人脸识别方法及系统技术方案

本发明专利技术提供一种人脸识别方法及系统，方法包括：采集人脸图像，并对人脸图像进行预处理；获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄；本发明专利技术通过年龄模型和性别模型相结合，对人脸图像的年龄和性别进行识别，不仅提高了人脸图像识别的准确性，而且还能够使用户能够根据所得到的精确的结果进行更全面的规划，可以根据商业需求分析逐步细化对不同区域内的活动人口的不同年龄、不同性别的客户的消费情况进行数据收集，有效地为客户提供详细准确的数据信息，便于做出更好的应对策略。

Face recognition method and system

The invention provides a system and a method for face recognition, the method comprises: collecting the face image, and the face image preprocessing; feature parameters of face image acquisition, and the establishment of model parameters, the model parameters including age and gender model model; by comparing the parameters of model and data model of face information preset the face image acquisition of gender and age; the invention through the combination of age and gender model model, the face image of the age and gender identification, not only improves the accuracy of face recognition, but also enables users to conduct more comprehensive planning according to the accurate results, data collection and consumption according to the business requirements analysis gradually refine the active population of the different regions within the different age and gender have customers. It provides detailed and accurate data for customers to make better strategies.

【技术实现步骤摘要】
人脸识别方法及系统
本专利技术涉及图像识别领域，尤其涉及一种人脸识别方法及系统。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。近年来，随着科学技术的进步，人脸识别与图像处理相关的计算机视觉领域，人脸检测和识别技术已经取得了显著进展。随着市场经济的不断发展，商业需求分析逐步细化，对不同年龄、不同性别的客户的消费情况进行数据的收集成了当前人脸识别
的研究中心。现有的人脸识别技术检测目标人的年龄和性别，准确度低、获得信息粗糙，不能有效地为客户提供详细准确的数据信息，以至于不能做出更好的应对策略，因此，亟需一种新的技术手段，能够提高检测的准确性。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术提供一种人脸识别方法及系统，以解决上述技术问题。本专利技术提供的人脸识别方法，包括：采集人脸图像，并对人脸图像进行预处理；获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄。进一步，所述特征参数包括性别特征参数、年龄特征参数和区域像素特征参数；所述性别特征参数包括毛发特征参数、器官及轮廓参数，以及性征特征参数；所述年龄特征参数包括眼部特征参数、面部皮肤特征参数、额头特征参数和嘴角特征参数；所述区域像素特征参数包括纹理特征参数、像素梯度信息参数和各阶矩信息参数。进一步，根据人脸图像提取人脸图像的局部特征，以及所述局部特征的相对位置；根据所述局部特征，获取局部特征的特征映射；将多个特征映射组成特征映射层，每个特征映射为一个平面，且同一平面上的所有神经元权值相等；对每个特征映射层进行二次提取，形成二次提取计算层并输出。进一步，所述预处理包括滤波处理、像素补偿处理和灰度化处理。进一步，采集不同区域的人脸图像，对每个区域内的人脸图像的性别和年龄进行识别，并对识别结果进行统计，获取每个区域的活动人口的性别和年龄分布。进一步，所述年龄模型包括多个不同年龄段的模型数据库，所述预设的人脸信息模型数据通过训练数据进行学习。本专利技术还提供一种人脸识别系统，包括：图像采集单元，用于采集人脸图像，预处理单元，用于对人脸图像进行预处理；特征提取单元，用于获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；识别单元，用于通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄。