一种人脸和表情同时识别的方法技术

本发明专利技术所要解决的技术问题是提供一种验证效率高、识别计算速度快的人脸和表情同时识别的方法，步骤为：生成关于用户的生物信息的矢量集；获取来自用户的生物信息输入样本，计算矢量差；用该矢量差来使用协同表示方法计算回归系数；用该回归系数将上述的生物信息输入样本的样本类别归类至一个最小残差集；以及根据该最小残差集中的样本类别的系数向量使用指向最小残差的系数向量来对比；将所述设备控制指令与身份验证信息结合以产生设备控制信号，传递给所需控制的对应设备。本发明专利技术所述的人脸与表情同时识别的方法避免了使用多重识别方式可能会产生运算延迟或无法识别的问题，这样比对的效率会显著提高。

Method for recognizing face and expression simultaneously

The technical problem to be solved is to provide a validation of high efficiency, fast calculation speed of the recognition of face and facial expression and recognition method, which comprises the following steps: generating vector biological information about the user set; access to biological information input from the user, calculating the difference vector; vector difference to use collaborative calculation the regression coefficient method; the regression coefficient of biological information input samples of these samples of the category to a minimum residual set; and the use of the coefficient vector points to the minimum residual contrast according to the coefficient vector of the minimum residual concentration of samples; the device control instruction and authentication information combined to produce control signal equipment and transfer to the needed corresponding control equipment. The invention relates to a method for recognizing faces and expressions simultaneously, which avoids the problem that the use of multiple recognition modes may cause the operation delay or not to be recognized, and the efficiency of the comparison is obviously improved.

【技术实现步骤摘要】

本专利技术涉及一种人脸识别方法，特别涉及一种生物信息特征的识别方法，尤其至人脸及表情的识别。
技术介绍
人脸识别有无需接触、交互便利等优势，在各种场合中都有广泛应用。人脸识别方法主要包括特征提取，特征匹配，相似度计算这三个部分。人脸数据库在已经存储若干人脸的情况下采集特定脸孔进行特征提取并进行相似度计算，不同的算法得到的特征相似度需要与预设的门槛阈值进行比较，当该相似度与阈值范围内则判定人脸身份。表情识别是识别当前人的表情状态，在许多场合中均有应用，如表情拍照，情绪检测，活体检测等。但将人脸识别与表情识别同时应用则较少，且已知的在识别上效率不高，计算速度较慢。
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验证效率高、识别计算速度快的人脸和表情同时识别的方法。为此，本专利技术采用以下步骤：S110，生成关于用户的生物信息的矢量集，该矢量集包括正面人脸和n类不同表情人脸与平均中性人脸的相差人脸组成，n种表情相差人脸组成的矩阵为D＝[D1,D2,D3,...,Dn]，其中，Di(i＝1,2,…,n)表示第i种表情相差人脸组成的矩阵；S120，获取来自用户的生物信息输入样本，计算该生物信息输入样本f与平均中性样本之间的矢量差:S130，利用矢量差来使用协同表示方法计算回归系数x：并求解x为x＝(DTD+λI)-1DTd(3)其中λ表示正则化参数，I表示单位矩阵；S140，使用回归系数将上述的生物信息输入样本f的样本类别归类至一个最小残差集请注意是最小残差的种类中：一般的协同运算中没有这种方式；S150，根据最小残差集中的样本类别的系数向量使用指向最小残差的系数向量来对比，根据获得的xi，计算将与N类正面人脸图像的每张图像对比，将测试人脸y分到余弦距离最大的类中这样比对的效率会显著提高，由于使用多重识别方式可能会产生运算延迟或无法识别的问题，这样的方式是显著有效的与上述矢量集比较以确定用户的身份验证信息。其中xi是第i类表情相差人脸对应的系数向量。S200，将所述设备控制指令与身份验证信息结合以产生设备控制信号，传递给所需控制的对应设备。本专利技术所述的人脸与表情同时识别的方法避免了使用多重识别方式可能会产生运算延迟或无法识别的问题，这样比对的效率会显著提高。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。具体实施例一：本专利技术提供一种使用身份验证信息的方法，涉及人脸及表情的身份验证方法。首先，摄像装置获取来自用户的生物信息输入，再采集用户人脸及表情信息以确定身份验证信息，并在所述生物信息输入动作中获取用户的控制输入以确定设备控制指令。其中，用户的生物信息输入可以是来自用户的面部影像。在一个实施例中，用户首先以生物信息输入来触发本专利技术的识别动作，用户的生物信息输入动作中再次输入的另一种生物信息输入将被判断为携带用户期望控制的内容的电力信号。实现人脸识别动作的设备主要为智能终端设备，比如膝上型计算机、桌面型计算机、可穿戴设备、计时器、健康监测设备、数字媒体播放器、移动计算设备、蜂窝电话机、智能电话和/或任何其他电子设备。此外，用于获取上述生物信息输入和控制输入是采用用户的便携式电子设备，例如智能电话或其他可穿戴设备(例如手表)，也可以是具有输入界面的固定墙面式设备。在一些实施方式中，上述的任一“设备”可包括：一个或多个处理单元；一个或多个编解码器(例如，数字或音频转换器)，编解码器被设定为独立的设备或电路而不是由处理单元执行的程序的情况下运行；一个或多个输入/输出单元；以及一个或多个非暂态存储介质，其可采取但不限于以下形式：磁/光存储介质、只读存储器、随机访问存储器、可擦除可编程存储器或闪存等)。例如，在把“设备”设定成固定墙面式设备时，可选择性地设置一个或多个单元，例如选择具有低处理速率的处理单元和输入/输出单元，而不设置非暂态存储介质。在一些实现中，可通过用户手持的便携式电子设备来产生设备控制指令，而被设定为用户期望控制的固定墙面式设备可仅具有一个或多个编解码器以直接获得用户所期望执行的电气动作。在该实施例中，作为一种提高验证效率的改进，以有效减低设备对生物信息的识别计算速度，所述生物信息识别计算方法，也就是人脸和表情同时识别的方法包括如下步骤：S110，生成关于用户的生物信息的矢量集，S120，获取来自用户的生物信息输入样本，计算该生物信息输入样本与平均中性样本之间的矢量差；S130，利用该矢量差来使用协同表示方法计算回归系数；S140，使用该回归系数，将上述的生物信息输入样本的样本类别归类至一个最小残差集。一般的协同运算中没有这种方式；以及S150，根据该最小残差集中的样本类别的系数向量使用指向最小残差的系数向量来对比。由于使用多重识别方式可能会产生运算延迟或无法识别的问题，这样比对的效率会显著提高，仅需要比较上述矢量集就可以确定用户的身份验证信息。S200，将所述设备控制指令与身份验证信息结合以产生设备控制信号，传递给所需控制的对应设备。具体的，上述步骤对应可描述如下：摄像装置采集人脸数据，在所捕获的人脸数据库中，可由正面人脸和n类不同表情人脸与平均中性人脸的相差人脸组成；n种表情相差人脸组成的矩阵为D＝[D1,D2,D3,...,Dn]，其中Di(i＝1,2,…,n)表示第i种表情相差人脸组成的矩阵；将测试样本人脸f与平均中性人脸作矢量差使用协同表示方法计算回归系数x：并求解x为x＝(DTD+λI)-1DTd(3)其中λ表示正则化参数，I表示单位矩阵；将测试样本人脸f的表情类别归到具有最小残差的种类中；其中xi是第i类表情相差人脸对应的系数向量。根据获得的xi，计算将与N类正面人脸图像的每张图像对比，将测试人脸y分到余弦距离最大的类中特别的，所述身份验证信息与设备控制指令的信号波形不同，更进一步来说，对所述控制输入的获取可被延迟，直至至少完成对用户的生物信息输入动作的一部分进程之后开始。必须指出的是，本部分对本专利技术的具体实施例的描写仅为说明需要，并非对本专利技术权利要求保护范围进行限定。为此，所作出的特征描述、定义也不能解释为限定本专利技术的权利要求保护范围。另，本领域普通技术人员对实施例进行的修改、改进或等同替换都属于本专利技术的权利要求保护范围。本文档来自技高网...

