一种用于人脸比对的多特征融合识别算法制造技术

技术编号:15330441 阅读:136 留言:0更新日期:2017-05-16 13:54
本发明专利技术公开了一种用于人脸比对的多特征融合识别算法,涉及人脸识别计算机技术研究,用于解决目前人像识别系统没有形成学习样本库,下次比对运用时,不会改变调整算法实际运用权重,人像识别系统造成准确性低、实战效果差。它包括模板数据库和学习样本库,所述模板数据库对不同业务模块配置一种或多种算法进行建模、比对、识别应用的能力;分别设定算法权重、分值和结果合并规则,得到最终识别分值,同时储存到学习样本库;所述学习样本库针对训练样本库和实际应用比对结果的命中进行统计学习,动态调整各算法权重。通过对每次计算运用结果进行记录,统计实战效果,并根据效果调整各种算法运用权重,从而可实现对各种算法统一调度、协同运行,发挥各种算法的长处。

A multi feature fusion recognition algorithm for face matching

The invention discloses a recognition algorithm for multi feature fusion for face recognition, face recognition research relates to computer technology, to solve the problem of present face recognition system has not formed the study sample library, next time on the use of time, will not change the actual use of the weight adjustment algorithm, people like recognition system caused by low accuracy and poor actual effect. It includes the template database and learning sample database, the template database modeling, ability comparison, identification of different service module configuration one or more algorithms; set the algorithm weights and scores and results merging rules respectively, finally get the recognition scores, and storage to learning sample database; the study sample database for comparison the results of training samples and the practical application of the hit of the statistical learning algorithm of dynamic adjusting the weights. Based on the results calculated by each record, statistics and actual results, according to the effect of various adjustment algorithm using weights, which can realize various algorithms of unified, coordinated operation, play a variety of algorithm strengths.

