一种基于色彩分通道的人脸识别方法技术

本发明专利技术公开了一种基于色彩分通道的人脸识别方法，包括如下步骤：S1：人脸识别模型的训练以及不同色彩通道的频率归一化；S2：选取待识别的人脸图像和存储信息中的人脸图像，利用上述不同人脸特征的权重分别计算不同色彩通道中两幅人脸图像的相似度xB，xR，xG，将该相似度分别带入上述对应的相似度‑概率函数Nr，Ng，Nb中，得出相似度的最大概率max[Nr(xR)，Ng(xG)，Nb(xB)]，根据最大概率与阈值的关系，判断待识别的人脸图像与该存储信息中的图像是否为同一个人。本发明专利技术提供的一种基于色彩分通道的人脸识别方法，对于人脸识别中普遍存在的眼镜反光问题，提供了更为可靠和稳定的识别结果。

A Face Recognition Method Based on Color Channel

The invention discloses a face recognition method based on color channel, which includes the following steps: S1: training of face recognition model and normalization of frequency of different color channels; S2: selecting face images to be recognized and storing face images in information, and calculating the similarity xB and xR of two face images in different color channels by using the weight of the different face features mentioned above. The maximum probability Max [Nr (xR), Ng (xG), Nb (xB)] of the similarity is obtained by introducing the similarity into the corresponding similarity functions Nr, Ng and Nb (xB). According to the relationship between the maximum probability and the threshold, it can be judged whether the face image to be recognized is the same person as the image in the stored information. The invention provides a face recognition method based on color channel division, which provides a more reliable and stable recognition result for the glasses reflex problem commonly existing in face recognition.

