本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，尤其涉及一種身份識別方法和裝置。

背景技術(shù)：

目前的身份識別一般根據(jù)人的面部特征進行識別，但是面部特征容易受到光照、背景變化、人體姿態(tài)等因素的影響和限制，現(xiàn)有的身份識別僅能在人物正臉面對攝像頭、背景元素簡單、光照適中的情形下，才能基于面部特征進行較為準確的身份識別，即現(xiàn)有的身份識別容易受到外界因素影響。

技術(shù)實現(xiàn)要素：

本發(fā)明的主要目的在于提供一種身份識別方法和裝置，旨在解決現(xiàn)有的身份識別容易受到外界因素影響的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供一種身份識別方法，所述身份識別方法包括：

獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像；

根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像；

對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像；

提取人臉增強圖像中所有像素點的DCP碼，計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征；

將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份。

優(yōu)選地，所述確定人物圖像中的人臉區(qū)域圖像的步驟包括：

獲取人物圖像的方向梯度直方圖特征；

根據(jù)人物圖像的方向梯度直方圖特征和線性分類器檢測出人物圖像中的人臉區(qū)域圖像。

優(yōu)選地，所述根據(jù)預(yù)置人臉模型的關(guān)鍵位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像的步驟包括：

根據(jù)預(yù)置人臉模型的關(guān)鍵點位置和支持向量回歸算法，獲取人臉區(qū)域圖像的關(guān)鍵點位置和三維模型至二維圖像的仿射相機，將人臉區(qū)域圖像的關(guān)鍵點位置作為當前關(guān)鍵點位置；

對當前關(guān)鍵點位置進行三角剖分，以得到各個當前關(guān)鍵點位置對應(yīng)的三角面；

根據(jù)所述仿射相機對每個三角面進行仿射變換，得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置；

根據(jù)正向關(guān)鍵點位置對人臉區(qū)域圖像進行方向調(diào)整，以得到正向人臉圖像。

優(yōu)選地，所述提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征的步驟包括：

獲取人臉增強圖像中各個像素點的灰度值；

根據(jù)各個像素點的灰度值，確定各個像素點對應(yīng)的DCP碼；

提取各個關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖位，并將關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖作為人臉特征。

優(yōu)選地，所述將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份的步驟包括：

將人臉特征與人臉數(shù)據(jù)庫中各個人臉圖像的參考人臉特征進行比對，選出與待識別人物圖像的人臉特征相似度最大的參考人臉特征對應(yīng)目標人臉圖像；

將待識別人物圖像的人臉特征和目標人臉圖像的參考人臉特征分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結(jié)果和目標人臉圖像的第二比較結(jié)果；

根據(jù)第一比較結(jié)果和第二比較結(jié)果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

本發(fā)明還提供一種身份識別裝置，所述身份識別裝置包括：

圖像獲取模塊，用于獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像；

圖像正向模塊，用于根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像；

圖像增強模塊，用于對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像；

特征生成模塊，用于提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征；

特征比對模塊，用于將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份。

優(yōu)選地，所述圖像獲取模塊包括：

特征獲取單元，用于獲取人物圖像的方向梯度直方圖特征；

檢測單元，用于根據(jù)人物圖像的方向梯度直方圖特征和線性分類器檢測出人物圖像中的人臉區(qū)域圖像。

優(yōu)選地，所述圖像正向模塊包括：

獲取單元，用于根據(jù)預(yù)置人臉模型的關(guān)鍵點位置和支持向量回歸算法，獲取人臉區(qū)域圖像的關(guān)鍵點位置和三維模型至二維圖像的仿射相機，將人臉區(qū)域圖像的關(guān)鍵點位置作為當前關(guān)鍵點位置；

剖分單元，用于對當前關(guān)鍵點位置進行三角剖分，以得到各個當前關(guān)鍵點位置對應(yīng)的三角面；

變換單元，用于根據(jù)所述仿射相機對每個三角面進行仿射變換，得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置；

調(diào)整單元，用于根據(jù)正向關(guān)鍵點位置對人臉區(qū)域圖像進行方向調(diào)整，以得到正向人臉圖像。

優(yōu)選地，所述特征生成模塊包括：

灰度獲取單元，用于獲取人臉增強圖像中各個像素點的灰度值；

DCP單元，用于根據(jù)各個像素點的灰度值，確定各個像素點對應(yīng)的DCP碼；

特征生成單元，用于提取各個關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖位，并將關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖作為人臉特征。

