一种多光谱人脸识别方法及其系统技术方案

本发明专利技术涉及一种多光谱人脸识别方法及其系统，其特征在于包括多光谱成像系统、彩色相机、人脸识别模块、数据存储模块、中心控制模块和光谱仪；多光谱成像系统将拍摄的人脸图像数据输出至人脸识别模块，人脸识别模块根据数据存储模块中的标准人脸数据库的信息进行识别，然后将识别的结果进行输出；中心控制模块控制多光谱成像系统的图像摄取和人脸识别模块的识别；所述多光谱成像系统包括物镜、液晶可调滤光片和CCD相机；在CCD相机的CCD镜头前设有液晶可调滤光片，液晶可调滤光片的前端设有物镜。本方法的人脸图像中多特征的提取，也使得识别过程中类间距离更明显，识别算法的可分离性更强，有利于提高识别效果。

【技术实现步骤摘要】

本专利技术涉及生物特征识别领域，具体涉及一种多光谱人脸识别方法及其系统。
技术介绍
作为生物特征识别技术的一种，人脸识别具有直接、友好、自然、高可接受性的特点，使用者无任何心理障碍，且图像采集方便；另外，我们还能够对人脸识别的结果作进一步的分析，获取诸如性别、表情、年龄等额外的丰富信息，因此该技术得到了广泛的研究与应用。当前，人脸识别技术主要被应用于视频监控、入口控制、刑侦破案、证件验证等方面，此外人脸识别技术在医学、档案管理、视频会议等领域也有着巨大的应用前景。目前，人脸识别系统及相关技术主要是基于普通RGB彩色图像的人脸识别，这也是人们最熟悉的识别方式。理想情况下，一个鲁棒的人脸检测和识别系统能够在无约束条件下辨别不同的人脸，同时它也可以对距离较远的目标进行辨别。但人脸表情、化妆、眼镜、脸部散落的头发等因素的改变都会使人脸产生差异，而光照、相机视角、相机的辐射响应等外部因素也会导致所获得人脸图像产生巨大的变化。基于传统成像系统的人脸识别技术由于仅仅利用了观测对象的空间几何特征，对于各种条件变化带来的不确定性非常敏感，只有在外部因素和内部因素受限的情况下才能获得较满意的效果，而在不受控环境下识别性能会急剧下降，因此有着难以克服的缺陷。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种多光谱人脸识别方法及其系统，多光谱图像是由多光谱成像仪从可见光到近红外的几十甚至数百个连续的窄波段内获取的图像，不同波段的信息代表了被观测对象在不同光谱频段的辐射/反射情况，具有明确的物理意义。多通道光谱成像，尤其是多光谱成像的生物特征探测能够在获取传统的生物体空间特征信息的基础上，同时获取生物体的光谱特征信息。相关研究表明，皮肤的光谱特性可以反映出皮肤色彩的唯一性，不同的人的皮肤具有不同的光谱特性，这就为利用光谱 信息识别确认具体身份的对象提供了可能。将多光谱成像应用于人脸识别，可探测到传统光学图像无法探测到的光谱信息，不仅可以提高识别算法的稳定性，更能避免化妆、仿制等手段造成的伪装欺骗，有利于整体提升人脸识别系统的可靠性。技术方案一种多光谱人脸识别方法，其特征在于步骤如下步骤I :从多光谱人脸图像上提取五个区域头发、前额、左脸颊、右脸颊和嘴唇；步骤2 :进入探测器的辐射强度Lg与反射率R之间有线性关系Lg = kXR+b，根据反演模型「 ,Σ/)Λ 'Σ尺k= ^~~~ Λ/Σ"ν-(Σλν,权利要求1.一种多光谱人脸识别方法，其特征在于步骤如下 步骤I:从多光谱人脸图像上提取五个区域头发、前额、左脸颊、右脸颊和嘴唇； 步骤2 :进入探测器的辐射强度Lg与反射率R之间有线性关系Lg = kXR+b，根据反演模型 上式中，DNi为图像上的一样本区域的灰度值，Ri为光谱仪所得的对应区域光谱反射率，N为样本区域内的像素数，求和对N个点求和； 通过最小二乘法计算多光谱人脸图像的光谱反射率和灰度的关系参数k，b ； 步骤3 求取头发区域的光谱反射率对于每个人脸头发区域，先进行经验线性法反演，根据灰度DNhi得到反射率数据Rh(x，y, Ai) = (DNhi (x, y, λ ^ -b) /k，通过. 