【技术实现步骤摘要】
一种用于人脸比对的多特征融合识别算法
本专利技术涉及人脸识别计算机技术研究,具体来说,是一种用于人脸比对的多特征融合识别算法。
技术介绍
人脸识别系统以人像识别技术为核心,是一项新兴的生物识别技术,是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。人像识别系统具有广泛的应用:人像识别出入管理系统、人像识别门禁考勤系统、人像识别监控管理、人像识别电脑安全防范、人像识别照片搜索、人像识别来防登记等等。中国学位论文文摘数据库,作者陈康(云南大学)发表的《贵州省公安厅人像识别综合应用系统研究与设计》,人脸识别是最近几年国际上图像处理和模式识别的研究热点之一。它有着其它生物特征识别方法所不具有的优点,已经得到了科研领域的充分重视,相关的研究成果被应用到很多领域,如罪犯身份识别、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、驾驶执照及护照等。本文以构建贵州省公安厅人像识别综合应用系统为课题,研究该系统的设计与实现,系统以人像识别为研究对象,把人像识别技术应用到公安行业,文中探讨了系统的总体设计目标和模式、系统的拓扑结构及应用平台、系统功能结构、信息资源结构等问题。专利文献CN201751901U(申请日:2010.08.19)公开了一种基于人像生物识别技术的大规模数据库人像搜索比对系统,包括人像对比服务器,所述人像对比服务器分别经脱机网络,专网或互联网和无线网络与掌上电脑,个人计算机和手机相连接,所述人像对比服务器还与数据库服务器连接,所述个人计算机还与人像采集设备相连接。本技术兼容不同的图像采集设备支持有线和无线两种网络传输模式,同时连接现有各种业务人像库,可无缝链接如公安机关的现有人口综合信息系统、全国在逃人员库、公安机关布控人员库等各部门人员库,以快速查询详细资料鉴别身份,具有很高的安全性与广泛的可用性。综上所述,国内已有人像识别系统的文献报道,但是,没有实现各种算法的统一调度、没有实现协同运行,没有发挥各种算法的长处。目前人像识别系统没有形成学习样本库,下次比对运用时,不会改变调整算法实际运用权重,由于人脸的外形很不稳定,人可以通过脸部的变化产生很多表情,而在不同观察角度,人脸的视觉图像也相差很大,另外,人像识别还受光照条件(例如白天和夜晚,室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响,因此,现有的人像识别系统造成准确性低、实战效果差。
技术实现思路
本专利技术目的是旨在提供一种对每次计算运用结果进行记录,统计实战效果,并根据效果调整各种算法运用权重,从而可实现对各种算法的统一调度、协同运行,发挥各种算法的长处、解决单算法比对准确性低、实战效果差等难题的一种用于人脸比对的多特征融合识别算法。为实现上述技术目的,本专利技术采用的技术方案如下:一种用于人脸比对的多特征融合识别算法,包括模板数据库和学习样本库,所述模板数据库对不同业务模块配置一种或多种算法进行建模、比对、识别应用的能力;分别设定算法权重、分值和结果合并规则,得到最终识别分值,同时储存到学习样本库;所述学习样本库针对训练样本库和实际应用比对结果的命中进行统计学习,动态调整各算法权重;最终根据结果合并规则对多种算法的识别结果进行去重、排序、分类;所述模板数据库包括人脸数据采集模块、人脸特征采集模块、人脸特征识别算法模块、人脸识别分值模块、多分类器融合模块;S1,从人脸图像提取的数据导入人脸数据采集模块,不同的数据分别进入不同的人脸特征采集模块;S2,接着不同的人脸特征采集模块分别送入人脸特征识别算法模块,然后分别送入人脸识别分值模块,得到识别分值;S3,将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合,进行加权和,得到最终识别分值。进一步限定,所述人脸数据采集模块从人脸图像提取的数据有人脸灰度数据、人脸皮肤纹理数据和人脸形状数据;所述人脸特征采集模块从人脸数据采集模块提取的数据有灰度纹理特征、皮肤纹理特征和形状特征;所述人脸特征识别算法模块分别计算的数据有灰度纹理特征识别算法、皮肤纹理特征识别算法、形状特征识别算法;所述人脸识别分值模块分别识别数据,将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合。优选的,所述人脸数据采集模块从人脸图像提取的人脸灰度数据,该灰度纹理特征不是图像原始灰度值,而是图像经过Gabor滤波器滤波后提取出来的特征。优选的,所述人脸数据采集模块从人脸图像提取的人脸皮肤纹理数据,将人脸图像分块,对每个图像块采用LBP纹理提取算子提取皮肤纹理特征,将各图像块提取到的皮肤纹理特征拼接起来形成皮肤纹理特征。优选的,所述人脸数据采集模块从人脸图像提取的人脸形状数据,采用SIFT特征提取算子从特征点中提取SIFT特征。进一步限定,所述人脸识别分值模块采用的识别分值可以是特征间的欧氏距离或者Bayes距离。进一步限定,S2中,不同的人脸特征采集模块还会送入多特征融合识别算法,得到识别分值;将得到的单个特征的识别分值和多特征融合识别得到的识别分值同时送入到多分类器融合模块进行分类器融合,进行加权和,得到最终识别分值。进一步限定,所述人脸灰度数据是从人脸图像中采用Gabor滤波器提取;二维Gabor滤波器的冲激响应函数与哺乳动物的视皮层中简单型细胞对图像信号的响应非常相似,用Gabor滤波器提取采样点周围不同方向、不同尺度内的频率信息作为采样点的表征;对应于人脸识别技术,模拟感兴趣区域内视觉突触的数量的是在人脸区域内的采样点数目。进一步限定,所述人脸皮肤纹理数据,将人脸图像分块,对每个图像块采用LBP纹理提取算子提取皮肤纹理特征,将各图像块提取到的皮肤纹理特征拼接起来形成皮肤纹理特征,然后采用LDA变换进行降维,得到降维后的皮肤纹理特征。进一步限定,所述人脸形状数据,采用点对比较特征和随机森林分类器先从人脸图像中提取关键的特征点,这些特征点包括人脸轮廓、眼睛轮廓、眉毛、鼻尖、嘴巴位置,在得到这些特征点位置后,人脸形状特征可以利用特征点间的几何位置关系以及特征点附件小图像块上的纹理数据来计算,在本算法中,我们基于SIFT特征提取算子从特征点中提取SIFT特征。本专利技术相比现有技术,第一,基于“模板+学习”的各种人像识别算法调度技术,通过对业务模块配置算法,设定算法权重、分值和结果合并规则等,形成调度模板,并对计算比对效果进行统计分析,形成学习样本库,下次比对运用时将自动调整算法实际运用权重,从而实现对不同厂家人像识别算法进行最优化的调用。第二,基于统一接口技术的各种人像识别算法应用集成方法,根据用户实战应用特点,提出了标准化规范化的应用流程,统一了对各种算法的维护管理接口,统一了上层各业务模块验证方法、应用接口,实现可用于外部应用系统的接入组件,能够实现与公安现有人口信息系统、出入境管理系统等应用系统快速集成。附图说明本专利技术可以通过附图给出的非限定性实施例进一步说明;图1为本专利技术一种用于人脸比对的多特征融合识别算法核心算法技术路线图;图2为本专利技术人脸特征采集算法Gabor滤波器示意图;图3为本专利技术人脸特征采集算法Gabor特征示意图;图4为本专利技术人脸特征采集算法幅值特征编码示意图;图5为本专利技术人脸特征采本文档来自技高网
...
一种用于人脸比对的多特征融合识别算法