優(yōu)選地，所述特征比對模塊包括：

第一比對單元，用于將人臉特征與人臉數(shù)據(jù)庫中各個人臉圖像的參考人臉特征進行比對，選出與待識別人物圖像的人臉特征相似度最大的參考人臉特征對應(yīng)目標人臉圖像；

第二比對單元，用于將待識別人物圖像的人臉特征和目標人臉圖像的參考人臉特征分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結(jié)果和目標人臉圖像的第二比較結(jié)果；

身份識別單元，用于根據(jù)第一比較結(jié)果和第二比較結(jié)果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

本發(fā)明通過獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像，以消除人物圖像中背景對人臉區(qū)域圖像身份識別的影響；然后根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像，以消除了人物圖像中人物姿態(tài)對身份識別的影響；再對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區(qū)域圖像對身份識別的影響；提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征，以有效消除人物表情對身份識別的影響；將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用范圍和準確性。

附圖說明

圖1為本發(fā)明DCP編碼采樣方式示意圖；

圖2為本發(fā)明身份識別方法一實施例的流程示意圖；

圖3為本發(fā)明身份識別裝置一實施例的模塊示意圖。

本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進一步說明。

具體實施方式

應(yīng)當理解，此處所描述的具體實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)明提供一種身份識別方法，參照圖2，所述身份識別方法包括：

步驟S10，獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像；

通過攝像頭對特定區(qū)域(如人員流動密集區(qū)域的機場、火車站等)進行攝像，獲取含有人物的待識別的人物圖像，根據(jù)人體生理學(xué)結(jié)構(gòu)特征對人物圖像進行分析，先確認人物在人物圖像中的整體區(qū)域，然后再從整體區(qū)域中確定人物的面部所在的人臉區(qū)域圖像。

具體地，確定人物圖像中的人臉區(qū)域圖像的步驟包括：

步驟S11，獲取人物圖像的方向梯度直方圖特征；

步驟S12，根據(jù)人物圖像的方向梯度直方圖特征和線性分類器檢測出人物圖像中的人臉區(qū)域圖像。

人臉一般包括水平方向延伸的眉毛、眼睛和嘴唇，豎直方向延伸的鼻梁以及傾斜延伸的面頰輪廓，對人物圖像進行分析，獲取眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區(qū)域，并標識方向梯度直方圖，從而得到人物圖像的方向梯度直方圖特征。然后基于線性分類器對人物圖像的方向梯度直方圖特征進行檢測，確定方向梯度直方圖標記的眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區(qū)域，從而檢測出人物圖像中的人臉區(qū)域圖像，從而消除人物圖像中背景對人臉區(qū)域圖像身份識別的影響。

步驟S20，根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像；

預(yù)置的人臉模型一般是USF human-ID數(shù)據(jù)集的三維平均臉模型，三維平均臉模型上標識有68個關(guān)鍵點位置，根據(jù)三維平均臉模型的關(guān)鍵點位置分布，獲取人臉區(qū)域圖像的關(guān)鍵點位置分布，從而進行三維建模以得到人臉區(qū)域圖像的當前模型，并根據(jù)人體面部生理學(xué)特征，對當前模型進行三維校準和方向調(diào)整，從而得到人臉區(qū)域圖像對應(yīng)的正向圖像，即正向人臉圖像。

具體地，步驟S20包括：

步驟S21，根據(jù)預(yù)置人臉模型的關(guān)鍵點位置和支持向量回歸算法，獲取人臉區(qū)域圖像的關(guān)鍵點位置，并采用最小均方誤差，計算三維模型至二維圖像的仿射相機，將人臉區(qū)域圖像的關(guān)鍵點位置作為當前關(guān)鍵點位置；

步驟S22，對當前關(guān)鍵點位置進行三角剖分，以得到各個當前關(guān)鍵點位置對應(yīng)的三角面；

步驟S23，根據(jù)所述仿射相機對每個三角面進行仿射變換，得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置；

