本发明专利技术公开了一种基于轻量级智能终端的人脸识别系统及注册、识别方法，涉及生物特征识别技术领域，该系统包括拍照模块、人脸检测模块、预处理模块、特征提取模块、数据存储模块、个人信息输入模块、识别模块；所述拍照模块、人脸检测模块、预处理模块、特征提取模块依次相连，所述数据存储模块分别与预处理模块、特征提取模块、个人信息输入模块、识别模块相连，所述特征提取模块还分别与个人信息输入模块、识别模块相连。本发明专利技术相对于原始SIFT特征匹配算法在识别率和运算性能都有提升，且能够在Android系统中实现人脸识别；提高了系统的处理速度；提高了系统的图像识别率，同时减少了运算时间。
【技术实现步骤摘要】
本专利技术涉及生物特征识别
，具体来讲是一种基于轻量级智能终端的人脸 识别系统及注册、识别方法。
技术介绍
2007年，苹果公司发布的具有划时代意义的iPhone，拉开的智能手机的时代， Google公司也在之后的一年里发布了Android手机，进一步的推动智能终端的普及，随后 的几年里，智能移动终端设备井喷式的增长。随着移动互联网的泛在，移动支付出现在人 们的日常生活中，交易安全也随之受到重视，而交易的核心是身份鉴别，传统的方式登录网 银、支付宝等，需要用户口令、手机短信或者密保卡等安全措施，如果这些东西被恶意用户 获取，同样也能"鉴别身份"，这是不真实也不可靠的。因此，急需一种应用于移动智能终端 上安全、可靠、快捷、便利的轻量级身份识别方案。 由于传统身份鉴别的缺点，基于生物特征的身份识别手段应运而生，例如视网膜、 虹膜、声纹、掌纹和指纹等。这些方法不仅用户体验友好，而且可以在不需要身份标识的同 时确保我们的资产安全和个人隐私安全，但问题是需要参与者的配合且都是接触式的，在 许多环境和场合下这些生物特征不易获得。随着图像分析和计算机视觉等多项领域的发 展，人脸识别被广泛关注，不同于上文中的生物特征，人脸识别只是基于用户的脸部照片或 视频流，不需要用户的主动配合，拥有更方便、更直接、更友好、非接触、更真实可靠等优点。 将人脸识别和移动智能终端结合时趋势所在，但国内对于此的研宄凤毛麟角，而 且平台的大多都是较老，如BREW、Symbian等系统。黎冰、吴松、曾凡涛在《人脸识别在智能 手机中的实现》（《计算机工程》，2006, 07:272-274.)中采用Intel的PXA270搭建ARM嵌 入式系统，使用肤色模型来检测人脸，但是没有提到人脸识别的算法。而李伟在《人脸识别 算法在智能手机上的实现》（《计算机技术与发展》，2008, 01:161-163.)提出一种结合神经 网络和PCA的算法，在平台上测试有较高的识别率，但由于加入神经网络的训练，需要很多 样本且计算代价大，同时上述文献中都只是实验平台，并没有真正的移植到手机或其他成 熟的智能平台上。 WindowsPhone系统和Windows系统的程序有着良好的移植性，也有些基于 WindowsPhone的研宄，胡小平、陈锻生、陈伟斌在《智能手机人脸检测系统的设计与实 现》（《计算机工程与设计》，2010, 03:672-675.)中使用多色彩空间的肤色模型结合人脸 几何关系进一步验证人脸，不仅检测速度快，而且极大的降低漏检概率，不足是仅实现了 检测功能。陈一宁、陈晓光在《基于手机和人脸识别的身份识别系统》（《计算机应用与 软件》，2011,03:77-79+105.)中基于Symbian客户机，使用LBP算法（AhonenT,Hadid A,PietikMinenM.Facerecognitionwithlocalbinarypatterns//Computer vision-eccv2004.SpringerBerlinHeidelberg, 2004:469-481.)来做人脸识别，并提出 一套完整的解决方案，不足时采用平台较老。Google公司于2011年底推出Android4. 0系 统，此版系统带有人脸识别的新特性，但识别度不高且仅支持1对1的身份鉴别。可以看到， 智能终端由于自身计算和存储局限的特点，人脸识别在其上的研宄仍需要走很长一段路。 中国现已迈入4G时代，智能移动手机已普及，随之而来的移动信息安全日益需求 强烈。智能终端由于自身计算和存储的局限，并且因为用户操作习惯，通常智能终端的训练 集都是小样本集，人脸识别算法直接应用效果并不佳，因此亟需对传统的人脸识别方法进 行改进。