本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，尤其涉及光照自適應(yīng)的人臉識(shí)別方法及系統(tǒng)。

背景技術(shù)：

人臉具有特征豐富，采集方便等優(yōu)點(diǎn)，相比其他生物特征更是唯一且不可復(fù)制性；人臉識(shí)別作為身份識(shí)別技術(shù)之一廣泛應(yīng)用于公共安全、網(wǎng)上支付和員工出勤等方面。目前人臉識(shí)別技術(shù)中經(jīng)常通過(guò)設(shè)定閾值來(lái)排除未注冊(cè)的用戶，但在實(shí)際應(yīng)用場(chǎng)景中人臉識(shí)別系統(tǒng)的實(shí)際閾值常會(huì)隨著光照?qǐng)鼍暗淖兓兓?，從而?dǎo)致識(shí)別結(jié)果不準(zhǔn)確，因此影響了人臉識(shí)別系統(tǒng)的穩(wěn)定性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種光照自適應(yīng)的人臉識(shí)別方法及系統(tǒng)，旨在實(shí)現(xiàn)光照自適應(yīng)的調(diào)整最優(yōu)閾值，提高人臉識(shí)別分類結(jié)果的準(zhǔn)確性，增加人臉識(shí)別系統(tǒng)的穩(wěn)定性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種光照自適應(yīng)的人臉識(shí)別方法包括以下步驟：

采集多張人臉圖片，并將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；

根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；

測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；

比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。

優(yōu)選地，所述測(cè)試樣本的自相似度用于表示通過(guò)算法比較當(dāng)前拍攝的測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片之間的相似程度。

優(yōu)選地，所述根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍 攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度包括：

根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度。

優(yōu)選地，所述測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值包括：

計(jì)算每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值；

測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的圖像特征的最優(yōu)閾值；

根據(jù)所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值及圖像特征最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系；

根據(jù)光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系，計(jì)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值。

優(yōu)選地，所述根據(jù)所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值及圖像特征最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系包括：

根據(jù)最小二乘法擬合所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值的曲線，得到光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種光照自適應(yīng)的人臉識(shí)別系統(tǒng)包括：

采集模塊，用于采集多張人臉圖片；

保存模塊，用于將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；

獲取模塊，用于根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；

測(cè)算模塊，用于測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；

比較模塊，用于比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。

優(yōu)選地，所述測(cè)試樣本的自相似度用于表示通過(guò)算法比較當(dāng)前拍攝的測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片之間的相似程度。

優(yōu)選地，所述獲取模塊包括：

算法單元，用于根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度。

優(yōu)選地，所述測(cè)算模塊包括：

計(jì)算單元，用于計(jì)算每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值；

測(cè)試單元，用于測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的圖像特征最優(yōu)閾值；

獲取單元，用于根據(jù)所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值及圖像特征最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系；

所述計(jì)算單元還用于根據(jù)光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系，計(jì)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值。

優(yōu)選地，所述獲取單元用于根據(jù)最小二乘法擬合所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值的曲線，得到光照強(qiáng)度與最優(yōu)閾值間的函數(shù)關(guān)系。

本發(fā)明通過(guò)采集多張人臉圖片，并將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。實(shí)現(xiàn)了光照自適應(yīng)的調(diào)整最優(yōu)閾值，提高了人臉識(shí)別分類結(jié)果的準(zhǔn)確性，因此增加了人臉識(shí)別系統(tǒng)的穩(wěn)定性。

附圖說(shuō)明

圖1為本發(fā)明光照自適應(yīng)的人臉識(shí)別方法一實(shí)施例的流程示意圖；

圖2為圖1中步驟S20的細(xì)化流程示意圖；

圖3為圖1中步驟S30的細(xì)化流程示意圖；

圖4為圖3中步驟S33的細(xì)化流程示意圖；

圖5為本發(fā)明光照自適應(yīng)的人臉識(shí)別系統(tǒng)一實(shí)施例的功能模塊示意圖；

圖6為圖5中獲取模塊的細(xì)化功能模塊示意圖；

圖7為圖5中測(cè)算模塊的細(xì)化功能模塊示意圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說(shuō)明。

