人臉識別方法及裝置制造方法
【專利摘要】本發(fā)明是關(guān)于一種人臉識別方法及裝置。所述方法包括:從人臉圖像中提取關(guān)鍵點;根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點;對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合;在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量;根據(jù)所述特征向量進(jìn)行人臉識別。本發(fā)明用于提高人臉識別的準(zhǔn)確性。
【專利說明】人臉識別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本公開涉及圖像識別【技術(shù)領(lǐng)域】,尤其涉及一種人臉識別方法及裝置。
【背景技術(shù)】
[0002]目前,人臉識別的方法有利用人臉圖像的灰度分布信息,通過圖像相似度來識別待測人臉和目標(biāo)臉是否一致;也有人利用臉部關(guān)鍵點的幾何位置信息作為衡量指標(biāo)來識別待測人臉和目標(biāo)臉是否一致。
[0003]但是目前人臉識別的精度仍然不夠,特別是遇到表情變化,臉部偏斜,光線變化等復(fù)雜情況,這些情況都直接影響到人臉識別的效果。
【發(fā)明內(nèi)容】
[0004]為克服相關(guān)技術(shù)中存在的問題,本公開實施例提供一種人臉識別方法及裝置。
[0005]根據(jù)本公開實施例的第一方面,提供一種人臉識別方法,包括:
[0006]從人臉圖像中提取關(guān)鍵點;
[0007]根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點;
[0008]對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合;
[0009]在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量;
[0010]根據(jù)所述特征向量進(jìn)行人臉識別。
[0011]本實施例中,通過將關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組成特征向量,用于對人臉的識別,使得可以根據(jù)更多的、對人臉起主要標(biāo)識作用的數(shù)據(jù)進(jìn)行人臉識別,識別更加準(zhǔn)確。
[0012]可選的,所述方法還包括:
[0013]對所述特征向量進(jìn)行壓縮,根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
[0014]在可選方案中,對上述特征向量進(jìn)行了一定程度的壓縮,在保證識別準(zhǔn)確性的同時,減少了用于人臉識別的特征向量的數(shù)據(jù)量,加快處理識別速度。
[0015]可選的,所述根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,包括:
[0016]將至少一個所述關(guān)鍵點作為參考點,利用仿射變換對人臉圖像進(jìn)行校正。
[0017]在可選方案中,將人臉標(biāo)準(zhǔn)化到統(tǒng)一大小且關(guān)鍵器官部位對齊,使得后續(xù)步驟中能夠統(tǒng)一對人臉進(jìn)行處理識別,提高人臉識別的準(zhǔn)確性。
[0018]可選的,所述在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量,包括:
[0019]以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域;
[0020]在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù);[0021]將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
[0022]在可選方案中,通過將關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組成特征向量,用于對人臉的識別,使得可以根據(jù)更多的、對人臉起主要標(biāo)識作用的數(shù)據(jù)進(jìn)行人臉識別,識別更加準(zhǔn)確。
[0023]可選的,所述對所述校正后的人臉圖像進(jìn)行特征提取,包括:
[0024]采用局部二值模式LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。
[0025]在可選方案中,通過對人臉圖像進(jìn)行若特征提取,使得后續(xù)步驟可以利用提取到的特征點數(shù)據(jù)進(jìn)行人臉識別比對,提高人臉識別的準(zhǔn)確性。
[0026]可選的,所述對所述特征向量進(jìn)行壓縮,包括:采用主成分分析PCA算法對所述特征向量進(jìn)行壓縮。
[0027]在可選方案中,對特征向量進(jìn)行了一定程度的壓縮,在保證識別準(zhǔn)確性的同時,減少了用于人臉識別的特征向量的數(shù)據(jù)量,加快處理識別速度。
[0028]根據(jù)本公開實施例的第二方面,提供一種人臉識別裝置,包括:
[0029]關(guān)鍵點提取模塊,用于從人臉圖像中提取關(guān)鍵點;
[0030]校正模塊,用于根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點;
[0031]特征提取模塊,用于對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合;
