一种人脸识别方法及系统技术方案

本发明专利技术公开了一种人脸识别方法及系统，属于生物识别技术领域。所述识别方法包括：构建人脸特征模板库，人脸特征模板库中存储有N个用户的人脸特征模板和用户基本信息，每个用户对应至少一个人脸特征模板；提取待识别用户的人脸图像中的人脸特征，得到待识别的人脸特征模板；计算待识别的人脸特征模板和人脸特征模板库中每个用户的人脸特征模板的相似度，先取待识别的人脸特征模板与每个用户的最大相似度中的最大值，判断出用户是否为该最大值对应的用户，若不是，再取待识别的人脸特征模板与每个用户的平均相似度中的最大值，判断用户是否为该最大值对应的用户。与现有人脸识别方式相比，本发明专利技术提供的方法及系统，可有效提高人脸识别的准确率。

【技术实现步骤摘要】

本专利技术属于生物识别
，具体涉及一种人脸识别方法及系统。
技术介绍
随着移动互联网的蓬勃发展，生物特征识别技术也受到了越来越多的重视。作为交互方式最自然的一种生物特征识别技术，人脸识别技术得到了广泛的关注和重视，其应用前景十分广阔。人脸识别是一个非常具有挑战性的研究课题，特别是在非约束条件下的人脸识别。在不同光照、姿态、表情、年龄、妆扮等条件下，拍摄同一个人得到的人脸图像是有很大差异的。如何有效地克服这些不利因素的影响，对人脸识别来说至关重要。一般来说，可以从两个方面来克服不利因素对人脸识别的影响。一方面，优化人脸识别的特征提取过程：从人脸图像中提取适当的特征，该特征应该在有效刻画不同人之间的类间差异的同时，对同一个人的类内变化(intra-class difference)具有较强的稳定性；另一方面，优化人脸识别的特征模板比对过程：将需要比对的两组或者多组人脸图像的特征模板输入到适当的分类器进行比对，好的分类器可以进一步扩大不同人的人脸特征模板之间的距离，缩小同一个人的不同人脸图像特征模板之间的距离，更好地判别两组人脸图像是否来自同一个人。在特征提取过程已经较完善的情况下，优化特征模板比对过程仍然能大幅改善整个人脸识别系统的识别精度。按照在人脸特征模板库中每个人注册的特征模板的数量，人脸识别系统可以分为单模板比对系统和多模板比对系统。一般来说，相比单模板比对系统，在人脸识别系统中适当地使用多模板比对技术能显著地提高识别精度。目前，在具体使用多模板比对技术时主要有以下两种技术方案：一种方案是使用平均相似度作为特征模板比对的决策依据。例如，用户A在人脸识别系统中注册了k个特征模板XA1,XA2,…,XAk，待识别的人脸图像的特征模板Y与这k个特征模板的相似度分别为SA1,SA2,…,SAk，计算平均相似度
SA＝(SA1+SA2+…+SAk)/k，如果SA大于或等于预先设定的特征模板比对相似度阈值S0，就判断Y所对应的人脸图像中的用户与A是同一个人；如果SA小于阈值S0，就判断Y所对应的人脸图像中的用户与A不是同一个人。该方案将多模板比对的相似度进行了平均，平均后的相似度的分布会更加集中，容易造成人脸识别的拒真率FRR相对单模板比对时上升。另一种方案是使用最大相似度作为特征模板比对的决策依据。例如，假设上述待识别的人脸图像的特征模板Y与k个特征模板的相似度SA1,SA2,…,SAk中的最大值设为SA，如果SA大于或等于预先设定的特征模板比对相似度阈值S0，就判断Y所对应的人脸图像中的用户与A是同一个人；如果SA小于阈值S0，就判断Y所对应的人脸图像中的用户与A不是同一个人，该方案对多模板比对的相似度取了最大值，不同人之间多模板比对最大相似度会比单模板比对相似度更大一些，更容易把不同人误判为同一个人，造成人脸识别的误识率即错误接受率FAR相对单模板比对时上升。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供一种人脸识别方法及系统，通过该方法及系统，可有效提高人脸识别的准确率。为实现上述目的，本专利技术采用的技术方案如下：一种人脸识别方法，包括以下步骤：(1)构建人脸特征模板库，所述人脸特征模板库中存储有N个用户的人脸特征模板和用户基本信息，每个用户对应至少一个人脸特征模板；其中，N≥1；(2)提取待识别用户的人脸图像中的人脸特征，得到待识别的人脸特征模板；(3)根据所述待识别的人脸特征模板和所述人脸特征模板库进行所述待识别用户的识别；进行待识别用户的识别方式包括：①分别计算待识别的人脸特征模板与人脸特征模板库中每个用户的每个人脸特征模板的相似度，得到待识别的人脸特征模板与人脸特征模板库中每个用户的最大相似度和平均相似度；待识别的人脸特征模板与某一用户的最大相似度是指待识别的人脸特征
模板与该用户的所有人脸特征模板的相似度中的最大相似度；待识别的人脸特征模板与某一用户的平均相似度是指待识别的人脸特征模板与该用户的所有人脸特征模板的相似度的平均值；记待识别的人脸特征模板与人脸特征模板库中N个用户的最大相似度分别为SMax1,SMax2,…,SMaxN；待识别的人脸特征模板与人脸特征模板库中N个用户的平均相似度分别记为SAvg1,SAvg2,…,SAvgN；②获取SMax1,SMax2,…,SMaxN中的最大值MAXMax，根据最大值MAXMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值MAXMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则进入步骤③；③获取SAvg1,SAvg2,…,SAvgN中的最大值AVGMax，根据最大值AVGMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值AVGMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则提示识别失败。进一步，所述的一种人脸识别方法，步骤②和步骤③中，根据人脸特征模板库中的某用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为所述某用户的方式包括：设人脸特征模板库中的所述某用户的人脸特征模板有k个，记待识别的人脸特征模板与k个人脸特征模板的相似度分别为SA1,SA2,…,SAk；1)取k个相似度SA1,SA2,…,SAk中的最大相似度SMaxA，计算k个相似度SA1,SA2,…,SAk的平均值，得到平均相似度SAvgA；2)判断最大相似度SMaxA是否大于或等于预设的最大相似度阈值Smax，若是，则确定待识别用户是所述某用户，若否，则进入步骤3)；3)判断是否满足k≥KS，若是，则进入步骤4)，若否，则确定待识别用户不是所述某用户；其中，KS为正整数，KS＞1；4)判断所述平均相似度SAvgA是否大于或等于预设的平均相似度阈值Savg，若是，则确定待识别用户为所述某用户，若否，则确定待识别用户不
是所述某用户。进一步，所述的一种人脸识别方法，步骤4)中，若平均相似度SAvgA＜Savg，在提示识别失败之前，还包括：取k个相似度SA1,SA2,…,SAk中的最小相似度SMinA，判断所述最小相似度SMinA是否大于或等于预设的最小相似度阈值Smin，若是，则确定待识别用户为所述某用户，若否，则确定待识别用户不是所述某用户。进一步，所述的一种人脸识别方法，该方法还包括确定所述最大相似度阈值Smax、平均相似度阈值Savg和最小相似度阈值Smin的步骤，确定方式为：a、构建一个人脸图像测试库，测试库中存储有H个人的人脸图像，每个人的人脸图像数为I张；b、从每个人的I张人脸图像中随机选取J张图像构成子库P，剩余的所有图像构成子库G；c、将子库G中的每个人的人脸图像分成K组，得到H×K组图像；d、对于子库P中的H×J张图像中的每张图像P’，计算图像P’与子库G中除图像P’所属用户之外的每组图像的最大相似度、最小相似度和平均相似度，得到H×J×(H-1)×K个最大相似度、H×J×(H-1)×K个最小相似度和H×J×(H-1)×K个平均相似度；e、将所述H×J×(H-1)×K个最大相似度、最小相似度和平均相似度分别按照从大到小的顺序排列，取H×J×(H-1)×K个最大相似度中位置本文档来自技高网...

