人臉識(shí)別方法
【專利摘要】本發(fā)明提供一種人臉識(shí)別方法，包括以下步驟：S1：生成人臉彈性束圖；S2：生成基于外觀的人臉識(shí)別模型，計(jì)算獲得基于外觀的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度；S3：生成基于幾何特征的人臉識(shí)別模型，計(jì)算獲得的基于幾何特征的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度；S4：基于步驟S2與基于步驟S3的相似度級(jí)別使用邏輯回歸混合；S5：基于步驟S4的結(jié)果判定人臉識(shí)別結(jié)果。本發(fā)明采用了把基于外觀的人臉識(shí)別方法和基于幾何特征的人臉識(shí)別方法在相似度級(jí)別混合的人臉識(shí)別方法，可以圓滿應(yīng)用于實(shí)際生活環(huán)境中。
【專利說明】人臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種人臉識(shí)別方法。
【背景技術(shù)】
[0002]人臉識(shí)別技術(shù)在過去幾年中迅速發(fā)展，目前人臉識(shí)別技術(shù)在室外環(huán)境等實(shí)際生活環(huán)境中不能圓滿應(yīng)對(duì)，只在室內(nèi)使用。人臉識(shí)別的難點(diǎn)依舊是照明變化、姿勢變化、年齡變化、遮擋等，這些對(duì)人臉識(shí)別系統(tǒng)所采用的人臉識(shí)別算法產(chǎn)生影響，其程度各不相同，人臉識(shí)別方法的分類與其優(yōu)缺點(diǎn)、對(duì)此產(chǎn)生影響的人臉識(shí)別難點(diǎn)是如下:
基于外觀的人臉識(shí)別方法，利用人臉圖像像素的像素值，生成人臉模板；基于幾何特征的人臉識(shí)別方法不是依靠像素點(diǎn)，是根據(jù)人臉的特征點(diǎn)(眼、鼻、口、耳…)之間幾何位置關(guān)系生成人臉模板。過去基于外觀的人臉識(shí)別方法跟基于幾何特征的人臉識(shí)別方法相比，從圖像的每個(gè)像素點(diǎn)可取出很豐富的人臉特征，所以比依靠于幾個(gè)特征點(diǎn)的基于幾何特征的人臉識(shí)別方法帶來了很高的人臉識(shí)別性能，現(xiàn)在大部分成功的人臉識(shí)別方法都依據(jù)于基于外觀的識(shí)別方法。
[0003]但基于外觀的識(shí)別方法還是不能很好的應(yīng)對(duì)對(duì)像素點(diǎn)產(chǎn)生影響的照明變化，而基于幾何特征的識(shí)別方法是依靠幾何位置關(guān)系，不拘于照明變化，即可以彌補(bǔ)基于外觀的識(shí)別方法的缺點(diǎn)。
[0004]由于依靠于人臉特征點(diǎn)，要求在前階段準(zhǔn)確取出人臉特征點(diǎn)。人臉識(shí)別方法根據(jù)為生成人臉模板考察整體人臉圖像或是分成部分領(lǐng)域來進(jìn)行考察，分成全局人臉識(shí)別方法和局部人臉識(shí)別方法?？疾煺w人臉圖像的全局人臉識(shí)別方法有把人臉局部特征和全局特征都表現(xiàn)的優(yōu)點(diǎn)，但有無法應(yīng)對(duì)姿勢變化的缺點(diǎn)，相反，局部人臉識(shí)別方法對(duì)于姿勢變化比全局人臉識(shí)別方法強(qiáng)，有能夠很好地反應(yīng)出人臉局部特性的優(yōu)點(diǎn)。
[0005]過去，彈性圖束匹配-EBGM(Elastic Bunch Graph Matching)作為一個(gè)基于特征點(diǎn)的人臉識(shí)別方法，屬于局部人臉識(shí)別方法，是最成功的人臉識(shí)別方法中的一個(gè)，但局部人臉識(shí)別方法的缺點(diǎn)是不能反應(yīng)出人臉的全局特征。為克服這一點(diǎn)，出現(xiàn)了結(jié)合全局人臉識(shí)別方法和局部人臉識(shí)別方法的方法，帶來了一些性能改善，兩個(gè)方法都依據(jù)基于外觀的人臉識(shí)別方法，無法克服基于外觀的識(shí)別方法的缺點(diǎn)。