[0032]組合模塊,用于在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量;
[0033]識別模塊,用于根據(jù)所述特征向量進(jìn)行人臉識別。
[0034]所述裝置還包括:
[0035]壓縮模塊,用于對所述特征向量進(jìn)行壓縮;
[0036]所述識別模塊,用于根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
[0037]所述關(guān)鍵點包括人臉圖像中每只眼睛左右兩側(cè)的關(guān)鍵點;
[0038]所述校正模塊,用于至少一個所述關(guān)鍵點作為參考點,利用仿射變換對人臉圖像進(jìn)行校正。
[0039]所述組合模塊,用于以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域;在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù);將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
[0040]所述特征提取模塊,用于采用LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。
[0041]所述壓縮模塊,用于采用PCA算法對所述特征向量進(jìn)行壓縮。
[0042]應(yīng)當(dāng)理解的是,以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的,并不能限制本公開。
【專利附圖】
【附圖說明】
[0043]此處的附圖被并入說明書中并構(gòu)成本說明書的一部分,示出了符合本發(fā)明的實施例,并與說明書一起用于解釋本發(fā)明的原理。[0044]圖1是根據(jù)一示例性實施例示出的一種人臉識別方法的流程圖;
[0045]圖2是根據(jù)一示例性實施例示出的人臉關(guān)鍵部位及關(guān)鍵點的示意圖;
[0046]圖3是根據(jù)一示例性實施例示出的關(guān)鍵點和關(guān)鍵區(qū)域的示意圖;
[0047]圖4是根據(jù)另一示例性實施例示出的一種人臉識別方法的流程圖;
[0048]圖5是是根據(jù)一示例性實施例示出的一種人臉識別裝置的框圖;
[0049]圖6是根據(jù)另一示例性實施例示出的一種人臉識別裝置的框圖。
【具體實施方式】
[0050]這里將詳細(xì)地對示例性實施例進(jìn)行說明,其示例表示在附圖中。下面的描述涉及附圖時,除非另有表示,不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本發(fā)明相一致的所有實施方式。相反,它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。
[0051]圖1是根據(jù)一示例性實施例示出的一種人臉識別方法的流程圖,如圖1所示,該方法包括以下步驟。
[0052]步驟S102,從人臉圖像中提取關(guān)鍵點。
[0053]步驟S104,根據(jù)關(guān)鍵點對人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點。
[0054]步驟S106,對校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合。
[0055]步驟S108,在特征點數(shù)據(jù)集合中獲取校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量;
[0056]步驟S110,根據(jù)特征向量進(jìn)行人臉識別。
[0057]本實施例中,通過將關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組成特征向量,用于對人臉的識別,使得可以根據(jù)更多的、對人臉起主要標(biāo)識作用的數(shù)據(jù)進(jìn)行人臉識別,識別更加準(zhǔn)確。
[0058]可選的,在步驟S102中,從人臉圖像中提取關(guān)鍵點包括:提取人臉關(guān)鍵部位上的關(guān)鍵點。圖2是根據(jù)一示例性實施例示出的人臉關(guān)鍵部位及關(guān)鍵點的示意圖,如圖2所示,人臉的關(guān)鍵部位可以包括:雙眼,鼻子,嘴巴,耳朵,提取到的關(guān)鍵點包括:每只眼睛左右兩側(cè)的點,鼻尖點,嘴巴左右兩側(cè)的點,左右耳朵的點,共9個關(guān)鍵點。
[0059]在步驟S104中,根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,包括:將至少一個關(guān)鍵點作為參考點利用仿射變換對人臉圖像進(jìn)行校正。例如,將雙眼的關(guān)鍵點作為參考點進(jìn)行校正,使得校正后的雙眼保持水平。由于獲得的人臉圖像可能不符合標(biāo)準(zhǔn)大小,或者人臉與垂直或水平方向有便宜,這樣,將人臉標(biāo)準(zhǔn)化到統(tǒng)一大小且關(guān)鍵器官部位對齊,使得后續(xù)步驟中能夠統(tǒng)一對人臉進(jìn)行處理識別,提高人臉識別的準(zhǔn)確性。
[0060]由于原始的灰度圖像很容易受到各種外來因素的影響,比如光線亮度等,檢測到的人臉圖像并不能直接用于分類或識別,因此,在步驟S106中,對人臉圖像做特征提取,得到校正后的人臉圖像的特征點數(shù)據(jù)集合。通過對人臉圖像進(jìn)行特征提取,使得后續(xù)步驟可以利用提取到的特征點數(shù)據(jù)進(jìn)行人臉識別比對,提高人臉識別的準(zhǔn)確性。