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于轻量级智能终端的 人脸识别系统及注册、识别方法，本专利技术相对于原始SIFT特征匹配算法在识别率和运算性 能都有提升，且能够在Android系统中实现人脸识别；提高了系统的处理速度；提高了系统 的图像识别率，同时减少了运算时间。 为达到以上目的，本专利技术采取的技术方案是：一种基于轻量级智能终端的人脸识 别系统，包括拍照模块、人脸检测模块、预处理模块、特征提取模块、数据存储模块、个人信 息输入模块、识别模块；所述拍照模块、人脸检测模块、预处理模块、特征提取模块依次相 连，所述数据存储模块分别与预处理模块、特征提取模块、个人信息输入模块、识别模块相 连，所述特征提取模块还分别与个人信息输入模块、识别模块相连；其中，拍照模块，用于采 集用户的正面照图像；人脸检测模块，用于检测采集到的图像，并进行人眼定位；预处理模 块，用于截取图像中的人脸区域，并对其进行灰度化处理；将处理后的图像信息保存至数据 存储模块；特征提取模块，用于提取图像中的SIFT特征，并存储至数据存储模块；个人信息 输入模块，用于供用户输入个人信息，并存储至数据存储模块；数据存储模块，用于存储数 据及采集到的图像信息；识别模块，用于对测试样本与训练样本进行匹配运算。 在上述技术方案的基础上，所述数据存储模块和识别模块设置于外设的云端服务 器中，该云端服务器负责存储数据及匹配运算，并将处理后的数据通过网络加密回传至智 能终端。 在上述技术方案的基础上，所述数据存储模块包括数据库和本地文件系统。 本专利技术还提供一种应用于上述系统的基于轻量级智能终端的人脸注册方法，包 括以下步骤：步骤11.用户通过拍照模块采集正面照图像；步骤12.通过人脸检测模块检 测采集到的图像，并进行人眼定位；步骤13.通过预处理模块截取图像中的人脸区域，并 对其进行灰度化处理；将处理后的图像信息作为训练样本数据保存至数据存储模块；步骤 14.通过特征提取模块提取图像中的SIFT特征，并将其作为训练样本数据保存至数据存储 模块；步骤15.用户通过个人信息输入模块将个人信息作为训练样本数据保存至数据存储 丰旲块。 在上述技术方案的基础上，步骤12中，人脸检测模块通过调用系统自带的 Android人脸检测API检测采集到的图像。 在上述技术方案的基础上，步骤13中，通过预处理模块截取图像中的人脸区域 的具体流程为：步骤131.测量图像中双眼的中点坐标及双眼间距，设双眼的中点坐标为 (x，y)，双眼间距为dd，其中X表示横坐标，y表示纵坐标；步骤132.将图像中坐标分别为 (x_dd，y+dd/2)、（x+dd，y+dd/2)、（x-dd，y_3dd/2)、（x+dd，y_3dd/2)的四个点作为面部截取 矩形的顶点，截取边长为2dd的正方形；步骤133.将所述正方形划分为七块区域，其中，左 眼位于第一区域内，右眼位于第二区域内，左脸颊位于第三区域内，鼻子位于第四区域内， 右脸颊位于第五区域内，左嘴角位于第六区域内，右嘴角位于第七区域内。 在上述技术方案的基础上，步骤133中将所述正方形划分为七块区域之后还包括 以下步骤：为所述正方形的每个区域给定相应的一个权值。 在上述技术方案的基础上，步骤133中七块区域的形状和顶点坐标分别为：第 一区域是边长为dd的正方形，其四个顶点坐标分别为（x-dd，y+dd/2)、（x，y+dd/2)、 (x-dd，y本文档来自技高网...
【技术保护点】
一种基于轻量级智能终端的人脸识别系统，其特征在于：包括拍照模块、人脸检测模块、预处理模块、特征提取模块、数据存储模块、个人信息输入模块、识别模块；所述拍照模块、人脸检测模块、预处理模块、特征提取模块依次相连，所述数据存储模块分别与预处理模块、特征提取模块、个人信息输入模块、识别模块相连，所述特征提取模块还分别与个人信息输入模块、识别模块相连；其中，拍照模块，用于采集用户的正面照图像；人脸检测模块，用于检测采集到的图像，并进行人眼定位；预处理模块，用于截取图像中的人脸区域，并对其进行灰度化处理；将处理后的图像信息保存至数据存储模块；特征提取模块，用于提取图像中的SIFT特征，并存储至数据存储模块；个人信息输入模块，用于供用户输入个人信息，并存储至数据存储模块；数据存储模块，用于存储数据及采集到的图像信息；识别模块，用于对测试样本与训练样本进行匹配运算。
【技术特征摘要】
【专利技术属性】
技术研发人员：苏文桂，裴庆祺，周海东，马立川，李红宁，李子，李俚，
申请(专利权)人：广西大学，西安电子科技大学，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。