具體實(shí)施方式

應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供一種光照自適應(yīng)的人臉識(shí)別方法，參照?qǐng)D1，在一實(shí)施例中，該光照自適應(yīng)的人臉識(shí)別方法包括：

步驟S10，采集多張人臉圖片，并將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；

本發(fā)明實(shí)施例提供的光照自適應(yīng)的人臉識(shí)別方法應(yīng)用在人臉識(shí)別系統(tǒng)中，用于識(shí)別當(dāng)前拍攝的人臉圖片。具體地，在一實(shí)施例中，可以通過(guò)攝像機(jī)或相機(jī)等攝像設(shè)備拍攝多張人臉圖片以形成訓(xùn)練樣本，接著識(shí)別訓(xùn)練樣本中人臉的基本五官輪廓和因光照、表情、姿態(tài)等不同存在的變化值，并將識(shí)別的內(nèi)容以訓(xùn)練樣本為單位，按照不同光照強(qiáng)度等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)中。例如：

將光照強(qiáng)度分成5個(gè)不同的等級(jí)，采集在不同光照等級(jí)環(huán)境下的人臉圖片，每個(gè)已注冊(cè)用戶每個(gè)光照強(qiáng)度等級(jí)采集10張圖片，將采集到的所有人臉圖片信息存至對(duì)應(yīng)光照強(qiáng)度的數(shù)據(jù)庫(kù)中。

步驟S20，根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；

需要說(shuō)明的是，由當(dāng)前拍攝的人臉圖片構(gòu)成的所述測(cè)試樣本的自相似度用于表示通過(guò)算法比較當(dāng)前拍攝的測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片之間的相似程度。從理論上說(shuō)，對(duì)于任何人臉圖片構(gòu)成的測(cè)試樣本，其自相似度為100％。

具體地，在一實(shí)施例中，可以識(shí)別測(cè)試樣本的基本五官輪廓及因光照、表情、姿態(tài)等不同存在的變化值，并匹配對(duì)應(yīng)的光照強(qiáng)度等級(jí)，然后將測(cè)試樣本與對(duì)應(yīng)光照強(qiáng)度等級(jí)數(shù)據(jù)庫(kù)中的人臉圖片進(jìn)行比對(duì)，以此得到測(cè)試樣本的自相似度。

步驟S30，測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；

需要說(shuō)明的是，在實(shí)際應(yīng)用場(chǎng)景中，由于光照環(huán)境的變化，某一固定的閾值無(wú)法作為當(dāng)前光照強(qiáng)度下的最優(yōu)閾值，存在較大的誤差。因此測(cè)算不同光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值，使人臉識(shí)別系統(tǒng)的圖像特征閾值隨著光照強(qiáng)度變化而變化，從而有效提高人臉識(shí)別的準(zhǔn)確性。

步驟S40，比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。

可以理解地，比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度和圖像特征最優(yōu)閾值的方式可以根據(jù)實(shí)際需要進(jìn)行設(shè)置，可以是比較上述兩個(gè)變量的差值，也可以獲取自相似度與圖像特征最優(yōu)閾值的商。具體地，在本實(shí)施例中，在當(dāng)前光照強(qiáng)度下，當(dāng)測(cè)試樣本的自相似度大于圖像特征最優(yōu)閾值時(shí)，人臉識(shí)別系統(tǒng)識(shí)別成功；當(dāng)測(cè)試樣本的自相似度小于或等于圖像特征最優(yōu)閾值時(shí)，人臉識(shí)別系統(tǒng)拒絕識(shí)別，排除未注冊(cè)的用戶。

本發(fā)明實(shí)施例通過(guò)采集多張人臉圖片，并將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。實(shí)現(xiàn)了光照自適應(yīng)的調(diào)整最優(yōu)閾值，提高了人臉識(shí)別分類結(jié)果的準(zhǔn)確性，因此增加了人臉識(shí)別系統(tǒng)的穩(wěn)定性。

進(jìn)一步地，參照?qǐng)D2，基于本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第一實(shí)施例，在本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第二實(shí)施例中，上述步驟S20包括：