根據(jù)仿射相機計算每個三角面的仿射變換向量，然后根據(jù)該仿射變換向量對每個三角面進行仿射變換，從而得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置。

步驟S24，根據(jù)正向關(guān)鍵點位置對人臉區(qū)域圖像進行方向調(diào)整，以得到正向人臉圖像。

利用對人臉區(qū)域圖像機械能三維校準和正向方向調(diào)整，消除了人物圖像中人物姿態(tài)(姿態(tài)包括側(cè)臉、抬頭、低頭等)對身份識別的影響。

步驟S30，對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像；

采用高斯差分濾波對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像，以減少光照變化對人臉區(qū)域圖像對身份識別的影響。

步驟S40，提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征；

DCP(Dual-Cross Patterns，雙交叉模式)是一種描述圖像紋理特征的模式，DCP碼可以量化圖像的紋理，參照圖1，每個像素點DCP碼為：

其中：

公式中I_Ai,I_Bi,I_O,分別為圖1像中A_i點、B_i點、O點的灰度值。根據(jù)上述兩個公式提取出人臉增強圖像中所有像素點的DCP碼，然后提取關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征。

具體地，步驟S40包括：

步驟S41，獲取人臉增強圖像中各個像素點的灰度值；

步驟S42，根據(jù)各個像素點的灰度值，確定各個像素點對應(yīng)的DCP碼；

步驟S43，提取各個關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖，并將關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖作為人臉特征。

在獲取各個像素點的DCP碼之后，根據(jù)這些DCP碼生成人物圖像中人臉的DCP統(tǒng)計直方圖，可選地，根據(jù)各個關(guān)鍵點所在區(qū)域(即關(guān)鍵區(qū)域)的DCP碼生成人物圖像中人臉關(guān)鍵區(qū)域(雙眉、雙眼、嘴、鼻)的DCP統(tǒng)計直方圖；并將DCP統(tǒng)計直方圖作為人臉特征以與其它人物圖像進行匹配，從而可以有效消除人物表情對身份識別的影響。

步驟S50，將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份。

人臉數(shù)據(jù)庫中包括許多備用的人臉圖像，每個人臉數(shù)據(jù)庫中的人臉圖像都具有對應(yīng)的參考人臉特征，該參考人臉特征也可以為對應(yīng)人臉的DCP統(tǒng)計直方圖，將待識別的人臉圖像中人物的人臉特征與各個人臉數(shù)據(jù)庫中人臉圖像的參考人臉特征進行比對，若人臉特征與參考人臉特征匹配，則將參考人臉特征對應(yīng)人物的身份對應(yīng)到待識別人臉圖像中人物的身份，以實現(xiàn)待識別的人物圖像中人物的身份的識別。

具體地，步驟S50包括：

步驟S51，將人臉特征與人臉數(shù)據(jù)庫中各個人臉圖像的參考人臉特征進行比對，選出與待識別人物圖像的人臉特征相似度最大的參考人臉特征對應(yīng)目標人臉圖像；

步驟S52，將待識別人物圖像的人臉特征和目標人臉圖像的參考人臉特征分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結(jié)果和目標人臉圖像的第二比較結(jié)果；

步驟S53，根據(jù)第一比較結(jié)果和第二比較結(jié)果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

設(shè)待識別人物圖像為img1，目標人臉圖像為img2，計算圖像img1和img2的DCP直方圖分別為dcp1和dcp2，計算dcp1和dcp2的相似度S12；分別計算img1、img2與反樣本集合中的圖像(即所述的一組備用圖像)dcp直方圖的相似度，分別找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，計算待識別人物圖像與目標人臉圖像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，從而根據(jù)待識別人物圖像與目標人臉圖像中人物的相似度可信度d，判斷待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。如可設(shè)置相似度可信度d的閾值，當相似度可信度d大于閾值，則待識別人物圖像與目標人臉圖像為同一人。

在本實施例中，通過獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像，以消除人物圖像中背景對人臉區(qū)域圖像身份識別的影響；然后根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像，以消除了人物圖像中人物姿態(tài)對身份識別的影響；再對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區(qū)域圖像對身份識別的影響；提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征，以有效消除人物表情對身份識別的影響；將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用范圍和準確性。