得到光谱反射率向量Rh = (RhU1), RhU2), ...RhUd)'其中，R(x, y, λ )是 λ i 的波段、像素(x, y)处的反射率，In为波段数，对所选人脸头发方块区域内所有像素求和； 求取前额区域的光谱反射率对于每个人脸前额区域，先进行经验线性法反演，根据灰度DNfi得到反射率数据Rf(x，y, Ai) = (DNfi (x, y, λ ^ -b) /k，通过t11得到光谱反射率向量Rf =(RfU1), RfU2), ...RfUm))'其中，R(x, y,入D是入i的波段、像素(x, y)处的反射率，In为波段数，对所选人脸前额方块区域内所有像素求和； 求取左脸颊区域的光谱反射率对于每个人脸左脸颊区域，先进行经验线性法反演，根据灰度DNki得到反射率数据Rlc (X，y,入i) = (DNlci (x, y, λ ^ -b) /k,通过只! 儿)=Τ7ΣΛ ，> )'= V,得到光谱反射率向量Rlc = IN x.y(RlcUi^RkUi),. · .Rle(Xln) ) τ ;其中，R (X，y，λ J 是 λ i 的波段、像素(X，y)处的反射率，In为波段数，对所选人脸左脸颊方块区域内所有像素求和； 求取右脸颊区域的光谱反射率对于每个人脸右脸颊区域，先进行经验线性法反演，根据灰度DNm得到反射率数据K x, A i=) PHc从尹’,)，通过 得到光谱反射率向量Rm =(Rrc U1) ,Rrc(X2)，... Rre(Xln) )τ;其中，R (X，y，λ J 是 λ i 的波段、像素(X，y)处的反射率，In为波段数，对所选人脸右脸颊方块区域内所有像素求和； 求取嘴唇区域的光谱反射率对于每个人脸嘴唇区域，先进行经验线性法反演，根据灰度DNli得到反射率数据R1Uj, Ai) = (DNli (x, y, λ ^ -b) /k，通过2.一种实现权利要求I所述多光谱人脸识别方法的系统，其特征在于包括多光谱成像系统、彩色相机、人脸识别模块、数据存储模块、中心控制模块和光谱仪；多光谱成像系统将拍摄的人脸图像数据输出至人脸识别模块，人脸识别模块根据数据存储模块中的标准人脸数据库的信息进行识别，然后将识别的结果进行输出；中心控制模块控制多光谱成像系统的图像摄取和人脸识别模块的识别；所述多光谱成像系统包括物镜(6)、液晶可调滤光片(3)和CXD相机(5);在CXD相机(5)的CXD镜头前设有液晶可调滤光片(3)，液晶可调滤光片(3)的前端设有物镜(6)。全文摘要本专利技术涉及一种多光谱人脸识别方法及其系统，其特征在于包括多光谱成像系统、彩色相机、人脸识别模块、数据存储模块、中心控制模块和光谱仪；多光谱成像系统将拍摄的人脸图像数据输出至人脸识别模块，人脸识别模块根据数据存储模块中的标准人脸数据库的信息进行识别，然后将识别的结果进行输出；中心控制模块控制多光谱成像系统的图像摄取和人脸识别模块的识别；所述多光谱成像系统包括物镜、液晶可调滤光片和CCD相机；在CCD相机的CCD镜头前设有液晶可调滤光片，液晶可调滤光片的前端设有物镜。本方法的人脸图像中多特征的提取，也使得识别过程中类间距离更明显，识别算法的可分离性更强，有利于提高识别效果。文档编号G06K9/20GK102831400SQ201210271210公开日2012年12月19日 申请日期2012年7月31日 优先权日2012年7月31日专利技术者赵永强, 杨劲翔, 张清勇 申请人:西北工业大学本文档来自技高网...

