一种动态人脸识别系统及方法技术方案

本发明专利技术涉及一种动态人脸识别系统及方法，其系统包括检测模块，预处理模块，特征提取训练模块，特征提取识别模块；检测模块加载人脸检测器，读取视频流或全景图像进行人脸检测，并对检测到的人脸图像进行实时显示和截取保存；预处理模块将人脸图像进行灰度变换和图像归一化，通过APVD进行检测，保留达标人脸图像；特征提取训练模块建立训练样本库和训练样本的索引，读取达标人脸图像，进行特征提取，进行PCA特征降维和BP神经网络训练；特征提取识别模块读取达标人脸图像，进行归一化、CGW特征提取、PCA降维和识别，输出识别结果。本发明专利技术计算图像的模糊程度，选取达到识别要求的人脸图像，使用弧形Gabor小波提取有效的人脸特征，提高识别率。

【技术实现步骤摘要】

本专利技术涉及人脸识别
，尤其涉及。
技术介绍
人脸识别技术作为当今计算机视觉领域最热门的研究课题之一，在安防行业、门 禁系统、考勤系统以及人机交互等领域有着广泛的应用。人脸识别的研究已经有几十年历 史，至今已取得丰硕成果，然而现有的研究工作更多还是针对静态标准人脸图像，对于实际 场景的动态人脸识别研究较少，还很难到达应用要求。实际场景中动态人脸识别，与静态条 件下人脸识别相比，需要考虑更多的问题：摄像头失焦或者相对运动容易造成图像模糊，排 除模糊图像是需要考虑的；视频流条件下很难保证采集到的人脸图像都是高质量，如何尽 可能提取有用信息是一个挑战。 本专利技术针对动态条件下存在图像模糊，提出了基于小波域的像素差值累积（The Accumulation of Pixel Values Difference in Wavelet Domain，APVD)的图像模糊检测 算法，利用APVD算法计算人脸图像的模糊图像质量评估，图像只有达到一定的清晰度才进 行下一步操作，减小模糊图像对识别系统的影响；针对动态条件下图像质量不高，为了尽可 能多地提取有效信息，本文在Gabor小波变换的基础上，通过增加一个曲率参数，把Gabor 小波扩展成弧形Gabor小波（Curve Gabor Wavelet，CGW)，提取更多有效的人脸特征，从而 提尚系统识别率。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于小波域的像素差值累积的图像模糊 检测算法来计算图像的模糊程度，选取模糊程度达到识别要求的人脸图像，使用弧形Gabor 小波提取有效的人脸特征，提高识别率的动态人脸识别系统及方法。 本专利技术解决上述技术问题的技术方案如下：一种动态人脸识别系统，包括检测模 块，预处理模块，特征提取训练模块，特征提取识别模块； 所述检测模块，用于加载人脸检测器，通过人脸检测器读取视频流或全景图像进 行人脸检测，并对检测到的人脸图像进行实时显示和截取保存； 所述预处理模块，用于对截取的人脸图像进行预处理，将人脸图像进行灰度变换 和图像归一化，并通过APVD对人脸图像进行检测，剔除不达标的人脸图像，保留达标人脸 图像； 所述特征提取训练模块，用于建立训练样本库和训练样本的索引，通过路径索引 读取达标的人脸图像，并利用CGW算法对达标的人脸图像进行特征提取，对提取的特征进 行PCA特征降维和BP神经网络训练，得出训练差值； 所述特征提取识别模块，用于当训练误差值达到设置定值，读取达标的人脸图像， 并对达标的人脸图像进行归一化、CGW特征提取、PCA降维和识别，输出识别结果。 进一步，所述人脸检测器为Viola-Jones人脸检测器，所述Viola-Jones人脸检测 器对视频流或全景图像提取Haar-Iike特征，结合级联Adaboost算法，获取人脸检测率，对 人脸检测率达标的人脸图像进行实时显示和截取保存。 进一步，所述预处理模块的APVD具体为：通过Haar小波提取人脸图像的高频信 息，从而把人脸图像分成高频与低频两个部分，分别累计两部分图像相邻间像素差值，并计 算差值平均，最后根据这两个值的关系得出模糊图像质量，对模糊图像质量达标的人脸图 像进彳丁保留。 本专利技术的有益效果是：根据实际应用场景中，从视频中检测并截取人脸图像，碰到 光照改变、模糊和遮挡等各种因素的干扰，为了获取到比较理想的人脸图像，本专利技术基于小 波域的像素差值累积，提出了 APVD模糊检测算法，尽可能的在采集动态人脸图像时克服这 些干扰，从而减少模糊图像对整个人脸识别系统的影响；在采集到的人脸图像上，本专利技术还 在Gabor小波变换基础上，通过增加一个曲率参数，把Gabor小波扩展成弧形Gabor小波 (CGW)，提取更加有效的人脸特征，从而提尚系统识别率。 -种动态人脸识别方法，包括以下步骤： 步骤SI.加载人脸检测器，通过人脸检测器读取视频流和全景图像进行人脸检 测，并对检测到的人脸图像进行实时显示和截取保存； 步骤S2.对截取的人脸图像进行预处理，将人脸图像进行灰度变换和图像归一 化，并通过APVD对人脸图像进行检测，剔除不达标的人脸图像，保留达标人脸图像； 步骤S3.建立训练样本库和训练样本的索引，通过路径索引读取达标的人脸图 像，利用CGW算法对达标的人脸图像进行特征提取，对提取的特征进行PCA特征降维和BP 神经网络训练，得出训练误差值； 步骤S4.当训练误差值达到设置定值，读取达标的人脸图像，并对达标的人脸图 像进行归一化、CGW特征提取、PCA降维和识别，输出识别结果。 优选的，所述人脸检测器为Viola-Jones人脸检测器，所述Viola-Jones人脸检测 器对视频流或全景图像提取Haar-Iike特征，结合级联Adaboost算法，获取人脸检测率，对 人脸检测率达标的人脸图像进行实时显示和截取保存。 进一步，所述步骤S2的APVD的具体实现：通过Haar小波提取人脸图像的高频信 息，从而把人脸图像分成高频与低频两个部分，分别累计两部分图像相邻间像素差值，并计 算差值平均，最后根据这两个值的关系得出模糊图像质量，对模糊图像质量达标的人脸图 像进彳丁保留。 进一步，所述步骤S2的APVD对人脸图像进行检测的具体步骤： 步骤S21 :利用Haar小波对人脸图像提取小波特征，进行Haar小波一层分解后， 使用低频子带提取低频振幅图像，高频子带提取高频振幅图像，将人脸图像分为低频与高 频两个部分； 步骤S22 :对提取小波特征后的高频振幅图像做自适应二值化，图G为小波提取后 HULH和HH子带累加后的高频信息图像，平均像素值m(i，j)和方差ε (i，j)计算如下： (1) CN 105139003 A W P月卞J 3/6 页 ,、 (2) 其中p是指邻近像素点（i，j)的像素点个数为半径，则像素点（i，j)处的局部二 值化阈值为t(i，j) = m(i，j)+ ε (i，j);高频信息图像G的水平二值化图B : 步骤S23 :利用获得的二值图B，找出原人脸图像中对应的高频成分，定义为HjPH =S&B ;对应其他区域定义为L，即L = S-H ;图像H中像素点的水平绝对差值定义为： Hh(i, j) = |H(i, j+l)-H(i, j-1) (4) 水平差平均值为： 垂直绝对差值： Hv(i, j) = |H(i+l, j)-H(i-l, j) (6) 垂直差平均值： 与公式（5)和公式（7)类似，可以分别求出图像L的水平差平均值1^_"垂直差 平均值L v _n，则图像H的差值平均为H_n= (H h _n+Hv _n) /2,图像L的差值平均为L_n = (Lh_n+Lv_n)/2 ;最后，模糊图像质量评估为： 进一步，所述步骤S3中的CGW算法具体为： 根据Gabor核函数公式： 增加一个曲率参数c，可以获得弧形Gabor小波算法的核函数如下：(11) CN 105139003 A ~P 4/6 页 本专利技术的有益效果是：根据实际应用场景中，从视频中检测并截取人脸图像，碰到 光照改变、模糊和遮挡等各种因素的干扰，为了获取到比较理想的人脸图像，本专利技术基于小 波域的像素差值累积，提出了 APVD模糊检测算法，尽可能的本文档来自技高网...