[0061]可選的,在步驟S106中,可以采用局部二值模式LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。[0062]對于步驟S102中提取出來的臉部的關(guān)鍵點,對于識別人臉?biāo)鸬降淖饔孟鄬θ四樀钠渌糠指匾詰?yīng)該賦予更多的權(quán)重。又考慮到人臉不同部分的結(jié)構(gòu)位置信息,因此,在步驟S108中,按照關(guān)鍵點劃分關(guān)鍵區(qū)域,并將關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成一個特征向量,以此作為人臉識別的特征向量。
[0063]可選的,在步驟S108中,以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域;在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù);將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
[0064]具體地,也可以以最小的正方形覆蓋圓形關(guān)鍵區(qū)域,將該正方形中圓以外的區(qū)域設(shè)置為空。將這些正方形中的特征數(shù)據(jù)排列成隊列,組成特征向量。
[0065]關(guān)鍵區(qū)域可以不限于圓形,也可以根據(jù)需要設(shè)置為其他形狀。
[0066]圖3是根據(jù)一不例性實施例不出的關(guān)鍵點和關(guān)鍵區(qū)域的不意圖,如圖3所不,以9個關(guān)鍵點為圓心確定9個關(guān)鍵區(qū)域,將9個關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成一個特征向量。
[0067]可選的,還可以增加臉頰部分的2個關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),與上述9個關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成一個特征向量,作為人臉識別的特征向量。
[0068]圖4是根據(jù)另一示例性實施例示出的一種人臉識別方法的流程圖,如圖4所示,可選的,該方法還包括:
[0069]步驟S109,對步驟S108中得到的特征向量進(jìn)行壓縮;
[0070]在步驟SllO中,根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
[0071]根據(jù)圖3可以看出,關(guān)鍵區(qū)域之間可能有重合,同時考慮到人臉圖像本身大小,這樣在步驟S108中得到的用于識別的特征向量數(shù)據(jù)比較大,隨著需要處理識別的人數(shù)的增力口,數(shù)據(jù)量大大影響了處理速度。因此,在本實施例中,對上述特征向量進(jìn)行了一定程度的壓縮,在保證識別準(zhǔn)確性的同時,減少了用于人臉識別的特征向量的數(shù)據(jù)量,加快處理識別速度。
[0072]圖5是根據(jù)一示例性實施例示出的一種人臉識別裝置的框圖。參照圖5,該裝置包括:
[0073]關(guān)鍵點提取|吳塊51,用于從人臉圖像中提取關(guān)鍵點;
[0074]校正模塊52,用于根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點;
[0075]特征提取模塊53,用于對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)
集合;
[0076]組合模塊54,用于在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量;
[0077]識別模塊55,用于根據(jù)所述特征向量進(jìn)行人臉識別。
[0078]可選的,圖6是根據(jù)另一示例性實施例示出的一種人臉識別裝置的框圖。參照圖6,所述裝置還包括:
[0079]壓縮模塊56,用于對所述特征向量進(jìn)行壓縮;
[0080]所述識別模塊55,用于根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
[0081]可選的,所述校正模塊52,用于將至少一個關(guān)鍵點作為參考點,利用仿射變換對人臉圖像進(jìn)行校正。[0082]可選的,所述組合模塊54,用于以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域;在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù);將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
[0083]可選的,所述特征提取模塊53,用于采用LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。
[0084]可選的,所述壓縮模塊56,用于采用PCA算法對所述特征向量進(jìn)行壓縮。
[0085]關(guān)于上述實施例中的裝置,其中各個模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實施例中進(jìn)行了詳細(xì)描述,此處將不做詳細(xì)闡述說明。
