專利名稱：：人臉皮膚斑痣點檢測及利用皮膚斑痣識別人臉的方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及人臉識別領(lǐng)域，特別涉及一種利用皮膚斑痣識別人臉的方法。
背景技術(shù)：
：人臉識別在圖像處理領(lǐng)域中具有廣泛的應(yīng)用?，F(xiàn)有的人臉識別方法主要是從人臉圖像上提取全局特征(如整幅圖像的灰度特征、Fourier特征、DCT特征等)或局部特征(如Gabor特征、LBP特征等)，然后利用所提取的全局特征或局部特征來實現(xiàn)人臉的識別。隨著攝影、攝像設(shè)備的不斷進(jìn)步，通過這些設(shè)備所能獲取圖像的分辨率也在不斷提高，相應(yīng)的，圖像所能表達(dá)的皮膚紋理信息也將更加明顯。因此，利用皮膚紋理信息來實現(xiàn)人臉的識別已經(jīng)成為人臉識別方法的新的發(fā)展方向。在現(xiàn)有技術(shù)中已經(jīng)存在利用皮膚紋理信息來識別人臉的相關(guān)方法。在參考文獻(xiàn)1"Jean_S'ebastienPierrard，ThomasVetter，'SkinDetailAnalysisforFaceRecognition',Proceedingsofthe2007ConferenceonComputerVisionandPatternRecognition，，禾口參考文獻(xiàn)2"AnilK.JainandUnsangPark,'FACIAL廳KS:SOFTBI0METRICFORFACERECOGNITION'，IEEEInternationalConferenceonImageProcessing(ICIP)，2009"中，都提出了利用皮膚紋理信息來做人臉識別的相關(guān)方法。該類方法主要包括以下步驟步驟1)、對輸入的人臉圖像利用多尺度的Blob檢測子進(jìn)行Blob點檢測。步驟2)、通過主動形狀模型(參見參考文獻(xiàn)1)或三維形變模型(3匿orphableModel)(參見參考文獻(xiàn)2)獲取人臉圖像的皮膚區(qū)域。步驟3)、根據(jù)步驟2)得到的皮膚模板，找到皮膚區(qū)域上的Blob點集合。步驟4)、對步驟3)所得到的Blob點集合，計算Blob點的顯著性并選擇出顯著度量值足夠大的Blob點。步驟5)、根據(jù)步驟4)得到的Blob點，直接利用Blob點的空間位置(參見參考文獻(xiàn)l)或特征點的顯著性(參見參考文獻(xiàn)2)進(jìn)行匹配，將匹配結(jié)果作為兩幅圖像的相似度。從對上述方法的步驟描述可以看出，現(xiàn)有技術(shù)直接利用Blob點來計算圖像的相似度，但在實際應(yīng)用中，Blob點之間存在較大的差異性，如果不分情況，將所有的Blob點都等同看待，將會影響最后計算得到的相似度的準(zhǔn)確性。
發(fā)明內(nèi)容本發(fā)明的目的是克服現(xiàn)有技術(shù)不對Blob點加以區(qū)分，影響相似度計算結(jié)果準(zhǔn)確性的缺陷，從而提供一種利用皮膚斑痣識別人臉的方法。為了實現(xiàn)上述目的，本發(fā)明提供了一種人臉皮膚斑痣點檢測方法，包括步驟1)、檢測人臉圖像中人臉皮膚上的斑痣點；步驟2)、計算人臉圖像的斑痣點的顯著性及特征，并根據(jù)所述顯著性對所述斑痣點分層。上述技術(shù)方案中，所述的步驟2)包括步驟2-1)、計算斑痣點的顯著性；步驟2-2)、將用于表示斑痣點顯著性的整個數(shù)值區(qū)間分成N個區(qū)間，將各個斑痣點按照其顯著性的大小劃分到對應(yīng)的區(qū)間內(nèi)；步驟2-3)、計算斑痣點的特征。上述技術(shù)方案中，在所述的步驟2-1)和步驟2-2)之間還包括將所述斑痣點用于表示顯著性的數(shù)值與一閾值進(jìn)行比較，舍去低于該閾值的斑痣點。上述技術(shù)方案中，所述的步驟2-3)包括步驟2-3-1)、將斑痣點所在的圖像塊歸一到一個相同的尺度；步驟2-3-2)、與不同尺度方向的Gabor核巻積并計算每個尺度方向核巻積結(jié)果的均值；步驟2-3-3)、將所有核的響應(yīng)組合為一個向量來表示當(dāng)前斑痣點的特征。