远程人脸识别方法及系统技术方案

本发明专利技术提供一种远程人脸识别方法，该方法包括：对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；应用弱分类器对待识别人脸图像的Haar特征进行分类识别，弱分类器是通过Adaboost算法训练样本的面部特征得到的；若通过弱分类器的识别，则应用强分类器对待识别人脸的Haar特征进行分类识别，强分类器是将多种弱分类器组合得到的；若通过所有强分类器的识别，则应用级联分类器对待识别人脸的Haar特征进行分类识别，级联分类器是通过所有强分类器串联得到的。本发明专利技术通过将所述弱分类器、所述强分类器及所述级联分类器结合使用，能够保证人脸的识别精确度及识别速度，从而增强了身份认证的安全性及效率。

【技术实现步骤摘要】
远程人脸识别方法及系统
本专利技术涉及远程人脸识别领域，特别是涉及一种远程人脸识别方法及系统。
技术介绍
汽车作为现代社会的主要交通工具，正朝着更加舒适化、智能化、自动化的方向大步发展。现在的智能化车辆在使用时通常涉及到人员信息安全，有些智能化汽车需要通过人脸远程识别来对驾驶员身份进行认证，像目前广泛使用的网约车和共享车。人脸识别是一个典型的图像模式分析、理解与分类计算问题，在人脸识别技术中，高效的人脸描述特征及其相应的高精度识别是技术的关键。而现有的人脸识别系统为了实现高精度人脸识别，通常直接采用强分类器对人脸特征进行分类识别，但由于强分类器提取的人脸特征过多，会给识别算法带来困难，造成识别出错，还会使得人脸识别速度过慢，无法保证人脸筛选效率；而采用弱分类器，又会因识别特征过少，导致识别精度不够，无法保证身份认证的安全性。
技术实现思路
本专利技术的目的在于提出一种远程人脸识别方法及系统，以解决现有技术的人脸识别系统为了实现高精度人脸识别，通常直接采用强分类器对人脸特征进行分类识别，但由于强分类器提取的人脸特征过多，会给识别算法带来困难，造成识别出错，还会使得人脸识别速度过慢，无法保证人脸筛选效率的问题。本专利技术提出一种远程人脸识别方法，所述方法包括：对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别，所述弱分类器是通过Adaboost算法训练样本的面部特征得到的；若所述待识别人脸的Haar特征通过所述弱分类器的识别，则应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别，所述强分类器是将多种所述弱分类器组合得到的；若所述待识别人脸的Haar特征通过所有所述强分类器的识别，则应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别，所述级联分类器是通过所有所述强分类器串联得到的；若所述待识别人脸的Haar特征通过所述级联分类器的识别，则显示与所述待识别人脸图像对应的个人身份信息。根据本专利技术提出的远程人脸识别方法，具有以下有益效果：本专利技术通过将所述弱分类器、所述强分类器及所述级联分类器结合使用，既能保证匹配人脸的识别精确度，又能加快不匹配人脸的筛选速度，从而增强了身份认证的安全性及效率；首先应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别，通过所述弱分类器中的较少人脸样本特征能够对非人脸及匹配度不高的人脸进行快速识别及筛选掉；经过弱分类器的筛选，匹配度较高的人脸才能进入下一步，由所述强分类器进行特征分类识别，由于此时所述强分类器是针对匹配度较高的人脸特征，因此能够加快所述强分类器对人脸特征的识别速度，且能够降低识别难度，避免识别出错；所述强分类器的特征识别通过后，再应用所述级联分类器对所述待识别人脸的Haar特征进行分类识别，进一步提高了人脸特征匹配精度，从而很好地保证了身份认证的安全性。另外，根据本专利技术提供的远程人脸识别方法，还可以具有如下附加的技术特征：进一步地，所述对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速的步骤后还包括：对所述待识别人脸图像进行预处理，所述预处理方式包括：灰度化处理、直方图均衡化处理；将预处理后的所述待识别人脸图像投影到PCA子空间以获取所述待识别人脸图像的Haar特征向量。进一步地，所述应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别的步骤包括：应用所述弱分类器计算所述待识别人脸图像的Haar特征向量的类别；判断所述待识别人脸图像的Haar特征向量的类别与所有所述弱分类器中的训练样本的Haar特征向量的类别是否匹配。进一步地，所述应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别的步骤包括：应用所述强分类器计算所述待识别人脸图像的Haar特征向量的类别；判断所述待识别人脸图像的Haar特征向量的类别与所有所述弱分类器中的训练样本的Haar特征向量的类别是否匹配。进一步地，所述应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别的步骤包括：应用所述级联分类器计算所述待识别人脸图像的Haar特征向量的类别；判断所述待识别人脸图像的Haar特征向量的类别与所有所述级联分类器中的训练样本的Haar特征向量的类别是否匹配。进一步地，所述对待识别人脸进行Haar特征检测以得到待识别人脸图像的步骤前还包括：创建所述分类器及训练好的人脸识别库；将所述人脸识别库中训练样本的Haar特征投影到PCA子空间以获取所述训练样本的Haar特征向量；将所述训练样本的Haar特征向量添加到所述分类器中。本专利技术提出一种远程人脸识别系统，其特征在于，包括：检测模块：用于对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；第一识别模块：用于应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别，所述弱分类器是通过Adaboost算法训练样本的面部特征得到的；第二识别模块：用于若所述待识别人脸的Haar特征通过所述弱分类器的识别，则应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别，所述强分类器是将多种所述弱分类器组合得到的；第三识别模块：用于若所述待识别人脸的Haar特征通过所有所述强分类器的识别，则应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别，所述级联分类器是通过所有所述强分类器串联得到的；身份显示模块：用于若所述待识别人脸的Haar特征通过所述级联分类器的识别，则显示与所述待识别人脸图像对应的个人身份信息。进一步地，所述检测模块还用于对所述待识别人脸图像进行预处理，所述预处理方式包括：灰度化处理、直方图均衡化处理；将预处理后的所述待识别人脸图像投影到PCA子空间以获取所述待识别人脸图像的Haar特征向量。进一步地，所述第一识别模块还用于应用所述弱分类器计算所述待识别人脸图像的Haar特征向量的类别；判断所述待识别人脸图像的Haa本文档来自技高网...

