身份识别方法和装置制造方法及图纸

本发明专利技术公开了一种身份识别方法和装置，该方法包括：获取待识别的人物图像，确定人物图像中的人脸区域图像；根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；对人脸区域图像进行图像增强，形成人脸增强图像；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。本发明专利技术消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。

【技术实现步骤摘要】

本专利技术涉及人脸识别
，尤其涉及一种身份识别方法和装置。
技术介绍
目前的身份识别一般根据人的面部特征进行识别，但是面部特征容易受到光照、背景变化、人体姿态等因素的影响和限制，现有的身份识别仅能在人物正脸面对摄像头、背景元素简单、光照适中的情形下，才能基于面部特征进行较为准确的身份识别，即现有的身份识别容易受到外界因素影响。
技术实现思路
本专利技术的主要目的在于提供一种身份识别方法和装置，旨在解决现有的身份识别容易受到外界因素影响的技术问题。为实现上述目的，本专利技术提供一种身份识别方法，所述身份识别方法包括：获取待识别的人物图像，确定人物图像中的人脸区域图像；根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；对人脸区域图像进行图像增强，形成人脸增强图像；提取人脸增强图像中所有像素点的DCP码，计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。优选地，所述确定人物图像中的人脸区域图像的步骤包括：获取人物图像的方向梯度直方图特征；根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。优选地，所述根据预置人脸模型的关键位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像的步骤包括：根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。优选地，所述提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征的步骤包括：获取人脸增强图像中各个像素点的灰度值；根据各个像素点的灰度值，确定各个像素点对应的DCP码；提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图位，并将关键点所在区域DCP码的统计直方图作为人脸特征。优选地，所述将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份的步骤包括：将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。本专利技术还提供一种身份识别装置，所述身份识别装置包括：图像获取模块，用于获取待识别的人物图像，确定人物图像中的人脸区域图像；图像正向模块，用于根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；图像增强模块，用于对人脸区域图像进行图像增强，形成人脸增强图像；特征生成模块，用于提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；特征比对模块，用于将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。优选地，所述图像获取模块包括：特征获取单元，用于获取人物图像的方向梯度直方图特征；检测单元，用于根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。优选地，所述图像正向模块包括：获取单元，用于根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；剖分单元，用于对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；变换单元，用于根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；调整单元，用于根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。优选地，所述特征生成模块包括：灰度获取单元，用于获取人脸增强图像中各个像素点的灰度值；DCP单元，用于根据各个像素点的灰度值，确定各个像素点对应的DCP码；特征生成单元，用于提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图位，并将关键点所在区域DCP码的统计直方图作为人脸特征。优选地，所述特征比对模块包括：第一比对单元，用于将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；第二比对单元，用于将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；身份识别单元，用于根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。本专利技术通过获取待识别的人物图像，确定人物图像中的人脸区域图像，以消除人物图像中背景对人脸区域图像身份识别的影响；然后根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像，以消除了人物图像中人物姿态对身份识别的影响；再对人脸区域图像进行图像增强，形成人脸增强图像,以减少光照变化对人脸区域图像对身份识别的影响；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征，以有效消除人物表情对身份识别的影响；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份，消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。附图说明图1为本专利技术DCP编码采样方式示意图；图2为本专利技术身份识别方法一实施例的流程示意图；图3为本专利技术身份识别装置一实施例的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种身份识别方法，参照图2，所述身份识别方法包括：步骤S10，获取待识别的人物图像，确定人物图像中的人脸区域图像；通过摄像头对特定区域(如人员流动密集区域的机场、火车站等)进行摄像，获取含有人物的待识别的人物图像，根据人体生理学结构特征对人物图像进行分析，先确认人物在人物图像中的整体区域，然后再从整体区域中确定人物的面部所在的人脸区域图像。具体地，确定人物图像中的人脸区域图像的步骤包括：步骤S11，获取人物图像的方向梯度直方图特征；步骤S12，根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。人脸一般包括水平方向延伸的眉毛、眼睛和嘴唇，竖直方向延伸的鼻梁以及倾斜延伸的面颊轮廓，对人物图像进行分析，获取眉毛、眼睛、嘴唇、鼻梁和面颊轮廓所在区域，并标识方向梯度直方图本文档来自技高网...

【技术保护点】
一种身份识别方法，其特征在于，所述身份识别方法包括：获取待识别的人物图像，确定人物图像中的人脸区域图像；根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；对人脸区域图像进行图像增强，形成人脸增强图像；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

【技术特征摘要】
1.一种身份识别方法，其特征在于，所述身份识别方法包括：获取待识别的人物图像，确定人物图像中的人脸区域图像；根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；对人脸区域图像进行图像增强，形成人脸增强图像；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。2.如权利要求1所述的身份识别方法，其特征在于，所述确定人物图像中的人脸区域图像的步骤包括：获取人物图像的方向梯度直方图特征；根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。3.如权利要求1所述的身份识别方法，其特征在于，所述根据预置人脸模型的关键位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像的步骤包括：根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。4.如权利要求1所述的身份识别方法，其特征在于，所述提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征的步骤包括：获取人脸增强图像中各个像素点的灰度值；根据各个像素点的灰度值，确定各个像素点对应的DCP码；提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图，并将关键点所在区域DCP码的统计直方图作为人脸特征。5.如权利要求1至4任意一项所述的身份识别方法，其特征在于，所述将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份的步骤包括：将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份...

【专利技术属性】
技术研发人员：李弟平，王志刚，史家斌，卢素妮，徐岽茗，
申请(专利权)人：深圳市软数科技有限公司，
类型：发明
国别省市：广东;44