上述技術(shù)方案中，所述的步驟1)包括步驟1-1)、輸入包含人臉的圖像；步驟1-2)、定位人臉上的特征點，所述特征點用于描述人臉上的器官；步驟1-3)、裁剪出人臉圖像，得到待識別人臉圖像；步驟1-4)、在所述待識別人臉圖像上初步檢測斑痣點，得到候選斑痣點；步驟1-5)、從所述候選斑痣點中去除位于圖像邊緣附近的點；步驟1-6)、根據(jù)步驟1-2)得到的特征點從所述候選斑痣點中去除位于人臉器官上的點。本發(fā)明還提供了一種利用皮膚斑痣識別人臉的方法，包括步驟1)、采用所述的人臉皮膚斑痣點檢測方法檢測出待識別人臉圖像上分層次的斑痣點；步驟2)、計算所述待識別人臉圖像各層斑痣點與標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次斑痣點之間的空間距離和相似度，進(jìn)而計算每一層上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度；所述標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次斑痣點由所述的人臉皮膚斑痣點檢測方法生成；步驟3)、根據(jù)所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像在每一層上的相似度來計算這兩幅圖像之間的整體相似度。上述技術(shù)方案中，所述的步驟2)包括步驟2-1)、提取所述待識別人臉圖像中某一層次的斑痣點，提取標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次的斑痣點；步驟2-2)、計算待識別人臉圖像中的已提取斑痣點與標(biāo)準(zhǔn)人臉圖像中已提取斑痣點之間的空間距離以及相似度；步驟2-3)、根據(jù)步驟2-2)的計算結(jié)果確定形成匹配的斑痣點對；步驟2-4)、由步驟2-3)所得到的形成匹配的斑痣點對的數(shù)目確定在該層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度；步驟2-5)、重復(fù)步驟2-1)到步驟2-4)，完成對所有層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度的計算。上述技術(shù)方案中，在所述的步驟2-3)中，兩個斑痣點的空間距離小于閾值t，且兩個斑痣點的相似度大于閾值l，則這兩個斑痣點為匹配的斑痣點對。上述技術(shù)方案中，所述的步驟3)包括步驟3-l)、根據(jù)各個層次上的斑痣點在人臉識別過程中所起作用的不同，為各層斑痣點設(shè)定加權(quán)值；步驟3-2)、結(jié)合各個層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度以及各自的加權(quán)值，得到兩幅圖像之間的整體相似度。上述技術(shù)方案中，在所述的步驟3-1)中，所述的加權(quán)值用下列公式計算得到1w;=-其中，percent表示第i層的斑痣點數(shù)目占所有斑痣點數(shù)目的百分比。上述技術(shù)方案中，在所述的步驟3)中，標(biāo)準(zhǔn)人臉圖像的斑痣點信息從已存儲的信息中讀取，或采用所述的人臉皮膚斑痣點檢測方法實時生成。本發(fā)明的優(yōu)點在于本發(fā)明將斑痣點分層，然后利用分層后的斑痣點計算待比較圖像間的相似度，提高了人臉識別的準(zhǔn)確性。圖1為從人臉上提取斑痣點的示例圖；圖2為人臉上特征點的分布示意圖；圖3為斑痣點顯著性計算的示意圖；圖4為根據(jù)分層的斑痣點計算圖像相似度的示例圖。具體實施例方式本發(fā)明需要根據(jù)人臉皮膚上的斑痣點來實現(xiàn)人臉的識別，其中所提到的斑痣點是指與人臉皮膚基色有異的點，如人臉上的雀斑、暗瘡、傷疤等都會形成斑痣點。本發(fā)明在做人臉識別時，首先需要找出人臉上的斑痣點，然后再利用斑痣點將待識別的人臉與作為比較對象的標(biāo)準(zhǔn)人臉進(jìn)行比較。