【技术保护点】
一种动态人脸识别系统，其特征在于，包括检测模块(1)，预处理模块(2)，特征提取训练模块(3)，特征提取识别模块(4)；所述检测模块(1)，用于加载人脸检测器，通过人脸检测器读取视频流或全景图像进行人脸检测，并对检测到的人脸图像进行实时显示和截取保存；所述预处理模块(2)，用于对截取的人脸图像进行预处理，将人脸图像进行灰度变换和图像归一化，并通过APVD对人脸图像进行检测，剔除不达标的人脸图像，保留达标人脸图像；所述特征提取训练模块(3)，用于建立训练样本库和训练样本的索引，通过路径索引读取达标的人脸图像，并利用CGW算法对达标的人脸图像进行特征提取，对提取的特征进行PCA特征降维和BP神经网络训练，得出训练差值；所述特征提取识别模块(4)，用于当训练误差值达到设置定值，读取达标的人脸图像，并对达标的人脸图像进行归一化、CGW特征提取、PCA降维和识别，输出识别结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：蔡晓东，吕璐，刘馨婷，宋宗涛，王迪，甘凯今，杨超，赵勤鲁，陈超村，王丽娟，
申请(专利权)人：桂林远望智能通信科技有限公司，
类型：发明
国别省市：广西;45