步驟S21，根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度。

上述根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度，進(jìn)一步得到測(cè)試樣本x與第i類第j個(gè)訓(xùn)練樣本的相似度函數(shù)，所述測(cè)試樣本x與第i類第j個(gè)訓(xùn)練樣本的相似度函數(shù)為

其中所述第i類的第j個(gè)訓(xùn)練樣本表示為：n為訓(xùn)練樣本數(shù)；第i類的第j個(gè)訓(xùn)練樣本的自相似度為：

需要說(shuō)明的是，利用聯(lián)合貝葉斯分類算法可以將人臉表示x＝μ+ε，其中μ表示人臉的定義，ε表示人臉的變化；所述人臉的變化可以是光照變化或表情變化或姿態(tài)變化等。所述μ～N(0,S_μ)，即μ服從均值為0，標(biāo)準(zhǔn)差為S_μ的正態(tài)分布，S_μ＝cov(μ)，S_μ為未知的協(xié)方差矩陣；所述ε～N(0,S_ε)，即ε服從均值為0，標(biāo)準(zhǔn)差為S_ε的正態(tài)分布，S_ε＝cov(ε)，S_ε為未知的協(xié)方差矩陣。

進(jìn)一步地，根據(jù)聯(lián)合貝葉斯人臉識(shí)別算法，得到識(shí)別兩張人臉圖片x₁與x₂相似度的標(biāo)準(zhǔn)，所述識(shí)別兩張人臉圖片x₁與x₂相似度的標(biāo)準(zhǔn)是

隨機(jī)初始化未知的協(xié)方差矩陣S_μ與S_ε，根據(jù)最大期望算法得到概率分布參數(shù)S_μ'與S_ε'。

聯(lián)合貝葉斯人臉識(shí)別算法中衡量?jī)蓮埲四槇D片x₁與x₂相似度的標(biāo)準(zhǔn)為： 其中，A＝(S_μ'+S_ε')^-1-(F+G)

若設(shè)第i類的第j個(gè)訓(xùn)練樣本表示為：其中n為訓(xùn)練樣本數(shù)；第i類的第j個(gè)訓(xùn)練樣本的自相似度為：由人臉圖片x₁與x₂相似度的標(biāo)準(zhǔn)可知，

又因?yàn)锳≠G，可知不是常數(shù)，而對(duì)于任何人臉圖片x，其自相似度為100％，所以需要改進(jìn)人臉圖片x₁與x₂相似度r(x₁,x₂)，為滿足自相似度為常數(shù)的條件，重新定義人臉圖片x₁與x₂相似度t(x₁,x₂)：

即對(duì)于測(cè)試樣本x，其與第i類的第j個(gè)訓(xùn)練樣本的相似度

進(jìn)一步地，參照?qǐng)D3，基于本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第一實(shí)施例，在本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第三實(shí)施例中，上述步驟S30包括：

步驟S31，計(jì)算每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值；

步驟S32，測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的圖像特征最優(yōu)閾值；

步驟S33，根據(jù)所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值及圖像特征最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系；

步驟S34，根據(jù)光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系，計(jì)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值。

需要說(shuō)明的是，在本實(shí)施例中具體是通過(guò)計(jì)算每個(gè)數(shù)據(jù)庫(kù)對(duì)應(yīng)的光照強(qiáng)度等級(jí)中所有光照?qǐng)D片的光照強(qiáng)度平均值，接著測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)對(duì)應(yīng)的圖像特征最優(yōu)閾值，然后通過(guò)所有光照數(shù)據(jù)庫(kù)的光照強(qiáng)度平均值和圖像特征最優(yōu)閾值，擬合光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系，以此確定在當(dāng)前光照環(huán)境時(shí)，對(duì)應(yīng)的圖像特征最優(yōu)閾值。例如：

上述5個(gè)數(shù)據(jù)庫(kù)的光照強(qiáng)度平均值分別為y₁,y₂,y₃,y₄,y₅；

通過(guò)測(cè)試得到對(duì)應(yīng)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)的圖像特征最優(yōu)閾值為T₁,T₂,T₃,T₄,T₅；