[0006]在實(shí)際生活環(huán)境中，人臉圖像由照明、姿勢、年齡、遮擋等變化造成人臉識(shí)別難度。因此，在實(shí)際生活環(huán)境中，人臉識(shí)別技術(shù)不能圓滿，為此進(jìn)行深入研究。最近幾年中，在此領(lǐng)域進(jìn)行了很多研究，有了很大的進(jìn)展，但是仍然達(dá)不到滿意的要求。

【發(fā)明內(nèi)容】

[0007]本發(fā)明所要解決的技術(shù)問題在于提供一種有效尋找臉部特征點(diǎn)，與照明變化無關(guān)，對(duì)姿勢變化穩(wěn)定的人臉識(shí)別方法。
[0008]本發(fā)明提供一種人臉識(shí)別方法，包括以下步驟:
S1:生成人臉彈性束圖； 52:生成基于外觀的人臉識(shí)別模型，計(jì)算獲得基于外觀的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度；
53:生成基于幾何特征的人臉識(shí)別模型，計(jì)算獲得的基于幾何特征的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度；
54:基于步驟S2與基于步驟S3的相似度級(jí)別使用邏輯回歸混合；
55:基于步驟S4的結(jié)果判定人臉識(shí)別結(jié)果。
[0009]進(jìn)一步地，生成人臉彈性束圖，在檢測到的人臉區(qū)域中根據(jù)Haar特征進(jìn)行模式檢測取出人臉特征點(diǎn)。
[0010]進(jìn)一步地，生成人臉彈性束圖，首先在檢測到的人臉區(qū)域中提取四個(gè)點(diǎn)，分別是左右兩個(gè)眼球中點(diǎn)、嘴中點(diǎn)和下顎點(diǎn)，組成初期部分人臉模型，在擁有30個(gè)特征點(diǎn)的模板圖中分析每一個(gè)特征點(diǎn)與初期部分人臉模型的四個(gè)點(diǎn)之間的聯(lián)系，生成二維仿射變換，在模板圖的30個(gè)特征點(diǎn)上應(yīng)用這種變換，求出30個(gè)特征點(diǎn)與之相對(duì)應(yīng)的特征值，得出初期全局人臉模型；對(duì)于初期全局人臉模型的所有30個(gè)特征點(diǎn)都尋求正確的匯合點(diǎn)，生成以此作為特征點(diǎn)的人臉彈性束圖。
[0011]進(jìn)一步地，生成基于外觀的人臉識(shí)別模型，對(duì)人臉彈性束圖的30個(gè)特征點(diǎn)提取Gabor Jet，將其連接后獲得的矢量作為基于外觀的人臉模型的初期模型，取出Gabor Jet復(fù)數(shù)的幅直，組成由40個(gè)幅直為元素的矢量；對(duì)人臉模型的初期模型應(yīng)用PCA和LDA，獲得基于外觀的人臉識(shí)別模型。
[0012]進(jìn)一步地，生成基于幾何特征的人臉識(shí)別模型，計(jì)算出取出的人臉特征點(diǎn)之間的距離，對(duì)按水平軸和垂直軸方向成分之間比例為要素的特征向量應(yīng)用PCA和LDA，獲得基于幾何特征的人臉識(shí)別模型。
[0013]本發(fā)明采用了把基于外觀的人臉識(shí)別方法和基于幾何特征的人臉識(shí)別方法在相似度級(jí)別混合的人臉識(shí)別方法，可以圓滿應(yīng)用于實(shí)際生活環(huán)境中，并且提出了更能夠有效地的尋找臉部特征點(diǎn)的方法，還提出了與照明變化無關(guān)，對(duì)姿勢變化穩(wěn)定的基于幾何特征的人臉識(shí)別方法。
【專利附圖】

【附圖說明】
[0014]此處所說明的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:
