自适应可调节的人脸识别方法和装置与流程

本发明涉及人脸识别领域，特别是指一种自适应可调节的人脸识别方法和装置。

背景技术：

人脸识别包括图像采集、特征提取和特征匹配。在人脸识别领域一直存在着一个问题，困扰着该领域的发展。即在进行人脸识别时，当时场景的光照强度会影响采集到的人脸图像的亮度，人脸图像的亮度会影响识别效果，亮度偏暗和偏亮都会使得人脸图像的信息缺失以及存在较大干扰，对后续的特征提取和特征匹配产生影响，使得人脸识别的准确率降低。

现有技术中为了避免采集到的人脸图像偏暗和偏亮，一般采用亮度传感器得到外界光照强度，若光线强度在一定的范围内，则认为人脸图像的亮度符合要求，否则认为人脸图像的亮度偏亮或偏暗，需要调节补光灯来降低或提高外界光照强度，或者使用图像传感器里面的“自动曝光”等功能，最终达到调节人脸图像的亮度的目的。

但是现有技术仅仅是通过外界的光照强度来间接判断人脸图像的亮度，不能准确的判断人脸图像的亮度是否符合人脸识别的要求。

技术实现要素：

本发明提供一种自适应可调节的人脸识别方法和装置，相比单纯的通过外界光照强度来判断人脸图像是否符合要求，本发明更加简单和准确，能够得到高质量的人脸图像。

为解决上述技术问题，本发明提供技术方案如下：

一种自适应可调节的人脸识别方法，包括：

采集人脸图像；

检测所述人脸图像的亮度值；

判断所述亮度值是否在预先设定的亮度值范围内，若是，使用所述人脸图像进行人脸识别，若否，调节补光灯的光照强度，并转至所述采集人脸图像。

一种自适应可调节的人脸识别装置，包括：

采集模块，用于采集人脸图像；

检测模块，用于检测所述人脸图像的亮度值；

判断模块，用于判断所述亮度值是否在预先设定的亮度值范围内，若是，则触发人脸识别模块，若否，则触发调节模块，并在触发调节模块后转至采集模块；

人脸识别模块，用于根据所述人脸图像进行人脸识别；

调节模块，用于调节补光灯的光照强度。

本发明具有以下有益效果：

本发明首先采集得到人脸图像，然后检测采集得到的人脸图像的亮度值，并判断该亮度值是否在预先设定的亮度值范围内，若是，表明采集到的人脸图像的亮度值是符合要求的，可以进行后续的人脸识别，若大于预先设定的亮度值范围，表明人脸图像偏亮，若小于预先设定的亮度值范围，表明人脸图像偏暗，根据偏亮或者偏暗的结果减小或增大补光灯的光照强度，再次采集人脸图像并进行上述各个步骤，直至得到亮度值符合要求的人脸图像，即，满足预先设定的亮度值范围，接着进行后续的人脸识别过程。

本发明通过检测人脸图像的亮度值来判断人脸图像是否符合要求，相比单纯的通过外界光照强度来判断人脸图像是否符合要求更加简单和准确，能够得到高质量的人脸图像。

附图说明

图1为本发明的自适应可调节的人脸识别方法一个实施例的流程示意图；

图2为本发明的自适应可调节的人脸识别装置一个实施例的结构示意图。

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。

一方面，本发明提供一种自适应可调节的人脸识别方法，如图1所示，其特征在于，包括：

S100：采集人脸图像。

S200：检测人脸图像的亮度值。

本步骤可以使用本领域技术人员可以知道的各种检测方法检测人脸图像的亮度值。这些检测方法输入的是一张人脸图像(灰度或RGB)，通过这个检测方法之后，输出的是一个亮度值，我们可以用这个亮度值来衡量这张人脸图像的亮度，进而反映出当时拍照时的光照强度(这两者是一个正比关系)。

这里举一个简单的实施例：对人脸图像的所有像素灰度值进行累加求平均，使用图像平均灰度值作为人脸图像的亮度值。

S300：判断亮度值是否在预先设定的亮度值范围内，若是，执行S400，若否，执行S500，并转至S100。

预先设定的亮度值范围可以根据具体的人脸识别确定，这里举一个简单的实施例：如果使用前述的图像平均灰度值作为人脸图像的亮度值，预先设定的亮度值范围为112-144，若亮度值小于112认为是偏暗，大于144认为是偏亮，后续调整只需根据是偏暗或偏亮进行调整即可。

