本发明涉及身份识别技术领域，特别涉及一种室内环境下的身份识别方法及系统。
背景技术：
目前，身份识别方法，例如指纹，需要用户到特定的位置去接触指纹收集装置，才能完成指纹的识别和身份的鉴定。如果用户的双手被占用，不能接触指纹收集装置，则不能实现身份识别，这无疑给用户造成了一定的麻烦。
技术实现要素：
本发明要解决的技术问题是为了克服现有技术中身份识别需要用户到特定的位置触碰或靠近识别设备的缺陷，提供一种身份识别方法及系统。
本发明是通过下述技术方案来解决上述技术问题：
一种身份识别方法，所述身份识别方法包括：
建立特征模板库；所述特征模板库存储有多个用户信息；所述用户信息包括用户的多个角度的人脸图像的样本特征向量；
当目标对象进入识别区域时，获取所述目标对象的不同角度的人脸图像并计算特征向量；
将计算的特征向量与所述样本特征向量进行匹配；
根据匹配结果进行身份识别。
较佳地，建立特征模板库的步骤，具体包括：
获取用户的多个角度的人脸图像；
从所述多个角度的人脸图像中筛选出有效特征图像；
计算所述有效特征图像的样本特征向量并存储。
较佳地，从所述多个角度的人脸图像中筛选出有效特征图像的步骤，具体包括：
计算第一连线和第二连线的角度；
所述第一连线为所述人脸图像中的两个眼睛的连线；
所述第二连线为所述第一连线的中点与鼻尖的连线；
将所述角度在预设角度范围内的人脸图像筛选为所述有效特征图像。
较佳地，计算所述有效特征图像的样本特征向量的步骤之后，还包括：
为每个样本特征向量设置用户标识；
将计算的特征向量与所述样本特征向量进行匹配的步骤，具体包括：
计算所述特征向量与所述特征模板库中每个样本特征向量的距离；
从所述特征模板库中选取距离最小的若干目标特性向量；
判断所述若干目标特性向量的用户标识是否相同。
较佳地，计算所述有效特征图像的样本特征向量的步骤之后，还包括：
为每个样本特征向量设置用户标识；
将计算的特征向量与所述样本特征向量进行匹配的步骤，具体包括：
计算所述特征向量与所述特征模板库中每个样本特征向量的距离；
从所述特征模板库中选取距离在预设距离范围内的若干目标特性向量；
判断所述若干个目标特性向量的用户标识是否相同。
本发明还提供一种身份识别系统，所述身份识别系统包括：特征模板库、第一图像获取模块、第一计算模块和身份识别模块；
所述特征模板库用于存储多个用户信息；所述用户信息包括用户的多个角度的人脸图像的样本特征向量；
所述第一图像获取模块用于当目标对象进入识别区域时，获取所述目标对象的不同角度的人脸图像并发送至所述第一计算模块；
所述第一计算模块用于计算所述目标对象的特征向量；
所述身份识别模块用于将计算的特征向量与所述样本特征向量进行匹配，并根据匹配结果进行身份识别。
较佳地，所述身份识别系统还包括第二图像获取模块、第二计算模块和筛选模块；
所述第二图像获取模块用于获取用户的多个角度的人脸图像；
所述筛选模块用于从所述多个角度的人脸图像中筛选出有效特征图像；
所述第二计算模块用于计算所述有效特征图像的样本特征向量并存储于所述特征模板库中。
较佳地，所述筛选模块具体包括：
第一计算单元，用于计算第一连线和第二连线的角度；
所述第一连线为所述人脸图像中的两个眼睛的连线；
所述第二连线为所述第一连线的中点与鼻尖的连线；
筛选单元，用于将所述角度在预设角度范围内的人脸图像筛选为所述有效特征图像。
较佳地，所述第二计算模块还用于为每个样本特征向量设置用户标识；
所述身份识别模块具体包括：
第二计算单元，用于计算所述特征向量与所述特征模板库中每个样本特征向量的距离，并从所述特征模板库中选取距离最小的若干目标特性向量；
判断单元，用于判断所述若干目标特性向量的用户标识是否相同。
较佳地，所述第二计算模块还用于为每个样本特征向量设置用户标识；
所述身份识别模块具体包括：
