一种人脸识别方法及其系统技术方案

本发明专利技术提供一种人脸识别方法及其系统，属于人脸识别领域，方法包括如下步骤，读入初始帧，对人脸进行检测；提取人脸中心部分特征点的特征值；对人脸的特征点进行定位；根据人脸特征点进行几何特征向量构造；初始化卡尔曼滤波器，确定初始状态；计算目标模型的核直方图，读取下一帧；预测人脸迭代起始位置，根据预测位置计算候选模型核直方图；通过巴式系数计算核直方图和候选模型核直方图最大的相似度；根据相似度找到下一个候选的位置；提取向量特征值，把提取的特征值与特征值系统进行对比，返回识别结果。

【技术实现步骤摘要】
一种人脸识别方法及其系统
本专利技术涉及人脸识别领域，特别是涉及一种人脸识别方法及其系统。
技术介绍
人脸识别作为生物特征识别技术的一种，与其他生物特征识别方法相比，易于为用户所接受，具有极其广阔的市场应用前景。传统的人脸识别同时识别人脸的个数很少，在人流量较大的情况下设备工作效率低，且人脸识别时很容易用照片等代替活体，同时识别效果受光线影响。且设备体积较大，不方便携带。同时现有的人脸识别系统或者方法没能很好的对人脸进行跟踪，当人脸进行移动时，需要进行多次人脸特征值提取，从而使得识别速度比较慢，效率较低等情况。因此需要设计出一种识别效率更高，更准确的人脸识别系统和方法。
技术实现思路
本专利技术提供一种人脸识别方法及其系统，解决现有人脸识别装置识别率差、用照片代替人识别的漏洞和不方便携带的技术问题。本专利技术通过以下技术方案解决上述问题：一种人脸识别方法，包括如下步骤，步骤1：读入初始帧，对人脸进行检测；步骤2：提取人脸中心部分特征点的特征值；步骤3：对人脸的特征点进行定位；步骤4：根据人脸特征点进行几何特征向量构造；步骤5：初始化卡尔曼滤波器，确定初始状态；步骤6：计算目标模型的核直方图，读取下一帧；步骤7：预测人脸迭代起始位置，根据预测位置计算候选模型核直方图；步骤8：通过巴式系数计算核直方图和候选模型核直方图最大的相似度；步骤9：根据相似度找到下一个候选的位置；步骤10：提取向量特征值，把提取的特征值与特征值系统进行对比，返回识别结果。所述步骤4中几何特征向量为特征点与特征点移动的速度构成的向量。所述步骤5中卡尔曼滤波器为在坐标轴x，y上的位置和速度的四维向量xk(Lxk，Lyk，vxk，vyk),Lxk为第k个图像中心点在x轴的位置，Lyk为第k个图像中心点在y轴的位置，vxk为第k个图像在x轴的运动速度，vyk为第k个图像在y轴的运动速度，k＝1,2,3…n，k表示第几个图像；设定两帧图片之间的目标为匀加(减)速运动，由牛顿运动定律得其位移为：其中，Lxk-1为第k-1个图像中心点在x轴的位置，Lyk-1为第k-1个图像中心点在y轴的位置，vxk-1为第k-1个图像在x轴的运动速度，vyk-1为第k-1个图像在y轴的运动速度，t表示时间；速度为：xvk＝xvk-1+wk-1tyvk＝yvk-1+wk-1t其中，xvk为第k个图像在x轴的运动速度，xvk-1为k-1个图像在x轴的运动速度，yvk为第k个图像在y轴的运动速度，yvk-1为k-1个图像在y轴的运动速度，wk-1为加速度；状态模型为：观测模型为：xgk为观测状态下系统在x轴上的位置，ygk为观测状态下系统在y轴上的位置，vk为观测状态下系统在坐标轴y的速度，ykxgk为观测状态下系统在第k个图像中心点在y轴的位置。所述步骤5中的初始状态为：x0=(Lx0，Ly0，0，0)其中，Lx0表示初始图像所在x轴的位置，Ly0表示初始图像所在x轴的位置。所述步骤6中的目标模型为选取为以骤5中的初始状态为目标区域中心，xi(i＝1，2，3...n)为此区域的像素点,目标模型中第u个特征值的概率密度为：其中b(xi)表示灰度值索引函数，y表示目标区域的中心坐标即x0，目标模型的特征值的个数为m，则u＝1，2...m。