S400：使用人脸图像进行人脸识别，并结束。

S500：调节补光灯的光照强度。

可以通过多种方式调节补光灯的光照强度：例如可以根据一定的调节步进，每次将补光灯的光照强度增大或减小一个预设值，逐步调节，直至人脸图像的亮度符合人脸识别的要求；或者，根据人脸图像当前的亮度值和补光灯的当前光照强度进行计算，得到目标调节强度，一次将补光灯的光照强度增大或减小到目标调节强度，使得人脸图像的亮度符合人脸识别的要求。

本发明首先采集得到人脸图像，然后检测采集得到的人脸图像的亮度值，并判断该亮度值是否在预先设定的亮度值范围内，若是，表明采集到的人脸图像的亮度值是符合要求的，可以进行后续的人脸识别，若大于预先设定的亮度值范围，表明人脸图像偏亮，若小于预先设定的亮度值范围，表明人脸图像偏暗，根据偏亮或者偏暗的结果减小或增大补光灯的光照强度，再次采集人脸图像并进行上述各个步骤，直至得到亮度值符合要求的人脸图像，即，满足预先设定的亮度值范围，接着进行后续的人脸识别过程。

本发明通过检测人脸图像的亮度值来判断人脸图像是否符合要求，相比单纯的通过外界光照强度来判断人脸图像是否符合要求更加简单和准确，能够得到高质量的人脸图像。

前述已经介绍了检测人脸图像的亮度值的一个简单的实施例，但是本发明并不限于该实施例，例如还可以通过如下方法检测人脸图像的亮度值：

S210：从人脸图像中检测出人脸并提取出来，作为人脸区域。

具体过程可以为：先检测出人脸在人脸图像中的位置，然后对人脸图像进行裁剪，只保留人脸区域，人脸区域一般为一个矩形区域。

S220：对人脸区域进行归一化处理，保证人脸区域大小相同，方便对不同人脸图像的数据处理和比较。

S230：提取出归一化处理后人脸区域的SIFT特征向量。

尺度不变特征变换(Scale-invariant feature transform，SIFT)，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。

SIFT特征向量是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；并且SIFT特征向量独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。

SIFT特征向量的提取一般包括以下几个步骤：

S231：尺度空间极值检测。搜索所有尺度上的图像位置，通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。

S232：关键点定位。在每个候选的兴趣点位置上，通过一个拟合精细的模型来确定位置和尺度。

S233：方向确定。基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向，所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。

S234：关键点描述。以特征点为中心取16×16的邻域作为采样窗口，将采样点与特征点的相对方向通过高斯加权后归入包含8个方向的梯度直方图，最后获得4×4×8的128维特征描述子，即为SIFT特征向量。

S240：通过BOW模型将SIFT特征向量转化为BOW特征向量。

BOW(bag of words)模型，也称词袋模型，能够将SIFT特征转化成一个语义上的向量，即BOW特征向量。SIFT特征向量虽然也能描述一幅图像，但是每个SIFT特征向量都是128维的，而且一幅图像通常都包含成百上千个SIFT特征向量，在进行相似度计算时，这个计算量是非常大的，将其转化为BOW特征向量能够大大提高计算效率。

BOW模型需要预先进行训练，训练时需要有多个人脸图像的SIFT特征向量，训练步骤如下：

S241：将上述多个SIFT特征向量聚类成n类。这n类中的每一类就相当于是图片的“单词”，所有的n个类别构成“词汇表”。

训练完毕后，即可提取待处理人脸图像的BOW特征向量，步骤如下：

S242：对人脸图像的特征点，将其归到前面计算的类别中，统计这张人脸图像各个类别出现的频率，作为人脸图像的BOW特征向量。

S250：使用预先训练好的SVR分类器，对BOW特征向量进行处理，得到人脸图像的亮度值。SVR分类器是一个高维非线性函数，能够将BOW特征向量映射到亮度值。

本实施例首先从人脸图像中检测出人脸区域，并按照检测到的人脸区域做归一化操作，针对归一化后的人脸区域，提取SIFT特征，并转化为BOW特征向量。利用已经训练好的SVR分类器，计算当前人脸区域对应的亮度值。本实施例得到的亮度值能够精确地描述一张人脸图像的亮度，方便后续调节补光灯。

