基于人脸识别的智慧门禁验证系统技术方案

本发明专利技术涉及人脸识别技术领域，具体涉及一种基于人脸识别的智慧门禁验证系统，该系统包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：获取待识别人脸图像的面部区域图像，进而获得各个采样图像的尺度变化参数；基于尺度变化参数确定各个

【技术实现步骤摘要】
基于人脸识别的智慧门禁验证系统


[0001]本专利技术涉及人脸识别
，具体涉及一种基于人脸识别的智慧门禁验证系统
。

技术介绍

[0002]人脸识别通常也叫做人像识别
、
面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，可以应用于智慧门禁验证领域
。
关于人脸识别的实现方式，传统的人脸识别技术主要是基于可见光图像的人脸识别，该方式在环境光照发生变化时，识别效果将会急剧下降，无法满足实际系统的需要
。
为了克服上述传统实现方式的缺陷，现有提出了神经网络
、
人脸特征提取
、
多模态人脸识别及零样本人脸识别等多方面技术，其中，基于人脸特征提取技术的面部识别具有较高的识别准确性，如
SIFT
（
Scale Invariant Feature Transform
，尺度不变特征变换）算子
。
[0003]使用
SIFT
算子对面部特征进行识别和提取，使经过特征提取得到的特征点具备面部的基本特征，从而可以在环境变化较大情况下如光照等因素，依然能够保持其鲁棒性
。
但是，
SIFT
算子对于人脸表情微变的容忍度较低，即面部表情微变后其局部特征点密度偏低，其导致在提取特征点的过程中，
SIFT
算子在不同尺度下对骨骼区域的保留程度不同，后续基于不同尺度计算获得的特征点对于面部区域的提取效果有限，造成门禁验证过程中人脸识别准确性低下，门禁验证效果较差
。

