一种用于人脸识别的图像获取识别装置制造方法及图纸

本实用新型专利技术涉及一种用于人脸识别的图像获取识别装置，包括有：连接在一起的摄像镜头、红外图像传感器及图像数据处理系统，所述红外图像传感器与所述图像数据处理系统电性连接；其中，还包括：安装在所述成像镜头周围、面向人脸、用于人工照明的红外主动光源，在所述摄像镜头前或内部加有与所述红外光源波长相匹配的用于抑制或滤除可见光的滤光片或镀膜。该装置能克服环境光对人脸图像成像稳定性的影响，且能帮助用户定位其人脸位置以正确获取人脸图像，以实现高的识别率。（*该技术在2015年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术涉及计算机图像识别与处理
，特别是指一种在人脸识别过程中利用主动光源进行人工主动照明的人脸图像获取、识别装置。
技术介绍
生物特征识别技术主要是依靠人体的身体特征来进行身份验证的一种高科技识别技术。人的指纹、掌纹、眼虹膜、脱氧核糖核酸(DNA)以及人脸相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性，无法复制、失窃或被遗忘。由于每个人的这些特征都不相同，因此利用人体的这些独特的生理特征可以准确地识别每个人的身份。已有的人体生物识别方法包括人脸识别、眼虹膜识别、指纹识别、声音识别、掌形识别、签名识别、视网膜识别等。近年来，特别是美国遭到9.11恐怖袭击事件后，世界各国都把安全放到首位，生物特征识别技术的得到比以前更多的关注。生物特征识别技术可广泛地应用于安全验证、监控、出入口控制、电脑登录、互联网登录及身份认证、电子商务信息系统、金库的安全设施、保险柜、自动柜员机、追捕犯罪嫌疑人、反恐怖斗争以及其他适用的领域。常见的生物特征识别技术典型应用模式包括身份鉴定(一对多的搜索)在鉴定模式下，确定一个人的身份，可以快速地计算出实时采集到的生物特征(人脸)数据与生物特征数据库中已知人员的生物特征数据之间的相似度，给出一个按相似度递减排列的可能的人员列表，或简单地返回鉴定结果(相似度最高的)和相对应的可信度。身份确认(一对一的比对)在确认模式下，生物特征数据可以存储在智能卡中或数码记录中，只需要简单地将实时的生物特征数据与存储的数据相比对，如果可信度超过一个指定的阈值，则比对成功，身份得到确认。监控应用面像捕捉、面像识别技术，在监控范围中跟踪一个人和确定他的位置。监视可以在监控范围内发现人脸，而不论其远近和位置，能连续地跟踪他们并将它们从背景中分离出来，将他的面像与监控列表进行比对。整个过程完全是无需干预，连续和实时。上述的各种应用模式可以广泛地应用在如下的多个领域身份确认与人员检索可用于电脑/网络安全、银行业务、智能卡、访问控制、边境控制等领域；身份证可用于选民登记、身份证、护照、驾驶执照、工作证等；计算机信息保护系统利用面像特征识别用户，保护计算机信息；犯罪嫌疑人识别系统应用于脸部照片登记系统，事件后分析系统；远距离身份识别应用于监视、监控、闭路电视、交通管理、敌友识别等。参见图1，一个完整的人脸识别过程是将待识别人脸图像与数据库中人脸/作比对，然后作出识别判决。比对识别是在人脸特征码的基础上进行。该过程由图像采集10、特征提取20、和特征比对30三个步骤完成。对应于人脸识别装置则包括图像采集模块其通过图像采集装置(如摄像机、数码相机等)采集的人脸/图像或图像视频序列，然后，将这些图像或视频序列送至计算机进行处理；特征提取模块其设置在计算机之中，从输入的图像中检测定位人脸部分，并在对人脸姿态进行校正之后提取人脸的特征信息，即人脸特征码；特征比对模块同样设置在计算机之中，它将待识别人的人脸特征信息(人脸特征码)与人脸特征数据库中所存入的特征信息(人脸特征码)进行比对，并在这些信息中找出最佳的匹配对象。显然，人脸特征数据库需要在识别之前建立。因此，参见图2，一个人脸识别系统识别应有由人脸识别A和人脸录入建档B两大过程构成。其中，人脸录入建档B过程的目的是建立在人脸识别过程中使用的人脸特征数据库。人脸识别A和人脸录入建档B两大过程均包括图像采集和特征提取过程，以获取图像和提取特征。但人脸识别过程是将提取的特征码与人脸特征数据库所存入的特征码进行特征比对匹配，而人脸录入建档过程则将提取的特征码存入人脸特征数据库。