上述的SVR分类器可以通过如下步骤训练得到：

S100’：制定训练样本库，训练样本库包括多个人脸图像样本和与该人脸图像样本对应的亮度值，亮度值取值范围为0-100。

训练样本库可以基于Multi-PIE人脸数据库(该数据库包含了337个人，750,000多张人脸图像样本，涵盖了多个人在不同的姿态，表情，光照强度下的人脸图像样本)的子集，根据拍摄时光照强度的控制，为每一张人脸图像样本标定一个亮度值0-100，作为训练样本库。

S200’：从每个人脸图像样本中检测出人脸并提取出来，作为人脸区域。具体过程同S210。

S300’：对每个人脸区域进行归一化处理。

具体过程可以为：针对这些已经标定好的数据(人脸图像样本及其对应的亮度值)，检测人脸图像样本，提取人脸所在区域，并归一化到同样的大小。

S400’：提取出归一化处理后每个人脸区域的SIFT特征向量。具体过程同S230。

S500’：通过BOW模型将每个SIFT特征向量转化为BOW特征向量。具体过程同S240。

至此每一张人脸图像样本，我们得到了一个BOW特征向量，和对应的已经标定好的亮度值。

S600’：通过支持向量回归(SVR)算法，使用所有BOW特征向量和该BOW特征向量对应的亮度值对SVR分类器进行训练，训练出一个非线性的方程，得到一个从BOW特征向量到光照值的一个高维非线性函数。训练结束。

事实上，S100’-S600’是在采集人脸图像(即S100)之前就已经进行完毕的，即预先训练好SVR分类器，然后再进行本发明采集人脸图像的步骤。

经过以上操作之后，我们可以得到一幅人脸图像的亮度值，从而推断出拍照时的环境光照强度。另一个方面的问题是，到底怎样的亮度值是最优的，即预先设定的亮度值范围怎样确定，这里给出一个实施例：

S100”：制定多个测试样本库，每个测试样本库包括同一批人的某个亮度值的多个人脸图像样本，不同测试样本库的人脸图像样本的亮度值不同。

测试样本库也可以基于Multi-PIE人脸数据库的子集，即从Multi-PIE人脸数据库中分离出同一批人相同的姿态下，某个亮度值的人脸图像样本，作为一个测试样本库，其他测试样本库是同一批人相同的姿态下，其他亮度值的人脸图像样本。

S200”：通过人脸识别算法对每个测试样本库中的人脸图像样本进行人脸识别。

S300”：根据人脸图像样本的人脸识别结果计算每个测试样本库的拒真率和认假率，得到在多个亮度值下的拒真率和认假率。

拒真率(FRR)，在本发明中可以通俗的理解为“把应该相互匹配成功的人脸当成不能匹配的人脸”的概率。认假率(FAR)，在本发明中可以通俗的理解为“把不应该匹配的人脸当成匹配的人脸”的概率。

S400”：以亮度值为横坐标，以拒真率为第一纵坐标，以认假率为第二纵坐标，绘制ROC曲线。

S500”：根据ROC曲线确定亮度值范围。通过比对FAR，FRR等一系列性能指标，获取到最适合人脸识别算法的亮度值区间，从而为整个反馈调节环节提供一个有意义的建议。该亮度值区间即为预先设定的亮度值范围，要求在该区间内，拒真率和认假率均处在较小的范围内。

事实上，S100”-S500”是在采集人脸图像(即S100)之前就已经进行完毕的，即预先亮度值范围内，在该亮度值范围内的人脸图像符合人脸识别的要求，然后再进行本发明采集人脸图像的步骤。然而S100”-S500”与S100’-S600’并没有严格的先后关系，即可以先训练SVR分类器，也可以先确定亮度值范围，甚至可以同时进行。

作为本发明前述实施例的一种改进，还可以增加调节图像传感器参数的步骤，具体为：

在人脸图像的亮度值小于预先设定的亮度值范围时，需要增大补光灯的光照强度，但是若补光灯光照强度增大到最大值后，人脸图像的亮度值仍然小于预先设定的亮度值范围，则需要调节图像传感器的参数以增加人脸图像的亮度值，例如增加曝光时间，增加曝光增益等。