其中，在提取斑痣點時，根據(jù)斑痣點的顯著性將斑痣點分為多個層次，使得在人臉識別時可以將兩個待比較圖像的斑痣點分層次依次比較，得到各層斑痣點的相似度，最后計算出兩個待比較圖像間的整體相似度。由所述整體相似度也就能夠?qū)崿F(xiàn)人臉的識別。下面結(jié)合附圖和具體實施方式對本發(fā)明的具體實現(xiàn)細(xì)節(jié)予以說明。在前面的說明中已經(jīng)提到，要實現(xiàn)人臉識別至少需要有一個待識別的人臉圖像以及一個標(biāo)準(zhǔn)人臉圖像。無論是待識別人臉圖像還是標(biāo)準(zhǔn)人臉圖像，從圖像中提取斑痣點的操作并無不同，因此，在下面的說明中以任一圖像為例，對人臉皮膚上斑痣點的提取予以說明。如圖1所示，在得到一幅包含人臉的圖像后，首先定位人臉上的特征點。本發(fā)明中所述的特征點是指能夠用來指示人臉上特別部位的點，如用來指示嘴巴、鼻子、眉毛、眼睛的點。人臉特征點的定位可以采用現(xiàn)有技術(shù)中的多種方法，如主動形狀模型法(ASM模型)、6主動表現(xiàn)模型法(AAM模型)。本實施例中采用了主動形狀模型(ASM模型)來定位人臉特征點，一共得到了103個特征點，圖2示出了這些特征點的位置分布。上述特征點的定位將有利于后續(xù)步驟中人臉圖像的裁剪以及人臉皮膚上斑痣點的提取，在下面的描述中會有進(jìn)一步的說明。圖1中示出了提取特征點以后的人臉圖像。由于在前文中所提到的包含人臉的圖像中，人臉區(qū)域的面積可能占整個圖像面積的很大一部分，也可能只占一小部分，因此，出于方便比對以及確保比對結(jié)果正確性的考慮，需要將人臉圖像從整個圖像中裁剪出來，后續(xù)的操作都將在裁剪后的人臉圖像上進(jìn)行。在裁剪的過程中，可以運(yùn)用前一步驟所得到的特征點，裁剪所使用的方法可以采用現(xiàn)有技術(shù)中的相關(guān)方法。例如，根據(jù)用于表示眼睛位置的特征點，對輸入的人臉圖像進(jìn)行仿射變換以裁剪出人臉區(qū)域。為了方便比對，所得到的所有裁剪的人臉圖像最好固定到一個統(tǒng)一的尺寸上(如300X400像素)。在圖1中同樣示出了裁剪后的人臉圖像。在得到裁剪后的人臉圖像后，就要在該圖像上檢測斑痣點。在前文中已經(jīng)提到人臉上的斑痣點是指與人臉皮膚基色有異的點，具體的說，人臉上的斑痣點大多是中間暗周邊亮的區(qū)域。根據(jù)這一特征，在本實施例中可采用多尺度的Blob檢測子(如高斯差分算子)來檢測人臉上不同尺度上的Blob點。對一幅輸入圖像I，通過多尺度Blob點檢測，可以獲得各個檢測點的位置(x，y)以及Blob檢測子的響應(yīng)Res。當(dāng)然，對Blob點的檢測還可以采用現(xiàn)有技術(shù)中的其他方法，如高斯-拉普拉斯算子，最大穩(wěn)定極值區(qū)域(MaximallyStableExtremeRegion,MSER)都可以用來檢測Blob點。本步驟所得到的檢測結(jié)果可以被稱為候選斑痣點。在斑痣點的檢測結(jié)果中，存在著這樣一種例外一些落在圖像邊緣附近的點由于所在區(qū)域也有較大的對比度，從而在Blob檢測器上會有比較大的響應(yīng)，因此，這些點也會被檢測為斑痣點。這一現(xiàn)象顯然會影響到最后的識別結(jié)果的準(zhǔn)確性，需要將這些點從候選斑痣點中刪除。考慮到這些點沿邊緣方向有比較大的主曲率但垂直于邊緣方向上的值很小，因此本實施例中，通過計算給定點的Hessian矩陣的行列式與跡，可以將這些不滿足條件的Blob點去除。對于給定的第i個Blob點，其Hessian矩陣定義如下1"-<formula>formulaseeoriginaldocumentpage7</formula>(1)其中，Dxx表示圖像沿x方向的二階梯度，Dxy表示圖像先沿x方向計算梯度再沿y方向計算梯度，Dyy表示圖像沿y方向的二階梯度。該點的跡與行列式如下面的公式所示Tr(H)=Dxx+Dyy=a+0(2)Det(H)=DxxDyy-(Dxy)2=a|3(3)其中，a禾P|3分別表示矩陣H的兩個特征值且a>|3。