一种远程人脸图像的身份识别方法技术

技术编号:2927624 阅读:258 留言:0更新日期:2012-04-11 18:40
一种远程人脸图像的身份识别方法:服务器端对标准人脸图像经光照预处理、Gabor滤波和Gabor系数归一化、子窗口分析和Gabor直方图统计,得到标准人脸图像的Gabor直方图特征;根据标准人脸图像的Gabor直方图特征构建弱分类器,利用分布式估计算法筛选出最优的弱分类器组合,构成强分类器,强分类器对应的Gabor直方图特征为标准人脸图像的最优Gabor直方图特征;服务器端对待识别人脸图像进行光照预处理、Gabor滤波和Gabor系数归一化、子窗口分析和Gabor直方图统计,提取待识别人脸图像的最优Gabor直方图特征,逐一的与标准人脸图像的最优Gabor直方图特征比较产生待识别样本,根据训练阶段得到的强分类器对待识别样本进行分类,确定待识别人脸图像的用户身份。

【技术实现步骤摘要】

本专利技术涉及在通信系统中远程身份识别的技术,特别涉及。
技术介绍
随着通信网络的迅猛发展,各种服务也日益增多,在通信网络中如何进行远程身份识别显得日益重要,远程身份识别已经成为网络服务提供商提供各种服务的前提和重要组成部分。传统的远程身份识别采用文本密码的方式,即终端将文本密码发送给通信网络的认证服务器进行认证,该方式不仅要求用户记住各种烦琐的文本密码,而且文本密码还容易丢失和被盗用。为了使远程身份识别过程高效、新型和方便,目前可以利用人体固有的生理特征或行为特征来进行远程的身份识别,即远程身份识别可以采用生物特征识别技术。在众多的生物特征识别技术中,人脸识别技术占有重要的地位且在一些专用领域中已经得到了应用。人脸识别是根据人脸图像进行远程身份识别,包括人脸的检测和人脸图像的识别。在申请号为CN200310120624.9,专利技术名称为“移动计算环境下分步式的人脸检测与识别方法”的专利申请中,公开了人脸检测与识别的方法,该方法包括首先,检测标定,从移动设备上的摄像头获得图像,对图像进行简单有效地光线矫正,并采用快速人脸检测算法进行人脸检测和标定;其次,加密传输,将标定出的人脸范围进行数字水印加密后通过无线通信网络发送到服务器端,服务器端对人脸范围中嵌入的数字水印进行验证,判断人脸图像的完整性与正确性;最后,采用基于嵌入式隐马尔可夫模型(HMM)的人脸识别训练算法进行人脸图像识别并将认证结果返回给移动设备。目前的研究结果表明,同一个人在不同光照条件下的人脸图像差异性有极大可能比不同人的人脸图像的差异性还要大。在室内光照条件变化不大的情况下,最好的人脸识别系统识别率已经可以达到95%,但是在室外光照条件下,最好的人脸识别识别率会陡然下降到50%左右。因此,光照条件已经成为影响远程人脸图像认证识别率的一个重要因素。由于移动设备使用场合的复杂性,拍摄图像的光照条件必然复杂,上述这种人脸图像认证方式只对拍摄了的图像进行简单的光线矫正,没有使用专门的光照预处理算法对图像进行预处理,这样会导致远程识别人脸图像的成功率大大降低。为了在远程验证人脸图像时不受光照条件的影响,提高识别人脸图像的成功率,可以采用自商图像(SQI,Self Quotient Image)对人脸图像进行光照归一化后再传输给服务器端,其具体步骤为(1)首先,给定一张人脸图像I,选择n个不同尺度的各项异性的高斯平滑算子G1,G2,...,Gn,并赋予不同的权重W1,W2,...,Wn,用这些算子对图像I进行平滑得到一系列平滑后的图像 I‾i=I⊕1NWiGi,i=1,2,...,n;]]>(2)计算自商图像Qi,其计算公式是Qi=II‾i,i=1,2,...,n;]]>(3)利用非线性函数T来调整自商图像的值,使得Qi的值落在之间,记调整后的图像为DiDi=T(Qi),i=1,2,...,n;(4)对调整后的图像进行求和,得到最终的自商图像QQ=Σi=1nmiDi,]]>i=1,2,...,n,其中,mi为对应于不同尺度的滤波器计算得到的自商图像的权重,取值可以为1;(5)利用自商图像Q作为原始图像I光照预处理后的结果进行后续处理,比如特征提取和识别等,再将经过后续处理的人脸图像发送给服务器端采用HMM的人脸识别训练算法进行识别。但是,采用SQI对人脸图像进行光照归一化后再传输给服务器端也存在着缺点第一,SQI涉及的参数众多,特别是该方法中高斯平滑算子参数选择困难;第二,SQI对人脸图像中阴影的去处结果不是很好;第三,SQI对人脸图像中特征提取的精度需要进一步提高。为了在远程验证人脸图像时不受光照条件的影响,提高识别人脸图像的成功率,还可以采用下述方法首先,在服务器端建立标准人脸图像和强分类器,即利用Gabor滤波器对标准人脸图像进行5个尺度8个方向的Gabor滤波,利用Gabor滤波后的幅值图像来描述图像的特征并存储,以幅值图像中单个像素点的Gabor变换后的幅值为基础构建出弱分类器,通过AdaBoost来进行弱分类器综合,进而构建出强分类器;然后,将移动设备拍摄到的图像进行几何归一化后得到待识别人脸图像,发送给服务器端,由服务器根据存储的标准人脸图像特征和人脸图像的强分类器对待识别的人脸图像进行认证。该方法的具体步骤为(1)在服务器端,对标准人脸图像进行5个尺度8个方向的Gabor滤波,Gabor滤波器表达如下ψu,v(z)=||ku,v||2σ2e(-||ku,v||2||z||2/2σ2),]]>其中,ku,v=kveiφu;]]>kv=kmaxfv]]>指定了频率,φu=uπ8,]]>φu∈dxdy,]]>该公式采用优选算法求解;c、得到l之后,对l进行反对数变换,得到图像L=exp(l);d、对图像L进行非线性变换,使之取值落入;e、将图像I与图像L的商作为光照不变量R,即R=IL;]]>f、对光照不变量R进行非线性变换,使像素点的取值在之间,得到了光照预处理后的图像。步骤b所述的优选算法为分步式估计算法EDA。所述Gabor系数归一化的过程为对人脸图像进行Gabor滤波后得到的各个像素点的Gabor系数进行归一化处理,使经过Gabor滤波的人脸图像的幅值和相位的取值离散化。所述子窗口分析和Gabor直方图统计的过程为提取人脸图像在子窗口区域对应的Gabor系数的统计直方图作为人脸图像的Gabor直方图特征。所述最优的人脸图像Gabor直方图特征是利用EDA筛选得到的。从上述方案可以看出,本专利技术提供的方法在进行标准人脸图像的训练阶段过程中,提取标准人脸图像的特征要经过光照预处理、Gabor滤波和Gabor系数归一化(幅度和相位取值离散化)、对滤波后的图像进行子窗口分析和统计子窗口区域对应的Gabor系数直方图后,得到标准人脸图像的Gabor直方图特征,对标准人脸图像进行两两配对,根据标准人脸图像的Gabor直方图特征计算标准人脸图像之间的差异构成了训练样本,而图像的各个Gabor直方图之间的差异则作为训练样本的特征,把训练样本的每个特征作为一个弱分类器,通过EDA筛选出最优的弱分类器组合得到强分类器,而这些强分类器对应的标准人脸图像的Gabor直方图特征就是每张标准人脸图像的最终需要提取并参与分类的特征,称之为标准人脸图像的最优Gabor直方图特征。在进行远程人脸图像身份识别阶段过程中,相应的要对待认证人脸图像进行光照预处理、Gabor滤波后和Gabor系数归一化(幅度和相位取值离散化),提取待识别人脸图像的最优Gabor直方图特征,逐一的与标准人脸图像的最优Gabor直方图特征进行比较得到待识别样本,再将待识别样本根据训练阶段得到的强分类器进行分类得到待识别人脸图像的身份识别结果。由于本专利技术对人脸图像进行了专门的光照预处理,所以不受光照条件的影响;由于本专利技术采用子窗口的Gabor直方图作为人脸图像的特征,所以可以提高人脸识别算法的识别率和鲁棒性。附图说明图1为在现有技本文档来自技高网...

