非约束人脸识别系统及方法技术方案

本发明专利技术提供一种非约束人脸识别系统及方法，首先利用视觉注意机制获取输入图片的视觉显著图；根据视觉显著图检测人脸目标区域；再利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；最后根据稀疏表示的人脸识别算法对测试样本进行分类识别。该种非约束人脸识别系统及方法，一方面基于视觉显著性的人脸检测可以矫正对齐人脸区域，满足稀疏表示人脸识别的假设条件；另一方面以HOG特征作为稀疏字典可以进一步消除人脸变化干扰，两者结合可以有效提高非约束人脸识别准确率。

【技术实现步骤摘要】

本专利技术涉及一种非约束人脸识别系统及方法。
技术介绍
人脸识别作为最具潜力的生物身份识别方式之一，已经深入了人类日常生活的方方面面，正确辨识出非约束环境中的人脸对计算机来说至关重要。但由于非约束人脸识别性能受到背景、光照、姿态、表情、衣物遮挡、伪装等因素的严重影响，因此适应能力很强的人脸识别系统的设计具有很大的挑战性。人脸识别系统流程如图1所示，大致可以分为四部分，首先输入人脸图片，接着对这幅图片进行人脸区域检测，然后对检测到的人脸区域进行特征提取和分类，最后判别出这幅图片所属的类别。人脸识别系统的关键部分是人脸区域检测和人脸特征提取与识别。近几年来，人脸检测、人脸特征提取与识别的算法层出不穷，其目的就是为了使机器具有智能化，能准确无误地对测试图片进行判别，无论测试图片是单一的正面人脸还是背景复杂的非约束(光照、姿态、遮挡等因素影响)人脸。现有技术方案的不足之处在于：常用人脸区域检测算法有基于模板匹配的人脸检测和基于肤色模型的人脸检测两类，这些方法虽然原理简单，易于实现，但是预先设计出的人脸模板不能精确匹配不同的人脸轮廓以及五官分布；肤色模型也很容易受到其他非人脸因素(袒露的皮肤)的影响。所以这些人脸检测算法局限性很大，不适用非约束人脸检测的情况。现有的人脸识别方法多是手工选取特征，再利用SVM、KNN等分类器判别人脸。基于手工特征提取的人脸识别方法其关键是人脸特征表示，良好特征表示对算法准确性起关键作用，手工选取特征是一件非常费力、启发式的方法，能不能选取适合特征很大程度上靠经验和运气。对于有遮挡、姿态变化、表情变化等因素影响的非约束人脸，手工选取人脸本质特征更加困难，导致识别率大大降低。上述问题是在人脸识别过程中应当予以考虑并解决的问题。
技术实现思路
本专利技术的目的是提供一种非约束人脸识别系统及方法解决现有技术中存在的或人脸检测算法局限性很大，不适用非约束人脸检测的情况，或手工选取人脸本质特征更加困难，导致识别率大大降低的问题。本专利技术的技术解决方案是：一种非约束人脸识别系统，包括图片输入模块、人脸检测模块、人脸特征提取模块、判别结果输出模块，图片输入模块：输入人脸图片；人脸检测模块：利用视觉注意机制获取输入人脸图片的视觉显著图，根据视觉显著图检测人脸目标区域；人脸特征提取模块：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；根据稀疏表示的人脸识别算法对测试样本进行分类识别；判别结果输出模块：对识别结果进行输出并显示。进一步地，人脸检测模块中，利用视觉注意机制获取输入人脸图片的视觉显著图，具体为：对输入的灰度图片I(x,y)利用GBVS算法提取视觉显著图，记为S(x,y)。进一步地，人脸检测模块中，根据视觉显著图检测人脸目标区域，具体为：选择合适的阈值对视觉显著图S(x,y)进行阈值分割得到模板M1(x,y)；对M1(x,y)进行形态学操作得到精细模板M2(x,y)；定位M2(x,y)的质心p，利用边缘函数提取M2(x,y)的边缘；求出质心p到模板边缘的最小距离d；以p为中心，d为边长得到正方区域，将输入图像I(x,y)与正方形区域作匹配得到人脸目标检测区域Dete(x,y)。进一步地，人脸检测模块检测到的人脸目标区域Dete(x,y)后，人脸特征提取模块利用HOG算子提取Dete(x,y)的梯度方向特征，得到特征矩阵HOG_feature，其中每一行的列向量表示一幅图片的HOG特征。进一步地，从所得特征矩阵HOG_feature中随机取出m行特征向量用于构建特征字典，剩余特征向量留作测试；利用稀疏表示分类方法对测试样本进行识别与分类，正确分类的记作1，错误分类的记作0，根据1的个数计算识别率，并记录系统结束时所消耗的总时间。一种非约束人脸识别方法，包括以下步骤：基于视觉注意机制的人脸目标区域检测：首先利用视觉注意机制获取输入图片的视觉显著图，根据视觉显著图检测人脸目标区域；基于HOG特征稀疏表示的人脸识别：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；最后根据稀疏表示的人脸识别算法对测试样本进行分类识别。进一步地，基于视觉注意机制的人脸目标区域检测，具体为：输入图像一幅250×250的灰度图片I(x,y)，利用GBVS算法提取视觉显著图，记为S(x,y)；选择合适的阈值对视觉显著图S(x,y)进行阈值分割得到模板M1(x,y)；对M1(x,y)进行形态学操作得到精细模板M2(x,y)；定位M2(x,y)的质心p，利用边缘函数提取M2(x,y)的边缘；求出质心p到模板边缘的最小距离d。以p为中心，d为边长得到正方区域，将输入图像I(x,y)与正方形区域作匹配得到人脸目标检测区域Dete(x,y)。进一步地，基于HOG特征稀疏表示的人脸识别，具体为：利用HOG算子提取Det(e,x)的梯度方向特征，得到特征矩阵HOG_feat，其中列向量表示HOG特征；从特征矩阵HOG_feature中随机取出m行特征向量用于构建特征字典，剩余特征向量留作测试；利用稀疏表示分类方法对测试样本进行识别与分类，正确分类的记作1，错误分类的记作0，根据1的个数计算识别率，并记录系统结束时所消耗的总时间。本专利技术的有益效果是：一、该种非约束人脸识别系统及方法，利用视觉注意机制获取人脸显著图，根据显著图准确定位有效人脸目标区域，消除了复杂环境下光照、姿态、遮挡等因素的影响，达到无人工干预，自动、准确检测非约束人脸目标区域的目的，为准确提取非约束人脸特征提供技术支持。二、该种非约束人脸识别系统及方法，采用HOG特征构建字典，相比较传统字典而言，字典原子包含了训练图片更丰富的边缘纹理信息，能够更准确描述人脸本质特征。并且HOG特征相比传统字典维数降低，解决了传统稀疏表示分类算法中因字典维度大导致运行速度慢的问题，有效提高算法运行效率。三、该种非约束人脸识别系统及方法，一方面基于视觉显著性的人脸检测可以矫正对齐人脸区域，满足稀疏表示人脸识别的假设条件；另一方面以HOG特征作为稀疏字典可以进一步消除人脸变化干扰，两者结合可以有效提高非约束人脸识别准确率。附图说明图1是现有的非约束人脸识别系统的说明示意图。图2是本专利技术实施例非约束人脸识别系统的说明框图。图3是本专利技术实施例非约束人脸识别方法的流程示意图。具体实施方式下面结合附图详细说明本专利技术的优选实施例。实施例一种非约束人脸识别系统，如图2，包括图片输入模块、人脸检测模块、人脸特征提取模块、判别结果输出模块。图片输入模块：输入人脸图片；人脸检测模块：利用视觉注意机制获取输入人脸图片的视觉显著图，根据视觉显著图检测人脸目标区域；人脸特征提取模块：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；根据稀疏表示的人脸识别算法对测试样本进行分类识别；判别结果输出模块：对识别结果进行输出并显示。人脸检测模块中，利用视觉注意机制获取输入人脸图片的视觉显著图，具体为：对输入的灰度图片I(x,y)利用GBVS算法即Graph-BasedVisualSaliency，基于图的视觉显著性，提取视觉显著图，记为S(x,本文档来自技高网...