假定特征值a是特征值|3的r倍，即a=r|3，則有<formula>formulaseeoriginaldocumentpage7</formula>(4)通過調(diào)整r的值，可以去除那些落在圖像邊緣上的Blob點，如下面的公式(5)所示，只保留滿足如下條件的Blob點，<■(5)在候選斑痣點中，還有一些點位于人臉的五官(如前面所提到的眼睛、鼻子、眉毛、嘴巴)上，例如人眼的瞳孔，這些點也不滿足對斑痣點的定義，因此也需要從候選斑痣點中去除位于這些器官上的點。由于在一開始已經(jīng)定位了人臉上的特征點，因此在此可以直接利用前面所得到的特征點來排除位于器官上的點。在圖2中，嘴巴的外輪廓點的標(biāo)號為7586，如果檢測到的Blob點落在此區(qū)域內(nèi)，則去除；對于眉毛，眼睛以及鼻子，也采用同樣的方法去除落在器官上的Blob點。從候選斑痣點集合中去除那些位于圖像邊緣附近的點以及位于五官上的點以后，計算剩余斑痣點的顯著性。所謂的顯著性是指一個斑痣點與周圍皮膚基色間的差別的大小，它可以用一個數(shù)值表示。如圖3所示，對于皮膚區(qū)域上的每個Blob點，計算它所在區(qū)域的顯著性，其計算公式如下面的公式(6)式所示ra&wqy:其中，meaneentCT和meansumund分別表示中心區(qū)域和周邊區(qū)域的灰度均值，stdeentCT2和StdsuroUnd2分別表示中心區(qū)域和周邊區(qū)域的灰度方差。如果中心區(qū)域與周邊區(qū)域的差異比較大而各自的方差較小，那么當(dāng)前點具有很強(qiáng)的顯著性。作為一種優(yōu)選實現(xiàn)方式，在得到斑痣點的用于表示顯著性的數(shù)值以后，可以利用該數(shù)值對斑痣點做進(jìn)一步的選擇，在后續(xù)操作中將進(jìn)一步選擇后的結(jié)果作為操作對象。在該選擇過程中，將用于表示顯著性的數(shù)值與閾值t^進(jìn)行比較，根據(jù)比較結(jié)果從斑痣點的集合中找出顯著性較強(qiáng)的候選斑痣點作為正式的斑痣點。所述閾值t^的大小可以根據(jù)實際需要加以調(diào)整，如果閾值tsal的值設(shè)得較大，則選擇得到的斑痣點的顯著性也就越強(qiáng)，但相應(yīng)的，滿足條件的斑痣點的數(shù)目也就越少。在完成對斑痣點顯著性的計算以后，根據(jù)計算結(jié)果將斑痣點做分層操作。在分層操作的過程中，根據(jù)顯著性度量的大小劃分N個區(qū)間，如[tpt2)，[t2，t3)，...，[tN，①)，然后將根據(jù)計算的斑痣點顯著性將斑痣點劃分為N個集合seti(l《i《N)，這些集合的定義如下Seti={v|Saliency(v)>ti&Saliency(v)<ti+1}(7)在將待比較的斑痣點劃分到不同的集合中以后，還要計算各個斑痣點的特征，所述的特征用來計算點之間的相似度。在計算斑痣點的特征表示時，對于每個Blob點i所在的圖像塊，把它統(tǒng)一縮放到一個固定的尺寸(如16X16)，然后計算該圖像塊與5個尺度8個方向的Gabor核巻積之后的幅值并取平均值，計算所得到的結(jié)果就是該Blob點的特征，用下面的公式表示fi二G。,。,i，…，G。,4,i，…，G7,。,i，…，G7,4,i](8)其中，G^,v,i表示該圖像塊與第ii個方向第v個尺度的Gabor核巻積得到的幅值。在將斑痣點劃分集合并計算特征后，所得到的Blob點Vi表示為Vi=ki，yi，fj。至此，在完成對候選斑痣點的選擇、分層以后，得到了能夠用于人臉識別的斑痣點信息。在上面的說明中已經(jīng)提到，無論是待識別人臉圖像還是標(biāo)準(zhǔn)人臉圖像，都可以通過上述步驟提取圖像中的斑痣點，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)了解，為了節(jié)約資源，在得到標(biāo)準(zhǔn)人臉8圖像的斑痣點信息后，可以存儲相關(guān)信息，從而在其他的人臉識別操作中直接使用已有的標(biāo)準(zhǔn)人臉圖像的斑痣點信息。在得到待識別人臉圖像與標(biāo)準(zhǔn)人臉圖像的斑痣點信息后，就可以利用所述的斑痣點信息來實現(xiàn)人臉識別。