一種基于人臉識別的汽車開門方法
【專利摘要】本發(fā)明涉及汽車領(lǐng)域，尤其涉及一種基于人臉識別的汽車開門方法。本發(fā)明提供一種基于人臉識別的汽車開門方法，包括以下步驟：1、使用手機攝像頭采集含有人臉的圖像或視頻流，然后把人臉信息傳遞給人臉處理和識別器，人臉處理和識別器對人臉進行預(yù)處理；2、使用稀疏的特征球心分類器對人臉進行分類；3、根據(jù)分類結(jié)果對人臉圖像進行匹配和識別。本發(fā)明的有益效果是使用了稀疏的特征球心分類器對人臉信息進行判別認(rèn)證，車主只需要把臉靠近手機攝像頭并且通過認(rèn)證就可以實現(xiàn)汽車開門，而其他的人不能開門汽車。
【專利說明】-種基于人臉識別的汽車開門方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及汽車領(lǐng)域，尤其涉及一種基于人臉識別的汽車開門方法。

【背景技術(shù)】
[0002] 汽車開門系統(tǒng)是目前車載系統(tǒng)當(dāng)中的一個子系統(tǒng)，其主要作用是用于防盜及方便 車主。
[0003] 目前主要的汽車開門方式主要有兩種：一種是汽車鑰匙，另一種是智能鑰匙。此兩 種開門方式，常會因為忘帶鑰匙，或者丟了鑰匙而讓駕駛員非常頭痛。
[0004] 分類器在車載系統(tǒng)模式識別系統(tǒng)中占有很重要的位置。最近鄰分類器（NN)和最 近中心分類器（NM)是比較著名的兩個分類器。作為最近鄰分類器的擴展，最近特征面分 類器（NFP)被提出。因為屬于一個特定的目標(biāo)類的樣品可以被這個類的線性子空間表示， 基于上面的思想，線性回歸分類器（LRC)被提出。線性回歸分類器可以看作是最近中心分 類器的延伸。當(dāng)線性回歸分類器被提出后，一些改進方法被提出，包括基于kernel-LRC， LDA-LRC，PCA-LRC 等等。
[0005] 不同于線性回歸分類器，基于稀疏表示的分類器（SRC)采用了所有類的模型對測 試樣本進行分類。在SRC分類器提出后，一些其他的改進方法被提出，如兩階段測試樣品稀 疏表示（TPTSSR)，基于協(xié)作表示的分類器（CRC)，正規(guī)化魯棒編碼分類器（RRC)和放松協(xié)作 表不分類器（RCR)。
[0006] 事實上，線性回歸分類器可以被視為在類空間上的L2系數(shù)表示。系數(shù)表示分類器 是通過對所有類的模型進行解Ll-norm最小化問題，然后根據(jù)測試樣本和每個類子空間的 預(yù)測向量之間的距離來對測試樣本進行分類。但是測試樣本和預(yù)測向量之間的距離可能不 是一個很好的衡量的方法。所以基于系數(shù)表示分類器和最近特征面分類器，我們提出稀疏 的特征球心分類器（SFSC)分類器。


【發(fā)明內(nèi)容】

[0007] 針對現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明所要解決的技術(shù)問題是：提供一種基 于人臉識別的汽車開門方法，這個方法可以在不帶鑰匙的情況（或者其他的認(rèn)證物品）實 現(xiàn)汽車的開門，使駕駛員徹底擺脫要隨身帶很多物品的煩惱，也改善最近特征線的擴展不 精確和計算復(fù)雜度問題。
[0008] 本發(fā)明采取的技術(shù)方案為提供一種基于人臉識別的汽車開門方法，包括以下步驟
[0009] 步驟1 :使用手機攝像頭采集含有人臉的圖像或視頻流，然后把人臉信息傳遞給 人臉處理和識別器，人臉處理和識別器對人臉進行預(yù)處理；
[0010] 步驟2 :使用稀疏的特征球心分類器對人臉進行分類；
[0011] 步驟21 ;假設(shè)每個類至少有三個樣本，提出一個新的距離度量，叫特征球心度量， 特征球心度量是指測試樣本和特征球心之間的歐幾里得距離，它可以被計算為
[0014]
[0012]

【權(quán)利要求】
1. 一種基于人臉識別的汽車開門方法，其特征在于：包括以下步驟 步驟1 :使用手機攝像頭采集含有人臉的圖像或視頻流，然后把人臉信息傳遞給人臉 處理和識別器，人臉處理和識別器對人臉進行預(yù)處理； 步驟2 :使用稀疏的特征球心分類器對人臉進行分類； 步驟21 ;假設(shè)每個類至少有三個樣本，提出一個新的距離度量，叫特征球心度量，特征 球心度量是指測試樣本和特征球心xf"之間的歐幾里得距離，它可以被計算為
(1) 式中xf <是四面體的內(nèi)切球的球心，特征球心xf ^可以被計算為
(2) 式中和4分別指三角開
[和的 面積；
步驟22 :計算每個類的系數(shù)權(quán)值，系數(shù)表示分類器構(gòu)造所有類的模型X為堆積所有類 的q_維向量，它可以表示為
(3) 然后我們把所有類的模型X進行標(biāo)準(zhǔn)化，從而產(chǎn)生一個單位向量；假設(shè)測試向量是X， 我們可以解決Ll-norm最小化問題為： g = argming | | g | |! subject to Xg = x (4) 當(dāng)我們使用公式（3)和（4)把稀疏的系數(shù)向量獲得后，我們將計算每個類的稀疏系數(shù) 和S。為
(5) 因為S。是小于1的，并且它可能會是負(fù)數(shù)，所以我們把S。換為正數(shù)，從而作為第c類的 稀疏權(quán)值，它可以被計算為 wc = l-sc (6) 使用每個類的稀疏權(quán)值，稀疏特征球心分類器將計算測試樣本x到三個訓(xùn)練樣本 和右的稀疏加權(quán)的特征球心度量，它可以被計算為
(7) 當(dāng)我們獲得所有的稀疏加權(quán)的特征球心度量后，我們把這些距離進行升序進行排序， 并且每個距離對應(yīng)有一個類別標(biāo)簽，最后稀疏特征球心分類器將把測試樣本分到擁有最小 距離的類中，它可以被表示為
(8) 步驟3 :根據(jù)分類結(jié)果對人臉圖像進行匹配和識別。
【文檔編號】G06K9/00GK104143090SQ201410370100
【公開日】2014年11月12日 申請日期:2014年7月30日 優(yōu)先權(quán)日:2014年7月30日
【發(fā)明者】潘正祥, 馮慶祥, 蔡正富 申請人:哈爾濱工業(yè)大學(xué)深圳研究生院, 艾美特電器（深圳）有限公司