本發(fā)明還提供一種身份識別裝置，參照圖3，所述身份識別裝置包括：

圖像獲取模塊10，用于獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像；

圖像獲取模塊10通過攝像頭對特定區(qū)域(如人員流動密集區(qū)域的機場、火車站等)進行攝像，獲取含有人物的待識別的人物圖像，圖像獲取模塊10根據(jù)人體生理學(xué)結(jié)構(gòu)特征對人物圖像進行分析，先確認人物在人物圖像中的整體區(qū)域，然后再從整體區(qū)域中確定人物的面部所在的人臉區(qū)域圖像。

具體地，圖像獲取模塊10包括：

特征獲取單元11，用于獲取人物圖像的方向梯度直方圖特征；

檢測單元12，用于根據(jù)人物圖像的方向梯度直方圖特征和線性分類器檢測出人物圖像中的人臉區(qū)域圖像。

人臉一般包括水平方向延伸的眉毛、眼睛和嘴唇，豎直方向延伸的鼻梁以及傾斜延伸的面頰輪廓，特征獲取單元11對人物圖像進行分析，獲取眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區(qū)域，并標識方向梯度直方圖，從而得到人物圖像的方向梯度直方圖特征。然后檢測單元12基于線性分類器對人物圖像的方向梯度直方圖特征進行檢測，確定方向梯度直方圖標記的眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區(qū)域，從而檢測出人物圖像中的人臉區(qū)域圖像，從而消除人物圖像中背景對人臉區(qū)域圖像身份識別的影響。

圖像正向模塊20，用于根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像；

預(yù)置的人臉模型一般是USF human-ID數(shù)據(jù)集的三維平均臉模型，三維平均臉模型上標識有68個關(guān)鍵點位置，圖像正向模塊20根據(jù)三維平均臉模型的關(guān)鍵點位置分布，獲取人臉區(qū)域圖像的關(guān)鍵點位置分布，從而進行三維建模以得到人臉區(qū)域圖像的當前模型，并根據(jù)人體面部生理學(xué)特征，對當前模型進行三維校準和方向調(diào)整，從而得到人臉區(qū)域圖像對應(yīng)的正向圖像，即正向人臉圖像。

具體地，圖像正向模塊20包括：

獲取單元21，用于根據(jù)預(yù)置人臉模型的關(guān)鍵點位置和支持向量回歸算法，獲取人臉區(qū)域圖像的關(guān)鍵點位置，并并采用最小均方誤差計算三維模型至二維圖像的仿射相機，將人臉區(qū)域圖像的關(guān)鍵點位置作為當前關(guān)鍵點位置；

剖分單元22，用于對當前關(guān)鍵點位置進行三角剖分，以得到各個當前關(guān)鍵點位置對應(yīng)的三角面；

變換單元23，用于根據(jù)所述仿射相機對每個三角面進行仿射變換，得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置；

變換單元23根據(jù)仿射相機計算每個三角面的仿射變換向量，然后根據(jù)該仿射變換向量對每個三角面進行仿射變換，從而得到各個當前關(guān)鍵點位置的正向關(guān)鍵點位置。

調(diào)整單元24，用于根據(jù)正向關(guān)鍵點位置對人臉區(qū)域圖像進行方向調(diào)整，以得到正向人臉圖像。

圖像正向模塊20利用對人臉區(qū)域圖像機械能三維校準和正向方向調(diào)整，消除了人物圖像中人物姿態(tài)(姿態(tài)包括側(cè)臉、抬頭、低頭等)對身份識別的影響。

圖像增強模塊30，用于對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像；

圖像增強模塊30采用高斯差分濾波對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像，以減少光照變化對人臉區(qū)域圖像對身份識別的影響。

特征生成模塊40，用于提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征；

DCP(Dual-Cross Patterns，雙交叉模式)是一種描述圖像紋理特征的模式，DCP碼可以量化圖像的紋理，參照圖1，每個像素點DCP碼為：

其中：

公式中I_Ai,I_Bi,I_O,分別為圖1像中A_i點、B_i點、O點的灰度值。特征生成模塊40根據(jù)上述兩個公式提取出人臉增強圖像中所有像素點的DCP碼，然后提取關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征。