【技术保护点】
一种远程人脸图像的身份识别方法,其特征在于,该方法包括:在标准人脸图像的训练阶段中,服务器端对标准人脸图像经过光照预处理、Gabor滤波和Gabor系数归一化、子窗口分析和Gabor直方图统计后,得到标准人脸图像的Gabor直方图特征,对标准人脸图像进行两两组合,根据标准人脸图像的Gabor直方图特征构建弱分类器,利用优选算法筛选弱分类器组合构成强分类器,强分类器所对应的标准人脸图像的Gabor直方图特征为标准人脸图像的最优Gabor直方图特征;在远程人脸图像的身份识别阶段中,服务器端对从客户端接收到的待识别人脸图像进行光照预处理、Gabor滤波和Gabor系数归一化、子窗口分析和Gabor直方图统计后,提取待识别人脸图像的最优Gabor直方图特征,逐一的与标准人脸图像的最优Gabor直方图特征进行比较产生待识别样本,再根据训练阶段得到的强分类器对待识别样本进行分类,确定出待识别人脸图像的用户身份,把识别结果发送给客户端。

【技术特征摘要】

【专利技术属性】
技术研发人员:邵刚庄镇泉庄连生李斌王睿斌
申请(专利权)人:华为技术有限公司
类型:发明
国别省市:94[中国|深圳]

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