人脸识别方法及系统技术方案

本发明专利技术公开了一种人脸识别方法及系统，所述方法包括：采集人脸图像并预处理；导入人脸图像特征模型数据库，得到二值化人脸特征；将二值化人脸特征与预先建立的二值化人脸特征进行相似度计算；如果计算结果小于设定的误差阈值，确定人脸图像的身份标识；如果未识别，则将人脸图像依次输入N个分类器中，在每个分类器分别计算特征相似度值；若第i个分类器识别成功，则将第i个分类器的目标样本图像作为人脸图像的匹配结果；若N个分类器均为识别失败，则基于加权投票算法，对得到的N个分类器的相似度数据进行投票，并根据投票结果确定所述待识别人脸。本发明专利技术能够很好的实现对人脸图像的识别。

Face recognition method and system

【技术实现步骤摘要】
人脸识别方法及系统
本专利技术涉及电力行业的人脸图像识别
，尤其涉及一种人脸识别方法及系统。
技术介绍
现阶段，对人脸识别主要通过提取待识别人脸图像的图像特征，然后将待识别人脸图像的图像特征与人脸数据库中已知身份的各张人脸图像的图像特征进行对比，根据对比结果确定待识别人脸图像中包括的人脸的身份。在电力领域，比如用户通过人脸识别自助查询、缴费、办理业务等，电力用户较多，上述方法虽然可以实现人脸识别，但是，随着人脸数据库中的人脸图像的增多，以及人脸图像的图像特征的日渐增多，上述方法出现了对比时占用内存大，对比时间久等问题，同时这种方法由于式根据图像特征来对比，一旦人脸图像的某一个或多个特征图像与数据库中不一致，容易造成人脸图像识别的失败，一旦出现人脸图像识别失败，影响用户的自主体验，不便于业务的开展，制约着企业的发展。因此，现有技术需要改进。
技术实现思路
本专利技术实施例所要解决的技术问题是：提供一种人脸识别方法及系统，以解决现有技术中存在的问题。根据本专利技术实施例的一个方面，公开一种人脸识别方法，包括本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n通过人脸图像采集及检测模块对人脸图像进行实时采集，对采集的人脸图像进行预处理，获取对图像中人脸区域的检测；/n将人脸图像导入预先建立的人脸图像特征模型数据库，得到人脸图像的二值化人脸特征，所述人脸特征模型数据库中的人脸特征模型用于表征人脸图像与二值化人脸特征的对应关系；/n将人脸图像的二值化人脸特征与预先建立的人脸图像集合中的各人脸图像的二值化人脸特征进行相似度计算，所述人脸图像集合中的各张人脸图像标记了所指示的人脸对象的身份标识；/n根据相似度计算结果，如果计算相似度值小于设定的误差阈值，则确定人脸图像所包含的人脸对象的身份标识；/n如果相似度计算...

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
通过人脸图像采集及检测模块对人脸图像进行实时采集，对采集的人脸图像进行预处理，获取对图像中人脸区域的检测；
将人脸图像导入预先建立的人脸图像特征模型数据库，得到人脸图像的二值化人脸特征，所述人脸特征模型数据库中的人脸特征模型用于表征人脸图像与二值化人脸特征的对应关系；
将人脸图像的二值化人脸特征与预先建立的人脸图像集合中的各人脸图像的二值化人脸特征进行相似度计算，所述人脸图像集合中的各张人脸图像标记了所指示的人脸对象的身份标识；
根据相似度计算结果，如果计算相似度值小于设定的误差阈值，则确定人脸图像所包含的人脸对象的身份标识；
如果相似度计算的结果大于设定的误差阈值，则将人脸图像依次输入按照预设顺序串行排列的N个人脸图像识别的分类器中，在每个分类器中分别计算人脸图像和样本库中预存的样本图像之间的特征相似度，得到第N个分类器的相似度数据，并根据该相似度数据确定每一个分类器的识别结果；
若第i个分类器的识别结果为识别成功，则将第i个所述分类器识别出的目标样本图像作为人脸图像的匹配结果，i为大于0小于N的正整数；
若N个分类器的识别结果均为识别失败，则基于加权投票算法，对得到的N个分类器的相似度数据进行投票，并根据投票结果确定所述待识别人脸。


2.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸图像特征模型的训练步骤包括：
对某一人脸对象获取多个人脸图像样本，且多个人脸图像样本的指向人脸对象相同但人脸图像样本不同；
采用机器学习方法，将多个人脸图像样本基于预先构建的损失函数训练得到人脸特征生成模型，其中，所述损失函数是基于多个人脸图像的特征向量得到的；
将人脸特征模型分别预存于人脸图像特征模型数据库，并同时装入N个分类器，通过N个分类器展示当前人脸对象的不同人脸图像特征。


3.根据权利要求2所述的人脸识别方法，其特征在于，所述人脸图像特征把包括对人脸图像的特征部位进行标记、并对标记的特征部位提取特征值，训练后得到人脸图像特征模型，以及，
肤色区域检测，对获取的人脸图像采用YCbCr色彩空间，减少光照对肤色的影响；
人脸候选区域分割，通过对人脸图像特征部位的色彩和亮度映射的结合，实现对人脸图像特征部位的区域大小和位置的检测；
人脸候选区域分类，对人脸图像特征部位进行积分图计算，计算haar特征，将弱分类器组合成为强分类器。


4.根据权利要求2所述的人脸识别方法，其特征在于，所述人脸特征生成模型包括特征提取网络和二值化编码层，其中，所述特征提取网络为卷积神经网络；以及，
采用机器学习方法，利用所述多个人脸图像样本，基于预先构建的损失函数训练得到所述人脸特征生成模型，包括：将所述多个人脸图像样本分别输入初始卷积神经网络得到多个人脸图像样本的特征向量；
将所述多个人脸图像样本的特征向量分别输入至二值化编码层，得到多个人脸图像样本的二值化人脸特征，其中，所述二值化编码层用于基于哈希算法将特征向量转化为固定长度的二值编码；
基于所述多个人脸图像样本的特征向量，以及所述损失函数更新所述初始卷积神经网络的网络参数，得到所述人脸特征生成模型。


5.根据权利要求1所述的人脸识别方法，其特征在于，所述根据相似度计算结果，如果计算相似度值小于设定的误差阈值，则确定人脸图像所包含的人脸对象的身份标识包括：
在分析度量人脸图像特征模型的基础上，将人脸图像看作高维向量空间；
将高维向量空间通过子空间算法进行空间转换，将高维的人脸图像数据压缩至低维的子空间中；
对人脸图像与人脸图像特征模型数据库中的人脸图像特征...

【专利技术属性】
技术研发人员：荣龙，谢杜娟，李然，谢兴贵，安祥文，廖谦，李胜，张欣洁，谢忠仁，郭倍余，刘雪兰，龙星文，孙祖恩，张兴勇，邓雪梅，黄芙曼，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52