同理，在人脸图像的亮度值大于预先设定的亮度值范围时，需要减少补光灯的光照强度，但是若补光灯光照强度减少到最小值后，人脸图像的亮度值仍然大于预先设定的亮度值范围，则需要调节图像传感器的参数以减少人脸图像的亮度值，例如减少曝光时间，减少曝光增益等。

例如，本发明中，单颗补光灯的亮度范围是0～6.5毫瓦/立体角，若在这个范围内的调节不能满足要求，则可以调节图像传感器的曝光时间，把曝光时间调大，人脸图像就会变亮，调小，人脸图像就会变暗。图像传感器的曝光时间最小值为0，最大值为65535。

并且，本发明还可以根据外界光照强度调节补光灯，具体为：在采集人脸图像之前先通过亮度传感器获取外界光照强度，再判断外界光照强度是否在预先设定的光照强度范围内，若是，执行采集人脸图像，若否，调节补光灯的光照强度，并转至获取外界光照强度。例如，当外界光照强度小于100微瓦/平方厘米时，开启补光等，并调节补光灯的光照强度至合适的值。

外界光照强度过大或过小(即不在预先设定的光照强度范围内)时，采集到的人脸图像的亮度很难符合要求，并且也不利于后续补对光灯调节，因此在采集人脸图像之前先将外界光照强度调节到预先设定的光照强度范围内，可以使得后续调节方便。

综上所述，本发明将图像传感器、补光灯、外界光照强度和人脸图像亮度检测算法有机的联动起来，当外界光线变化时，会调整补光灯的亮度或图像传感器的参数以补偿外界光照强度，并对补偿后图像传感器输出的人脸图像进行判定，确定人脸图像亮度是否适合人脸识别，根据判定结果再去调整补光灯和图像传感器，直到人脸图像符合标准。本发明能够得到高质量的、亮度符合人脸识别要求的人脸图像。

另一方面，本发明提供一种自适应可调节的人脸识别装置，如图2所示，包括：

采集模块11，用于采集人脸图像。

检测模块12，用于检测人脸图像的亮度值。

本发明中，向检测模块中输入一张人脸图像(灰度或RGB)，输出一个亮度值，可以用这个亮度值来衡量这张人脸图像的亮度，进而反映出当时拍照时的光照强度(这两者是一个正比关系)。

这里给出检测模块的一个实施例：对人脸图像的所有像素灰度值进行累加求平均，使用图像平均灰度值作为人脸图像的亮度值。

判断模块13，用于判断亮度值是否在预先设定的亮度值范围内，若是，则触发人脸识别模块14，若否，则触发调节模块15，并在触发调节模块后转至采集模块11。

预先设定的亮度值范围可以根据具体的人脸识别确定，这里举一个简单的实施例：如果使用前述的图像平均灰度值作为人脸图像的亮度值，预先设定的亮度值范围为112-144，若亮度值小于112认为是偏暗，大于144认为是偏亮，后续调整只需根据是偏暗或偏亮进行调整即可。

人脸识别模块14，用于根据所述人脸图像进行人脸识别。

调节模块15，用于调节补光灯的光照强度。

补光灯光照强度的调节方式有多种：例如可以根据一定的调节步进，每次将补光灯的光照强度增大或减小一个预设值，逐步调节，直至人脸图像的亮度符合人脸识别的要求；或者，根据人脸图像当前的亮度值和补光灯的当前光照强度进行计算，得到目标调节强度，一次将补光灯的光照强度增大或减小到目标调节强度，使得人脸图像的亮度符合人脸识别的要求。

本发明首先通过采集模块采集得到人脸图像，然后通过检测模块检测采集得到的人脸图像的亮度值，并通过判断模块判断该亮度值是否在预先设定的亮度值范围内，若是，表明采集到的人脸图像的亮度值是符合要求的，可以触发人脸识别模块进行后续的人脸识别，若大于预先设定的亮度值范围，表明人脸图像偏亮，若小于预先设定的亮度值范围，表明人脸图像偏暗，根据偏亮或者偏暗的结果减小或增大补光灯的光照强度，再次采集人脸图像并进行上述各个模块，直至得到亮度值符合要求的人脸图像，即，满足预先设定的亮度值范围，接着触发人脸识别模块进行后续的人脸识别过程。

