一种基于人脸识别的模型切换算法制造技术

本发明专利技术实施例公开了一种基于人脸识别的交换算法，包括如下步骤：S1、对人脸空间进行图像分部特征的构造，并进行识别检测；S2、人脸识别检测完成后，对局部特征进行切换和选取，并对局部特征进行统计；S3、将人脸特征数据进行切换，根据人脸特征数据进行人脸模型的塑造；S4、提取局部特征进行针对性计算，并对数据进行比对；S5、对比完成后对于数据模型进行切换，然后进行输出。本发明专利技术实施例提供一种基于人脸识别的模型切换算法，以解决现有技术中由于人脸识别的模型切换算法对于切换的算法不够准确，对于局部特征的切换不够明显，进而无法形成明显与正确的人脸识别切换的问题。

【技术实现步骤摘要】
一种基于人脸识别的模型切换算法
本专利技术实施例涉及人脸识别
，具体涉及一种基于人脸识别的模型切换算法。
技术介绍
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化但是目前市场上的人脸识别的模型切换算法对于切换的算法不够准确，造成局部特征的切换不够明显，从而无法形成明显与正确的进行人脸识别切换。
技术实现思路
为此，本专利技术实施例提供一种基于人脸识别的模型切换算法，以解决现有技术中由于人脸识别的模型切换算法对于切换的算法不够准确，对于局部特征的切换不够明显，进而无法形成明显与正确的人脸识别切换的问题。为了实现上述目的，本专利技术实施例提供如下技术方案：根据本专利技术实施例公开的一种基于人脸识别的交换算法，包括如下步骤：S1、对人脸空间进行图像分部特征的构造，并进行识别检测；S2、人脸识别检测完成后，对局部特征进行切换和选取，并对局部特征进行统计；S3、将人脸特征数据进行切换，根据人脸特征数据进行人脸模型的塑造；S4、提取局部特征进行针对性计算，并对数据进行比对；S5、对比完成后对于数据模型进行切换，然后进行输出。进一步地，在步骤S1中，人脸检测的方法包括参考模办法、人脸规则法、样品学习法、肤色模型法和/或特征子脸法，同时采用摄像头进行图像的识别和采集。进一步地，所述参考模板法先设计数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；所述人脸规则法提取脸部特征生成相应的规则以判断测试样品是否包含人脸；所述样品学习法采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；所述肤色模型法依据面貌肤色在色彩空间中分布相对集中的规律来进行检测；所述特征子脸法将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。进一步地，在步骤S2中，提取眼睛、面颊和下颚构成局部特征，根据面轮廓曲线确定若干显著点，提取这些显著点并导出一组用于识别的特征度量，正面灰度图中线附近的积分投影模拟侧面轮廓图采用几何特征进行正面人脸识别，通过提取眼睛、面颊、下颌重要特征点的位置的几何形状作为分类特征，设计一个参数可调的器官模型，定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即作为该器官的几何特征。进一步地，在步骤S3中，将眼睛、面颊和下颚的样本集协方差矩阵的特征向量称为特征眼、特征颌和特征唇，且特征眼、特征颌和特征唇统称特征子脸，特征子脸在相应的图像空间中生成子脸空间，计算出测试窗口图像在子脸空间的投影距离；若窗口图像满足阈值比较条件，则判断其为人脸，基于特征分析的方法，将人脸基准点的相对比率和其它描述人脸脸部特征的形状参数构成识别特征向量，保留人脸部件之间的拓扑关系及各部件本身的信息，通过提取的局部轮廓信息及灰度信息来设计具体的识别算法。进一步地，在步骤S4中，将局部特征的数据进行识别和模型切换，将当前面像的面纹编码与档案库中的面纹编码进行检索比对。进一步地，在步骤S5中，首先设定N个点，则点数个数X为X＝{X1,X2,X3…XN}，eachXi∈RD,其中D属于高维空间，输出所得的点Y＝[y1,y2,y3…yN],eachYi∈RD,此处d《D，则可以将人脸识别的模型进行切换。进一步地，在步骤S5中，对于人脸模型进行切换，对于眼睛、面颊和下颌构成的局部特征进行二次切换计算。进一步地，在步骤S5中，对局部特征进行分类提取，对各区域采用纹理特征提取。进一步地，对提取的纹理特征进行降维，对降维后的特征进行纹理分类。本专利技术实施例具有如下优点：本专利技术结构科学合理，使用安全方便，通过多个人脸检测法相互配合，从而便于提取脸部的数据，保证了数据的正常与稳定，而对于数据通过眼睛、面颊、下颌构成局部特征进行单独的提取，保证了大数据的稳定与协调，并且将人脸特征数据进行切换，并对于人脸模型进行塑造，从而便于脸部塑造中的高效性，并通过对于脸部平面模型进行切换，对于眼睛、面颊、下颌构成局部特征进行二次切换计算，提高模型切换的高保真率，而对非重要区域采用对纹理信息描述力一般进行纹理特征提取，对上一步中提取的LBP纹理特征进行降维，对降维后的特征进行纹理分类，形成主次分明的模型切换。附图说明为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对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，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。图1为本专利技术实施例提供的一种基于人脸识别的交换算法的流程结构示意图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，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。结合图1所示，本专利技术实施例公开了一种基于人脸识别的模型切换算法，包括如下步骤：S1、对人脸空间进行图像分部特征的构造，并进行识别检测；S2、人脸识别检测完成后，对局部特征进行切换和选取，并对局部特征进行统计；S3、将人脸特征数据进行切换，根据人脸特征数据进行人脸模型的塑造；S4、提取局部特征进行针对性计算，并对数据进行比对；S5、对比完成后对于数据模型进行切换，然后进行输出。在步骤S1中，人脸检测的方法包括参考模办法、人脸规则法、样品学习法、肤色模型法和/或特征子脸法，同时采用摄像头进行图像的识别和采集。参考模板法先设计数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；所述人脸规则法提取脸部特征生成相应的规则以判断测试样品是否包含人脸；所述样品学习法采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；所述肤色模型法依据面貌肤色在色彩本文档来自技高网...