第二计算单元，用于计算所述特征向量与所述特征模板库中每个样本特征向量的距离，并从所述特征模板库中选取距离在预设距离范围内的若干目标特性向量；
判断单元，判断所述若干个目标特性向量的用户标识是否相同。
本发明的积极进步效果在于：本发明中，当用户进入识别区域，则自动获取用户的人脸图像并进行身份识别，无需用户到特定的位置触碰或靠近识别设备，使用方便，且识别率高、速度快。
附图说明
图1为本发明实施例1的身份识别方法的第一流程图。
图2为本发明实施例1的身份识别方法的第二流程图。
图3a为图2的步骤101-2中筛选出的正脸的示意图。
图3b为图2的步骤101-2中筛选出的左侧脸的示意图。
图3c为图2的步骤101-2中筛选出的右侧脸的示意图。
图4为本发明实施例2的身份识别方法的流程图。
图5为本发明实施例3的身份识别系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例的身份识别方法包括以下步骤：
步骤101、建立特征模板库。
其中，特征模板库存储有多个用户信息。每个用户信息包括用户多个角度的人脸图像的样本特征向量。
以下对建立特征模板库的具体实现方式进行介绍，如图2所示，步骤101具体包括：
步骤101-1、获取用户的多个角度的人脸图像。
让用户摆拍，由于通过识别多个角度的人脸图像能够提高身份识别的准确性，因此，本实施例中获取用户的左脸、右脸、左侧脸、右侧脸和正脸的照片各一张。
本实施例中，在获取人脸图像时，采用mtcnn(人脸检测)算法从摄像头采集的视频图像中检测并用矩形框框定人脸区域，然后将定位框扩大一定比例截取人脸图像。
假设矩形框框定的人脸区域的图像为f(x,y)，最终截取的人脸图像f1(x‘,y‘)为：
其中，
这样做的目的是增大截取图像面积，使获取的人脸图像包括头发及以下和颈部以上部分。
步骤101-2、从多个角度的人脸图像中筛选出有效特征图像。
其中，有效特征图像也即清晰的、用户的左脸、右脸、左侧脸、右侧脸和正脸的图像。
本实施例中，步骤101-2具体包括：
步骤101-21、计算第一连线和第二连线的角度。
其中，第一连线为人脸图像中的两个眼睛的连线，第二连线为第一连线的中点与鼻尖(鼻子的准头)的连线。
步骤101-22、将角度在预设角度范围内的人脸图像筛选为有效特征图像。
也即将角度分别符合左脸、右脸、左侧脸、右侧脸和正脸的预设角度范围的图像筛选为有效特征图像。
本实施例采用的mtcnn算法是一种开源的能检测出人脸特征点的算法，这些特征点包括左右眼睛、鼻尖和左右嘴角。
若获取的左右眼睛、鼻尖和左右嘴角的坐标分别为：
左眼e.left＝(a1，a1)，右眼e.right＝(b2，b2)；
鼻子的坐标n＝(c3，c3)；
嘴的坐标m.left＝(d4，d4)，m.right＝(e5，e5)；
根据上述特征点的坐标建立人脸朝向模板，参见图3a-图3c。取两眼坐标连线(第一连线)作为x轴，两眼中心点作为坐标原点o，左右嘴角连线的中心点m和两眼中心点的连线作为y轴。计算鼻子的坐标n和坐标原点o的连线on与两眼坐标连线的夹角a。若设置左脸的预设角度范围为[-40°，-30°]，左侧脸的预设角度范围为[-60°，-50°]，右脸的预设角度范围为[30°，40°]，右侧脸的预设角度范围为[50°，60°]，正脸的预设角度范围为[-5°，5°]。则将获取的目标对象的人脸图像中夹角a在[50°，60°]范围中的判定为右侧脸，夹角a在[-60°，-50°]范围中的判定为左侧脸，夹角a在[30°，40°]范围中的判定为右脸，夹角a在[-40°，-30°]范围中的判定为左脸，夹角a在[-5°，5°]范围内的判定为正脸，并将符合上述条件的、清晰的人脸图像筛选为有效特征图像。