人脸的特征提取20由人脸检测或人脸跟踪201、人脸的特征定位与校正202、人脸特征抽取203等几个步骤构成。人脸检测是指在动态的场景与复杂的背景中捕捉人脸并分离出人脸，人脸跟踪指对被检测到的人脸进行动态目标跟踪，人脸校正利用关键部位对人脸进行几何校正(如校正偏移的人脸姿态)，人脸特征抽取对检测校正的人脸计算脸部的本质特征。人脸的特征对比30则是基于抽取人脸特征将待识别的人脸数据库40中的人脸进行依次比对，计算匹配可信度，并判决最佳匹配对象。因此，人脸的特征描述决定了人脸识别的具体方法与性能。要获得高度可靠、精确的人脸识别效果，所提取人脸特征应反映脸部的本质特征，即不随皮肤色调、面部毛发、发型、眼镜、表情、姿态、和光线的变化。但是，现有的人脸识别技术中所存在的一大难题在于环境光线的变化对人脸特征的影响非常大，不同的环境光线下所获得的人脸图像的识别效果差异极大。研究表明由光线变化造成的同一人脸的图像差别要远远大于不同人脸的图像差别。现有的人脸识别技术中主要依赖的是“被动”光源，即环境光源。但是，在实际的应用过程中，环境光千差万别，并且难以控制。环境光源的变化会使得获取的人脸发生显著变化，导致所提取人脸特征发生显著变化，进而导致人脸特征对比准确率下降。设人脸表面一点Pi的法向量为EMBED Equation.3，且nTi为单位向量，即EMBED Equation.3；设光源为点光源，方向为EMBED Equation.3，人脸的成像公式可以简单地用Lambertian(兰伯特)模型表示，Pi点的灰度Ii为Ii＝ρi(x，y)ni(x，y)T·s (1)其中，i＝1，2，…，k，k为人脸所包含的像素点数；ρi为人脸在Pi点的表面反射率，nTi表示人脸表面一点i处的表面法向量，·表示点积x，y，z表示Pi三维空间中的坐标。从上述的公式可以看出人脸的成像与人脸的表面反射率、人脸的三维形状和光照有关。在人脸的成像过程中，这三个要素是必不可少的。其中前两项与人脸的本身内在特性有关，也是进行人脸识别所需要的信息；最后一项的光线则是人脸成像的外在因素，也是影响人脸识别性能的主要因素。虽然光线的强度‖s‖影响人脸图像的灰度，但这种影响由于是整体性的，可以用简单的线性变换予以校正。真正影响人脸识别性能的是光线相对于人脸表面法向量的入射角度。设θi为入射光线与人脸表面法向量在Pi点的夹角(θi∈)，光线的强度‖s‖＝1，则公式(1)可以表示成如下的公式Ii＝ρi(x，y)cosθi(2)其中，i＝1，2，…，k；k为人脸所包含的像素点数。从公式(2)中可以看出，如果光线入射角度变化，则θi就会发生相应的变化，从而造成同一人脸在不同光照角度下图像差别。通过相关分析可得知一个从人脸左侧入射的光线产生的人脸图像与一个从人脸右侧入射的光线产生的人脸图像的相关系数一般为负值，这说明两幅图像是完全不同的。由于在实际的应用过程中，光线的角度与系统的应用环境有关，而实际的环境千差万别并且难以控制。目前人脸识别技术所用图像混合了内在与外在因素，这也就是目前最好的人脸识别系统在光线变化的情况下的识别率只有50％左右的原因。虽然目前有多种方法在上述的人脸识别中可以进行补偿、归一化等处理，但其效果并不明显，而且对处理系统的计算能力要求很高。这些方法中，有的要求对人脸进行三维建模，有的则对人脸的形状进行假设，而这些限制使得人脸识别技术的可操作性大大降低，并且很难取得很好的效果。在人脸图像识别技术应用方面，已公开了一种面像识别门禁和考勤系统，如中国专利ZL99117360.x，但是该专利仅仅公开了如何利用人脸图像识别技术本文档来自技高网...

【技术保护点】
一种用于人脸识别的图像获取识别装置，包括有：连接在一起的摄像镜头、红外图像传感器及图像数据处理系统，所述红外图像传感器与所述图像数据处理系统电性连接；其特征在于，还包括：安装在所述成像镜头周围、面向人脸、用于人工照明的红外主动光源，在所述摄像镜头前或内部加有与所述红外光源波长相匹配的用于抑制或滤除可见光的滤光片或镀膜。

【技术特征摘要】

【专利技术属性】
技术研发人员：李子青，
申请(专利权)人：北京数字奥森识别科技有限公司，
类型：实用新型
国别省市：11[中国|北京]