具體地，特征生成模塊40包括：

灰度獲取單元41，用于獲取人臉增強圖像中各個像素點的灰度值；

DCP單元42，用于根據(jù)各個像素點的灰度值，確定各個像素點對應(yīng)的DCP碼；

特征生成單元43，用于提取各個關(guān)鍵點位置的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖，并將關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖作為人臉特征，并將該DCP統(tǒng)計直方圖作為人臉特征。

在獲取各個像素點的DCP碼之后，特征生成單元43根據(jù)這些DCP碼生成人物圖像中人臉的DCP統(tǒng)計直方圖，可選地，根據(jù)各個關(guān)鍵點所在區(qū)域(即關(guān)鍵區(qū)域)的DCP碼生成人物圖像中人臉關(guān)鍵區(qū)域(雙眉、雙眼、嘴、鼻)的DCP統(tǒng)計直方圖；并將DCP統(tǒng)計直方圖作為人臉特征以與其它人物圖像進行匹配，從而可以有效消除人物表情對身份識別的影響。

特征比對模塊50，用于將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份。

人臉數(shù)據(jù)庫中包括許多備用的人臉圖像，每個人臉數(shù)據(jù)庫中的人臉圖像都具有對應(yīng)的參考人臉特征，該參考人臉特征也可以為對應(yīng)人臉的DCP統(tǒng)計直方圖，特征比對模塊50將待識別的人臉圖像中人物的人臉特征與各個人臉數(shù)據(jù)庫中人臉圖像的參考人臉特征進行比對，若人臉特征與參考人臉特征匹配，則將參考人臉特征對應(yīng)人物的身份對應(yīng)到待識別人臉圖像中人物的身份，以實現(xiàn)待識別的人物圖像中人物的身份的識別。

具體地，特征比對模塊50包括：

第一比對單元51，用于將人臉特征與人臉數(shù)據(jù)庫中各個人臉圖像的參考人臉特征進行比對，選出與待識別人物圖像的人臉特征相似度最大的參考人臉特征對應(yīng)目標人臉圖像；

第二比對單元52，用于將待識別人物圖像的人臉特征和目標人臉圖像的參考人臉特征分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結(jié)果和目標人臉圖像的第二比較結(jié)果；

身份識別單元53，用于根據(jù)第一比較結(jié)果和第二比較結(jié)果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

設(shè)待識別人物圖像為img1，目標人臉圖像為img2，計算圖像img1和img2的DCP直方圖分別為dcp1和dcp2，第一比對單元51計算dcp1和dcp2的相似度S12；第二比對單元52分別計算img1、img2與反樣本集合中的圖像(即所述的一組備用圖像)dcp直方圖的相似度，身份識別單元53分別找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，計算待識別人物圖像與目標人臉圖像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，從而根據(jù)待識別人物圖像與目標人臉圖像中人物的相似度可信度d，判斷待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。如可設(shè)置相似度可信度d的閾值，當相似度可信度d大于閾值，則待識別人物圖像與目標人臉圖像為同一人。

在本實施例中，通過圖像獲取模塊10獲取待識別的人物圖像，確定人物圖像中的人臉區(qū)域圖像，以消除人物圖像中背景對人臉區(qū)域圖像身份識別的影響；然后圖像正向模塊20根據(jù)預(yù)置人臉模型的關(guān)鍵點位置分布，對人臉區(qū)域圖像進行三維校準和方向調(diào)整，以得到正向人臉圖像，以消除了人物圖像中人物姿態(tài)對身份識別的影響；圖像增強模塊30再對人臉區(qū)域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區(qū)域圖像對身份識別的影響；特征生成模塊40提取人臉增強圖像中所有像素點的DCP碼，并計算關(guān)鍵點所在區(qū)域DCP碼的統(tǒng)計直方圖以構(gòu)成所述人物圖像的人臉特征，以有效消除人物表情對身份識別的影響；特征比對模塊50將人臉特征與人臉數(shù)據(jù)庫中的人臉圖像的參考人臉特征進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用范圍和準確性。

需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實施例方法可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件，但很多情況下前者是更佳的實施方式。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)(如ROM/RAM、磁碟、光盤)中，包括若干指令用以使得一臺終端設(shè)備(可以是手機，計算機，服務(wù)器，空調(diào)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實施例，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)明的專利保護范圍內(nèi)。