【技术保护点】
1.一种远程人脸识别方法，其特征在于，所述方法包括：/n对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；/n应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别，所述弱分类器是通过Adaboost算法训练样本的面部特征得到的；/n若所述待识别人脸的Haar特征通过所述弱分类器的识别，则应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别，所述强分类器是将多种所述弱分类器组合得到的；/n若所述待识别人脸的Haar特征通过所有所述强分类器的识别，则应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别，所述级联分类器是通过所有所述强分类器串联得到的；/n若所述待识别人脸的Haar特征通过所述级联分类器的识别，则显示与所述待识别人脸图像对应的个人身份信息。/n

【技术特征摘要】
1.一种远程人脸识别方法，其特征在于，所述方法包括：
对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；
应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别，所述弱分类器是通过Adaboost算法训练样本的面部特征得到的；
若所述待识别人脸的Haar特征通过所述弱分类器的识别，则应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别，所述强分类器是将多种所述弱分类器组合得到的；
若所述待识别人脸的Haar特征通过所有所述强分类器的识别，则应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别，所述级联分类器是通过所有所述强分类器串联得到的；
若所述待识别人脸的Haar特征通过所述级联分类器的识别，则显示与所述待识别人脸图像对应的个人身份信息。


2.根据权利要求1所述的远程人脸识别方法，其特征在于，所述对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速的步骤后还包括：
对所述待识别人脸图像进行预处理，所述预处理方式包括：灰度化处理、直方图均衡化处理；
将预处理后的所述待识别人脸图像投影到PCA子空间以获取所述待识别人脸图像的Haar特征向量。


3.根据权利要求2所述的远程人脸识别方法，其特征在于，所述应用弱分类器对所述待识别人脸图像的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述弱分类器的分类识别的步骤包括：
应用所述弱分类器计算所述待识别人脸图像的Haar特征向量的类别；
判断所述待识别人脸图像的Haar特征向量的类别与所有所述弱分类器中的训练样本的Haar特征向量的类别是否匹配。


4.根据权利要求2所述的远程人脸识别方法，其特征在于，所述应用强分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述强分类器的分类识别的步骤包括：
应用所述强分类器计算所述待识别人脸图像的Haar特征向量的类别；
判断所述待识别人脸图像的Haar特征向量的类别与所有所述弱分类器中的训练样本的Haar特征向量的类别是否匹配。


5.根据权利要求2所述的远程人脸识别方法，其特征在于，所述应用级联分类器对所述待识别人脸的Haar特征进行分类识别，并判断所述待识别人脸的Haar特征是否通过所述级联分类器的分类识别的步骤包括：
应用所述级联分类器计算所述待...

【专利技术属性】
技术研发人员：龚朋朋，熊敏，陈立伟，姜筱华，单丰武，
申请(专利权)人：江西江铃集团新能源汽车有限公司，
类型：发明
国别省市：江西;36