步骤101-3、计算有效特征图像的样本特征向量并存储。
计算有效特征图像的特征向量的方法如下：
将每张有效特征图像的像素值表示为矩阵：
其中，x1，y1，…，xn，yn，…，xmax，ymax∈f1(x‘,y‘)；
列式pb(λ)＝det(b-λe)＝0，或λn+p1λn-1+…+pn-1λ+pn＝0；
其中，e为单位矩阵。在求出该方程的特征值λ后，再求相应的齐次线性方程组：(b-λe)x＝0的非零解，即是对应λ的特征向量m。
本实施例中，计算有效特征图像的样本特征向量的步骤之后，还包括：
为每个样本特征向量设置用户标识。
该用户标识用于表征样本特征向量是否所属同一个用户。也即一个用户的多张人脸图像的样本特征向量具有相同的用户标识。将样本特征向量和对应的用户标识进行存储，完成特征模板库的建立。
步骤102、当目标对象进入识别区域时，获取目标对象的不同角度的人脸图像并计算特征向量。
本实施例中，通过摄像头获取人脸图像，识别区域也即摄像头能够拍摄到的区域。由于需要拍摄用户不同角度的人脸图像，可在室内的不同方位设置摄像头。其中，人脸图像包括头发及以下和颈部以上部分。
本实施例中，计算目标对象的人脸图像的特征向量的过程与建立特征模板库时计算样本特征向量的过程类似，此处不再赘述。当然计算特征向量前，同样需要对获取的目标对象的人脸图像进行筛选。
步骤103、将计算的特征向量与样本特征向量进行匹配。
本实施例中，步骤103，具体包括：
步骤103-1、计算特征向量与特征模板库中每个样本特征向量的距离。
假设特征模板库中存储了t个用户的用户信息，每个用户采集并选取的人脸图像的数量为k，则特征模板库中共有t*k个样本特征向量。也即若特征模板库中存储了10个用户的用户信息，并选择每个用户的左脸、右脸、左侧脸、右侧脸和正脸的图像作为匹配条件，则特征模板库中共有5*10个样本特征向量。
步骤102中，若获取了5张目标对象的人脸图像，则计算得到目标对象的5个特征向量。此时，需要计算目标对象的每个特征向量与特征模板库中的每个样本特征向量的距离，则会产生250个计算结果。
计算目标对象的一个特征向量m’与特征模板库中每个样本特征向量mi的距离的公式如下：
其中，d表征m’和mi的维数，i∈[1,n]
步骤130-2、从特征模板库中选取距离最小的若干个目标特性向量。
步骤130-2也即按照距离由小到大的顺序对样本特征向量进行排序，选取排序靠前的若干个目标特性向量。其中，目标特性向量的数量可根据实际情况自行设定，数量越多准确度越高，但也不应超过k(每个用户选取的人脸图像的数量)，以3-5为适宜。
步骤130-3、判断若干个目标特性向量的用户标识是否相同。
以目标特性向量的数量为4为例，步骤130-3中，若判断为是，说明获取的目标对象的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像与特征模板库中一个用户的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像至少有4张人脸图像是相匹配，则匹配成功；若判断为否，说明目标对象的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像与特征模板库中一个用户的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像相匹配的数量小于4，则匹配失败。
本实施例提供的匹配方式，减小了将两个相似的人判断为是同一个人的错误率，大大提供了身份识别的准确度。
步骤104、根据匹配结果进行身份识别。
若匹配结果为匹配成功，则允许通行；若匹配结果为失败，则拒绝通行。
实施例2
实施例2与实施例1基本相同，不同之处在于，如图4所示，本实施例中，使用步骤130-2’替换步骤130-2。