xi(i＝1，2…n)表示该区域中的像素，像素的总体个数是n,带宽为h,δ[b(xi)-u]用于判断样本中心的像素点的灰度值与颜色值是否与特征值相匹配，归化一函数Ch为所述步骤6中的读取下一帧的当前帧目标模型为：y为当前帧中确定的搜索窗口中的中心坐标，为当前帧中第u个特征值的概率密度，当前帧目标模型的特征值的个数为m，则u＝1，2...m，xi(i＝1，2…n)表示该区域中的像素，像素的总体个数是n，带宽为h。6.根据权利要求4所述的一种人脸识别方法，其特征在于：所述步骤8中巴式系数计算公式为：其中m表示特征值的个数，为巴式公式中表示与对比的另一个值，和上面公式的是相同的量。所述步骤10中特征值的对比的具体过程为：设定特征向量的阈值为0.96，利用加权公式计算特征向量和的相似度，B(xi，yi)和A(xi，yi)均为特征向量，xi和yi分别为x轴和y轴的特征值，设定相似度为T(x，y)，若相似度大于设定的阈值0.96，则匹配成功，将标志信息通过数据传输模块返回人脸信息处理器，若匹配失败则不返回标志信息。所述加权公式为：其中，i和n均为正整数。一种人脸识别系统，包括人脸录入模块、人脸采集模块、人脸检测模块、人脸对比模块、数据传输模块和数据管理模块；人脸录入模块用于录入的人脸基本信息存入人脸对比模块；人脸采集模块用于捕捉人脸图片，并将人脸图片传入人脸检测模块；人脸检测模块用于处理捕捉到的人脸图片，对其进行动态跟踪并提取人脸特征值；数据传输模块用于传输人脸检测模块和人脸对比模块处理后的数据，将数据信息传入下一模块；数据管理模块用于显示识别后的结果；所述人脸采集模块包括RGB摄像头、红外摄像头、红外补光灯和热释电红外传感器；人脸采集模块把摄像头提取到的人脸中心校正后，特征点构造几何特征向量，把该人脸特征点在每一帧图像中的位置和速度信息，作为卡尔曼滤波系统的状态向量，预测出目标在下一帧图像中的候选位置，在通过巴氏系数计算最大相似度并返回真实目标位置，实现目标动态跟踪。本专利技术的优点与效果是：本专利技术通过对人脸进行定位跟踪，从而使得在设备移动或者人移动时，更好的定位人脸的位置，对人脸进行识别，使得识别更加准确，在设备移动或者人移动时均能快速高效的进行人脸识别，对检测到的人脸进行动态跟踪，减少多次提取特征值的运算量，提高了检测的高效性；通过设置红外摄像头、红外补光灯、2个RGB摄像头和热释电红外传感器，使该设备在不同情况的人流量的情况下，也能同时精确的识别多张人脸，解决了传统识别时，用照片代替人识别的漏洞；且该设备在光线较强和光线较弱的情况下均能进行高效的人脸识别；同时通过数据传输模块将人脸数据传入云端进行对比，减少了终端设备的存储量，使识别速率更高，且设备方便携带。附图说明图1为本专利技术系统框图。图2为本专利技术流程图。具体实施方式以下结合实施例对本专利技术作进一步说明。本专利技术中的公式量不一一进行说明时，说明与其他公式相同的量代表的意义和意思均相同。一种人脸识别方法，如图1所示，包括如下步骤：步骤1：读入初始帧，对人脸进行检测。读入初始帧为系统设定的初始帧数据。对人脸进行检测时由摄像头进行扫描采集人脸的图片数据进行完成数据的采集，完成检测。步骤2：提取人脸中心部分特征点的特征值，把采集的人脸图像进行放入设定好的方图进行寻找人脸的中心点，找中心点后对中心点的特征点进行提取特征值。步骤3：对人脸的特征点进行定位。提取中心点的特征点后，把特征点的特征值进行存储，在下一次扫描检测时，以该特征点作为数据对比中心与扫描的人脸提取的特征值进行比较，形成特征点的定位。步骤4：根据人脸特征点进行几何特征向量构造。几何特征向量为特征点与特征点移动的速度构成的向量。