圖1示意性示意出本發(fā)明實(shí)施例子給出的人臉識(shí)別方法的流程圖。
【具體實(shí)施方式】
[0015]下面將參考附圖并結(jié)合實(shí)施例，來詳細(xì)說明本發(fā)明。
[0016]本發(fā)明實(shí)施例提供一種人臉識(shí)別方法，包括以下步驟:
一、生成人臉彈性束圖
在本發(fā)明中，首先在檢測到的人臉區(qū)域中提取四個(gè)點(diǎn)，分別是左右兩個(gè)眼球中點(diǎn)、嘴中點(diǎn)和下顎點(diǎn)，組成初期部分人臉模型，在擁有30個(gè)特征點(diǎn)的模板圖中分析每一個(gè)特征點(diǎn)與初期部分人臉模型的四個(gè)點(diǎn)之間的聯(lián)系，生成二維仿射變換，在模板圖的30個(gè)特征點(diǎn)上應(yīng)用這種變換，求出30個(gè)特征點(diǎn)與之相對(duì)應(yīng)的特征值，得出初期全局人臉模型。[0017]變換公式如下:
設(shè)不放棄普遍性而需得到的變換為
【權(quán)利要求】
1.一種人臉識(shí)別方法，其特征在于，包括以下步驟: 51:生成人臉彈性束圖； 52:生成基于外觀的人臉識(shí)別模型，計(jì)算獲得基于外觀的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度； 53:生成基于幾何特征的人臉識(shí)別模型，計(jì)算獲得的基于幾何特征的人臉識(shí)別模型與數(shù)據(jù)庫中已有的人臉模型矢量之間的余弦相似度； 54:基于步驟S2與基于步驟S3的相似度級(jí)別使用邏輯回歸混合； 55:基于步驟S4的結(jié)果判定人臉識(shí)別結(jié)果。
2.如權(quán)利要求1所述的人臉識(shí)別方法，其特征在于，生成人臉彈性束圖，在檢測到的人臉區(qū)域中根據(jù)Haar特征進(jìn)行模式檢測取出人臉特征點(diǎn)。
3.如權(quán)利要求2所述的人臉識(shí)別方法，其特征在于，生成人臉彈性束圖，首先在檢測到的人臉區(qū)域中提取四個(gè)點(diǎn)，分別是左右兩個(gè)眼球中點(diǎn)、嘴中點(diǎn)和下顎點(diǎn)，組成初期部分人臉模型，在擁有30個(gè)特征點(diǎn)的模板圖中分析每一個(gè)特征點(diǎn)與初期部分人臉模型的四個(gè)點(diǎn)之間的聯(lián)系，生成二維仿射變換，在模板圖的30個(gè)特征點(diǎn)上應(yīng)用這種變換，求出30個(gè)特征點(diǎn)與之相對(duì)應(yīng)的特征值，得出初期全局人臉模型；對(duì)于初期全局人臉模型的所有30個(gè)特征點(diǎn)都尋求正確的匯合點(diǎn)，生成以此作為特征點(diǎn)的人臉彈性束圖。
4.如權(quán)利要求2所述的人臉識(shí)別方法，其特征在于，生成基于外觀的人臉識(shí)別模型，對(duì)人臉彈性束圖的30個(gè)特征 點(diǎn)提取Gabor Jet，將其連接后獲得的矢量作為基于外觀的人臉模型的初期模型，取出Gabor Jet復(fù)數(shù)的幅直，組成由40個(gè)幅直為元素的矢量；對(duì)人臉模型的初期模型應(yīng)用PCA和LDA，獲得基于外觀的人臉識(shí)別模型。
5.如權(quán)利要求4所述的人臉識(shí)別方法，其特征在于，生成基于幾何特征的人臉識(shí)別模型，計(jì)算出取出的人臉特征點(diǎn)之間的距離，對(duì)按水平軸和垂直軸方向成分之間比例為要素的特征向量應(yīng)用PCA和LDA，獲得基于幾何特征的人臉識(shí)別模型。
【文檔編號(hào)】G06K9/46GK103902992SQ201410173445
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月28日 優(yōu)先權(quán)日:2014年4月28日
【發(fā)明者】李俊 申請(qǐng)人:珠海易勝電子技術(shù)有限公司