一种人脸识别方法及装置制造方法及图纸

本申请公开了一种人脸识别方法及装置，所述方法包括获取待测人脸图像中每个像素点的梯度数据，依据梯度数据中的梯度幅度值，获取每个像素点的邻域内每个梯度方向值对应的累加幅度值；依据每个累加幅度值，获取待测人脸图像在每个梯度方向值上各自对应的累加幅度图；依据累加幅度图，获取待测人脸图像的纹理匹配特征；对纹理匹配特征进行分类，得到待测人脸图像的人脸类别信息。相对于现有方案中仅将局部方向信息作为识别计算基础导致人脸识别准确率低的情况，本申请提取的定向幅值特征充分通过像素点在不同梯度方向上的幅度值与周围邻域幅度值进行计算获得，进而进行人脸识别得到人脸类别信息，提高了人脸识别的准确率。

Face recognition method and device

The invention discloses a device and a method for face recognition, the method comprises obtaining gradient data of each pixel in facial image to be measured according to the gradient amplitude gradient values in the data acquisition, each gradient direction of every pixel within the cumulative value of amplitude values corresponding to each basis; cumulative amplitude values obtained under test face image amplitude value adding map corresponding to each gradient direction; on the basis of the cumulative amplitude map, obtaining the test face image texture feature matching; classification of texture feature matching, get the test face image for face category information. Compared with the existing schemes only local direction information leads to low recognition rate as recognition based on directional amplitude characteristics of this application fully extracted through the pixel in different directions of gradient amplitude values were calculated with neighborhood amplitude values, and face recognition face category information, improve the accuracy of face recognition.