利用不同光照等級(jí)的光照強(qiáng)度平均值和圖像特征最優(yōu)閾值，擬合光照強(qiáng)度y與圖像特征最優(yōu)閾值T之間的函數(shù)關(guān)系，以此計(jì)算在當(dāng)前光照條件下的圖像特征最優(yōu)閾值。

進(jìn)一步地，參照?qǐng)D4，基于本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第三實(shí)施例，在本發(fā)明光照自適應(yīng)的人臉識(shí)別方法第四實(shí)施例中，上述步驟S33包括：

步驟S331，根據(jù)最小二乘法擬合所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值的曲線，得到光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系。

需要說(shuō)明的是，根據(jù)最小二乘法擬合所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值間的曲線，得到光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系具體是通過(guò)將不同光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值按照二維坐標(biāo)的形式標(biāo)注后，連接形成曲線，然后設(shè)定T＝f(y)＝a₀+a₁y+a₂y²，其中T為圖像特征最優(yōu)閾值，y為光照強(qiáng)度。當(dāng) 最小時(shí)，可求解a₀,a₁,a₂的具體數(shù)值，其中b為光照強(qiáng)度等級(jí)的個(gè)數(shù)；最后帶入設(shè)定的T＝f(y)＝a₀+a₁y+a₂y²函數(shù)中，可獲得光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系。

本發(fā)明還提供一種光照自適應(yīng)的人臉識(shí)別系統(tǒng)，參照?qǐng)D5，在一實(shí)施例中，本發(fā)明提供的光照自適應(yīng)的人臉識(shí)別系統(tǒng)包括：

采集模塊10，用于采集多張人臉圖片；

保存模塊20，用于將獲取的人臉圖片按照光照強(qiáng)度的等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)；

獲取模塊30，用于根據(jù)當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片與當(dāng)前拍攝的測(cè)試樣本，獲取當(dāng)前光照強(qiáng)度時(shí)的測(cè)試樣本的自相似度；

測(cè)算模塊40，用于測(cè)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；

比較模塊50，用于比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。

本發(fā)明實(shí)施例提供的光照自適應(yīng)的人臉識(shí)別系統(tǒng)用于識(shí)別當(dāng)前拍攝的人臉圖片。具體地，在一實(shí)施例中，采集模塊10可以通過(guò)攝像機(jī)或相機(jī)等攝像設(shè)備拍攝多張人臉圖片以形成訓(xùn)練樣本，保存模塊20將拍攝的人臉圖片以訓(xùn)練樣本為單位按照不同光照強(qiáng)度等級(jí)保存至相應(yīng)的數(shù)據(jù)庫(kù)中；獲取模塊30識(shí)別測(cè)試樣本的基本五官輪廓及因光照、表情、姿態(tài)等不同存在的變化值，并匹配對(duì)應(yīng)的光照強(qiáng)度等級(jí)，然后將測(cè)試樣本與對(duì)應(yīng)光照強(qiáng)度等級(jí)數(shù)據(jù)庫(kù)中的人臉圖片進(jìn)行比對(duì)，以此得到測(cè)試樣本的自相似度；測(cè)算模塊40測(cè)算當(dāng)前光照條件時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值；最后，比較模塊50比較當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的自相似度與對(duì)應(yīng)的圖像特征最優(yōu)閾值，從而確定測(cè)試樣本的分類結(jié)果。

可以理解的是，在實(shí)際應(yīng)用場(chǎng)景中，由于光照環(huán)境的變化，某一固定的圖像特征閾值無(wú)法作為當(dāng)前光照強(qiáng)度下的圖像特征最優(yōu)閾值，存在較大的誤差，因此測(cè)算不同光照強(qiáng)度時(shí)對(duì)應(yīng)的圖像特征最優(yōu)閾值，使人臉識(shí)別系統(tǒng)的圖像特征閾值隨著光照強(qiáng)度變化而變化，從而有效提高人臉識(shí)別的準(zhǔn)確性。