【技术保护点】
一种非约束人脸识别系统，其特征在于，包括图片输入模块、人脸检测模块、人脸特征提取模块、判别结果输出模块，图片输入模块：输入人脸图片；人脸检测模块：利用视觉注意机制获取输入人脸图片的视觉显著图，根据视觉显著图检测人脸目标区域；人脸特征提取模块：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；根据稀疏表示的人脸识别算法对测试样本进行分类识别；判别结果输出模块：对识别结果进行输出并显示。

【技术特征摘要】
1.一种非约束人脸识别系统，其特征在于，包括图片输入模块、人脸检测模块、人脸特征提取模块、判别结果输出模块，图片输入模块：输入人脸图片；人脸检测模块：利用视觉注意机制获取输入人脸图片的视觉显著图，根据视觉显著图检测人脸目标区域；人脸特征提取模块：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；根据稀疏表示的人脸识别算法对测试样本进行分类识别；判别结果输出模块：对识别结果进行输出并显示。2.如权利要求1所述的非约束人脸识别系统，其特征在于：人脸检测模块中，利用视觉注意机制获取输入人脸图片的视觉显著图，具体为：对输入的灰度图片I(x,y)利用GBVS算法提取视觉显著图，记为S(x,y)。3.如权利要求2所述的非约束人脸识别系统，其特征在于：人脸检测模块中，根据视觉显著图检测人脸目标区域，具体为：选择合适的阈值对视觉显著图S(x,y)进行阈值分割得到模板M1(x,y)；对M1(x,y)进行形态学操作得到精细模板M2(x,y)；定位M2(x,y)的质心p，利用边缘函数提取M2(x,y)的边缘；求出质心p到模板边缘的最小距离d；以p为中心，d为边长得到正方区域，将输入图像I(x,y)与正方形区域作匹配得到人脸目标检测区域Dete(x,y)。4.如权利要求3所述的非约束人脸识别系统，其特征在于：人脸检测模块检测到的人脸目标区域Dete(x,y)后，人脸特征提取模块利用HOG算子提取Dete(x,y)的梯度方向特征，得到特征矩阵HOG_feature，其中每一行的列向量表示一幅图片的HOG特征。5.如权利要求4所述的非约束人脸识别系统，其特征在于：从所得特征矩阵HOG_feature中随机取出m行特征向量用于构建特征字典，剩余特...

【专利技术属性】
技术研发人员：童莹，陈凡，曹雪虹，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏;32