【技术实现步骤摘要】
一种基于色彩分通道的人脸识别方法
本专利技术属于数字识别领域，具体包括一种基于色彩分通道的人脸识别方法。
技术介绍
人脸识别产品已广泛应用于金融、安防、刑侦等众多领域。人脸作为生物特征与生俱来，它的唯一性和不易复制的特点为身份鉴别提供了必要的前提，同时，相较于其他生物特征，人脸识别系统的非接触识别、无意识识别和并发检测可以显著提升身份检测时的用户体验。所以随着人脸识别技术的进一步成熟和社会认同度的提高，人脸识别技术展现出非常广阔的应用前景。传统的人脸识别技术主要是基于可见光图像的人脸识别，且通常将可见光图像转换为灰度图像进行识别，事实上当人脸佩戴有色眼镜，例如抗紫外线眼镜、美瞳等，或者镜片产生反光时，会形成图像干扰。由于彩色图转换为灰度图公式是确定的，当眼镜呈现为绿色，或绿色分量较高时，由于转换公式中绿色通道的加权系数较高，会在灰度图形成较高分量的阴影信息，对人脸匹配或人脸检索形成干扰。传统算法采用灰度图主要在于数据训练时可大幅降低特征数，事实上彩色图转换为灰度图时也会损失大量有效信息，且该过程不可逆，所以有效综合灰度图和彩色图信息尤为重要。
技术实现思路
本专利技术的目的是提供一种基于色彩分通道的人脸识别方法，充分考虑了自然光照下的异常情况，对于人脸识别中普遍存在的眼镜反光问题，提供了更为可靠和稳定的识别结果。为了实现上述目的，本专利技术采用如下技术方案：一种基于色彩分通道的人脸识别方法，包括如下步骤：S1：人脸识别模型的训练以及不同色彩通道的频率归一化，具体包括：S11：通过人脸识别模型的训练，得出B色彩通道，R色彩通道和G色彩通道中不同人脸特征的权重；S12:在训练图像中选取两幅人脸图像，利用上述不同人脸特征的权重分别计算B色彩通道中两幅人脸图像的相似度XB，R色彩通道中两幅人脸图像的相似度XR和G色彩通道中两幅人脸图像的相似度XG，并采用标签Y记录该两幅人脸图像是否为同一个人，若为同一个人，Y＝1，若不为同一个人，Y＝-1；分别形成B色彩通道数据对{XB,Y}，R色彩通道数据对{XR,Y}和G色彩通道数据对{XG,Y}；S13：选取Y＝1的数据对{XB,Y}，{XR,Y}，{XG,Y}，分别进行频率统计，并归一化，得出自变量为相似度，因变量为相似度频率的相似度-频率函数Mr，Mg，Mb，所述相似度-频率函数中因变量的最大值为最大频率，其对应的相似度为最大频率相似度，所述相似度频率等于本通道中该相似度出现的次数与本通道中Y＝1的数据对总数的比值；S14：将所述相似度-频率函数Mr，Mg，Mb分别进行优化形成相似度-概率函数Nr，Ng，Nb：定义相似度-概率函数中大于等于最大频率相似度的相似度对应的概率为1，定义相似度-概率函数中小于最大频率相似度的相似度对应的概率为原相似度-频率函数中对应的频率与该函数中最大频率的比值频率；S2：选取待识别的人脸图像和存储信息中的人脸图像，利用上述不同人脸特征的权重分别计算不同色彩通道中两幅人脸图像的相似度xB，xR，xG，将该相似度分别带入上述对应的相似度-概率函数Nr，Ng，Nb中，得出相似度的最大概率max[Nr(xR)，Ng(xG)，Nb(xB)]，若该相似度的最大概率大于等于阈值，则表示该待识别的人脸图像与该存储信息中的图像为同一个人，若该相似度的最大概率小于阈值，则表示该待识别的人脸图像与该存储信息中的图像不为同一个人。进一步地，所述S11的具体步骤为：S111：在M幅人脸图像中筛选出最小人脸区域，并将最小人脸区域分为B色彩通道，R色彩通道和G色彩通道；S112：分别提取M幅人脸图像中B色彩通道，R色彩通道和G色彩通道中最小人脸区域中的人脸特征；S113：在M幅人脸图像中形成L个比较对，所述各个比较对中均含有两幅人脸图像，分别计算每个比较对中人脸特征Z在各个色彩通道中的相似度，将L个比较对中人脸特征Z的相似度以及对应的两幅脸图像的信息放入对应色彩通道的人脸识别模型中进行训练，分别得出B色彩通道中人脸特征Z的权重，R色彩通道中人脸特征Z的权重，G色彩通道中人脸特征Z的权重；其中，M为大于等于2的整数，L为大于等于M(M-1)/2的整数，A为其中一个人脸特征；S114：重复步骤S113，分别得到B色彩通道中不同人脸特征的权重，R色彩通道中不同人脸特征的权重和G色彩通道中不同人脸特征的权重。进一步地，所述步骤S111和S112之间还包括：分别将B色彩通道，R色彩通道和G色彩通道中的最小人脸区域进行配准，使得最小人脸区域为正脸方向，并压缩为标准大小。进一步地，对最小人脸区域进行配准过程中截取眉毛及以下部分。进一步地，所述最小人脸区域进行配准的方法为：通过人眼定位计算出需要旋转的角度θ，旋转之后的图像为：其中，x，y为原图像中的坐标，xi’，yi’为配准之后的坐标。进一步地，所述步骤S111和S112之间还包括：对B色彩通道，R色彩通道和G色彩通道中的最小人脸区域的灰度直方图进行拉伸并归一化处理，处理之后的B色彩通道的图像为处理之后的R色彩通道的图像为处理之后的G色彩通道的图像为其中，f(x,y)表示B色彩通道中对应的函数，fmin表示f(x,y)中的最小值，fmax表示f(x,y)中的最大值；f’(x,y)表示R色彩通道中对应的函数，f’min表示f’(x,y)中的最小值，f’max表示f’(x,y)中的最大值；f”(x,y)表示G色彩通道中对应的函数，f”min表示f”(x,y)中的最小值，f”max表示f”(x,y)中的最大值。进一步地，所述步骤S113中一个比较对中人脸特征的相似度的计算方法为：截取比较对中两个图像中相同人脸特征的子图像A和B，该人脸特征的相似度其中，Amn表示子图像A中m行n列的像素值，Bmn表示子图像B中m行n列的像素值，表示子图像A中的平均像素值，表示子图像B中的平均像素值。进一步地，所述人脸识别模型为机器学习或者最小二乘法学习。进一步地，所述相似度-频率的拟合函数为高斯函数。本专利技术的有益效果为：相比于传统人脸识别模型训练，本专利技术的优点在于充分考虑了自然光照下的异常情况，对于人脸识别中普遍存在的眼镜反光问题，提供了更为可靠和稳定的识别结果；同时方法可以高度兼容以往的人脸识别算法，通过加入分布模型矫正三个通道相似度均值和方差的差异性，可作为独立模块增强相应产品。附图说明附图1为一种基于色彩分通道的人脸识别方法的流程图。附图2为人脸识别模型的训练以及不同色彩通道的频率归一化的训练的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术的具体实施方式做进一步的详细说明。为了避免灰度图信息中由于单个色彩通道对整体算法的影响，本专利技术将三个色彩通道分别进行训练和建模。由于不同反光或者有色等干扰信息在RGB(红绿蓝)三个色彩通道分量有所不同，一定存在一个通道受到的干扰最小。只要特征足够描述任意两张人像差别的情况下，相似度越高说明越相似，也可理解为受到的干扰越小，则最终挑选相似度最高的分量作为判别依据将有效降低反光或者有色眼镜造成的信息干扰。本专利技术提供的一种基于色彩分通道的人脸识别方法，包括如下步骤：S1：人脸识别模型的训练以及不同色彩通道的频率归一化，具体包括：S11：通过人脸识别模型的训练，得出B色彩通道，R色彩通道本文档来自技高网...

