人脸识别方法和系统技术方案

本发明专利技术提供了人脸识别方法和系统，涉及人脸识别技术领域，方法包括：获取人脸图像，并对人脸图像进行关键点检测，得到第一人脸关键点；根据第一人脸关键点对人脸图像进行归一化处理，得到标准人脸图像，其中，标准人脸图像中包括第二人脸关键点；根据第二人脸关键点判断人脸图像是否为虚假人脸；如果否，则对标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；对抗光照人脸图像进行特征提取，得到人脸LBP特征；将人脸LBP特征与人脸特征库进行比对，并根据比对结果对人脸图像进行识别。可以在光照变化极大、人脸姿态随意的情况下，提高人脸识别率。

Face recognition method and system

The invention provides a face recognition method and system, relates to the field, the technology of face recognition method comprises: obtaining the face image, and the key points of face image is detected by the first face key point; according to the first face key points are normalized face image, get the standard face image, which includes second key points of face face in the image; judging whether the image is false face to face face second key points; if not, the standard face image anti light filter, get the anti illumination face image; the anti illumination face image feature extraction, LBP feature will be face; face LBP features and facial feature database comparison according to the comparison results of face image recognition. The face recognition rate can be improved when the light changes are great and the face pose is random.

【技术实现步骤摘要】
人脸识别方法和系统
本专利技术涉及人脸识别
，尤其是人脸识别方法和系统。
技术介绍
人脸识别技术是目前生物识别技术的一个热点，在安防、考勤、机器人应用等方面有重要应用，是一种公认的最不具侵犯性和最方便的生物特征识别技术。目前主要方法包括基于PCA(PrincipalComponentAnalysis，主成分分析法)/LDA(LinearDiscriminantmethod，线性判别法)等子空间的方法以及基于特征点特征描述子的方法，其原理均是通过对原人脸图像提取出有代表性的低维表达，以进行分类识别。但是基于PCA/LDA等子空间的方法和特征点特征描述子的方法，对人脸姿态和光照变化都不够鲁棒，尤其是应用于机器人时，导致在光照变化极大、人脸姿态随意的情况下，识别率较低。
技术实现思路
有鉴于此，本专利技术的目的在于提供人脸识别方法和系统，可以在光照变化极大、人脸姿态随意的情况下，提高人脸识别率。第一方面，本专利技术实施例提供了人脸识别方法，所述方法包括：获取人脸图像，并对所述人脸图像进行关键点检测，得到第一人脸关键点；根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像，其中，所述标准人脸图像中包括第二人脸关键点；根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸；如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；对所述抗光照人脸图像进行特征提取，得到人脸LBP特征；将所述人脸LBP特征与人脸特征库进行比对，并根据比对结果对所述人脸图像进行识别。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述第一人脸关键点包括两眼，所述根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像包括：检测所述人脸图像的两眼之间的距离，得到两眼距离；将所述人脸图像进行缩放，直至将所述两眼距离归一化为预设距离，得到缩放后的人脸图像；将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像包括：检测所述缩放后的人脸图像的两眼连线矢量；根据所述两眼连线矢量计算两眼连线与水平线的夹角角度；将所述缩放后的人脸图像反向旋转所述夹角角度，得到所述标准人脸图像。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述检测所述人脸图像的两眼之间的距离，得到两眼距离包括：分别检测两眼的中心坐标值；根据所述中心坐标值得到所述两眼距离。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸包括：判断所述第二人脸关键点的灰度值差异是否满足预设条件；如果不满足所述预设条件，则判定所述人脸图像为所述虚假人脸。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像包括：计算所述标准人脸图像的亮度差感知梯度图；通过所述亮度差感知梯度图对所述标准人脸图像进行扩散滤波，得到光照因子图；根据所述标准人脸图像和所述光照因子图得到所述抗光照人脸图像。