一种基于双摄像头的智能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基于双摄像头的智能人脸识别方法及系统，方法包括：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果。本发明专利技术具有识别率高、准确和鲁棒性高的优点，可广泛应用于生物特征识别领域。

【技术实现步骤摘要】
一种基于双摄像头的智能人脸识别方法及系统
本专利技术涉及生物特征识别领域，尤其是一种基于双摄像头的智能人脸识别方法及系统。
技术介绍
人脸识别因其在身份证识别、可视电话、档案管理、公安(或罪犯识别)等方面的巨大应用前景而越来越成为当前图像分析与模式识别领域的一个研究热点。现有人脸识别设备一般采用双摄像头：一个是可见光摄像头，另一个是红外线摄像头。红外线摄像头几乎不受照明的影响，所以实际识别时使用的是红外线图像。而人脸识别设备屏幕上显示的不是红外线图像，而是可见光图像，因为红外线图像是无法在屏幕上显示的黑白图像。目前的人脸识别设备大多只根据黑白图像进行人脸识别，而忽略了可见光图像等彩色图像的识别作用。最近的研究表明，彩色图像对于人脸识别能够提供很多有用的信息，因此，若能充分利用彩色图像的彩色信息，则可以有效地提高人脸的识别率。在人脸图像识别的算法中，PCA(rincipalComponentAnalysis，主成分分析)又称K-L变换，被认为是最成功的线性鉴别分析方法之一，目前仍然被广泛地应用在人脸等图像识别领域。基于PCA的人脸识别算法原理简单，易于实现、学习速度较快，但其识别率会随着光照、训练样本数量等因素的变化而变化，不够准确且鲁棒性不高。
技术实现思路
为解决上述技术问题，本专利技术的目的在于：提供一种识别率高、准确和鲁棒性高的，基于双摄像头的智能人脸识别方法。本专利技术的另一目的在于：提供一种识别率高、准确和鲁棒性高的，基于双摄像头的智能人脸识别系统。本专利技术所采取的技术方案是：一种基于双摄像头的智能人脸识别方法，包括以下步骤：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果。进一步，所述采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像这一步骤，其具体为：对黑白人脸图像I(i，j)进行频域残差处理，得到黑白显著性图像S(i，j)，所述黑白显著性图像S(i，j)的表达式为：其中，hn(f)和g(i，j)分别为I(i，j)的均值滤波器和高斯滤波器；*、fft、ifft和lg分别表示卷积运算、傅里叶变换、逆傅里叶变换和以10为底的对数运算，NORM和PH分别表示复数的模和相位。进一步，所述采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别这一步骤，其包括：获取黑白显著性图像S(i，j)的水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)，所述水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)的表达式分别为：Sh(i，j)＝S(i，j+1)-S(i，j)，Sv(i，j)＝S(i+1，j)-S(i，j)；将黑白显著性图像S(i，j)、水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)按行排成一列，并把每一列连成一个列向量A0；将列向量A0归一化为零均值向量D，然后根据零均值向量D构建黑白人脸训练样本集{Dq|q＝1,2,...,n}，n为训练样本的总数；计算黑白人脸训练样本集中每幅图像与均值的差θq，θq的计算公式为θq＝Dq-V，V为黑白人脸训练样本集的均值，且计算黑白人脸训练样本集的协方差矩阵C，所述协方差矩阵C的计算公式为：C＝EET，其中，E＝[θ1,θ2,...,θq]，T表示矩阵的转置；对协方差矩