【技术保护点】
一种用于人脸比对的多特征融合识别算法,其特征在于:包括模板数据库和学习样本库,所述模板数据库对不同业务模块配置一种或多种算法进行建模、比对、识别应用的能力;分别设定算法权重、分值和结果合并规则,得到最终识别分值,同时储存到学习样本库;所述学习样本库针对训练样本库和实际应用比对结果的命中进行统计学习,动态调整各算法权重;最终根据结果合并规则对多种算法的识别结果进行去重、排序、分类;所述模板数据库包括人脸数据采集模块、人脸特征采集模块、人脸特征识别算法模块、人脸识别分值模块、多分类器融合模块;S1,从人脸图像提取的数据导入人脸数据采集模块,不同的数据分别进入不同的人脸特征采集模块;S2,接着不同的人脸特征采集模块分别送入人脸特征识别算法模块,然后分别送入人脸识别分值模块,得到识别分值;S3,将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合,进行加权和,得到最终识别分值。

【技术特征摘要】
1.一种用于人脸比对的多特征融合识别算法,其特征在于:包括模板数据库和学习样本库,所述模板数据库对不同业务模块配置一种或多种算法进行建模、比对、识别应用的能力;分别设定算法权重、分值和结果合并规则,得到最终识别分值,同时储存到学习样本库;所述学习样本库针对训练样本库和实际应用比对结果的命中进行统计学习,动态调整各算法权重;最终根据结果合并规则对多种算法的识别结果进行去重、排序、分类;所述模板数据库包括人脸数据采集模块、人脸特征采集模块、人脸特征识别算法模块、人脸识别分值模块、多分类器融合模块;S1,从人脸图像提取的数据导入人脸数据采集模块,不同的数据分别进入不同的人脸特征采集模块;S2,接着不同的人脸特征采集模块分别送入人脸特征识别算法模块,然后分别送入人脸识别分值模块,得到识别分值;S3,将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合,进行加权和,得到最终识别分值。2.根据权利要求1所述的一种用于人脸比对的多特征融合识别算法,其特征在于:所述人脸数据采集模块从人脸图像提取的数据有人脸灰度数据、人脸皮肤纹理数据和人脸形状数据;所述人脸特征采集模块从人脸数据采集模块提取的数据有灰度纹理特征、皮肤纹理特征和形状特征;所述人脸特征识别算法模块分别计算的数据有灰度纹理特征识别算法、皮肤纹理特征识别算法、形状特征识别算法;所述人脸识别分值模块分别识别数据,将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合。3.根据权利要求2所述的一种用于人脸比对的多特征融合识别算法,其特征在于:所述人脸数据采集模块从人脸图像提取的人脸灰度数据,该灰度纹理特征不是图像原始灰度值,而是图像经过Gabor滤波器滤波后提取出来的特征。4.根据权利要求2所述的一种用于人脸比对的多特征融合识别算法,其特征在于:所述人脸数据采集模块从人脸图像提取的人脸皮肤纹理数据,将人脸图像分块,对每个图像块采用LBP纹理提取算子提取皮肤纹理特征,将各图像块提取到的皮肤纹理...

【专利技术属性】
技术研发人员:王飞张宁宁王彦芳
申请(专利权)人:河北三川科技有限公司
类型:发明
国别省市:河北,13

网友询问留言 已有0条评论
  • 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。

1