NEXT系列产品图像特征识别系统及其识别方法技术方案

本发明专利技术公开了NEXT系列产品图像特征识别系统及其识别方法，属于图像识别领域，该识别系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块；该识别方法包括特征提取算法、类别特征分类实现算法和组合分类器实现算法，本发明专利技术提出的识别方法不仅提高了正面人脸有旋转角度情况下的识别率，同时对不同强度的光照有非常好的鲁棒性。本发明专利技术提出的识别系统及其识别方法具备实时性和可靠性，可广泛用于身份认证、图像识别等领域。

【技术实现步骤摘要】
NEXT系列产品图像特征识别系统及其识别方法
本专利技术属于图像识别领域，尤其涉及NEXT系列产品图像特征识别系统及其识别方法。
技术介绍
随着社会和经济的快速发展，越来越多的公共安全、访问控制、人机交互、信息安全等方面都需要快速有效的验证客户的身份，并且这项工作需要大量人力物力的投入。由此可见，传统的身份鉴定方法在某些领域已然无法满足，因而身份识别这一领域迫切需要推陈出新，亟需一种有效、快速、安全的身份鉴定方法。目前，人脸识别系统对拍照环境大多有比较严格的约束条件，例如正脸、无日光直射、光照强度基本固定、脸部自然无表情、无眼镜或者饰物等。这些基本满足的情况下，系统才会有比较好的性能。（1）复杂背景的人脸识别问题。人脸识别的前提是检测到人脸和如何标定出人脸，用于识别的图像如果包含了过多背景信息，而背景又是复杂多变的，这势必影响识别准确度。（2）人脸图像成像的问题。拍摄时候的光照，被捕捉到时候人脸的姿态和表情，有没有一些遮挡物、用于识别的人脸与数据库中人脸年龄的差异等。图像中人脸的这些变化对于计算机而言都是巨大的挑战。（3）人脸识别是多学科研究课题，目前大多使用统计方面的理论进行研究，其他学科对于人脸识别的研究也很重要，如何深入地在其他学科研究也是一个难题。
技术实现思路
针对上述问题，本专利技术的目的在于提供NEXT系列产品图像特征识别系统及其识别方法，该专利技术提出的识别系统及其识别方法具备实时性和可靠性，可广泛用于身份认证、图像识别等领域。为了实现上述系统，本专利技术采取的技术方案是：NEXT系列产品图像特征识别系统，其特征在于，该系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块；所述控制模块分别与所述人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块连接；所述人脸数据库依次通过图像标准化模块、特征提取模块和分类器与输出模块连接；所述摄像头模块依次通过人脸检测模块、图像预处理模块与特征提取模块相连；所述人脸检测模块与所述分类器相连；所述人脸检测模块包括人脸检测单元、人眼定位单元和人脸裁剪单元，所述人脸检测单元设置在摄像头模块与人眼定位单元之间，所述人脸裁剪单元设置在人眼定位单元与图像预处理模块之间；所述图像预处理模块包括灰度化单元、去噪单元、锐化单元、直方图均衡化单元和图像尺寸标准化单元，所述灰度化单元设置在所述人脸裁剪单元与去噪单元之间，所述去噪单元依次通过锐化单元、直方图均衡化单元、图像尺寸标准化单元与所述特征提取模块连接。进一步的，所述摄像头模块的工作流程包括以下步骤：摄像头模块实时采集监控区域的视频信息；摄像头模块通过移动帧判断视频中是否存在移动物体，在确定视频中存在移动物体时，启动人脸检测模块，并采集每一帧视频图像。进一步的，所述人脸检测模块的工作流程包括以下步骤：启动人脸检测模块后，接收通过摄像头模块采集的视频图像；加载分类器模块，将haarcascade_frontalface_alt_tree.xml文件转化为OpenCV内部格式CvHaarClassifierCascade，开始检测人脸；确定是否检测到人脸；在确定没有检测到人脸时，继续加载所述视频图像；在确定检测到人脸时，使用基于块的人眼定位方法定位双眼，确定所述视频图像中的人脸是否存在双眼；在确定述视频图像中的人脸是不存在双眼时，舍去所述视频图像，并继续从摄像头模块加载视频图像；在确定述视频图像中的人脸是存在双眼时，则根据所述双眼的位置截取人脸区域的视频图像，截取后的视频图形为人脸图像，保存所述人脸图像并将人脸图像传递给所述图像预处理模块。