如圖4所示，由于兩個待比較圖像中的斑痣點信息分為多個層次，因此首先計算相應(yīng)層斑痣點集合的相似度。對于兩幅圖像相應(yīng)層之間的斑痣點的匹配，可采用如下的策略假定輸入圖像L和I2的第i層斑痣點集合分別為&〈^《，v!,2,…,v;,"和W,2={《,《，，《},其中v表示Blob點的特征表示。對于Set/中的每個斑痣點，根據(jù)公式(9)計算它與Set/中每個斑痣點的空間距離，根據(jù)公式(10)計算它與Set/中每個斑痣點的特征之間的相似度"(v)，"2)=V(x)-x;)2+—y，)2(9)咖(《v))-Z^j(10)其中，d(Vli，v2j)和sim(Vli，v2j)分別表示兩斑痣點的空間距離和根據(jù)局部特征計算得到的相似度。滿足如下條件的一對斑痣點才被定義為一個匹配<30),v，)<t(11)s/w(v,1,《)〉g(12)其中，t禾P;為設(shè)定的閾值。每一層上兩幅圖像的相似度Si(1《i《N)可以通過計算每一層上的斑痣點的匹配數(shù)目得到。在得到兩幅待比較圖像在各個層次上的相似度以后，可以計算兩幅圖像最終的相似度。由于不同層上的斑痣點的數(shù)目不一致，而且不同層斑痣點在人臉識別過程中所起到的作用大小也不相同，因此，需要為各層斑痣點設(shè)定一個加權(quán)值，在本實施例中，該加權(quán)值根據(jù)下面的公式(13)計算得到。L(13)=其中，percenti表示第i層的特征點數(shù)目占所有特征點數(shù)目的百分比。當(dāng)然，Wi需要進(jìn)行歸一化以保證總和為1。最終，兩幅圖像的相似度計算如下式所示s(/"/2)^^，6;(14)以上是對本發(fā)明的利用斑痣點識別人臉圖像的完整過程的說明。本發(fā)明的方法可以單獨使用，也可以與其他人臉識別方法配合使用。最后所應(yīng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制。盡管參照實施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。權(quán)利要求一種人臉皮膚斑痣點檢測方法，包括步驟1)、檢測人臉圖像中人臉皮膚上的斑痣點；步驟2)、計算人臉圖像的斑痣點的顯著性及特征，并根據(jù)所述顯著性對所述斑痣點分層。2.根據(jù)權(quán)利要求1所述的人臉皮膚斑痣點檢測方法，其特征在于，所述的步驟2)包括步驟2-1)、計算斑痣點的顯著性；步驟2-2)、將用于表示斑痣點顯著性的整個數(shù)值區(qū)間分成N個區(qū)間，將各個斑痣點按照其顯著性的大小劃分到對應(yīng)的區(qū)間內(nèi)；步驟2-3)、計算斑痣點的特征。3根據(jù)權(quán)利要求2所述的人臉皮膚斑痣點檢測方法，其特征在于，在所述的步驟2-1)和步驟2-2)之間還包括將所述斑痣點用于表示顯著性的數(shù)值與一閾值進(jìn)行比較，舍去低于該閾值的斑痣點。4.根據(jù)權(quán)利要求2或3所述的人臉皮膚斑痣點檢測方法，其特征在于，所述的步驟2-3)包括步驟2-3-1)、將斑痣點所在的圖像塊歸一到一個相同的尺度；步驟2-3-2)、與不同尺度方向的Gabor核巻積并計算每個尺度方向核巻積結(jié)果的均值；步驟2-3-3)、將所有核的響應(yīng)組合為一個向量來表示當(dāng)前斑痣點的特征。5.根據(jù)權(quán)利要求1所述的人臉皮膚斑痣點檢測方法，其特征在于，所述的步驟1)包括步驟1-1)、輸入包含人臉的圖像；步驟l-2)、定位人臉上的特征點，所述特征點用于描述人臉上的器官；步驟1-3)、裁剪出人臉圖像，得到待識別人臉圖像；步驟l-4)、在所述待識別人臉圖像上初步檢測斑痣點，得到候選斑痣點；步驟l-5)、從所述候選斑痣點中去除位于圖像邊緣附近的點；步驟l-6)、根據(jù)步驟1-2)得到的特征點從所述候選斑痣點中去除位于人臉器官上的點。6.