【技术保护点】
一种人脸和表情同时识别的方法，其特征在于它包括如下步骤：S110，生成关于用户的生物信息的矢量集，该矢量集包括正面人脸和n类不同表情人脸与平均中性人脸的相差人脸组成，n种表情相差人脸组成的矩阵为D＝[D1,D2,D3,...,Dn]，其中，Di(i＝1,2,…,n)表示第i种表情相差人脸组成的矩阵；S120，获取来自用户的生物信息输入样本，计算该生物信息输入样本f与平均中性样本之间的矢量差:d=f-n‾---(1)]]>S130，利用矢量差来使用协同表示方法计算回归系数x：x=argminx{||d-Dx||22+λ||x||22}---(2)]]>并求解x为x＝(DTD+λI)‑1DTd    (3)其中λ表示正则化参数，I表示单位矩阵；S140，使用回归系数将上述的生物信息输入样本f的样本类别归类至一个最小残差集请注意是最小残差的种类中：Expression(y)=argmini{||d-Dixi||2/||xi||2}---(4);]]>S150，根据最小残差集中的样本类别的系数向量使用指向最小残差的系数向量来对比，根据获得的xi，计算将与N类正面人脸图像的每张图像对比，将测试人脸y分到余弦距离最大的类中Identity(y)=argmaxjf~·ajl||f~||·||ajl||---(5)]]>其中xi是第i类表情相差人脸对应的系数向量。S200，将所述设备控制指令与身份验证信息结合以产生设备控制信号，传递给所需控制的对应设备。...

【技术特征摘要】
1.一种人脸和表情同时识别的方法，其特征在于它包括如下步骤：S110，生成关于用户的生物信息的矢量集，该矢量集包括正面人脸和n类不同表情人脸与平均中性人脸的相差人脸组成，n种表情相差人脸组成的矩阵为D＝[D1,D2,D3,...,Dn]，其中，Di(i＝1,2,…,n)表示第i种表情...

【专利技术属性】
技术研发人员：徐鹤还，章昭，王晓东，
申请(专利权)人：杭州鸿雁电器有限公司，
类型：发明
国别省市：浙江;33