一种人脸识别方法及装置制造方法及图纸

本发明专利技术提供一种人脸识别方法及装置，涉及模式识别和生物特征识别技术领域，能在各种光照条件下进行有效的识别，提高了人脸识别的识别性能。其方法为：获取要识别的原始人脸测试样本，并对原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本；将原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从原始人脸训练样本集中找出原始人脸测试样本对应的识别对象；计算得到识别对象的原始人脸训练样本和滤波后的人脸训练样本的总体SCI，根据该SCI判断所述原始人脸测试样本是否为注册人脸。

【技术实现步骤摘要】

本专利技术涉及模式识别和生物特征识别
，尤其涉及一种人脸识别方法及装置。
技术介绍
人脸识别是基于计算机、图像处理及模式识别等技术的一种生物特征识别技术。 最近，随着人脸识别在商业和执法部门得到广泛应用，例如刑事鉴定、信用卡识别、安全系统、现场监控等，人脸识别技术越来越得到更多的关注。在识别过程中，光照条件的变化是导致人脸识别率下降的主要原因之一。例如，人在室内进行的人脸注册，室内条件下可以正常识别，但在室外的识别效果就非常差，甚至会因为室内室外光照情况的差异导致可信值很小从而无法进行识别。在现有的去除人脸光照的方法中，对于侧光照和阴影的情况下识别率的提升卓有成效，但同时导致一些正常人脸图像特征产生期望之外的改变，这样常常会降低在正常光照条件下的识别率。现有技术的解决方案之一是利用高斯差分(Difference OfGaussian, DOG)滤波。 高斯差分滤波不仅计算量小，并且能够对极端光照条件下的人脸图像进行校正以增强识别效果。但在实际应用中，专利技术人发现仅仅使用高斯差分滤波对人脸图像进行处理会降低正常光照条件下的识别性能。
技术实现思路
本专利技术的实施例提供一种人脸识别方法及装置，能在各种光照条件下进行有效的识别，提高了人脸识别的识别性能。为解决上述技术问题，本专利技术的实施例采用如下技术方案一种人脸识别方法，包括获取要识别的原始人脸测试样本，并对所述原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本；将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将所述滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从所述原始人脸训练样本集中找出所述原始人脸测试样本对应的识别对象；计算得到所述识别对象的所述原始人脸训练样本和所述滤波后的人脸训练样本的总体重构系数分散程度SCI ；根据所述SCI判断所述原始人脸测试样本是否为注册人脸。一种人脸识别装置，包括图像获取单元，用于获取正常光照条件下注册时的原始人脸训练样本，得到原始人脸训练样本集；获取要识别的原始人脸测试样本；滤波处理单元，用于对所述原始人脸训练样本进行高斯差分滤波处理，得到滤波后的人脸训练样本集；对所述原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本；存储单元，用于存储所述原始人脸训练样本集和所述滤波后的人脸训练样本集。计算单元，用于将所述原始人脸测试样本与存储的所述原始人脸训练样本集进行比对，并将所述滤波后的人脸测试样本与存储的所述滤波后的人脸训练样本集进行比对， 从所述原始人脸训练样本集中找出所述原始人脸测试样本对应的识别对象；计算得到所述识别对象的所述原始人脸训练样本和所述滤波后的人脸训练样本的总体重构系数分散程度 SCI ；判断单元，用于根据所述SCI判断所述原始人脸测试样本是否为注册人脸。本专利技术实施例提供的一种人脸识别方法及装置，对要识别的原始人脸测试样本也进行高斯差分滤波处理，得到滤波后的人脸测试样本；然后将原始人脸测试样本与预先存储的原始人脸训练样本集进行比对，将滤波后的人脸测试样本与预先存储的滤波后的人脸训练样本集进行比对，找出该原始人脸测试样本对应的识别对象；最后通过计算该识别对象的原始人脸训练样本和滤波后的人脸训练样本的总体SCI来判断测试人脸是否为注册人脸。这样一来，利用原始人脸集合与高斯滤波后的人脸图像集合的融合，提升了在极端光照条件下以及正常光照条件下的人脸识别率，适用于各种光照条件，扩大了人脸识别设备的适用范围。附图说明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，下面将对实施例或现有技术描述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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的人脸识别方法的流程示意图；图2为本专利技术另一实施例提供的人脸识别方法的流程示意图；图3为本专利技术实施例提供的人脸识别装置的结构框图；图4为本专利技术实施例提供的另一人脸识别装置的结构框图；图5为本专利技术实施例提供的又一人脸识别装置的结构框图。具体实施例方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在以下的各个实施例中，将用户已经预先注册的，数据库中保存的人脸图像称为 “训练样本”，将要进行识别的，当前采集的人脸图像称为“测试样本”。本专利技术实施例提供的人脸识别方法，如图1所示，其方法步骤包括S101、获取要识别的原始人脸测试样本，并对该原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本。在此，要识别的原始人脸测试样本可以是在任何光照条件下采集的，正常或者极端光照环境均可。S102、将原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从原始人脸训练样本集中找出该原始人脸测试样本对应的识别对象。在此，所谓正常光照就是指采集脸部信息的时候不会因为光照环境对脸部造成大量的阴影或者高亮。S103、计算得到识别对象的原始人脸训练样本和滤波后的人脸训练样本的总体重构系数分散程度 SCI (Sparsity Concentration hdex，简称 SCI)。S104、根据该SCI判断该原始人脸测试样本是否为注册人脸。本专利技术实施例提供的人脸识别方法，对要识别的原始人脸测试样本也进行高斯差分滤波处理，得到滤波后的人脸测试样本；然后将原始人脸测试样本与预先存储的原始人脸训练样本集进行比对，将滤波后的人脸测试样本与预先存储的滤波后的人脸训练样本集进行比对，找出该原始人脸测试样本对应的识别对象；最后通过计算该识别对象的原始人脸训练样本和滤波后的人脸训练样本的总体SCI来判断测试人脸是否为注册人脸。这样一来，利用原始人脸集合与高斯滤波后的人脸图像集合的融合，提升了在极端光照条件下以及正常光照条件下的人脸识别率，适用于各种光照条件，扩大了人脸识别设备的适用范围。本专利技术另一实施例提供的人脸识别方法，如图2所示，其方法步骤包括S201、获取正常光照条件下用户注册时的人脸图像，得到正常光照条件下注册的原始人脸训练样本集。同样，所谓正常光照就是指采集脸部信息的时候不会因为光照环境对脸部造成大量的阴影或者高亮。例如走廊、室内或者非强光、非黑暗下的环境。注册的原始人脸训练样本集中包括至少一个类的人脸图像，且每个类的人脸图像为多个。即，有多个不同的用户进行过注册，原始人脸训练样本集中包含多个不同的用户，且每个用户注册是采集的脸部图像有多个，由于本实施采用的是SRC(S-parseR印resentation Classif ication，稀疏表示分类)分类器，故在本实施例中假设每个类的图像为7幅或7幅以上。S202、对该原始人脸训练样本集中的图像进行归一化处理。具体的，可以根据人脸定位把图像裁剪成64 X 64大小的图像，并通过旋转平移以及缩放将眼睛固定在同一个本文档来自技高网...