进一步的，所述图像预处理模块的工作流程包括以下步骤：所述灰度化单元采用OpenCV函数库中的cvCvtColor()函数对所述人脸图像进行灰度化处理；所述去噪单元使用OpenCV函数库中cvSmooth()函数对有高斯噪声和椒盐噪声的人脸图像进行均值滤中值滤波法进行平滑处理；所述锐化单元使用拉普拉斯算子对所述人脸图像进行锐化处理；所述直方图均衡化单元使用OpenCV函数库中的cvEqualizeHist()函数对所述人脸图像进行直方图均衡化处理；所述图像尺寸标准化单元将所述人脸图像的尺寸统一处理为92*112像素。本专利技术的NEXT系列产品图像特征识别系统的有益效果是：NEXT系列产品图像特征识别系统，该识别系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块，本专利技术提出的识别系统不仅提高了正面人脸有旋转角度情况下的识别率，同时对不同强度的光照有非常好的鲁棒性。NEXT系列产品图像特征识别方法，其特征在于，包括特征提取算法，所述特征提取算法结合了主成分分析法（PCA）与线性判别分析法（LDA）进行人脸特征提取，包括如下步骤：将测试图像f(x,y)进行光照补偿，得到f'(x,y)；训练人脸数据库中所有样本，求出数据库的WPCA和WLDA，所有样本都在WCOM做投影变换，得到每个样本的特征向量Fij，其中，WPCA为特征脸空间，WLDA为最佳投影矩阵，WCOM为两次投影变换矩阵；将f'(x,y)在WCOM做投影变换，得到特征向量F；求特征向量F与数据库中每个样本的特征向量Fij的欧式距离，距离最近的是其所属类别。进一步的，还包括类别特征分类算法，所述类别特征分类算法包括如下步骤：通过公式，计算所有类别的类别特征，其中，x是待测试样本，人脸数据库中包含n个类别，每类有m个样本，class[i]表示待测样本与人脸数据库中的每一类训练样本做方差，该方差就是类别特征；通过公式，计算出最小类别特征，最小类别特征对应的类别就是待测样本的类别。进一步的，还包括组合分类器实现算法，所述组合分类器实现算法包括如下步骤：计算数据库中的l个类内样本之间的欧式距离，其中每一类中的最大欧氏距离为di，i=1,2,…,l，待测样本X与数据库中的每个训练样本A[i][j]的欧式距离为dij，若dij>di则判定X不是数据库中的人，否则对X应用k近邻法识别分类，判定其属于G类；针对X采用如权利要求6所述的类别特征分类算法识别分类识别，所述X属于H类；如果H=G则待测样本属于H，算法终止；如果H≠G，则将测试样本x输入所述分类器，再次确定X所属的类别，以支持向量机的输出为准。本专利技术的NEXT系列产品图像特征识别方法的有益效果是：NEXT系列产品图像特征识别方法，该识别方法包括特征提取算法、类别特征分类实现算法和组合分类器实现算法，本专利技术提出的识别方法不仅提高了正面人脸有旋转角度情况下的识别率，同时对不同强度的光照有非常好的鲁棒性。附图说明以下结合附图和具体实施方式对本专利技术作进一步的解释说明。图1是NEXT系列产品图像特征识别系统的总体框架图；图2是NEXT系列产品图像特征识别方法的人脸检测流程图；图3是NEXT系列产品图像特征识别方法的人脸识别流程图；图4是NEXT系列产品图像特征识别方法的训练流程图。具体实施方式本专利技术的具体实施方式为：NEXT系列产品图像特征识别系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像本文档来自技高网...