—種利用皮膚斑痣識別人臉的方法，包括步驟1)、采用權(quán)利要求1-5之一的人臉皮膚斑痣點檢測方法檢測出待識別人臉圖像上分層次的斑痣點；步驟2)、計算所述待識別人臉圖像各層斑痣點與標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次斑痣點之間的空間距離和相似度，進(jìn)而計算每一層上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度；所述標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次斑痣點由權(quán)利要求1-5之一所述的人臉皮膚斑痣點檢測方法生成；步驟3)、根據(jù)所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像在每一層上的相似度來計算這兩幅圖像之間的整體相似度。7.根據(jù)權(quán)利要求6所述的利用皮膚斑痣識別人臉的方法，其特征在于，所述的步驟2)包括步驟2-1)、提取所述待識別人臉圖像中某一層次的斑痣點，提取標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次的斑痣點；步驟2-2)、計算待識別人臉圖像中的已提取斑痣點與標(biāo)準(zhǔn)人臉圖像中已提取斑痣點之間的空間距離以及相似度；步驟2-3)、根據(jù)步驟2-2)的計算結(jié)果確定形成匹配的斑痣點對；步驟2-4)、由步驟2-3)所得到的形成匹配的斑痣點對的數(shù)目確定在該層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度；步驟2-5)、重復(fù)步驟2-1)到步驟2-4)，完成對所有層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度的計算。8.根據(jù)權(quán)利要求7所述的利用皮膚斑痣識別人臉的方法，其特征在于，在所述的步驟2-3)中，兩個斑痣點的空間距離小于閾值t，且兩個斑痣點的相似度大于閾值"則這兩個斑痣點為匹配的斑痣點對。9.根據(jù)權(quán)利要求6所述的利用皮膚斑痣識別人臉的方法，其特征在于，所述的步驟3)包括步驟3-l)、根據(jù)各個層次上的斑痣點在人臉識別過程中所起作用的不同，為各層斑痣點設(shè)定加權(quán)值；步驟3-2)、結(jié)合各個層次上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度以及各自的加權(quán)值，得到兩幅圖像之間的整體相似度。10.根據(jù)權(quán)利要求9所述的利用皮膚斑痣識別人臉的方法，其特征在于，在所述的步驟3-1)中，所述的加權(quán)值用下列公式計算得到<formula>formulaseeoriginaldocumentpage3</formula>其中，percent表示第i層的斑痣點數(shù)目占所有斑痣點數(shù)目的百分比。11.根據(jù)權(quán)利要求1所述的利用皮膚斑痣識別人臉的方法，其特征在于，在所述的步驟3)中，標(biāo)準(zhǔn)人臉圖像的斑痣點信息從已存儲的信息中讀取，或采用權(quán)利要求1-5之一所述的人臉皮膚斑痣點檢測方法實時生成。全文摘要本發(fā)明提供一種人臉皮膚斑痣點檢測方法，包括檢測人臉圖像中人臉皮膚上的斑痣點；計算人臉圖像的斑痣點的顯著性及特征，并根據(jù)所述顯著性對所述斑痣點分層。本發(fā)明還提供了一種利用皮膚斑痣識別人臉的方法，包括檢測出待識別人臉圖像上分層次的斑痣點；計算所述待識別人臉圖像各層斑痣點與標(biāo)準(zhǔn)人臉圖像中對應(yīng)層次斑痣點之間的空間距離和相似度，進(jìn)而計算每一層上所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像間的相似度；根據(jù)所述待識別人臉圖像與所述標(biāo)準(zhǔn)人臉圖像在每一層上的相似度來計算這兩幅圖像之間的整體相似度。本發(fā)明提高了人臉識別的準(zhǔn)確性。文檔編號G06K9/00GK101751559SQ20091024460公開日2010年6月23日申請日期2009年12月31日優(yōu)先權(quán)日2009年12月31日發(fā)明者山世光,謝術(shù)富,陳熙霖申請人:中國科學(xué)院計算技術(shù)研究所