【技术保护点】
1.一种基于色彩分通道的人脸识别方法，其特征在于，包括如下步骤：S1：人脸识别模型的训练以及不同色彩通道的频率归一化，具体包括：S11：通过人脸识别模型的训练，得出B色彩通道，R色彩通道和G色彩通道中不同人脸特征的权重；S12:在训练图像中选取两幅人脸图像，利用上述不同人脸特征的权重分别计算B色彩通道中两幅人脸图像的相似度XB，R色彩通道中两幅人脸图像的相似度XR和G色彩通道中两幅人脸图像的相似度XG，并采用标签Y记录该两幅人脸图像是否为同一个人，若为同一个人，Y＝1，若不为同一个人，Y＝‑1；分别形成B色彩通道数据对{XB,Y}，R色彩通道数据对{XR,Y}和G色彩通道数据对{XG,Y}；S13：选取Y＝1的数据对{XB,Y}，{XR,Y}，{XG,Y}，分别进行频率统计，并归一化，得出自变量为相似度，因变量为相似度频率的相似度‑频率函数Mr，Mg，Mb，所述相似度‑频率函数中因变量的最大值为最大频率，其对应的相似度为最大频率相似度K，所述相似度频率等于本通道中该相似度出现的次数与本通道中Y＝1的数据对总数的比值；S14：将所述相似度‑频率函数Mr，Mg，Mb分别进行优化形成相似度‑概率函数Nr，Ng，Nb：定义相似度‑概率函数中大于等于K的相似度对应的概率为1，定义相似度‑概率函数中小于K的相似度对应的概率为原相似度‑频率函数中对应的频率与该函数中最大频率的比值；S2：选取待识别的人脸图像和存储信息中的人脸图像，利用上述不同人脸特征的权重分别计算不同色彩通道中两幅人脸图像的相似度xB，xR，xG，将该相似度分别带入上述对应的相似度‑概率函数Nr，Ng，Nb中，得出相似度的最大概率max[Nr(xR)，Ng(xG)，Nb(xB)]，若该相似度的最大概率大于等于阈值，则表示该待识别的人脸图像与该存储信息中的图像为同一个人，若该相似度的最大概率小于阈值，则表示该待识别的人脸图像与该存储信息中的图像不为同一个人。...

【技术特征摘要】
1.一种基于色彩分通道的人脸识别方法，其特征在于，包括如下步骤：S1：人脸识别模型的训练以及不同色彩通道的频率归一化，具体包括：S11：通过人脸识别模型的训练，得出B色彩通道，R色彩通道和G色彩通道中不同人脸特征的权重；S12:在训练图像中选取两幅人脸图像，利用上述不同人脸特征的权重分别计算B色彩通道中两幅人脸图像的相似度XB，R色彩通道中两幅人脸图像的相似度XR和G色彩通道中两幅人脸图像的相似度XG，并采用标签Y记录该两幅人脸图像是否为同一个人，若为同一个人，Y＝1，若不为同一个人，Y＝-1；分别形成B色彩通道数据对{XB,Y}，R色彩通道数据对{XR,Y}和G色彩通道数据对{XG,Y}；S13：选取Y＝1的数据对{XB,Y}，{XR,Y}，{XG,Y}，分别进行频率统计，并归一化，得出自变量为相似度，因变量为相似度频率的相似度-频率函数Mr，Mg，Mb，所述相似度-频率函数中因变量的最大值为最大频率，其对应的相似度为最大频率相似度K，所述相似度频率等于本通道中该相似度出现的次数与本通道中Y＝1的数据对总数的比值；S14：将所述相似度-频率函数Mr，Mg，Mb分别进行优化形成相似度-概率函数Nr，Ng，Nb：定义相似度-概率函数中大于等于K的相似度对应的概率为1，定义相似度-概率函数中小于K的相似度对应的概率为原相似度-频率函数中对应的频率与该函数中最大频率的比值；S2：选取待识别的人脸图像和存储信息中的人脸图像，利用上述不同人脸特征的权重分别计算不同色彩通道中两幅人脸图像的相似度xB，xR，xG，将该相似度分别带入上述对应的相似度-概率函数Nr，Ng，Nb中，得出相似度的最大概率max[Nr(xR)，Ng(xG)，Nb(xB)]，若该相似度的最大概率大于等于阈值，则表示该待识别的人脸图像与该存储信息中的图像为同一个人，若该相似度的最大概率小于阈值，则表示该待识别的人脸图像与该存储信息中的图像不为同一个人。2.根据权利要求1所述的一种基于色彩分通道的人脸识别方法，其特征在于，所述S11的具体步骤为：S111：在M幅人脸图像中筛选出最小人脸区域，并将最小人脸区域分为B色彩通道，R色彩通道和G色彩通道；S112：分别提取M幅人脸图像中B色彩通道，R色彩通道和G色彩通道中最小人脸区域中的人脸特征；S113：在M幅人脸图像中形成L个比较对，各个比较对中均含有两幅人脸图像，分别计算每个比较对中人脸特征Z在各个色彩通道中的相似度，将L个比较对中人脸特征Z的相似度以及对应的两幅脸图像的信息...

【专利技术属性】
技术研发人员：余学儒，李琛，王鹏飞，段杰斌，王修翠，傅豪，
申请(专利权)人：上海集成电路研发中心有限公司，
类型：发明
国别省市：上海,31