需要說(shuō)明的是，所述測(cè)試樣本的自相似度用于表示通過(guò)算法比較當(dāng)前拍攝的測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片之間的相似程 度。從理論上說(shuō)，對(duì)于任何人臉圖片構(gòu)成的測(cè)試樣本，其自相似度為100％。

進(jìn)一步地，參照?qǐng)D6，基于本發(fā)明光照自適應(yīng)的人臉識(shí)別系統(tǒng)的第一實(shí)施例，本發(fā)明光照自適應(yīng)的人臉識(shí)別系統(tǒng)的第二實(shí)施例中，上述獲取模塊30包括：

算法單元31，用于根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度。

上述算術(shù)單元31根據(jù)聯(lián)合貝葉斯算法，得到測(cè)試樣本與當(dāng)前光照強(qiáng)度等級(jí)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的人臉圖片的相似度，進(jìn)一步得到測(cè)試樣本x與第i類第j個(gè)訓(xùn)練樣本的相似度函數(shù)。所述測(cè)試樣本x與第i類第j個(gè)訓(xùn)練樣本的相似度函數(shù)為

其中所述第i類的第j個(gè)訓(xùn)練樣本表示為：n為訓(xùn)練樣本數(shù)；第i類的第j個(gè)訓(xùn)練樣本的自相似度為：

進(jìn)一步地，參照?qǐng)D7，基于本發(fā)明光照自適應(yīng)的人臉識(shí)別系統(tǒng)的第一實(shí)施例，本發(fā)明光照自適應(yīng)的人臉識(shí)別系統(tǒng)的第三實(shí)施例中，上述測(cè)算模塊40包括：

計(jì)算單元41，用于計(jì)算每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的的光照強(qiáng)度平均值；

測(cè)試單元42，用于測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)中人臉圖片的圖像特征最優(yōu)閾值；

獲取單元43，用于根據(jù)所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值及最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系；

所述計(jì)算單元41還用于根據(jù)光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系，計(jì)算當(dāng)前光照強(qiáng)度時(shí)測(cè)試樣本的圖像特征最優(yōu)閾值。

需要說(shuō)明的是，在本實(shí)施例中具體是通過(guò)計(jì)算單元41計(jì)算每個(gè)數(shù)據(jù)庫(kù)對(duì)應(yīng)的光照強(qiáng)度等級(jí)中所有光照?qǐng)D片的光照強(qiáng)度平均值，接著測(cè)試模塊42測(cè)試每個(gè)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)對(duì)應(yīng)的最優(yōu)閾值，然后獲取單元43通過(guò)每個(gè)光照數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值和圖像特征最優(yōu)閾值，擬合光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系，最終計(jì)算單元41確定在當(dāng)前光照環(huán)境時(shí)， 圖像特征最優(yōu)閾值。例如：

上述5個(gè)數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值分別為y₁,y₂,y₃,y₄,y₅；

通過(guò)測(cè)試得到對(duì)應(yīng)光照強(qiáng)度等級(jí)的數(shù)據(jù)庫(kù)的人臉圖片的圖像特征最優(yōu)閾值為T₁,T₂,T₃,T₄,T₅；

利用不同光照等級(jí)的光照強(qiáng)度平均值和圖像特征最優(yōu)閾值，擬合光照強(qiáng)度y與圖像特征最優(yōu)閾值T之間的函數(shù)關(guān)系，以此計(jì)算在當(dāng)前光照條件下測(cè)試樣本的圖像特征最優(yōu)閾值。

需要說(shuō)明的是，上述獲取單元43具體根據(jù)光照強(qiáng)度平均值及圖像特征最優(yōu)閾值，獲取光照強(qiáng)度與圖像特征最優(yōu)閾值間的對(duì)應(yīng)關(guān)系的方式可以根據(jù)實(shí)際需要進(jìn)行設(shè)置。優(yōu)選地，在本實(shí)施例中，所述獲取單元43通過(guò)根據(jù)最小二乘法擬合所有數(shù)據(jù)庫(kù)中人臉圖片的光照強(qiáng)度平均值與圖像特征最優(yōu)閾值的曲線，得到光照強(qiáng)度與圖像特征最優(yōu)閾值間的函數(shù)關(guān)系。

以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。