【技术保护点】
一种人脸识别方法，包括以下步骤：(1)构建人脸特征模板库，所述人脸特征模板库中存储有N个用户的人脸特征模板和用户基本信息，每个用户对应至少一个人脸特征模板；其中，N≥1；(2)提取待识别用户的人脸图像中的人脸特征，得到待识别的人脸特征模板；(3)根据所述待识别的人脸特征模板和所述人脸特征模板库进行所述待识别用户的识别；进行待识别用户的识别方式包括：①分别计算待识别的人脸特征模板与人脸特征模板库中每个用户的每个人脸特征模板的相似度，得到待识别的人脸特征模板与人脸特征模板库中每个用户的最大相似度和平均相似度；待识别的人脸特征模板与某一用户的最大相似度是指待识别的人脸特征模板与该用户的所有人脸特征模板的相似度中的最大相似度；待识别的人脸特征模板与某一用户的平均相似度是指待识别的人脸特征模板与该用户的所有人脸特征模板的相似度的平均值；记待识别的人脸特征模板与人脸特征模板库中N个用户的最大相似度分别为SMax1,SMax2,…,SMaxN；待识别的人脸特征模板与人脸特征模板库中N个用户的平均相似度分别记为SAvg1,SAvg2,…,SAvgN；②获取SMax1,SMax2,…,SMaxN中的最大值MAXMax，根据最大值MAXMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值MAXMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则进入步骤③；③获取SAvg1,SAvg2,…,SAvgN中的最大值AVGMax，根据最大值AVGMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值AVGMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则提示识别失败。...

