一种基于泰勒展开的人脸识别方法及系统与流程

本发明涉及人脸识别技术领域，特别是涉及一种基于泰勒展开的人脸识别方法及系统。

背景技术：

作为一种对传统的身份识别方式的补充手段，人脸识别近年来得到许多研究者的关注。相比较其他的生物识别手段，例如指纹识别、虹膜识别以及静脉识别，人脸识别具有很多明显的优势：高可靠性、非接触性及便利性等等。如今，人脸识别已经被应用到了许多安检领域主要包括有银行机构、证券所、普通公司签到以及其他的网络认证系统中等等。一个完整的人脸识别系统主要是由5个功能单元组成(图像采集、人脸检测、预处理、人脸特征提取及分类识别)，其中人脸特征提取经常被认为是整个系统中最关键的一步。

然而，人脸识别系统在一些非可控的环境条件下识别效果较差，这些环境主要是指局部光照变化、表情变化、年龄增长、姿态变化等等。外界因素的干扰给人脸识别带来了很大的挑战致使越来越多的学者都将研究的重点放在了特征提取方面，目的是希望获得一个区别性强的人脸特征，这种特征往往可以有效地减小类内差别同时扩大类间差别从而提高人脸识别的精确度。

技术实现要素：

本发明所要解决的技术问题是提供一种基于泰勒展开的人脸识别方法，能够降低特征维度和提高识别率。

本发明解决其技术问题所采用的技术方案是：提供一种基于泰勒展开的人脸识别方法，包括以下步骤：

(1)采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理；

(2)对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征；

(3)融合三层LTFP特征得到HLTFP特征；

(4)分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，根据卡方距离的大小确定待识别人员的身份。

所述步骤(1)中的预处理包括人脸矫正操作和图像去噪操作。

所述步骤(2)中的提取每一采样层的LTFP特征具体包括：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。

所述步骤(3)中通过将三层LTFP特征以串联融合的方式得到HLTFP特征。

所述步骤(4)中采用卡方距离计算待识别人员与数据库中已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征从而确定待识别人员的身份。

本发明解决其技术问题所采用的技术方案是：还提供一种基于泰勒展开的人脸识别系统，包括：图像获取模块，用于采集图像；人脸检测模块，用于从采集的图像中检测出人脸图像；提取模块，用于将人脸图像从采集的图像中提取出来；预处理模块，用于对提取出来的人脸图像进行预处理；采样模块，用于对预处理后的图像进行三种不同形式采样使得每个样本得到三个不同采样层；特征提取模块，用于提取每一采样层的LTFP特征；融合模块，用于融合三层LTFP特征得到HLTFP特征；计算模块，用于计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离；识别模块，用于确定待识别人员的身份。

所述预处理模块的预处理操作包括人脸矫正操作和图像去噪操作。

所述特征提取模块对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。

所述识别模块采用卡方距离计算待识别人员与已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征确定待识别人员的身份。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明将泰勒展开理论应用到了人脸识别上面，并利用了单像素的方向特征信息，可以同时实现降低特征维度和提高识别率两个目的。为进一步衡量本算法的性能，在注册/识别速度及准确率方面，经过典型的ORL、AR、FERET人脸数据库和实际的应用测试都取得了令人满意的结果，可以实现快速的人脸识别，识别准确率高，对于监控、反恐等都有重要的意义。

附图说明

图1是本发明的流程图；

图2是本发明的结构方框图

图3是本发明与其他人脸识别算法的识别准确率对比结果图；

图4是本发明与其他人脸识别算法的识别速度对比结果图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的第一实施方式涉及一种基于泰勒展开的人脸识别方法，如图1所示，包括以下步骤：

(1)采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理，其中，预处理包括人脸矫正操作和图像去噪操作。

(2)对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征。其中，提取每一采样层的LTFP特征具体包括：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。

(3)将步骤(2)得到的三个不同层次的LTFP特征进行串联融合得到HLTFP特征，可以在一定程度上挖掘更多的人脸特征信息，增加算法的鲁棒性。

(4)分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，并采用卡方距离计算待识别人员与数据库中已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征从而确定待识别人员的身份。

本发明的第二实施方式涉及一种基于泰勒展开的人脸识别系统，如图2所示，包括：图像获取模块，用于采集图像；人脸检测模块，用于从采集的图像中检测出人脸图像；提取模块，用于将人脸图像从采集的图像中提取出来；预处理模块，用于对提取出来的人脸图像进行预处理；采样模块，用于对预处理后的图像进行三种不同形式采样使得每个样本得到三个不同采样层；特征提取模块，用于提取每一采样层的LTFP特征；融合模块，用于融合三层LTFP特征得到HLTFP特征；计算模块，用于计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离；识别模块，用于确定待识别人员的身份。

所述预处理模块的预处理操作包括人脸矫正操作和图像去噪操作。

所述特征提取模块对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。

所述识别模块采用卡方距离计算待识别人员与已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征确定待识别人员的身份。

下面通过构建一个40人的人脸数据库进行测试，以进一步说明本发明。

步骤一：通过Android手机采集实验室的40个人员的人脸图像，每人采集6张。

步骤二：通过人脸检测算法，检测到人脸的正确区域，并进行准确分割裁剪；

步骤三：对分割出的人脸图像进行预处理和图像矫正，提取归一化的人脸图像的HLTFP特征并保存到数据库。

步骤四：通过Android手机采集同一组40人的人脸图像进行测试，提取HLTFP特征，并计算每个测试人员的特征与数据库中保存的特征的卡方距离，确定测试人员的身份。

图3给出的是其他经典的人脸识别算法同本算法的识别准确率的对比结果，从图中可见，本发明的识别准确率明显高于其他经典的人脸识别算法。图4显示的是识别速度方面的对比结果，本发明的识别时间明显少于其他经典的人脸识别算法。

不难发现，本发明采用HLTFP作为人脸特征，大大的降低了特征的维度，在注册/识别速度方面及准确率方面都有了很大程度的提升。特别是对于一些数据量比较大的数据库，在识别速度方面的优势将会更加的明显。