【技术保护点】
１．一种人脸识别方法，其特征在于，包括：获取要识别的原始人脸测试样本，并对所述原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本；将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将所述滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从所述原始人脸训练样本集中找出所述原始人脸测试样本对应的识别对象；计算得到所述识别对象的所述原始人脸训练样本和所述滤波后的人脸训练样本的总体重构系数分散程度ＳＣＩ；根据所述ＳＣＩ判断所述原始人脸测试样本是否为注册人脸。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括获取要识别的原始人脸测试样本，并对所述原始人脸测试样本进行高斯差分滤波处理，得到滤波后的人脸测试样本；将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将所述滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从所述原始人脸训练样本集中找出所述原始人脸测试样本对应的识别对象；计算得到所述识别对象的所述原始人脸训练样本和所述滤波后的人脸训练样本的总体重构系数分散程度SCI ；根据所述SCI判断所述原始人脸测试样本是否为注册人脸。2.根据权利要求1所述的人脸识别方法，其特征在于，所述方法还包括在进行高斯差分滤波处理之前，对待处理的原始人脸训练样本集或原始人脸测试样本的人脸图像进行归一化处理。3.根据权利要求1或2所述的人脸识别方法，其特征在于，将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，并将所述滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，从所述原始人脸训练样本集中找出所述原始人脸测试样本对应的识别对象，包括将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，得到第一重构系数；将所述滤波后的人脸测试样本与预先存储的经高斯差分滤波后的人脸训练样本集进行比对，得到第二重构系数；根据所述第一重构系数，计算得到原始人脸训练样本集的第一残差值；根据所述第二重构系数，计算得到滤波后的人脸训练样本集的第二残差值；计算得到对应所述第一残差值和第二残差值之和的最小值，并将所述最小值对应的类作为识别对象。4.根据权利要求3所述的人脸识别方法，其特征在于，所述将所述原始人脸测试样本与预先存储的正常光照条件下注册的原始人脸训练样本集进行比对，得到第一重构系数，根据以下公式5.根据权利要求4所述的人脸识别方法，其特征在于，所述根据所述第一重构系数，计算得到原始人脸训练样本集的第一残差值，根据以下公式所述力即为所述第一残差值；所述根据所述第二重构系数，计算得到滤波后的人脸训练样本集的第二残差值，根据以下公式rf{y) = \yd-A5,(xi)\2所述力即为所述第二残差值；其中为χ。中相关于第i类的相关系数和，为Xd中相关于第i类的相关系数和。6.根据权利要求5所述的人脸识别方法，其特征在于，所述计算得到对应所述第一残差值和第二残差值之和的最小值，并将该最小值对应的类作为识别对象，根据以下公式ri{y) = mm(r°{y) + rf(y))所述rjy)即为所述最小值；该A (y)的第i类即为所述识别对象。7.根据权利要求6所述的人脸识别方法，其特征在于，所述计算得到所述识别对象的所述原始人脸训练样本和所述滤波后的人脸训练样本的总体重构系数分散程度SCI，根据以下公式scl = max,.(II ||)/||x Il1-I , .k-\A:*max,(II 矿㈨ Il)/Il Z H1-I k-\ ‘其中，k是类别数。8.根据权利要求1或7所述的人脸识别方法，其特征在于，所述根据所述SCI判断所述原始人脸测试样本是否为注册人...

【专利技术属性】
技术研发人员：黄磊，刘昌平，许力，
申请(专利权)人：汉王科技股份有限公司，
类型：发明
国别省市：11