【技术特征摘要】
1.一种人脸识别方法，包括以下步骤：(1)构建人脸特征模板库，所述人脸特征模板库中存储有N个用户的人脸特征模板和用户基本信息，每个用户对应至少一个人脸特征模板；其中，N≥1；(2)提取待识别用户的人脸图像中的人脸特征，得到待识别的人脸特征模板；(3)根据所述待识别的人脸特征模板和所述人脸特征模板库进行所述待识别用户的识别；进行待识别用户的识别方式包括：①分别计算待识别的人脸特征模板与人脸特征模板库中每个用户的每个人脸特征模板的相似度，得到待识别的人脸特征模板与人脸特征模板库中每个用户的最大相似度和平均相似度；待识别的人脸特征模板与某一用户的最大相似度是指待识别的人脸特征模板与该用户的所有人脸特征模板的相似度中的最大相似度；待识别的人脸特征模板与某一用户的平均相似度是指待识别的人脸特征模板与该用户的所有人脸特征模板的相似度的平均值；记待识别的人脸特征模板与人脸特征模板库中N个用户的最大相似度分别为SMax1,SMax2,…,SMaxN；待识别的人脸特征模板与人脸特征模板库中N个用户的平均相似度分别记为SAvg1,SAvg2,…,SAvgN；②获取SMax1,SMax2,…,SMaxN中的最大值MAXMax，根据最大值MAXMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值MAXMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则进入步骤③；③获取SAvg1,SAvg2,…,SAvgN中的最大值AVGMax，根据最大值AVGMax所对应的人脸特征模板库中的用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为最大值AVGMax所对应的人脸特征模板库中的用户，若是，则识别结束，若否，则提示识别失败。2.根据权利要求1所述的一种人脸识别方法，其特征在于：步骤②和步
\t骤③中，根据人脸特征模板库中的某用户的人脸特征模板和待识别的人脸特征模板，判断待识别用户是否为所述某用户的方式包括：设人脸特征模板库中的所述某用户的人脸特征模板有k个，记待识别的人脸特征模板与k个人脸特征模板的相似度分别为SA1,SA2,…,SAk；1)取k个相似度SA1,SA2,…,SAk中的最大相似度SMaxA，计算k个相似度SA1,SA2,…,SAk的平均值，得到平均相似度SAvgA；2)判断最大相似度SMaxA是否大于或等于预设的最大相似度阈值Smax，若是，则确定待识别用户是所述某用户，若否，则进入步骤3)；3)判断是否满足k≥KS，若是，则进入步骤4)，若否，则确定待识别用户不是所述用户；其中，KS为正整数，KS＞1；4)判断所述平均相似度SAvgA是否大于或等于预设的平均相似度阈值Savg，若是，则确定待识别用户为所述某用户，若否，则确定待识别用户不是所述某用户。3.根据权利要求2所述的一种人脸识别方法，其特征在于：步骤4)中，若平均相似度SAvgA＜Savg，在确定待识别用户不是所述某用户之前，还包括：取k个相似度SA1,SA2,…,SAk中的最小相似度SMinA，判断所述最小相似度SMinA是否大于或等于预设的最小相似度阈值Smin，若是，则确定待识别用户为所述某用户，若否，则确定待识别用户不是所述某用户。4.根据权利要求3所述的一种人脸识别方法，其特征在于：该方法还包括确定所述最大相似度阈值Smax、平均相似度阈值Savg和最小相似度阈值Smin的步骤，确定方式为：a、构建一个人脸图像测试库，测试库中存储有H个人的人脸图像，每个人的人脸图像数为I张；b、从每个人的I张人脸图像中随机选取J张图像构成子库P，剩余的所有图像构成子库G；c、将子库G中的每个人的人脸图像分成K组，得到H×K组图像；d、对于子库P中的H×J张图像中的每张图像P’，计算图像P’与子库G
\t中除图像P’所属用户之外的每组图像的最大相似度、最小相似度和平均相似度，得到H×J×(H-1)×K个最大相似度、H×J×(H-1)×K个最小相似度和H×J×(H-1)×K个平均相似度；e、将所述H×J×(H-1)×K个最大相似度、最小相似度和平均相似度分别按照从大到小的顺序排列，取H×J×(H-1)×K个最大相似度中位置序号与H×J×(H-1)×K的比值等于预设的第一误识率阈值的最大相似度为所述最大相似度阈值Smax；取H×J×(H-1)×K个平均相似度中位置序号与H×J×(H-1)×K的比值等于预设的第二误识率阈值的平均相似度为平均相似度阈值Savg；取H×J×(H-1)×K个最小相似度中位置序号与H×J×(H-1)×K的比值等于预设的第三误识率阈值的最小相似度为最小相似度阈值Smin。5.根据权利要求4所述的一种人脸识别方法，其特征在于：步骤e中，N＝1时的第一误识率阈值、第二误识率阈值和第三误识率阈值分别大于N＞1时的第一误识率阈值、第二误识率阈值和第三误识率阈值。6.根据权利要求4或5所述的一种人脸识别方法，其特征在于：H＝1000，I＝100，J＝10，K＝9。7.根据权利要求6所述的一种人脸识别方法，其特征在于：当N＝1时，第一误识率阈值为0.01％，第二误识率阈值为0.01％，第三...

【专利技术属性】
技术研发人员：陈胜，
申请(专利权)人：北京握奇数据系统有限公司，
类型：发明
国别省市：北京;11