一种人脸识别的方法及装置制造方法及图纸

本发明专利技术公开一种人脸识别的方法及装置。本发明专利技术的人脸识别的方法通过获取人脸图片的训练库得到向量d1，d2，...dm，将m个向量取平均值，得到平均值向量avg＝(y1，y2......yn)；用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X；用矩阵X乘以X的逆矩阵X

A method and device of face recognition

【技术实现步骤摘要】
一种人脸识别的方法及装置


[0001]本专利技术涉及人脸识别
，具体涉及一种人脸识别的方法及装置。

技术介绍

[0002]人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流，首先判断其是否存在人脸,，如果存在人脸，则进一步地给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
[0003]广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。现有的人脸识别方法在识别率和运算量方面仍有待进一步改善。因此，亟需一种人脸识别的方法及装置，以解决上述问题。

技术实现思路

[0004]本专利技术的目的在于提供一种人脸识别的方法及装置，以解决现有的人脸识别方法在识别率和运算量方面仍有待进一步改善的问题。
[0005]一方面，本专利技术提供一种人脸识别的方法，包括：
[0006]获取人脸图片的训练库，所述人脸图片表现为像素矩阵，所述像素矩阵为二维数组；
[0007]将所述二维数组转换成一维数组，所述人脸图片表示为向量d＝(x1,x2......xn)，xn 表示像素；将训练库里的m张人脸图片表示成上述的向量形式，得到向量d1，d2，...dm，
[0008]将m个向量取平均值，得到平均值向量avg＝(y1，y2......yn)；
[0009]用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X；
[0010]用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W；
[0011]求W的特征向量；
[0012]取最大的K个特征向量组成新的矩阵Y；
[0013]使用X
’
乘以Y得到特征脸C；
[0014]分别用向量d1，d2，...dm乘以C得到向量d1，d2，...dm在特征脸的投影向量pn，得到的投影向量pn的数量与训练库中人脸图片的数量相同；
[0015]接收新人脸图片，所述新人脸图片表示为向量d形式，记为向量D；
[0016]将D乘以上面训练得到的特征脸C，得到向量D在C下的投影向量P；
[0017]计算P与上面所有的pn的向量距离；
[0018]将与P的向量距离最小的pn所对应的人脸图片输出为与所述新人脸图片最接近的图片。
[0019]进一步地，用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X的
步骤中，X的大小为m
×
n。
[0020]进一步地，用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W的步骤中，W的大小 m
×
m。
[0021]进一步地，取最大的K个特征向量组成新的矩阵Y的步骤中，Y的大小m
×
k。
[0022]进一步地，使用X
’
乘以Y得到特征脸C的步骤中，C的大小n
×
k。
[0023]进一步地，分别用向量d1，d2，...dm乘以C得到向量d1，d2，...dm在特征脸的投影向量pn的步骤中，pn的大小1
×
k。
[0024]进一步地，获取新人脸图片，所述新人脸图片表示为向量d形式，记为向量D的步骤中，D的大小1
×
n。
[0025]进一步地，将D乘以上面训练得到的特征脸C，得到向量D在C下的投影向量P的步骤中，P的大小1
×
k。
[0026]第二方面，本专利技术提供一种人脸识别的装置，包括：
[0027]获取单元，用于获取人脸图片的训练库，所述人脸图片表现为像素矩阵，所述像素矩阵为二维数组；
[0028]转换单元，用于将所述二维数组转换成一维数组，所述人脸图片表示为向量d＝ (x1,x2......xn)，xn表示像素；将训练库里的m张人脸图片表示成上述的向量形式，得到向量d1，d2，...dm，
[0029]第一求取单元，用于将m个向量取平均值，得到平均值向量avg＝(y1，y2......yn)；
[0030]第二求取单元，用于用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X；