几何特征向量的向量元素包括特征向量的通特征点的个数和各个特征点在x轴和y轴的移动速度。步骤5：初始化卡尔曼滤波器，确定初始状态。卡尔曼滤波器为在坐标轴x，y上的位置和速度的四维向量xk(Lxk，Lyk，vxk，vyk),L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，包括如下步骤，步骤1：读入初始帧，对人脸进行检测；步骤2：提取人脸中心部分特征点的特征值；步骤3：对人脸的特征点进行定位；步骤4：根据人脸特征点进行几何特征向量构造；步骤5：初始化卡尔曼滤波器，确定初始状态；步骤6：计算目标模型的核直方图，读取下一帧；步骤7：预测人脸迭代起始位置，根据预测位置计算候选模型核直方图；步骤8：通过巴式系数计算核直方图和候选模型核直方图最大的相似度；步骤9：根据相似度找到下一个候选的位置；步骤10：提取向量特征值，把提取的特征值与特征值系统进行对比，返回识别结果。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括如下步骤，步骤1：读入初始帧，对人脸进行检测；步骤2：提取人脸中心部分特征点的特征值；步骤3：对人脸的特征点进行定位；步骤4：根据人脸特征点进行几何特征向量构造；步骤5：初始化卡尔曼滤波器，确定初始状态；步骤6：计算目标模型的核直方图，读取下一帧；步骤7：预测人脸迭代起始位置，根据预测位置计算候选模型核直方图；步骤8：通过巴式系数计算核直方图和候选模型核直方图最大的相似度；步骤9：根据相似度找到下一个候选的位置；步骤10：提取向量特征值，把提取的特征值与特征值系统进行对比，返回识别结果。2.根据权利要求1所述的一种人脸识别方法，其特征在于：所述步骤4中几何特征向量为特征点与特征点移动的速度构成的向量。3.根据权利要求2所述的一种人脸识别方法，其特征在于：所述步骤5中卡尔曼滤波器为在坐标轴x，y上的位置和速度的四维向量xk(Lxk，Lyk，vxk，vyk)，Lxk为第k个图像中心点在x轴的位置，Lyk为第k个图像中心点在y轴的位置，vxk为第k个图像在x轴的运动速度，vyk为第k个图像在y轴的运动速度，k＝1，2，3…n，k表示第几个图像；设定两帧图片之间的目标为匀加(减)速运动，由牛顿运动定律得其位移为：其中，Lxk-1为第k-1个图像中心点在x轴的位置，Lyk-1为第k-1个图像中心点在y轴的位置，vxk-1为第k-1个图像在x轴的运动速度，vyk-1为第k-1个图像在y轴的运动速度，t表示时间；速度为：xvk＝xvk-1+wk-1tyvk＝yvk-1+wk-1t其中，xvk为第k个图像在x轴的运动速度，xvk-1为k-1个图像在x轴的运动速度，yvk为第k个图像在y轴的运动速度，yvk-1为k-1个图像在y轴的运动速度，wk-1为加速度；状态模型为：观测模型为：xgk为观测状态下系统在x轴上的位置，ygk为观测状态下系统在y轴上的位置，vk为观测状态下系统在坐标轴y的速度，ykxgk为观测状态下系统在第k个图像中心点在y轴的位置。4.根据权利要求1所述的一种人脸识别方法，其特征在于：所述步骤5中的初始状态为：x0＝(Lx0，Ly0，0，0)其中，Lx0表示初始图像所在x轴的位置，Ly0表示初始图像所在x轴的位置。5.根据权利要求1所述的一种人脸识别方法，其特征在于：所述步骤6中的目标模型为选取为以骤5中的初始状态为目标区域中心，xi(i＝1，2，3...n)为此区域的像素点，目标模型中第u个特征值的概率密度为：其中b(xi)表示灰度值索引函数，y表...

【专利技术属性】
技术研发人员：蒋清红，肖紫婷，陆晶晶，黄云飞，杨承学，罗鑫，何富运，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：广西,45