步骤130-2’、从特征模板库中选取距离在预设距离范围内的若干目标特性向量。
其中，预设距离范围可根据实现情况自行设置。目标特性向量的数量可根据实际情况自行设定，数量越多准确度越高，但也不应超过k(每个用户选取的人脸图像的数量)，以3-5为适宜。
实施例3
如图5所示，本实施例的身份识别系统包括：特征模板库1、第一图像获取模块2、第一计算模块3、身份识别模块4、第二图像获取模块5、筛选模块6和第二计算模块7。
特征模板库1用于存储多个用户信息。每个用户信息包括用户的多个角度的人脸图像的样本特征向量。由于同时匹配左脸、右脸、左侧脸、右侧脸和正脸能较好的识别一个人，因此，将每个用户的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像的样本特征向量存储于特征模板库中。
以下对建立特征模板库的具体实现方式进行介绍：
第二图像获取模块5获取用户的多个角度的人脸图像。筛选模块6从多个角度的人脸图像中筛选出有效特征图像。第二计算模块7计算有效特征图像的样本特征向量并存储于特征模板库中。
本实施例中，在获取人脸图像时，采用mtcnn(人脸检测)算法从摄像头采集的视频图像中检测并用矩形框框定人脸区域，然后将定位框扩大一定比例截取人脸图像。这样做的目的是增大截取图像面积，使获取的人脸图像包括头发及以下和颈部以上部分。
本实施例中，筛选模块具体包括：第一计算单元和筛选单元。第一计算单元用于计算第一连线和第二连线的角度。其中，第一连线为人脸图像中的两个眼睛的连线，第二连线为第一连线的中点与鼻尖的连线。筛选单元用于将角度在预设角度范围内的人脸图像筛选为有效特征图像。也即从获取的多张人脸图像中选取清晰的左脸图像、右脸图像、左侧脸图像、右侧脸图像和正脸图像作为有效特征图像。
第二计算模块则计算上述选取的有效特征图像的特征向量，方法如下：
将每张有效特征图像的像素值表示为矩阵：
其中，x1，y1，…，xn，yn，…，xmax，ymax∈f1(x‘,y‘)；
列式pb(λ)＝det(b-λe)＝0，或λn+p1λn-1+…+pn-1λ+pn＝0；
其中，e为单位矩阵。在求出该方程的特征值λ后，再求相应的齐次线性方程组：(b-λe)x＝0的非零解，即是对应λ的特征向量m。
第二计算模块还为每个样本特征向量设置用户标识。该用户标识用于表征样本特征向量是否所属同一个用户。也即一个用户的多张人脸图像的样本特征向量具有相同的用户标识。将样本特征向量和对应的用户标识存储于特征模板库中，完成特征模板库的建立。
进行识别时，当目标对象进入识别区域时，第一图像获取模块2获取目标对象的不同角度的人脸图像并发送至第一计算模块3。第一计算模块3计算目标对象的特征向量。身份识别模块4将计算的特征向量与样本特征向量进行匹配，并根据匹配结果进行身份识别。
需要说明的是，第一计算模块计算特征向量前，同样需要对目标对象的人脸图像进行筛选。第一计算模块计算目标对象的人脸图像的特征向量的过程与建立特征模板库时计算样本特征向量的过程类似，此处不再赘述。
本实施例中，身份识别模块具体包括：第二计算单元和判断单元。第二计算单元用于计算特征向量与特征模板库中每个样本特征向量的距离，并从特征模板库中选取距离最小的若干目标特性向量。判断单元用于判断若干目标特性向量的用户标识是否相同。若相同，说明匹配成功，则允许目标对象通行；若不相同，说明匹配不成功，则拒绝目标对象通行。
在另一个实施例中，第二计算单元计算特征向量与特征模板库中每个样本特征向量的距离，并从特征模板库中选取距离在预设距离范围内的若干目标特性向量。判断单元判断若干个目标特性向量的用户标识是否相同。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。