一种面部局部特征分析系统技术方案

本发明专利技术涉及互联网技术领域，尤其为一种面部局部特征分析系统，包括单个人脸面部局部特征分析和多个人脸局部特征分析，单个人脸面部局部特征分析包括摄像头采集图像或图片库获取图像、图像预处理、获取脸部区域、人脸区域分割、提取人脸单一区域特征以及对人脸信息进行分析，多个人脸局部特征分析包括输入人脸图像、人脸区域分割、CNN并行识别、提取线性关系特征、判断是否为同一人。本发明专利技术采取图像分割预处理，将区域图像结果代入并行神经网络模型提取局部特征信息，这样做可以获取人脸的细节描述，增加人脸识别判断信息，提高识别准确率，对于人脸角度变化、光照不均匀等情况具可以实现分析识别，提高识别准确率。

A Facial Local Feature Analysis System

【技术实现步骤摘要】
一种面部局部特征分析系统
本专利技术涉及互联网
，具体为一种面部局部特征分析系统。
技术介绍
人脸识别，是指对输入的人脸图像或者视频．判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个主要面部器官的位置信息。并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。现如今的人脸识别系统多采用面部整体识别，在拍摄脸部一部分图像时的准确度低下或者不能正确识别。鉴于此，我们提供一种面部局部特征分析系统。
技术实现思路
本专利技术的目的在于提供一种面部局部特征分析系统，以解决上述
技术介绍
中提出现如今人脸识别系统多采用面部整体识别，在拍摄脸部一部分图像时的准确度低下或者不能正确识别的问题。为实现上述目的，本专利技术提供如下技术方案：一种面部局部特征分析系统，包括单个人脸面部局部特征分析和多个人脸局部特征对比。作为优选，单个人脸面部局部特征分析包括摄像头采集图像或图片库获取图像、图像预处理、获取脸部区域、人脸区域分割、提取人脸单一区域特征以及对人脸信息进行分析，具体步骤如下：S1：应用程序通过摄像头采集一张图像或打开图片库从图片库中选取其中一张图像；S2：将拍摄的图像或选取的图像进行图像预处理工作，使其具有的特征在图像中明显的显示出；S3：根据肤色获取脸部区域，并通过肤色非线形分段色彩变换实现脸部区域的获取；S4：将获取脸部区域进行区域分割，截取了人脸的5个区域图像；S5：采用4层卷积神经网络模型用来提取人脸一个区域的深度特征，输入层的数据经过尺寸均归一化为64*64个像素点，将人脸每个区域图像用一个16维向量表示，则每张人脸由5*16=80维特征向量表示；S6：对选取的人脸进行信息分析；作为优选，所述卷积神经网络模型包括一个输入层以及若干隐藏层，所述隐藏层设置有有卷积层、池化层以及全连接层。作为优选，每层卷积池化层又由卷积层、最大池化层以及Relu层三层组成。作为优选，图像预处理包括中值滤波、图像灰度化、Sobel边缘提取、对比度增强、相似度计算和二值化。作为优选，5个区域图像由上至下依次是以左眼、右眼、鼻子、左嘴角、右嘴角分别为中心的区域，包含了便于区分人脸的五官信息和五官相互间位置关系。作为优选，多个人脸局部特征对比包括输入人脸图像、人脸区域分割、CNN并行识别、提取线性关系特征、判断是否为同一人，具体步骤如下：S1：应用程序打开两张人脸图像；S2：将每张人脸图像分割为5个区域；S3：并行提取每个区域的4*4维深度特征向量,并用Caffe架构中的concat层汇总每个人脸的5个区域特征向量，即每张人脸由一个4*4*5=80维深度特征向量表示；S4：使用Caffe架构中的eltwise层，从两张图像的深度特征向量中提取两者的关系特征，代入两层全连接层，获取关系特征的深度特征向量；S5：代入softmax层得到一个二维特征向量，向量中两个元素同为0或者同为1，则两张人脸来自于同一个人，否则来自不同人。作为优选，输入两张人脸图像，每张图像分为5个区域图像，每个区域图像大小为64*64个像素点，转换成LMDB数据类型；每个区域图像都经过4层卷积层、3层池化层以及4层Relu层得到一个4*4=16维的低维特征向量。与现有技术相比，本专利技术的有益效果是：本面部局部特征分析系统采取图像分割预处理，将区域图像结果代入并行神经网络模型提取局部特征信息，这样做可以获取人脸的细节描述，增加人脸识别判断信息，提高识别准确率，利用图像分割算法提取人脸的局部特征，分别对每个区域提取特征进行人脸识别，这样提取到的特征信息较全局特征更稳定，对于人脸角度变化、光照不均匀等情况具可以实现分析识别。附图说明图1为本专利技术单个人脸面部局部特征分析的流程框图；图2为本专利技术多个人脸局部特征对比的的流程框图；图3为本专利技术并行识别网络模型图；图4为本专利技术的图像预处理的框图。具体实施方式下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。实施例1一种面部局部特征分析系统，包括单个人脸面部局部特征分析和多个人脸局部特征对比。具体的，如图1所示，单个人脸面部局部特征分析包括摄像头采集图像或图片库获取图像、图像预处理、获取脸部区域、人脸区域分割、提取人脸单一区域特征以及对人脸信息进行分析，具体步骤如下：S1：应用程序通过摄像头采集一张图像或打开图片库从图片库中选取其中一张图像；S2：将拍摄的图像或选取的图像进行图像预处理工作，使其具有的特征在图像中明显的显示出；S3：根据肤色获取脸部区域，并通过肤色非线形分段色彩变换实现脸部区域的获取；S4：将获取脸部区域进行区域分割，截取了人脸的5个区域图像；S5：采用4层卷积神经网络模型用来提取人脸一个区域的深度特征，输入层的数据经过尺寸均归一化为64*64个像素点，将人脸每个区域图像用一个16维向量表示，则每张人脸由5*16=80维特征向量表示；S6：对选取的人脸进行信息分析；进一步的，卷积神经网络模型包括一个输入层以及若干隐藏层，隐藏层设置有有卷积层、池化层以及全连接层，卷积层是特征提取层，可以获取人脸的深度特征信息，池化层具有降采样作用，减少冗余，所以在输入较小时不适用池化层，只在刚开始数据量大的时候才考虑添加池化层，且都添加到卷积层之后；全连接层可将全部样本的特征向量转化为一个列向量。值得说明的是，每层卷积池化层又由卷积层、最大池化层以及Relu层三层组成。此外，如图4所示，图像预处理包括中值滤波、图像灰度化、Sobel边缘提取、对比度增强、相似度计算和二值化。值得注意的是，5个区域图像由上至下依次是以左眼、右眼、鼻子、左嘴角、右嘴角分别为中心的区域，包含了便于区分人脸的五官信息和五官相互间位置关系。如图2所示，多个人脸局部特征对比包括输入人脸图像、人脸区域分割、CNN并行识别、提取线性关系特征、判断是否为同一人，具体步骤如下：S1：应用程序打开两张人脸图像；S2：将每张人脸图像分割为5个区域；S3：并行提取每个区域的4*4维深度特征向量,并用Caffe架构中的concat层汇总每个人脸的5个区域特征向量，即每张人脸由一个4*4*5=80维深度特征向量表示；S4：使用Caffe架构中的eltwise层，从两张图像的深度特征向量中提取两者的关系特征，代入两层全连接层，获取关系特征的深度特征向量；S5：代入softmax层得到一个二维特征向量，向量中两个元素同为0或者同为1，则两张人脸来自于同一个人，否则来自不同人。具体的，两张人脸作识别经过CNN并行识别网络模型后，得到10个区域的特征提取结果，网络模型如图3所示。本实施例中采取图像分割预处理，将区域图像结果代入并行神经网络模型提取局部特征信息，这样做可以获取人脸的细节描述，增加人脸识别判断信息，提高识别准确率，利用图像分割算法提取人脸的局部特征，分别对每个区域提取特征进行人脸识别，这样提取到的特征信息较全局特征更稳定，对于人脸角度变化、光照不均匀等情况具可以实现分析识别。实施例2作为本专利技术的第二本文档来自技高网...