[0031]第三求取单元，用于用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W；
[0032]第四求取单元，用于求W的特征向量；
[0033]第五求取单元，用取最大的K个特征向量组成新的矩阵Y；
[0034]第六求取单元，用于使用X
’
乘以Y得到特征脸C；
[0035]第七求取单元，用于分别用向量d1，d2，...dm乘以C得到向量d1，d2，...dm在特征脸的投影向量pn，得到的投影向量pn的数量与训练库中人脸图片的数量相同；
[0036]接收单元，用于接收新人脸图片，所述新人脸图片表示为向量d形式，记为向量D；
[0037]第八求取单元，将D乘以上面训练得到的特征脸C，得到向量D在C下的投影向量 P；
[0038]计算单元，用于计算P与上面所有的pn的向量距离；
[0039]输出单元，用于将与P的向量距离最小的pn所对应的人脸图片输出为与所述新人脸图片最接近的图片。
[0040]本专利技术的有益效果如下：本专利技术提供的一种人脸识别的方法及装置，通过获取人脸图片的训练库，所述人脸图片表现为像素矩阵，像素矩阵为二维数组；将二维数组转换成一维数组，人脸图片表示为向量d＝(x1,x2......xn)，xn表示像素；将训练库里的m 张人脸图片表示成上述的向量形式，得到向量d1，d2，...dm，将m个向量取平均值，得到平均值向量avg＝(y1，y2......yn)；用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X；用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W；求W的特征向量；取最大的K个特征向量组成新的矩阵Y；使用X
’
乘以Y得到特征脸C；分别用向量d1， d2，...dm乘以C得到向量d1，d2，...dm在特征脸的投影向量pn，得到的投影向量pn 的数量与训练库中人脸图片的数量
相同；接收新人脸图片，新人脸图片表示为向量d形式，记为向量D；将D乘以上面训练得到的特征脸C，得到向量D在C下的投影向量P；计算P与上面所有的pn的向量距离；将与P的向量距离最小的pn所对应的人脸图片输出为与新人脸图片最接近的图片，采用三阶近邻法，显著提升了人脸识别的识别率，降低了运算量。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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本专利技术的一些本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别的方法，其特征在于，包括：获取人脸图片的训练库，所述人脸图片表现为像素矩阵，所述像素矩阵为二维数组；将所述二维数组转换成一维数组，所述人脸图片表示为向量d＝(x1,x2......xn)，xn表示像素；将训练库里的m张人脸图片表示成上述的向量形式，得到向量d1，d2，...dm，将m个向量取平均值，得到平均值向量avg＝(y1，y2......yn)；用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X；用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W；求W的特征向量；取最大的K个特征向量组成新的矩阵Y；使用X
’
乘以Y得到特征脸C；分别用向量d1，d2，...dm乘以C得到向量d1，d2，...dm在特征脸的投影向量pn，得到的投影向量pn的数量与训练库中人脸图片的数量相同；接收新人脸图片，所述新人脸图片表示为向量d形式，记为向量D；将D乘以上面训练得到的特征脸C，得到向量D在C下的投影向量P；计算P与上面所有的pn的向量距离；将与P的向量距离最小的pn所对应的人脸图片输出为与所述新人脸图片最接近的图片。2.根据权利要求1所述的一种人脸识别的方法，其特征在于，用向量d1，d2...........dm分别减去平均值向量后组成一个矩阵X的步骤中，X的大小为m
×
n。3.根据权利要求1所述的一种人脸识别的方法，其特征在于，用矩阵X乘以X的逆矩阵X
’
得X的协方差矩阵W的步骤中，W的大小m
×
m。4.根据权利要求1所述的一种人脸识别的方法，其特征在于，取最大的K个特征向量组成新的矩阵Y的步骤中，Y的大小m
×
k。5.根据权利要求1所述的一种人脸识别的方法，其特征在于，使用X
’
乘以Y得到特征脸C的步骤中，C的大小n
×
k。6.根据权利要求1所述的一种人脸识别的方法，其特...

【专利技术属性】
技术研发人员：徐鸿飞，邓向朝，张伟娇，谷燕楠，唐小花，
申请(专利权)人：华能威宁风力发电有限公司，
类型：发明
国别省市：