本发明专利技术公开了一种人脸认证方法和装置，属于图像处理与模式识别领域。所述方法包括获取人脸图像样本对，对获取的人脸图像样本对进行分块，对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG向量，根据计算出的局部灰度特征向量和局部HOG向量，计算判断人脸图像样本对是否属于同一个人。本发明专利技术的人脸认证方法和装置有效地避免光照、表情和年龄等因素的干扰，同时也显著地提高了人脸认证的准确性。
【技术实现步骤摘要】
本专利技术设及图像处理与模式识别领域，特别是指一种人脸认证方法和装置。
技术介绍
随着人们对信息的安全性、隐蔽性的重视，身份认证技术变得越来越重要。传统的 身份认证手段，如身份证、密码等，使用麻烦，最大的缺点在于它不能区分拥有者和冒充者。 生物特征是人与生俱来的，并且有唯一性和不易复制性，因此，生物特征识别的研究具有重 要意义。其中人脸识别的优点包括：不需要使用者配合；具有非接触型特点；实现设备简 单；具有可跟踪性。由于人脸识别具有W上优点，因此该技术有着广泛的应用场景，在社会 生活中，电子商务、金融机构、户籍管理等都具有重要的应用价值。 人脸认证是识别的一种形式，通过有效的表征人脸，得到两幅人脸图片的特征，利 用分类算法来判定运两张照片是否是同一个人。人脸认证的流程主要分为Ξ部分：人脸检 测，特征提取与认证。由于人脸是一个Ξ维形变模型，而且人脸认证是W摄像机成像模型所 成的照片为介质的，所W认证的结果容易受到光照、姿态、表情和遮挡等外界因素的影响。 与此同时，由于人脸认证技术设及到了模式识别，统计学习，机器视觉，应用数学与信息科 学等众多交叉学科，再加上其广泛的应用前景，受到了越来越多的关注。 目前，现有技术中较为成熟的人脸认证技术方法包括：基于几何特征的人脸认证 方法、基于整体特征的人脸认证方法和基于局部特征的方法。运Ξ种方法都容易受光照、姿 态、表情等因素的影响，认证准确性低。
技术实现思路
阳〇化]本专利技术要解决的技术问题是提供一种抗干扰性强、准确性高的人脸认证方法和装 置。 阳006] 为解决上述技术问题，本专利技术提供技术方案如下： 一种人脸认证方法，包括： 获取人脸图像样本对； 对获取的人脸图像样本对进行分块； 对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG向量； 阳011] 根据计算出的局部灰度特征向量和局部HOG向量，计算判断人脸图像样本对是否 属于同一个人。 一种人脸认证装置，包括： 获取模块：用于获取人脸图像样本对； 分块模块：用于对获取的人脸图像样本对进行分块； 计算模块：用于对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG 向量； 判断模块：用于根据计算出的局部灰度特征向量和局部HOG向量，计算判断人脸 图像样本对是否属于同一个人。 本专利技术具有W下有益效果： 与现有技术相比，本专利技术的人脸认证方法首先获取人脸图像样本对；然后对获取 的人脸图像样本对进行分块，采用图像分块处理能够实现对人脸图像的局部信息进行采 集，降低了图像数据处理的运算难度；接下来对得到的分块计算局部灰度特征向量和局部 方向梯度直方图HOG向量，由于图像的灰度特征是图像特征识别的主要参数，并且人脸的 局部特征具有稳定性，同时hog是在图像的局部方格单元上进行操作的，它对图像几何的 和光学的形变都能保持很好的不变性，使该方法能够有效的避免了光照、表情和年龄等因 素的干扰，进而有效地提高了人脸认证结果的准确性；最后根据计算出的局部灰度特征向 量和局部HOG向量，计算判断人脸图像样本对是否属于同一个人。本专利技术的人脸认证方法 有效地避免光照、表情和年龄等因素的干扰，同时也显著地提高了人脸认证的准确性。【附图说明】 图1为本专利技术的人脸认证方法的流程示意图一； 图2为本专利技术的图像灰度差异特征提取的流程示意图； 图3为本专利技术的softmax回归模型进行人脸认证的流程示意图； 图4为本专利技术的人脸认证方法的流程示意图二； 图5为本专利技术的人脸认证装置的结构示意图一； 图6为本专利技术的人脸认证装置的结构示意图二。【具体实施方式】 为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。 -方面，本专利技术提供一种人脸认证方法，如图1所示，包括： 步骤S101 :获取人脸图像样本对； 人脸图像样本对：在进行人脸认证过程中，通常是将实时检测到的人脸图像与已 有数据库中的人脸图像进行比对1:1对比，运个过程称为认证，而在对比过程中所处理的 两幅人脸图像（即包含一张实时图像和一张库内图像）即称为一个人脸样本对。 本步骤中，根据使用环境的不同，图像样本对可W由实时采集的人脸图像和数据 库中存储的人脸图像构成，也可W由两幅数据库中存储的人脸图像构成，甚至是由两幅实 时采集的人脸图像构成。 步骤S102 :对获取的人脸图像样本对进行分块； 本步骤中，人脸图像的分块处理方法可W采用本领域技术人员公知的各种方法， 例如离散非重合分块方法、窗口滑动遍历式分块方法等。 步骤S103 :对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG向 量； 本步骤中，对局部灰度特征向量和方向梯度直方图HOG向量的计算，能够有效的 避免光照、表情、年龄等因素对结果的影响，提高人脸认证的准确性。 步骤S104 :根据计算出的局部灰度特征向量和局部HOG向量，计算判断人脸图像 样本对是否属于同一个人。 本专利技术中，该方法首先获取人脸图像样本对；然后对获取的人脸图像样本对进行 分块，采用图像分块处理能够实现对人脸图像的局部信息进行采集，降低了图像数据处理 的运算难度；接下来对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG向 量，由于图像的灰度特征是图像特征识别的主要参数，并且人脸的局部特征具有稳定性，同 时HOG是在图像的局部方格单元上进行操作的，它对图像几何的和光学的形变都能保持很 好的不变性，使该方法能够有效的避免了光照、表情和年龄等因素的干扰，进而有效地提高 了人脸认证结果的准确性；最后根据计算出的局部灰度特征向量和局部HOG向量，计算判 断人脸图像样本对是否属于同一个人。本专利技术的人脸认证方法有效地避免光照、表情和年 龄等因素的干扰，同时也显著地提高了人脸认证的准确性。 作为本专利技术的一种改进，步骤S102可W进一步为：对获取的人脸图像样本对进行 多尺度、有重叠分块。 本步骤中，由于不同尺度下的局部图像会包含不同的边缘等信息，因此采用多尺 度分块策略提取不同尺度下的局部信息，W此补充单一尺度特征造成的信息缺失。同时为 了提取充分的图像特征，该方法还采用有重叠的分块策略对人脸图像进行分块。本步骤进 一步避免了光照、表情等因素对认证结果的影响，同时也有效的加强了系统进行人脸认证 的准确性。[003引下面W6*8的图像分为4*4的图像块为例进行说明：为了实现图像的多尺度、有重 叠分块，设步长为2,则可W得到2*3 = 6个4*4的小图，下面是图像的整体矩阵： 下面是图像经过多尺度、有重叠分块后的6个小矩阵： 该方法可W针对不同的图像采用不同的多尺度和有重叠分块策略，如10*10尺度 下可W设定步长为5 ;20*20尺度下可W设定步长为10 ;30*30尺度下可W设定步长为15。 作为本专利技术的一种改进，步骤S103可W进一步为：对得到的分块，计算局部灰度 向量余弦距离作为灰度特征向量，并计算局部HOG向量余弦距离作为HOG向量。 本步骤中，如图2所示，对计算完成的局部灰度向量余弦距离和局部HOG向量余弦 距离组合构成集成向量。本专利技术中，对不同尺度的人脸图像采用的局部灰度向量余弦距离 和局部HOG向量余弦距离的计算过程是相同的。针对两幅人脸图像，在同一尺度下进行相 同形式的分块策略，得到相同数本文档来自技高网...
【技术保护点】
一种人脸认证方法，其特征在于，包括：获取人脸图像样本对；对获取的人脸图像样本对进行分块；对得到的分块计算局部灰度特征向量和局部方向梯度直方图HOG向量；根据计算出的局部灰度特征向量和局部HOG向量，计算判断人脸图像样本对是否属于同一个人。
【技术特征摘要】
【专利技术属性】
技术研发人员：郇淑雯，朱和贵，张祥德，
申请(专利权)人：北京天诚盛业科技有限公司，
类型：发明
国别省市：北京;11
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。