人脸识别方法及系统技术方案

本发明专利技术提供了一种人脸识别方法及系统，涉及模式识别技术领域。该方法包括步骤：S1、获取原始图像；S2、对所述原始图像进行灰度处理，得到原始灰度图；并依据灰度修正表对所述原始灰度图中的每个像素灰度进行修正和归一化处理，得到最终灰度图片；S3、依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；S4、依据所述等比缩小图片数据组对所述最终灰度图片进行递归特征处理，得到匹配成功的区域数据；S5、依据所述匹配成功的区域数据，获取人脸图片区信息，S6、依据获取的人脸图片区信息，输出人脸识别结果。本发明专利技术实现了在轻量级平台上实现性能良好的实时人脸识别效果。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种人脸识别方法及系统，涉及模式识别
。该方法包括步骤：S1、获取原始图像；S2、对所述原始图像进行灰度处理，得到原始灰度图；并依据灰度修正表对所述原始灰度图中的每个像素灰度进行修正和归一化处理，得到最终灰度图片；S3、依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；S4、依据所述等比缩小图片数据组对所述最终灰度图片进行递归特征处理，得到匹配成功的区域数据；S5、依据所述匹配成功的区域数据，获取人脸图片区信息，S6、依据获取的人脸图片区信息，输出人脸识别结果。本专利技术实现了在轻量级平台上实现性能良好的实时人脸识别效果。【专利说明】人脸识别方法及系统
本专利技术涉及模式识别
，具体涉及一种人脸识别方法及系统。
技术介绍
基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多种生物认证方法中，基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、不需要被测者特殊配合等优点，得到广泛的关注和重视，具有广泛的应用前景。按照功能而言，人脸识别可以分为人脸辨识(Face Identification)和人脸认证(Face Verification)两类。人脸辨识，是指对于待确定身份的一张或多张人脸图像，将其与数据库中保存的所有人的人脸图像进行比对，确定数据库中与其最相像的人，并确定二者是否同一个人。。人脸认证，是指将待确定身份的一张或多张人脸图像，与数据库中其申明身份的人脸图像进行比对，确定二者是否来自同一个人。当前主流的人脸识别技术基本上可以归结为以下几类，基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果；基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等；HARR算法是一种比较新颖的，结合了特征和模板两个概念的人脸识别算法，其特点在于它很好的利用了 AdaBoost算法，较其他算法在同识别率的情况下，速度要快。然而,就当前比较快的HARR算法，在一般的应用电脑中的处理速度也只有不到20帧每秒(图像大小为400 X 300)，在轻量级互动程序中，如FLASH，则更慢。HARR算法如果不经优化的话，在轻量级平台几乎不能实现实时的人脸图像互动处理。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供一种人脸识别方法及系统，以实现在轻量级平台上实现性能良好的实时人脸识别效果。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现:一种人脸识别方法，包括以下步骤:S1、获取人脸的原始图像；S2、对所述原始图像进行灰度处理，得到原始灰度图；并依据灰度修正表对所述原始灰度图中的每个像素灰度进行修正和归一化处理，得到最终灰度图片；S3、依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；S4、依据所述等比缩小图片数据组对所述最终灰度图片进行递归特征处理，得到匹配成功的区域数据；S5、依据所述匹配成功的区域数据，获取人脸图片区信息；S6、依据获取的人脸图片区信息，输出人脸识别结果。优选的，步骤S2中进行灰度处理采用的表达式为:灰度~R*1024/4096+G*512/1024+B*128/1024=>灰度~R?2+G?l+B?3式中，R表示占高24位色彩图片中的8位，G表示占高24位色彩图片中的8位，B表示占高24位色彩图片中的8位，“》”表示移位，“ + ”表示高位和低位进行合并。