一种人脸快速识别分析设备及系统技术方案

本发明专利技术涉及人脸图像分析识别技术领域，且公开了一种人脸快速识别分析系统，包括：图像输入模块、图像预处理模块、人脸分析识别模块，人脸分析识别模块只对人脸面部嘴、鼻子、眼睛、眉毛处提取特征点进行提取，并将提取的人脸训练图像投影到低秩特征子空间，计算类间离散度最大、类内离散度最小的特征子空间，获得人脸融合特征空间，之后将测试人脸样本投影至融合特征空间，最后利用最近邻准则实现对测试人脸样本的识别；本发明专利技术还公开了一种人脸快速识别分析设备，包括：相互之间进行通信连接且运行有人脸分析识别系统的本地服务器LSfars和人脸识别设备FREi。本发明专利技术解决了如何对人脸图像进行快速分析并识别的技术问题。

【技术实现步骤摘要】
一种人脸快速识别分析设备及系统
本专利技术涉及人脸图像分析识别
，具体为一种人脸快速识别分析设备及系统。
技术介绍
随着科技、互联网的发展，人们的生活方式逐渐数字化、网络化，由此带来的信息量呈现出爆炸式增长，传统的身份识别系统已经不能保护信息拥有者的权益，如何有效地利用生物特征，快速、高效、精准的提取出用户特征，快速的核实用户身份信息，已经成为信息安全领域的重要问题之一。在目前的生物特征识别技术研究和应用领域中，人脸识别技术已经成为身份识别技术中的重要研究方向之一。人脸识别的目的是通过计算机技术分析处理图像信息，从中提取生物特征点，通过与数据库中用户的信息对比，从而核实用户身份。人脸识别系统一般包括人脸图像采集、人脸检测及定位、图片预处理、特征点提取、分类器等部分。首先是通过硬件设备获取到人脸图像，然后对图像进行人脸检测定位，接下来对图像预处理及进一步优化，进行特征点提取，把生物特征存入数据库之后，分类器可以将数据库中的生物特征数据对应给某一个已知的特征，从而实现对已知特征的用户进行预测。在进行人脸特征点提取时，经常容易出本文档来自技高网...

【技术保护点】
1.一种人脸快速识别分析系统，其特征在于，包括：图像输入模块、图像预处理模块、人脸分析识别模块，该图像输入模块与图像预处理模块进行通信连接，图像预处理模块与人脸分析识别模块进行通信连接；/n所述人脸分析识别模块只对人脸面部嘴、鼻子、眼睛、眉毛处提取特征点进行提取，并将提取的人脸训练图像投影到低秩特征子空间，计算类间离散度最大、类内离散度最小的特征子空间，获得人脸融合特征空间，之后将测试人脸样本投影至融合特征空间，最后利用最近邻准则实现对测试人脸样本的识别。/n

【技术特征摘要】
1.一种人脸快速识别分析系统，其特征在于，包括：图像输入模块、图像预处理模块、人脸分析识别模块，该图像输入模块与图像预处理模块进行通信连接，图像预处理模块与人脸分析识别模块进行通信连接；
所述人脸分析识别模块只对人脸面部嘴、鼻子、眼睛、眉毛处提取特征点进行提取，并将提取的人脸训练图像投影到低秩特征子空间，计算类间离散度最大、类内离散度最小的特征子空间，获得人脸融合特征空间，之后将测试人脸样本投影至融合特征空间，最后利用最近邻准则实现对测试人脸样本的识别。


2.根据权利要求1所述的人脸快速识别分析系统，其特征在于，所述人脸分析识别模块的分析识别方法如下：
Step1，将训练集合中的所有图像转换为列向量，计算每类图像的类内平均图像μj＝(1/Nj)∑x∈Xjx和总体平均图像μ＝(1/N)∑x∈Xx；
计算每幅图像相对于所属类平均图像的差值图像
计算每类图像相对于总体平均图像的差值图像
Step2，计算特征差值的协方差矩阵
Step3，求取差值协方差矩阵Φ的非零特征值λ＝(λ1,λ2,…,λN)，进而求取对应特征向量V＝(v1,v2,…,vN)，并对特征向量按照特征值降序方式进行排列：
Φ·V＝λ·V(5)；
Step4，计算协方差矩阵特征值的累积贡献率
选择前r个较大特征值对应的特征向量Vr＝(v1,v2,…,vr)作为训练特征差值的特征子空间W＝(v1,v2,…,vr)；
Step5，将输入图像x、每类平均图像μj和总体平均图像μ投影到训练特征差值的特征子空间：









Step6，计算每个类内散步矩阵Sj、总体类内散步矩阵SW、及类间散步矩阵SB：









Step7，使类间离散度SB最大和类内离散度SW最小，得到最佳投影子空间满足：



Step8，根据拉格朗日乘法可得：



将矩阵SW-1SB的特征值按降序排列，选择前p个较大特征值λ＝(λ1...

【专利技术属性】
技术研发人员：许安，孙键，陈科恒，雷望，林佳宏，
申请(专利权)人：深圳市心和未来教育科技有限公司，
类型：发明
国别省市：广东;44