阵C进行奇异值分解，得到黑白人脸的特征值；将黑白人脸的特征值λq按照由大到小顺序进行排列，得到前m个最大特征值对应的特征向量空间U＝[u1,u2,...,um]，其中，1＜m＜q，且以黑白人脸训练样本集的图像作为第一训练图像，D中除黑白人脸训练样本集外的其它样本的图像作为第一测试图像，将第一训练图像和第一测试图像投影到特征向量空间U中；根据投影到特征向量空间U中的第一测试图像与第一训练图像选用分类器来识别出第一测试图像的类别，并以第一测试图像的类别作为黑白人脸识别的结果，所述分类器包括但不限于最近邻分类器、最小距离分类器、曼哈顿距离分类器和贝叶斯分类器。进一步，采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域这一步骤，其包括：将彩色人脸图像由RGB空间变换到改进的YCbCr空间，所采用的变换公式为：其中，R、G和B分别为彩色人脸图像在RGB空间的绿色分量、红色分量和蓝色分量，Y、Cb和Cr分别为彩色人脸图像在YCbCr空间的亮度、蓝色色度分量和红色色度分量；采用改进的Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割，得到肤色分割后的图像，所述改进的Cb、Cr椭圆聚类方法根据彩色人脸图像像素点的亮度大小进行分段处理：若彩色人脸图像像素点的亮度小于77，则直接判定该像素点属于非肤色区域；若彩色人脸图像像素点的亮度在77到200之间，则根据Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割；若彩色人脸图像像素点的亮度大于200，则在将肤色聚类时的椭圆长轴和短轴同时扩大为原来的若干倍后再采用Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割；对肤色分割后的图像进行形态学处理，所述形态学处理包括但不限于形态学滤波、填孔、闭运算和连通域处理；根据设定的判定条件从形态学处理后的图像中筛选出彩色人脸候选区域，所述设定的判定条件包括连通区域的像素数条件、连通区域的宽长比条件、区域的填充率条件、区域面积条件和人脸外接矩形的宽长比条件。进一步，所述采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别这一步骤，其包括：根据整幅彩色人脸图像提取7幅与之相对应的部分图像；对整幅彩色人脸图像和7幅部分图像同时采用相同的PCA模型进行PCA变换，以提取出整幅彩色人脸图像和7幅部分图像的彩色人脸特征向量；根据提取出的彩色人脸特征向量采用马氏距离分类器进行测试图像与训练图像的匹配计算，识别出整幅彩色人脸图像和7幅部分图像这8幅图像的类别；根据整幅彩色人脸图像和7幅部分图像的识别结果进行加权决策，得到彩色人脸识别的结果。进一步，所述对整幅彩色人脸图像和7幅部分图像同时采用相同的PCA模型进行PCA变换，以提取出整幅彩色人脸图像和7幅部分图像的彩色人脸特征向量这一步骤，其包括：对彩色人脸图像进行预处理，所示预处理包括但不限于直方图均衡、均值滤波、灰度归一化和像素矩阵转换；分别为整幅彩色人脸图像和7幅部分图像构建PCA变换的训练图像和测试图像；根据构建的训练图像同时对整幅彩色人脸图像和7幅部分图像进行PCA变换，得到整幅彩色人脸图像和7幅部分图像的彩色人脸特征向量。本专利技术所采取的另一技术方案是：一种基于双摄像头的智能人脸识别系统，包括：采集模块，用于通过双摄像头分别采集黑白人脸图像和彩色人脸图像；显著性检测模块，采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；黑白人脸识别模块，采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；肤色检测模块，用于采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分本文档来自技高网...