【技术保护点】
1.一种基于人脸识别的交换算法，其特征在于，包括如下步骤：/nS1、对人脸空间进行图像分部特征的构造，并进行识别检测；/nS2、人脸识别检测完成后，对局部特征进行切换和选取，并对局部特征进行统计；/nS3、将人脸特征数据进行切换，根据人脸特征数据进行人脸模型的塑造；/nS4、提取局部特征进行针对性计算，并对数据进行比对；/nS5、对比完成后对于数据模型进行切换，然后进行输出。/n

【技术特征摘要】
1.一种基于人脸识别的交换算法，其特征在于，包括如下步骤：
S1、对人脸空间进行图像分部特征的构造，并进行识别检测；
S2、人脸识别检测完成后，对局部特征进行切换和选取，并对局部特征进行统计；
S3、将人脸特征数据进行切换，根据人脸特征数据进行人脸模型的塑造；
S4、提取局部特征进行针对性计算，并对数据进行比对；
S5、对比完成后对于数据模型进行切换，然后进行输出。


2.根据权利要求1所述的一种基于人脸识别的交换算法，其特征在于：在步骤S1中，人脸检测的方法包括参考模办法、人脸规则法、样品学习法、肤色模型法和/或特征子脸法，同时采用摄像头进行图像的识别和采集。


3.根据权利要求2所述的一种基于人脸识别的交换算法，其特征在于：所述参考模板法先设计数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；所述人脸规则法提取脸部特征生成相应的规则以判断测试样品是否包含人脸；所述样品学习法采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；所述肤色模型法依据面貌肤色在色彩空间中分布相对集中的规律来进行检测；所述特征子脸法将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。


4.根据权利要求1所述的一种基于人脸识别的交换算法，其特征在于：在步骤S2中，提取眼睛、面颊和下颚构成局部特征，根据面轮廓曲线确定若干显著点，提取这些显著点并导出一组用于识别的特征度量，正面灰度图中线附近的积分投影模拟侧面轮廓图采用几何特征进行正面人脸识别，通过提取眼睛、面颊、下颌重要特征点的位置的几何形状作为分类特征，设计一个参数可调的器官模型，定义一个能量函数，通过调整模...

【专利技术属性】
技术研发人员：袁培江，宋博，史震云，李建民，
申请(专利权)人：北京深醒科技有限公司，
类型：发明
国别省市：北京;11