结合第一方面第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述计算所述标准人脸图像的亮度差感知梯度图包括：对所述标准人脸图像进行均值滤波，得到均值图像；根据所述均值图像计算Weber亮度差感知系数图；计算所述标准人脸图像的各向同性梯度图；根据所述各向同性梯度图以及所述Weber亮度差感知系数图得到所述标准人脸图像的亮度差感知梯度图。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，还包括：将所述人脸LBP特征保存到所述人脸特征库。结合第一方面，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，所述获取人脸图像包括：获取待识别图像；对所述待识别图像进行检测，得到所述人脸图像。第二方面，本专利技术实施例还提供人脸识别系统，包括：获取单元，用于获取人脸图像，并对所述人脸图像进行关键点检测，得到第一人脸关键点；归一化单元，用于根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像，其中，所述标准人脸图像中包括第二人脸关键点；判断单元，用于根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸；抗光照滤波单元，用于如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；特征提取单元，用于对所述抗光照人脸图像进行特征提取，得到人脸LBP特征；识别单元，用于将所述人脸LBP特征与人脸特征库进行比对，并根据比对结果对所述人脸图像进行识别。本专利技术实施例带来了以下有益效果：本专利技术提供了人脸识别方法和系统，方法包括：获取人脸图像，并对人脸图像进行关键点检测，得到第一人脸关键点；根据第一人脸关键点对人脸图像进行归一化处理，得到标准人脸图像，其中，标准人脸图像中包括第二人脸关键点；根据第二人脸关键点判断人脸图像是否为虚假人脸；如果否，则对标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；对抗光照人脸图像进行特征提取，得到人脸LBP特征；将人脸LBP特征与人脸特征库进行比对，并根据比对结果对人脸图像进行识别。可以在光照变化极大、人脸姿态随意的情况下，提高人脸识别率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的人脸识别方法流程图；图2为本专利技术实施例一提供的人脸识别方法的步骤S102的方法流程图；图3为本专利技术实施例一提供的人脸识别方法的步骤S203的方法流程图；图4为本专利技术实施例二提供的人脸识别系统示意图。图标：10-获取单元；20-归一化单元；30-判断单元；40-抗光照滤波单元；50-特征提取单元；60-识别单元。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前的人脸识别方法对人脸姿态和光照变化都不够鲁棒，尤其是应用于机器人时，导致在光照变化极大、人脸姿态随意的情况下，识别率较低。，基于此，本专利技术实施例提供的人脸识别方法和系统，可以在光照变化极大、人脸姿态随意的情况下，提高人脸识别率。为便于对本实施例进行理解，首先对本专利技术实施例所公开的人脸识别方法进行详细介绍。实施例本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，所述方法包括：获取人脸图像，并对所述人脸图像进行关键点检测，得到第一人脸关键点；根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像，其中，所述标准人脸图像中包括第二人脸关键点；根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸；如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；对所述抗光照人脸图像进行特征提取，得到人脸LBP特征；将所述人脸LBP特征与人脸特征库进行比对，并根据比对结果对所述人脸图像进行识别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：获取人脸图像，并对所述人脸图像进行关键点检测，得到第一人脸关键点；根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像，其中，所述标准人脸图像中包括第二人脸关键点；根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸；如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；对所述抗光照人脸图像进行特征提取，得到人脸LBP特征；将所述人脸LBP特征与人脸特征库进行比对，并根据比对结果对所述人脸图像进行识别。2.根据权利要求1所述的人脸识别方法，其特征在于，所述第一人脸关键点包括两眼，所述根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像包括：检测所述人脸图像的两眼之间的距离，得到两眼距离；将所述人脸图像进行缩放，直至将所述两眼距离归一化为预设距离，得到缩放后的人脸图像；将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像。3.根据权利要求2所述的人脸识别方法，其特征在于，所述将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像包括：检测所述缩放后的人脸图像的两眼连线矢量；根据所述两眼连线矢量计算两眼连线与水平线的夹角角度；将所述缩放后的人脸图像反向旋转所述夹角角度，得到所述标准人脸图像。4.根据权利要求2所述的人脸识别方法，其特征在于，所述检测所述人脸图像的两眼之间的距离，得到两眼距离包括：分别检测两眼的中心坐标值；根据所述中心坐标值得到所述两眼距离。5.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸包括：判断所述第二人脸关键点的灰度值差异是否满足预设条件；如果不满足所述预设条...

【专利技术属性】
技术研发人员：王亚伟，薛林，王玉亮，王巍，
申请(专利权)人：北京进化者机器人科技有限公司，
类型：发明
国别省市：北京,11