【技术保护点】
一种基于双摄像头的智能人脸识别方法，其特征在于：包括以下步骤：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果。

【技术特征摘要】
1.一种基于双摄像头的智能人脸识别方法，其特征在于：包括以下步骤：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果。2.根据权利要求1所述的一种基于双摄像头的智能人脸识别方法，其特征在于：所述采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像这一步骤，其具体为：对黑白人脸图像I(i，j)进行频域残差处理，得到黑白显著性图像S(i，j)，所述黑白显著性图像S(i，j)的表达式为：其中，hn(f)和g(i，j)分别为I(i，j)的均值滤波器和高斯滤波器；*、fft、ifft和lg分别表示卷积运算、傅里叶变换、逆傅里叶变换和以10为底的对数运算，NORM和PH分别表示复数的模和相位。3.根据权利要求2所述的一种基于双摄像头的智能人脸识别方法，其特征在于：所述采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别这一步骤，其包括：获取黑白显著性图像S(i，j)的水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)，所述水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)的表达式分别为：Sh(i，j)＝S(i，j+1)-S(i，j)，Sv(i，j)＝S(i+1，j)-S(i，j)；将黑白显著性图像S(i，j)、水平差值图像Sh(i，j)和垂直差值图像Sv(i，j)按行排成一列，并把每一列连成一个列向量A0；将列向量A0归一化为零均值向量D，然后根据零均值向量D构建黑白人脸训练样本集{Dq|q＝1,2,...,n}，n为训练样本的总数；计算黑白人脸训练样本集中每幅图像与均值的差θq，θq的计算公式为θq＝Dq-V，V为黑白人脸训练样本集的均值，且计算黑白人脸训练样本集的协方差矩阵C，所述协方差矩阵C的计算公式为：C＝EET，其中，E＝[θ1,θ2,...,θq]，T表示矩阵的转置；对协方差矩阵C进行奇异值分解，得到黑白人脸的特征值；将黑白人脸的特征值λq按照由大到小顺序进行排列，得到前m个最大特征值对应的特征向量空间U＝[u1,u2,...,um]，其中，1＜m＜q，且以黑白人脸训练样本集的图像作为第一训练图像，D中除黑白人脸训练样本集外的其它样本的图像作为第一测试图像，将第一训练图像和第一测试图像投影到特征向量空间U中；根据投影到特征向量空间U中的第一测试图像与第一训练图像选用分类器来识别出第一测试图像的类别，并以第一测试图像的类别作为黑白人脸识别的结果，所述分类器包括但不限于最近邻分类器、最小距离分类器、曼哈顿距离分类器和贝叶斯分类器。4.根据权利要求1所述的一种基于双摄像头的智能人脸识别方法，其特征在于：采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域这一步骤，其包括：将彩色人脸图像由RGB空间变换到改进的YCbCr空间，所采用的变换公式为：其中，R、G和B分别为彩色人脸图像在RGB空间的绿色分量、红色分量和蓝色分量，Y、Cb和Cr分别为彩色人脸图像在YCbCr空间的亮度、蓝色色度分量和红色色度分量；采用改进的Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割，得到肤色分割后的图像，所述改进的Cb、Cr椭圆聚类方法根据彩色人脸图像像素点的亮度大小进行分段处理：若彩色人脸图像像素点的亮度小于77，则直接判定该像素点属于非肤色区域；若彩色人脸图像像素点的亮度在77到200之间，则根据Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割；若彩色人脸图像像素点的亮度大于200，则在将肤色聚类时的椭圆长轴和短轴同时扩大为原来的若干倍后再采用Cb、Cr椭圆聚类方法对彩色人脸图像进行肤色分割；对肤色分割后的图像进行形态学处理，所述形态学处理包括但不限于形态学滤波、填孔、闭运算和连通域处理；根据设定的判定条件从形态学处理后的图像中筛选出彩色人脸候选区域，所述设定的判定条件包括连通区域的像素数条件、连通区域的宽长比条件、区域的填充率条件、区域面积条件和人脸外接矩形的宽长比条件。5.根据权利要求1-4任一项所述的一种基于双摄像头的智能人脸识别方法，其特征在于：所述采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别这一步骤，其包括：根据整幅彩色人脸图像提取7幅与之相对应的部分图像；对整幅彩色人脸图像和7幅部分图像同时采用相同的PCA模型进行PCA变换，以提取出整幅彩色人脸图像和7幅部分图像的彩色人脸特征向量；根据提取出的彩色人脸特征向量采用马氏距离分类器进行测试图像与训练图像的匹配计算，识别出整幅彩色人脸图像和7幅部分图像这8幅图像的类别；根据整幅彩色人脸图像和7幅部分图像的识别结果进行加权决策，...

【专利技术属性】
技术研发人员：贺月路，钟进堂，周荣华，
申请(专利权)人：广州市贺氏办公设备有限公司，
类型：发明
国别省市：广东,44