技术实现思路

[0004]为了解决上述由
SIFT
算子获得的特征点对于面部区域的提取效果有限，造成门禁验证过程中人脸识别准确性低下的技术问题，本专利技术的目的在于提供一种基于人脸识别的智慧门禁验证系统，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于人脸识别的智慧门禁验证系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取待识别人脸图像，对待识别人脸图像进行图像预处理，获得面部区域图像；对面部区域图像进行高斯金字塔的升
、
降采样处理获得每层的各个采样图像；根据各个采样图像中每个像素点的灰度值，确定每层的各个采样图像的尺度变化参数；根据同一层各个采样图像的尺度变化参数和各个
DOG
空间图像进行尺度变化分析，确定各个
DOG
空间图像的第一保留程度；对于任一
DOG
空间图像，根据
DOG
空间图像中每个像素点的灰度值确定各个标记空间点的位置；根据各个标记空间点的位置进行骨骼特征拟合分析，确定
DOG
空间图像的第二保留程度；根据各个
DOG
空间图像的第一保留程度和第二保留程度确定各个
DOG
空间图像的特征保留程度；根据特征保留程度得到各个
DOG
空间图像的权重；根据各个
DOG
空间图像的权重和各个
DOG
空间图像中的每个像素点，结合
SIFT
算
法，确定各个特征点的位置；将各个特征点的位置输入到门禁系统中，获得门禁验证结果
。
[0005]进一步地于，根据各个采样图像中每个像素点的灰度值，确定每层的各个采样图像的尺度变化参数，包括：对于任一层的任一采样图像，根据采样图像中每个像素点的灰度值确定采样图像的灰度方差；对采样图像进行离散傅里叶变换处理，获得采样图像中的各个高频部分；统计各个高频部分的像素点个数以及采样图像的像素点个数；根据采样图像的灰度方差
、
各个高频部分的像素点个数以及采样图像中像素点个数，确定采样图像的复杂程度；按照复杂程度的大小将各个采样图像均分为两类，设置每类中的各个采样图像的高斯滤波方差，将高斯滤波方差作为对应采样图像的尺度变化参数
。
[0006]进一步地，根据采样图像的灰度方差
、
各个高频部分的像素点个数以及采样图像中像素点个数，确定采样图像的复杂程度，包括：将采样图像的像素点个数与灰度方差的比值确定为第一复杂因子，将各个高频部分的像素点个数的累加和作为第二复杂因子，对第一复杂因子和第二复杂因子进行相乘，将相乘后的数值作为对应的采样图像的复杂程度
。
[0007]进一步地，根据同一层各个采样图像的尺度变化参数和各个
DOG
空间图像进行尺度变化分析，确定各个
DOG
空间图像的第一保留程度，包括：根据同一层各个采样图像的尺度变化参数，计算同一层中相邻两个采样图像的尺度变化参数之间的差值绝对值，将尺度变化参数之间的差值绝对值作为对应的
DOG
空间图像的尺度变化参数；根据同一层的各个
DOG
空间图像的尺度变化参数，确定各个
DOG
空间图像的第一保留程度，第一保留程度的计算公式为：；式中，为同一层的第
i
个
DOG
空间图像的第一保留程度，为同一层的第
i
个
DOG
空间图像的尺度变化参数，为同一层的第个
DOG
空间图像的尺度变化参数，为预设最小尺度变化参数，
t
为尺度差范围的预设最大值，
exp
为以自然常数为底的指数函数
。
[0008]进一步地，根据
DOG
空间图像中每个像素点的灰度值确定各个标记空间点的位置，包括：对
DOG
空间图像进行大津阈值分割获得前景区域中的各个空间点，获得前景区域中的各个空间点对应的灰度均值；将
DOG
空间图像中的各个空间点的灰度值与灰度均值之间的差值作为对应的空间点的灰度特征值，将灰度特征值小于或等于预设灰度差值的空间点进行标记，获得各个标记空间点，进而得到各个标记空间点的位置
。
[0009]进一步地，根据各个标记空间点的位置进行骨骼特征拟合分析，确定
DOG
空间图像的第二保留程度，包括：根据
DOG
空间图像中各个标记空间点的位置，利用最小二乘法圆拟合模型，获得
DOG
空间图像对应的拟合概率和拟合圆区域；将拟合圆区域内的各个标记空间点确定为高拟合率点，计算任意两个高拟合率点之间的距离，进而获得所有距离对应的方差值；将方差值与预设数值的和作为第二保留程度的分母，将拟合概率作为第二保留程度的分子，获得第二保留程度
。
[0010]进一步地，根据各个
DOG
空间图像的第一保留程度和第二保留程度确定各个
DOG
空间图像的特征保留程度，包括：对于任一
DOG
空间图像，计算第一保留程度和第一预设权重之间的乘积，进而计算第二保留程度和第二预设权重之间的乘积，将两个乘积相加后的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人脸识别的智慧门禁验证系统，其特征在于，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取待识别人脸图像，对待识别人脸图像进行图像预处理，获得面部区域图像；对面部区域图像进行高斯金字塔的升
、
降采样处理获得每层的各个采样图像；根据各个采样图像中每个像素点的灰度值，确定每层的各个采样图像的尺度变化参数；根据同一层各个采样图像的尺度变化参数和各个
DOG
空间图像进行尺度变化分析，确定各个
DOG
空间图像的第一保留程度；对于任一
DOG
空间图像，根据
DOG
空间图像中每个像素点的灰度值确定各个标记空间点的位置；根据各个标记空间点的位置进行骨骼特征拟合分析，确定
DOG
空间图像的第二保留程度；根据各个
DOG
空间图像的第一保留程度和第二保留程度确定各个
DOG
空间图像的特征保留程度；根据特征保留程度得到各个
DOG
空间图像的权重；根据各个
DOG
空间图像的权重和各个
DOG
空间图像中的每个像素点，结合
SIFT
算法，确定各个特征点的位置；将各个特征点的位置输入到门禁系统中，获得门禁验证结果
。2.
根据权利要求1所述的一种基于人脸识别的智慧门禁验证系统，其特征在于，根据各个采样图像中每个像素点的灰度值，确定每层的各个采样图像的尺度变化参数，包括：对于任一层的任一采样图像，根据采样图像中每个像素点的灰度值确定采样图像的灰度方差；对采样图像进行离散傅里叶变换处理，获得采样图像中的各个高频部分；统计各个高频部分的像素点个数以及采样图像的像素点个数；根据采样图像的灰度方差
、
各个高频部分的像素点个数以及采样图像中像素点个数，确定采样图像的复杂程度；按照复杂程度的大小将各个采样图像均分为两类，设置每类中的各个采样图像的高斯滤波方差，将高斯滤波方差作为对应采样图像的尺度变化参数
。3.
根据权利要求2所述的一种基于人脸识别的智慧门禁验证系统，其特征在于，根据采样图像的灰度方差
、
各个高频部分的像素点个数以及采样图像中像素点个数，确定采样图像的复杂程度，包括：将采样图像的像素点个数与灰度方差的比值确定为第一复杂因子，将各个高频部分的像素点个数的累加和作为第二复杂因子，对第一复杂因子和第二复杂因子进行相乘，将相乘后的数值作为对应的采样图像的复杂程度
。4.
根据权利要求1所述的一种基于人脸识别的智慧门禁验证系统，其特征在于，根据同一层各个采样图像的尺度变化参数和各个
DOG
空间图像进行尺度变化分析，确定各个
DOG
空间图像的第一保留程度，包括：根据同一层各个采样图像的尺度变化参数，计算同一层中相邻两个采样图像的尺度变化参数之间的差值绝对值，将尺度变化参数之间的差值绝对值作为对应的
DOG
空间图像的尺度变化参数；根据同一层的各个
DOG
空间图像的尺度变化参数，确定各个
DOG
空间图像的第一保留程度，第一保留程度的计算公式为：；式中，为同一层的第
i
个
DOG
空间图像的第一保留
程度，...

【专利技术属性】
技术研发人员：刘宏康，王雯娇，
申请(专利权)人：长春金融高等专科学校，
类型：发明
国别省市：