优选的，步骤S3中预设比例值为0.8。优选的，步骤S4中进行递归特征处理包括步骤:S41、载入Haar模板数据，预设好Adaboost分类器，初始化递归层级重要度表；S42、利用Haar模板对所述等比缩小图片数据组进行递归匹配和Adaboost分类；得到匹配成功的图片区域数据。优选的，步骤S42中进行递归匹配方法为:从排列最后的尺寸最小的图片开始进行匹配判断，逐张图片递归返回，将匹配成功数作为递归当级的重要度数值，基于所述递归层级重要度表，确定递归灵敏度值V_important,如果递归当级重要度超过递归灵敏度值V_important,则进行匹配处理；否则略过返回。优选的，步骤 S5中获取人脸图片区信息方法为:对所述获取匹配成功的图片区域数据进行二次处理，从而获取人脸图片区信息，所述人脸图片区信息包括区域数信息、尺寸大小信息、是否过滤信息以及是否为历史数据信息。优选的，步骤S2后进一步包含对人脸表情识别的步骤S7，S7、先载入各类基准表情灰度照片，将实时人脸截图的表情与基准表情进行相似度匹配，将与各类基准表情匹配取分值最高的和预设阀值比较，如果超过阀值就判断实时表情为此最高值表情，否则表情判定为“淡定”。优选的，步骤S6后进一步包含人脸脸谱处理的步骤S8，S8、对识别出来的人脸图像进行自动添加脸谱的处理，提供实时留影功能，实现系统互动娱乐。本专利技术实施例还提供了一种人脸识别系统，其特征在于，包括以下模块:原始图像获取模块，获取人脸的原始图像；灰度处理及归一化模块，对所述原始图像进行灰度处理，得到原始灰度图；并依据灰度修正表对所述原始灰度图中的每个像素灰度进行修正和归一化处理，得到最终灰度图；获取等比缩小图片数据组模块，依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；递归特征处理模块，依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；获取人脸图片区模块，依据所述等比缩小图片数据组对所述最终灰度图片进行递归特征处理，得到匹配成功的区域数据；人脸识别结果输出模块，依据获取的人脸图片区信息，输出人脸识别结果。优选的，该系统还包括表情识别模块和人脸脸谱处理模块:所述表情识别模块，先载入各类基准表情灰度照片，将实时人脸截图的表情与基准表情进行相似度匹配，将与各类基准表情匹配取分值最高的和预设阀值比较，如果超过阀值就判断实时表情为此最高值表情，否则表情判定为“淡定”;所述人脸脸谱处理模块，对识别出来的人脸图像进行自动添加脸谱的处理，提供实时留影功能，实现系统互动娱乐。(三)有益效果本专利技术通过提供一种人脸识别方法及系统，通过对Haar脸特征提取算法引入了“递归灵敏度值”，提高了系统整体性能，实现在轻量级平台上实现性能良好的实时人脸识别效果。本系统为功能扩展提供能良好地软件、硬件接口，如表情识别模块的加入，多样化外设的接入，如投影仪、红外屏、体感设备等。本系统的框架采取一种“纵向堆砌，横向协作”的构筑模式，这种模式实现了 “单入口，多出口”的开发，既由一项新技术引入，可引申很多相关应用；此外此框架很好的解决了轻量级平台和重量级平台的融合问题，结合了后台强大的数据处理性能以及前台方便快捷的界面开发，大大增加了多媒体互动平台的亲和力和良好的体验感。【专利附图】【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中的本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括以下步骤：S1、获取人脸的原始图像；S2、对所述原始图像进行灰度处理，得到原始灰度图；并依据灰度修正表对所述原始灰度图中的每个像素灰度进行修正和归一化处理，得到最终灰度图片；S3、依据预设比例值，将所述最终灰度图片进行等比缩小比例处理，获取等比缩小图片数据组；S4、依据所述等比缩小图片数据组对所述最终灰度图片进行递归特征处理，得到匹配成功的区域数据；S5、依据所述匹配成功的区域数据，获取人脸图片区信息；S6、依据获取的人脸图片区信息，输出人脸识别结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：贺杰巨，周新华，
申请(专利权)人：湖南华凯创意展览服务有限公司，上海华凯展览展示工程有限公司，
类型：发明
国别省市：