进一步，所述特征参数包括性别特征参数、年龄特征参数和区域像素特征参数；所述性别特征参数包括毛发特征参数、器官及轮廓参数，以及性征特征参数；所述年龄特征参数包括眼部特征参数、面部皮肤特征参数、额头特征参数和嘴角特征参数；所述区域像素特征参数包括纹理特征参数、像素梯度信息参数和各阶矩信息参数。进一步，还包括统计单元，用于统计不同区域的活动人口性别和年龄分布；所述图像采集单元包括多个设图像采集子单元，通过对图像采集子单元进行分组，获取不同区域的人脸图像。进一步，还包括服务器和客户端设备，所述特征提取单元和识别单元设置于服务器，所述客户端设备与服务器连接，用于实时获取不同区域的识别结果和统计结果。本专利技术的有益效果：本专利技术中的人脸识别方法及系统，通过年龄模型和性别模型相结合，对人脸图像的年龄和性别进行识别，不仅提高了人脸图像识别的准确性，而且还能够使用户能够根据所得到的精确的结果进行更全面的规划，可以根据商业需求分析逐步细化对不同区域内的活动人口的不同年龄、不同性别的客户的消费情况进行数据收集，有效地为客户提供详细准确的数据信息，便于做出更好的应对策略。附图说明图1是本专利技术的方法原理示意图。图2是本专利技术的方法流程示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1所示，本实施例中的人脸识别方法，包括：采集人脸图像，并对人脸图像进行预处理；获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄。在本实施例中，预处理包括滤波处理、像素补偿处理和灰度化处理，滤波处理主要是对人脸图像采用中值滤波，无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响，通过中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊。中值滤波是一种非线性的信号处理方法，因此中值滤波器也就是一种非线性的滤波器，中值滤波可以在一定程度上克服线性滤波所带来的图像细节模糊。像素补偿处理是通过光线补偿来实现正在光线不平衡的情况而造成色彩偏差的问题。即光线补偿是为了抵消这种整个图像中存在的色彩偏差，将整个图像中的所有像素的亮度从高到低进行排列，取前5％的像素，然后线性放大，使这些像素的平均亮度达到255。灰度化处理采用直方图均衡处理，即通过先统计直方图每个灰度级出现的次数，接着累计归一化的直方图，最后计算新的像素值，从而实现人脸图像灰度化处理。例如：设图像有N个灰度级，M个像素点，ha(u)是输入图像a(x,y)的直方图，图像b(x,y)是输入图像直方图均衡后的输出，依照下面的公式进行直方图均衡：b(x,y)＝N×Pa[a(x,y)]其中，M为像素点数量，N为灰度级数量，ha(u)为输入图像a(x,y)的直方图，b(x,y)为输入图像直方图均衡后的输出。在本实施例中，特征参数包括性别特征参数、年龄特征参数和区域像素特征参数；所述性别特征参数包括毛发特征参数、器官及轮廓参数，以及性征特征参数；所述年龄特征参数包括眼部特征参数、面部皮肤特征参数、额头特征参数和嘴角特征参数；所述区域像素特征参数包括纹理特征参数、像素梯度信息参数和各阶矩信息参数其中，E(Xn)表示X＝{x1，x2，……xn}序列的n阶矩，X表示选定局部区域像素序列，ω表示，φ表示，以上公式表示X的n阶矩的一种计算方法，fx(x)为X的特征函数。本实施了中毛发特征包括头发特征和胡子特征，器官及轮廓参数包括鼻子特征、脸部皮肤特征、轮廓特征和喉结特征，其中，轮廓特征可以通过链码、傅里叶描述子、小波描述符、曲率尺度空间描述符或多边形逼近等算法获取，本实施例中的年龄模型包括多个不同年龄段的模型数据库，预设的人脸信息模型数据通过训练数据进行学习。例如当前需要获取眼睛、嘴或者是胡子等特征的特征参数。具体地，首先对人本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：采集人脸图像，并对人脸图像进行预处理；获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：采集人脸图像，并对人脸图像进行预处理；获取人脸图像的特征参数，并建立参数模型，所述参数模型包括年龄模型和性别模型；通过将所述参数模型与预设的人脸信息模型数据进行对比，获取人脸图像的性别和年龄。2.根据权利要求1所述的人脸识别方法，其特征在于：所述特征参数包括性别特征参数、年龄特征参数和区域像素特征参数；所述性别特征参数包括毛发特征参数、器官及轮廓参数，以及性征特征参数；所述年龄特征参数包括眼部特征参数、面部皮肤特征参数、额头特征参数和嘴角特征参数；所述区域像素特征参数包括纹理特征参数、像素梯度信息参数和各阶矩信息参数。3.根据权利要求2所述的人脸识别方法，其特征在于：根据人脸图像提取人脸图像的局部特征，以及所述局部特征的相对位置；根据所述局部特征，获取局部特征的特征映射；将多个特征映射组成特征映射层，每个特征映射为一个平面，且同一平面上的所有神经元权值相等；对每个特征映射层进行二次提取，形成二次提取计算层并输出。4.根据权利要求3所述的人脸识别方法，其特征在于：所述预处理包括滤波处理、像素补偿处理和灰度化处理。5.根据权利要求4所述的人脸识别方法，其特征在于：采集不同区域的人脸图像，对每个区域内的人脸图像的性别和年龄进行识别，并对识别结果进行统计，获取每个区域的活动人口的性别和年龄分布。6.根据...

【专利技术属性】
技术研发人员：谭海燕，吴军，张辉，唐颖，屈景春，周平，
申请(专利权)人：重庆凯泽科技股份有限公司，
类型：发明
国别省市：重庆,50