本发明通过检测人脸图像的亮度值来判断人脸图像是否符合要求，相比单纯的通过外界光照强度来判断人脸图像是否符合要求更加简单和准确，能够得到高质量的人脸图像。

前述已经介绍了检测模块的一个简单的实施例，但是本发明并不限于该实施例，例如检测模块还可以包括：

前述已经介绍了检测模块的一个简单的实施例，但是本发明并不限于该实施例，例如检测模块还可以包括：

第一人脸区域提取单元，用于从人脸图像中检测出人脸并提取出来，作为人脸区域。

第一归一化单元，用于对人脸区域进行归一化处理。

第一SIFT特征向量提取单元，用于提取出归一化处理后人脸区域的SIFT特征向量。

第一BOW特征向量转化单元，用于通过BOW模型将SIFT特征向量转化为BOW特征向量。

SVR分类单元，用于使用预先训练好的SVR分类器，对BOW特征向量进行处理，得到人脸图像的亮度值。

本实施例首先从人脸图像中检测出人脸区域，并按照检测到的人脸区域做归一化操作，针对归一化后的人脸区域，提取SIFT特征，并转化为BOW特征向量。利用已经训练好的SVR分类器，计算当前人脸区域对应的亮度值。本实施例得到的亮度值能够精确地描述一张人脸图像的亮度，方便后续调节补光灯。

上述SVR分类器通过如下单元训练得到：

训练样本库制定单元，用于制定训练样本库，训练样本库包括多个人脸图像样本和与该人脸图像样本对应的亮度值，亮度值取值范围为0-100。

第二人脸区域提取单元，用于从每个人脸图像样本中检测出人脸并提取出来，作为人脸区域。

第二归一化单元，用于对每个人脸区域进行归一化处理。

第二SIFT特征向量提取单元，用于提取出归一化处理后每个人脸区域的SIFT特征向量。

第二BOW特征向量转化单元，用于通过BOW模型将每个SIFT特征向量转化为BOW特征向量。

SVR训练单元，用于使用所有BOW特征向量和该BOW特征向量对应的亮度值对SVR分类器进行训练。

经过以上各个单元的操作之后，我们可以得到一幅人脸图像的亮度值，从而推断出拍照时的环境光照强度。另一个方面的问题是，到底怎样的亮度值是最优的，即预先设定的亮度值范围怎样确定，这里给出一个实施例，预先设定的亮度值范围通过如下单元确定：

测试样本库制定单元，用于制定多个测试样本库，每个测试样本库包括同一批人的某个亮度值的多个人脸图像样本，不同测试样本库的人脸图像样本的亮度值不同；

人脸识别单元，用于对每个测试样本库中的人脸图像样本进行人脸识别；

拒真率和认假率计算单元，用于根据人脸图像样本的人脸识别结果计算每个测试样本库的拒真率和认假率，得到在多个亮度值下的拒真率和认假率；

ROC曲线绘制单元，用于以亮度值为横坐标，以拒真率为第一纵坐标，以认假率为第二纵坐标，绘制ROC曲线；

亮度值范围确定单元，用于根据ROC曲线确定亮度值范围。

通过比对FAR，FRR等一系列性能指标，获取到最适合人脸识别算法的亮度值区间，从而为整个反馈调节环节提供一个有意义的建议。该亮度值区间即为预先设定的亮度值范围，要求在该区间内，拒真率和认假率均处在较小的范围内。

作为本发明前述实施例的一种改进，调节模块包括：

补光灯光照强度调节单元，用于增大或减小补光灯的光照强度；

图像传感器调节单元，用于在补光灯的光照强度达到最大值或最小值后，人脸图像的亮度值仍然不在预先设定的亮度值范围内时，调节图像传感器的参数以增加或减小人脸图像的亮度值。

并且，本发明还可以根据外界光照强度调节补光灯，此时，该装置还包括：

外界光照强度获取单元，用于获取外界光照强度；

判断单元，用于判断外界光照强度是否在预先设定的光照强度范围内，若是，触发采集模块，若否，则触发补光灯光照强度调节单元，并在触发补光灯光照强度调节单元后触发外界光照强度获取单元。

外界光照强度过大或过小(即不在预先设定的光照强度范围内)时，采集到的人脸图像的亮度很难符合要求，并且也不利于后续补对光灯调节，因此在采集人脸图像之前先将外界光照强度调节到预先设定的光照强度范围内，可以使得后续调节方便。

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。