The invention discloses a method for face recognition, including: feature extraction of key points to identify the user's face image acquisition, by the characteristics of the key points to construct feature vectors; the training feature vector and matrix operations, generative model, feature vectors of training sample matrix from face images after feature extraction from the input combined with Bayesian model covariance matrix obtained from the training form; the model with the sample face images for comparison, user identification. The invention of face recognition method by extracting the key features of human face images constitute a feature vector, and combined Bayesian model for model training and recognition, compared with the existing face recognition algorithm based on deep learning, the model training required for small sample size, less calculation, can improve the efficiency of face recognition.
【技术实现步骤摘要】
一种人脸识别方法
本专利技术涉及计算机视觉处理
,特别是涉及一种人脸识别方法。
技术介绍
人脸识别是基于人的脸部特征信息进行身份认证的一种生物识别技术。通过采集含有人脸的图像或视频流,并在图像中检测和跟踪人脸,进而对检测到的人脸进行匹配与识别。目前,人脸识别的应用领域很广泛,在金融支付、门禁考勤、身份识别等众多领域起到非常重要的作用,给人们的生活带来很大便利。人脸识别方法有很多,基本上都可以归结为人脸特征提取结合分类算法。在所有算法中,基于深度学习的人脸识别算法能够达到较佳识别效果,近年来也越来越受到关注。但该算法中深度学习模型复杂,想要实现计算规模庞大,并不能适用于所有场合。
技术实现思路
鉴于此,本专利技术提供一种人脸识别方法,与现有方法相比,可降低计算量,提高识别效率。为实现上述目的,本专利技术提供如下技术方案:一种人脸识别方法,包括:S10:对采集的待识别用户的人脸图像中关键点提取特征,由各关键点的特征构成特征向量;S11:将所述特征向量与训练矩阵运算,生成模型,所述训练矩阵由样本人脸图像经过提取特征后得到的特征向量,输入联合贝叶斯模型进行训练得到的协方差矩阵构成;S12:将所述模型与样本库中人脸图像进行比对,识别用户。可选地,所述步骤S10具体包括:对人脸图像进行多尺度缩放,对于同一关键点在各尺度的人脸图像中提取特征并连接,再将各关键点的特征连接,构成所述特征向量。可选地,所述步骤S10还包括:对所述特征向量进行维度压缩。可选地,对人脸图像中关键点提取特征具体包括:在人脸图像中选取多个关键点,提取各关键点处的局部二值模式特征。可选地,提取关键点 ...
【技术保护点】
一种人脸识别方法,其特征在于,包括步骤:S10:对采集的待识别用户的人脸图像中关键点提取特征,由各关键点的特征构成特征向量;S11:将所述特征向量与训练矩阵运算,生成模型,所述训练矩阵由样本人脸图像经过提取特征后得到的特征向量,输入联合贝叶斯模型进行训练得到的协方差矩阵构成;S12:将所述模型与样本库中人脸图像进行比对,识别用户。
【技术特征摘要】
1.一种人脸识别方法,其特征在于,包括步骤:S10:对采集的待识别用户的人脸图像中关键点提取特征,由各关键点的特征构成特征向量;S11:将所述特征向量与训练矩阵运算,生成模型,所述训练矩阵由样本人脸图像经过提取特征后得到的特征向量,输入联合贝叶斯模型进行训练得到的协方差矩阵构成;S12:将所述模型与样本库中人脸图像进行比对,识别用户。2.根据权利要求1所述的人脸识别方法,其特征在于,所述步骤S10具体包括:对人脸图像进行多尺度缩放,对于同一关键点在各尺度的人脸图像中提取特征并连接,再将各关键点的特征连接,构成所述特征向量。3.根据权利要求2所述的人脸识别方法,其特征在于,所述步骤S10还包括:对所述特征向量进行维度压缩。4.根据权利要求1-3所述的人脸识别方法,其特征在于,对人脸图像中关键点提取特征具体包括:在人脸图像中选取多个关键点,提取各关键点处的局部二值模式特征。5.根据权利要求4所述的人脸识别方法,其特征在于,提取关键点处的局部二值模式特征描述为:
【专利技术属性】
技术研发人员:李昂,
申请(专利权)人:深圳乐行天下科技有限公司,
类型:发明
国别省市:广东,44
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。