【技术实现步骤摘要】
一种人脸识别方法及装置
本申请涉及计算机应用
，特别涉及一种人脸识别方法及装置。
技术介绍
人脸识别是指，对待测图片中的人脸进行识别得到该人脸类别或标识，即为，通过将待测图片的人脸图像与具有已知人脸类别或标识的目标人脸图像进行特征匹配，得到待测人脸图像的类别或标识。目前，常见的基于梯度信息的人脸识别方法，主要是基于HOG(梯度直方图)的人脸识别方法，即为:将待测人脸图像分成无重叠的若干个网格Block，每个Block分成若干个小块Cell，然后在每个Block上以Cell为单位计算梯度方向和幅值，在每个Block内再对每一个Cell统计梯度方向直方图,然后将Block内各Cell的直方图连成一个向量,再对每一个块的直方图向量进行归一化，之后，将所有归一化后的直方图向量串联用于表示人脸HOG特征，进而测量不同人脸特征间的距离，并用最近邻分类器识别人脸，最终得到待测人脸的类别信息。但是，上述基于HOG的方案中仅仅将局部的方向信息作为识别计算基础，且用于匹配分类的HOG特征仅仅是对局部区域内分布在不同方向上像素点个数的简单统计，因此，该方案进行人脸识别的准确率较低。
技术实现思路
本申请所要解决的技术问题是提供一种人脸识别方法及装置，用以解决现有技术中基于HOG的人脸识别方案中，仅将局部的方向信息作为识别计算基础，且其进行匹配分类的HOG特征仅仅是对局部区域内分布在不同方向上像素点个数的简单统计，使得该方案进行人脸识别准确率较低的技术问题。本申请提供了一种人脸识别方法，包括:获取待测人脸图像中每个像素点的梯度数据，所述梯度数据包括梯度方向值和梯度幅度值；依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值；依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图；依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征；对所述纹理匹配特征进行分类，得到所述待测人脸图像的人脸类别信息。上述方法，优选的，在所述获取待测人脸图像中每个像素点的梯度数据之后，在所述获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值之前，所述方法还包括:对每个所述像素点的梯度方向值进行N区间的量化操作，得到每个所述像素点的梯度方向值对应的方向量化区间值，其中，N大于或等于2 ；其中，所述依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值，包括:在每个所述像素点的邻域内，对具有相同方向量化区间值的像素点的梯度幅度值进行累加，得到每个所述像素点的邻域内N个所述方向量化区间值各自对应的累加幅度值。上述方法，优选的，所述依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图，包括:在所述待测人脸图像中，对每个所述像素点对应的N个累加幅度值依据其各自的方向量化区间值进行分解；将同一方向量化区间值对应的每个所述像素点的累加幅度值进行组合，得到每个所述方向量化区间值各自对应的累加幅度图。上述方法，优选的，所述依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征，包括:利用局部二值模式LBP，获取每幅所述累加幅度图各自对应的LBP纹理图；分别对每幅所述LBP纹理图进行特征提取操作，生成所述待测人脸图像的纹理匹配特征。上述方法，优选的，所述分别对每幅所述LBP纹理图进行特征提取操作，生成所述待测人脸图像的纹理匹配特征，包括:分别将每幅所述LBP纹理图划分为至少一个纹理图块；提取每个所述纹理图块的直方图特征；将每个所述纹理图块对应的直方图特征进行串联组合，得到所述待测人脸图像的纹理匹配特征。本申请还提供了一种人脸识别装置，包括:梯度数据获取单元，用于获取待测人脸图像中每个像素点的梯度数据，所述梯度数据包括梯度方向值和梯度幅度值；累加幅度值获取单元，用于依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值；累加幅度图获取单元，用于依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图；匹配特征获取单元，用于依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征；类别信息获取单元，用于对所述纹理匹配特征进行分类，得到所述待测人脸图像的人脸类别信息。上述装置，优选的，还包括:梯度方向量化单元，用于在所述梯度数据获取单元获取待测人脸图像中每个像素点的梯度数据之后，在所述累加幅度值获取单元获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值之前，对每个所述像素点的梯度方向值进行N区间的量化操作，得到每个所述像素点的梯度方向值对应的方向量化区间值，其中，N大于或等于2 ；其中，所述累加幅度值获取单元具体用于:对每个所述像素点的邻域内，对具有相同方向量化区间值的像素点的梯度幅度值进行累加，得到每个所述像素点的邻域内N个所述方向量化区间值各自对应的累加幅度值。上述装置，优选的，所述累加幅度图获取单元，包括:累加幅度值分解子单元，用于在所述待测人脸图像中，对每个所述像素点对应的N个累加幅度值依据其各自的方向量化区间值进行分解；累加幅度图组合子单元，用于将同一方向量化区间值对应的每个所述像素点的累加幅度值进行组合，得到每个所述方向量化区间值各自对应的累加幅度图。上述装置，优选的，所述匹配特征获取单元，包括:纹理图获取子单元，用于利用局部二值模式LBP，获取每幅所述累加幅度图各自对应的LBP纹理图；纹理图操作获取子单元，用于分别对每幅所述LBP纹理图进行特征提取操作，生成所述待测人脸图像的纹理匹配特征。上述装置，优选的，所述纹理图操作获取子单元，包括:纹理图分块模块，用于分别将每幅所述LBP纹理图划分为至少一个纹理图块；特征提取模块，用于提取每个所述纹理图块的直方图特征；特征组合模块，用于将每个所述纹理图块对应的直方图特征进行串联组合，得到所述待测人脸图像的纹理匹配特征。由上述方案可知，本申请提供的一种人脸识别方法及装置，通过获取待测人脸图像中每个像素点的梯度方向值和梯度幅度值，在利用梯度方向值和梯度幅度值获取待测人脸图像中每个像素点邻域内每个梯度方向值对应的累加幅度值，进而获取到所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图，进而获取到待测人脸图像的纹理匹配特征，从而对纹理匹配特征进行分类，得到人脸类别信息。相对于现有的HOG方案中仅将局部方向信息作为识别计算基础，且用于匹配分类的HOG特征仅仅是对局部区域内分布在不同方向上像素点个数的简单统计，导致人脸识别准确率低的情况，本申请提取的定向幅值特征充分通过像素点在不同梯度方向上的幅度值与周围邻域幅度值进行计算获得，进而进行人脸图像的识别，得到人脸类别信息，提高了人脸识别的准确率。【附图说明】为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请提供的一种人脸识别方法实施例一的流程图；图2为本申请实施例一的应用示例图；图3为本申请提供的一种人脸识别方法实施例二的流程图；图4为本申请实施例二的应用示本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：获取待测人脸图像中每个像素点的梯度数据，所述梯度数据包括梯度方向值和梯度幅度值；依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值；依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图；依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征；对所述纹理匹配特征进行分类，得到所述待测人脸图像的人脸类别信息。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括: 获取待测人脸图像中每个像素点的梯度数据，所述梯度数据包括梯度方向值和梯度幅度值； 依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值； 依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图； 依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征； 对所述纹理匹配特征进行分类，得到所述待测人脸图像的人脸类别信息。2.根据权利要求1所述的方法，其特征在于，在所述获取待测人脸图像中每个像素点的梯度数据之后，在所述获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值之前，所述方法还包括: 对每个所述像素点的梯度方向值进行N区间的量化操作，得到每个所述像素点的梯度方向值对应的方向量化区间值，其中，N大于或等于2 ; 其中，所述依据所述梯度幅度值，获取每个所述像素点的邻域内每个所述梯度方向值对应的累加幅度值，包括: 在每个所述像素点 的邻域内，对具有相同方向量化区间值的像素点的梯度幅度值进行累加，得到每个所述像素点的邻域内N个所述方向量化区间值各自对应的累加幅度值。3.根据权利要求2所述的方法，其特征在于，所述依据每个所述累加幅度值，获取所述待测人脸图像在每个所述梯度方向值上各自对应的累加幅度图，包括: 在所述待测人脸图像中，对每个所述像素点对应的N个累加幅度值依据其各自的方向量化区间值进行分解； 将同一方向量化区间值对应的每个所述像素点的累加幅度值进行组合，得到每个所述方向量化区间值各自对应的累加幅度图。4.根据权利要求1或3所述的方法，其特征在于，所述依据所述累加幅度图，获取所述待测人脸图像的纹理匹配特征，包括: 利用局部二值模式LBP，获取每幅所述累加幅度图各自对应的LBP纹理图； 分别对每幅所述LBP纹理图进行特征提取操作，生成所述待测人脸图像的纹理匹配特征。5.根据权利要求4所述的方法，其特征在于，所述分别对每幅所述LBP纹理图进行特征提取操作，生成所述待测人脸图像的纹理匹配特征，包括: 分别将每幅所述LBP纹理图划分为至少一个纹理图块； 提取每个所述纹理图块的直方图特征； 将每个所述纹理图块对应的直方图特征进行串联组合，得到所述待测人脸图像的纹理匹配特征。6.一种人脸识别装置，其特征在于，包括: 梯...

【专利技术属性】
技术研发人员：吴希贤，
申请(专利权)人：湖南创合制造有限公司，
类型：发明
国别省市：