一、所述特征二的相似度二、所述特征三的相似度三及所述特征四的相似度四；

使用预设算法将所述相似度一、所述相似度二、所述相似度三及所述相似度四组成的四维特征向量进行分类，并计算验证用户人脸与预设的人脸样本是否属于同一人。

本发明实施例的人脸识别的装置，获取单元，用于获取用户人脸图像；校正单元，用于对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；提取单元，对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；验证单元，用于使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。这样，通过检测人脸图像的关键点坐标，通过关键点坐标对人脸图像进行校正，对校正过的人脸图像进行用户人脸特征的提取，并进行人脸验证，提高人脸识别的精确度和准确性。

本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一计算机可读取介质中，该程序在执行时，包括以下步骤：

获取用户人脸图像；

对所述人脸图像进行关键点坐标检测，并使用检测到的所述关键点坐标对所述人脸图像进行校正；

对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征；

使用所述人脸特征及重新计算过的关键点坐标进行人脸验证。

可选的，所述使用检测到的所述关键点坐标对所述人脸图像进行校正，包括：

使用检测到的所述关键点坐标，对所述人脸图像按照预设方向进行人脸对齐，再将对齐后的人脸图像进行归一化处理。

可选的，所述对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征，包括：

对校正过的所述人脸图像重新计算关键点坐标，使用重新得到的关键点的坐标位置划分人脸特征区域，以提取用户人脸特征。

可选的，所述人脸特征区域包括眉毛、眼睛和鼻子及其周围部分组成的第一特征区域，以及嘴巴及其周围部分组成的第二特征区域，所述对校正过的所述人脸图像重新计算关键点坐标，并根据重新计算过的关键点坐标提取用户人脸特征的步骤，包括：

提取所述第一特征区域的特征一、所述第二特征区域的特征二、人脸五官的关键点位置坐标作为特征的特征三以及人脸外轮廓的关键点位置坐标作为特征的特征四。

可选的，所述使用所述人脸特征及重新计算过的关键点坐标进行人脸验证的步骤，包括：

将所述特征一、所述特征二、所述特征三及所述特征四分别与预设的人脸样本进行比较，得出所述特征一的相似度一、所述特征二的相似度二、所述特征三的相似度三及所述特征四的相似度四；

使用预设算法将所述相似度一、所述相似度二、所述相似度三及所述相似度四组成的四维特征向量进行分类，并计算验证用户人脸与预设的人脸样本是否属于同一人。

所述的存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。