【技术保护点】
一种多光谱人脸识别方法，其特征在于步骤如下：步骤1：从多光谱人脸图像上提取五个区域：头发、前额、左脸颊、右脸颊和嘴唇；步骤2：进入探测器的辐射强度Lg与反射率R之间有线性关系：Lg＝k×R+b，根据反演模型：k=NΣ(DNiRi)-ΣDNiΣRiNΣRi2-(ΣRi)2b=Σ(DNiRi)-kΣRi2ΣRi上式中，DNi为图像上的一样本区域的灰度值，Ri为光谱仪所得的对应区域光谱反射率，N为样本区域内的像素数，求和对N个点求和；通过最小二乘法计算多光谱人脸图像的光谱反射率和灰度的关系参数k，b；步骤3求取头发区域的光谱反射率：对于每个人脸头发区域，先进行经验线性法反演，根据灰度DNhi得到反射率数据：Rh(x,y,λi)＝(DNhi(x,y,λi)？b)/k，通过得到光谱反射率向量Rh＝(Rh(λ1),Rh(λ2),...Rh(λ1n))T；其中，R(x,y,λi)是λi的波段、像素(x,y)处的反射率，In为波段数，对所选人脸头发方块区域内所有像素求和；求取前额区域的光谱反射率：对于每个人脸前额区域，先进行经验线性法反演，根据灰度DNfi得到反射率数据：Rf(x,y,λi)＝(DNfi(x,y,λi)？b)/k，通过得到光谱反射率向量Rf＝(Rf(λ1),Rf(λ2),...Rf(λ1n))T；其中，R(x,y,λi)是λi的波段、像素(x,y)处的反射率，In为波段数，对所选人脸前额方块区域内所有像素求和；求取左脸颊区域的光谱反射率：对于每个人脸左脸颊区域，先进行经验线性法反演，根据灰度DNlci得到反射率数据Rlc(x,y,λi)＝(DNlci(x,y,λi)？b)/k，通过得到光谱反射率向量Rlc＝(Rlc(λi),Rlc(λi),...Rlc(λ1n))T；其中，R(x,y,λi)是λi的波段、像素(x,y)处的反射率，In为波段数，对所选人脸左脸颊方块区域内所有像素求和；求取右脸颊区域的光谱反射率：对于每个人脸右脸颊区域，先进行经验线性法反演，根据灰度DNrc得到反射率数据通过得到光谱反射率向量Rrc＝(Rrc(λ1),Rrc(λ2),...Rrc(λ1n))T；其中，R(x,y,λi)是λi的波段、像素(x,y)处的反射率，In为波段数，对所选人脸右脸颊方块区域内所有像素求和；求取嘴唇区域的光谱反射率：对于每个人脸嘴唇区域，先进行经验线性法反演，根据灰度DNli得到反射率数据Rl(x,y,λi)＝(DNli(x,y,λi)？b)/k，通过得到光谱反射率向量Rl＝(Rl(λ1),Rl(λ2),...Rl(λ1n))T；其中，R(x,y,λi)是λi的波段、像素(x,y)处的反射率，In为波段数，对所选人脸嘴唇方块区域内所有像素求和；步骤4：对各个区域的光谱分别采用包络线消除法分析光谱。设光谱曲线数组为R(i),i＝0,1,2,...k？1，波长数组为W(i),i＝0,1,2...k？1，具体步骤如下：步骤a：i＝0,将R(i)、W(i)带入包络线节点列表；步骤b：求新的包络线节点，如果i＝k？1,结束；否则，令j＝i+1,继续循环；步骤c：检查直线(i,j)与光谱曲线W(i)的交点，如果j＝k？1，结束，将R(i)、W(i)加入到包络线节点表中，否则：1）m＝j+12）如果m＝j？1完成检查，j是包络线上的节点，将R(i)、W(i)加入到包络线节点表中，i＝j，转到步骤b；3）求直线(i,j)和光谱曲线W(i)的交点r1(m)；4）如果R(m)＞r1(m，则j不是包络线上的点，j＝j+1,转到步骤c；如果R(m)SAI=dRS1+(1-d)RS2RM,其中：中心波长M为反射率曲线上极小值点对应的波长位置；RS1、λS1为反射率曲线上吸收左肩端S1的反射率和波长位置；RM、λM为反射率曲线上吸收点M的反射率和波长位置；RS2、λS2为反射率曲线上吸收右肩端S2的反射率和波长位置；反射率曲线上吸收右肩端与吸收左肩端的波长差为吸收宽度W＝λS2？λS1；反射率曲线上光谱吸收深度D＝|1？RM|；步骤6：计算上述5个区域的组织类型t处人脸样本i到样本j的距离，通过马氏距离来定义：Dt′(i,j)=(SAI‾t(i)-SAI‾t(j))TΣt-1(SAI‾t(i)-SAI‾t(j))人脸样本i到样本j的距离为D(i,j)＝ωfDf(i,j)+ωlc...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵永强，杨劲翔，张清勇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：