【技术保护点】
NEXT系列产品图像特征识别系统，其特征在于，该系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块；所述控制模块分别与所述人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块连接；所述人脸数据库依次通过图像标准化模块、特征提取模块和分类器与输出模块连接；所述摄像头模块依次通过人脸检测模块、图像预处理模块与特征提取模块相连；所述人脸检测模块与所述分类器相连；所述人脸检测模块包括人脸检测单元、人眼定位单元和人脸裁剪单元，所述人脸检测单元设置在摄像头模块与人眼定位单元之间，所述人脸裁剪单元设置在人眼定位单元与图像预处理模块之间；所述图像预处理模块包括灰度化单元、去噪单元、锐化单元、直方图均衡化单元和图像尺寸标准化单元，所述灰度化单元设置在所述人脸裁剪单元与去噪单元之间，所述去噪单元依次通过锐化单元、直方图均衡化单元、图像尺寸标准化单元与所述特征提取模块连接。

【技术特征摘要】
1.NEXT系列产品图像特征识别系统，其特征在于，该系统包括控制器、人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块；所述控制模块分别与所述人脸数据库、图像标准化模块、特征提取模块、分类器、输出模块、摄像头模块、人脸检测模块和图像预处理模块连接；所述人脸数据库依次通过图像标准化模块、特征提取模块和分类器与输出模块连接；所述摄像头模块依次通过人脸检测模块、图像预处理模块与特征提取模块相连；所述人脸检测模块与所述分类器相连；所述人脸检测模块包括人脸检测单元、人眼定位单元和人脸裁剪单元，所述人脸检测单元设置在摄像头模块与人眼定位单元之间，所述人脸裁剪单元设置在人眼定位单元与图像预处理模块之间；所述图像预处理模块包括灰度化单元、去噪单元、锐化单元、直方图均衡化单元和图像尺寸标准化单元，所述灰度化单元设置在所述人脸裁剪单元与去噪单元之间，所述去噪单元依次通过锐化单元、直方图均衡化单元、图像尺寸标准化单元与所述特征提取模块连接。2.如权利要求1所述的图像特征识别系统，其特征在于，所述摄像头模块的工作流程包括以下步骤：摄像头模块实时采集监控区域的视频信息；摄像头模块通过移动帧判断视频中是否存在移动物体，在确定视频中存在移动物体时，启动人脸检测模块，并采集每一帧视频图像。3.如权利要求2所述的图像特征识别系统，其特征在于，所述人脸检测模块的工作流程包括以下步骤：启动人脸检测模块后，接收通过摄像头模块采集的视频图像；加载分类器模块，将haarcascade_frontalface_alt_tree.xml文件转化为OpenCV内部格式CvHaarClassifierCascade，开始检测人脸；确定是否检测到人脸；在确定没有检测到人脸时，继续加载所述视频图像；在确定检测到人脸时，使用基于块的人眼定位方法定位双眼，确定所述视频图像中的人脸是否存在双眼；在确定述视频图像中的人脸是不存在双眼时，舍去所述视频图像，并继续从摄像头模块加载视频图像；在确定述视频图像中的人脸是存在双眼时，则根据所述双眼的位置截取人脸区域的视频图像，截取后的视频图形为人脸图像，保存所述人脸图像并将人脸图像传递给所述图像预处理模块。4.如权利要求3所述的图像特征识别系统，其特征在于，所述图像预处理模块的工作流程包括以下步骤：所述灰...

【专利技术属性】
技术研发人员：徐云鹏，
申请(专利权)人：江西云晖生物芯片技术有限公司，
类型：发明
国别省市：江西,36