[0086]本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里公開的發(fā)明后,將容易想到本發(fā)明的其它實施方案。本申請旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化,這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本公開未公開的本【技術(shù)領(lǐng)域】中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的,本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。
[0087]應(yīng)當(dāng)理解的是,本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu),并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來限制。
【權(quán)利要求】
1.一種人臉識別方法,其特征在于,包括: 從人臉圖像中提取關(guān)鍵點; 根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵占.對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合; 在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量; 根據(jù)所述特征向量進(jìn)行人臉識別。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述方法還包括: 對所述特征向量進(jìn)行壓縮,根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
3.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,包括: 將至少一個所述關(guān)鍵點作為參考點,利用仿射變換對人臉圖像進(jìn)行校正。
4.根據(jù) 權(quán)利要求1或2所述的方法,其特征在于,所述在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量,包括: 以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域; 在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù); 將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
5.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述對所述校正后的人臉圖像進(jìn)行特征提取,包括: 采用局部二值模式LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。
6.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述對所述特征向量進(jìn)行壓縮,包括: 采用主成分分析PCA算法對所述特征向量進(jìn)行壓縮。
7.—種人臉識別裝置,其特征在于,包括: 關(guān)鍵點提取模塊,用于從人臉圖像中提取關(guān)鍵點; 校正模塊,用于根據(jù)所述關(guān)鍵點對所述人臉圖像進(jìn)行校正,得到校正后的人臉圖像和校正后的關(guān)鍵點; 特征提取模塊,用于對所述校正后的人臉圖像進(jìn)行特征提取,得到特征點數(shù)據(jù)集合; 組合模塊,用于在所述特征點數(shù)據(jù)集合中獲取所述校正后的關(guān)鍵點所在關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù),將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)組合成特征向量; 識別模塊,用于根據(jù)所述特征向量進(jìn)行人臉識別。
8.根據(jù)權(quán)利要求7所述的裝置,其特征在于,所述裝置還包括: 壓縮模塊,用于對所述特征向量進(jìn)行壓縮; 所述識別模塊,用于根據(jù)所述壓縮后的特征向量進(jìn)行人臉識別。
9.根據(jù)權(quán)利要求7或8所述的裝置,其特征在于, 所述校正模塊,用于至少一個所述關(guān)鍵點作為參考點,利用仿射變換對人臉圖像進(jìn)行校正。
10.根據(jù)權(quán)利要求7或8所述的裝置,其特征在于,所述組合模塊,用于以所述關(guān)鍵點為圓心,以預(yù)設(shè)長度為半徑,獲得所述校正后的關(guān)鍵點所在的圓形的關(guān)鍵區(qū)域;在所述特征點數(shù)據(jù)集合中獲取所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù);將所述關(guān)鍵區(qū)域內(nèi)的特征點數(shù)據(jù)排列成隊列,組成特征向量。
11.根據(jù)權(quán)利要求7或8所述的裝置,其特征在于,所述特征提取模塊,用于采用LBP或哈爾小波轉(zhuǎn)換對所述校正后的人臉圖像進(jìn)行特征提取。
12.根據(jù)權(quán)利要求8所述的裝置,其特征在于,所述壓縮模塊,用于采用PCA算法對所述特征向量進(jìn)行壓縮 。
【文檔編號】G06K9/00GK104036276SQ201410236091
【公開日】2014年9月10日 申請日期:2014年5月29日 優(yōu)先權(quán)日:2014年5月29日
【發(fā)明者】胡東方 申請人:無錫天脈聚源傳媒科技有限公司