【技术保护点】
1.一种面部局部特征分析系统，其特征在于：包括单个人脸面部局部特征分析和多个人脸局部特征对比。

【技术特征摘要】
1.一种面部局部特征分析系统，其特征在于：包括单个人脸面部局部特征分析和多个人脸局部特征对比。2.根据权利要求1所述的面部局部特征分析系统，其特征在于：单个人脸面部局部特征分析包括摄像头采集图像或图片库获取图像、图像预处理、获取脸部区域、人脸区域分割、提取人脸单一区域特征以及对人脸信息进行分析，具体步骤如下：S1：应用程序通过摄像头采集一张图像或打开图片库从图片库中选取其中一张图像；S2：将拍摄的图像或选取的图像进行图像预处理工作，使其具有的特征在图像中明显的显示出；S3：根据肤色获取脸部区域，并通过肤色非线形分段色彩变换实现脸部区域的获取；S4：将获取脸部区域进行区域分割，截取了人脸的5个区域图像；S5：采用4层卷积神经网络模型用来提取人脸一个区域的深度特征，输入层的数据经过尺寸均归一化为64*64个像素点，将人脸每个区域图像用一个16维向量表示，则每张人脸由5*16＝80维特征向量表示；S6：对选取的人脸进行信息分析。3.根据权利要求2所述的面部局部特征分析系统，其特征在于：所述卷积神经网络模型包括一个输入层以及若干隐藏层，所述隐藏层设置有有卷积层、池化层以及全连接层。4.根据权利要求3所述的面部局部特征分析系统，其特征在于：每层卷积层和池化层又由卷积层、最大池化层以及Relu层三层组成。5.根据权利要求2所述的面部局部特征分析系统，其特征在于：图像预处理包括中值滤波、...

【专利技术属性】
技术研发人员：付媛媛，
申请(专利权)人：湖南城市学院，
类型：发明
国别省市：湖南,43