本發(fā)明涉及生物特征識(shí)別領(lǐng)域，具體涉及一種人臉識(shí)別系統(tǒng)及其檢測(cè)方法。

背景技術(shù)：

人臉識(shí)別技術(shù)是一種通過對(duì)面部特征和它們之間的關(guān)聯(lián)來進(jìn)行識(shí)別的技術(shù)。大都通過攝像頭攝取面部的圖像或者影像，捕捉并記錄其中的核心點(diǎn)信息，通過的處理和轉(zhuǎn)化將其變?yōu)閿?shù)字信號(hào)，最終產(chǎn)生匹配比率信號(hào)。

人臉識(shí)別技術(shù)具備非接觸式、并發(fā)性、硬件設(shè)備要求低等優(yōu)勢(shì)。但同時(shí)也存在對(duì)周圍的光線環(huán)境敏感，頭發(fā)、飾物等遮擋物對(duì)準(zhǔn)確度存在較大影響的問題。

技術(shù)實(shí)現(xiàn)要素：

為解決現(xiàn)有技術(shù)的人臉識(shí)別技術(shù)存在對(duì)光線環(huán)境敏感，受遮擋物影響大的技術(shù)問題，本發(fā)明提供一種解決上述問題的人臉識(shí)別系統(tǒng)及其檢測(cè)方法。

一種人臉識(shí)別系統(tǒng)，包括面板端、人臉檢測(cè)模塊、人員數(shù)據(jù)庫(kù)、人臉識(shí)別模塊，所述面板端持續(xù)采集人臉源數(shù)據(jù)，并發(fā)送至所述人臉檢測(cè)模塊，所述人員數(shù)據(jù)庫(kù)儲(chǔ)存有人員基本信息；

當(dāng)進(jìn)行用戶注冊(cè)操作時(shí)，所述人臉檢測(cè)模塊于所述人臉源數(shù)據(jù)中檢測(cè)出人臉特征，將其創(chuàng)建為標(biāo)準(zhǔn)模型，并發(fā)送至所述人員數(shù)據(jù)庫(kù)儲(chǔ)存，與所述人員基本信息進(jìn)行配對(duì)；

當(dāng)進(jìn)行用戶識(shí)別操作時(shí)，所述人臉檢測(cè)模塊于所述人臉源數(shù)據(jù)中檢測(cè)出人臉特征，將其創(chuàng)建為檢測(cè)模型，并發(fā)送至所述人臉識(shí)別模塊，所述人臉識(shí)別模塊調(diào)取所述人員數(shù)據(jù)庫(kù)內(nèi)的所述標(biāo)準(zhǔn)模型與所述檢測(cè)模型進(jìn)行匹配，獲得匹配率。

在本發(fā)明提供的人臉識(shí)別系統(tǒng)的一種較佳實(shí)施例中，所述人臉識(shí)別系統(tǒng)還包括人臉模板數(shù)據(jù)庫(kù)，所述人臉模板數(shù)據(jù)庫(kù)儲(chǔ)存有常見人臉的基本模型；

當(dāng)進(jìn)行用戶注冊(cè)操作時(shí)，所述人臉檢測(cè)模塊于所述人臉源數(shù)據(jù)中檢測(cè)出人臉特征，并基于所述人臉特征于所述人臉模板數(shù)據(jù)庫(kù)中選擇合適的所述基本模型，將所述人臉特征填充于所述基本模型，從而創(chuàng)建出所述標(biāo)準(zhǔn)模型，將所述標(biāo)準(zhǔn)模型發(fā)送至所述人員數(shù)據(jù)庫(kù)儲(chǔ)存，與所述人員基本信息進(jìn)行配對(duì)；

當(dāng)進(jìn)行用戶識(shí)別操作時(shí)，所述人臉檢測(cè)模塊同理創(chuàng)建出所述檢測(cè)模型，將所述檢測(cè)模型發(fā)送至所述人臉識(shí)別模塊，所述人臉識(shí)別模塊調(diào)取所述標(biāo)準(zhǔn)模型與所述檢測(cè)模型進(jìn)行匹配，獲得匹配率。

在本發(fā)明提供的人臉識(shí)別系統(tǒng)的一種較佳實(shí)施例中，所述人臉識(shí)別系統(tǒng)還包括跟蹤模塊；

所述人臉識(shí)別模塊的獲得的所述匹配率暫存于所述跟蹤模塊，所述跟蹤模塊驅(qū)使所述人臉檢測(cè)模塊再次創(chuàng)建另一所述檢測(cè)模型，所述人臉識(shí)別模塊再次對(duì)所述檢測(cè)模型進(jìn)行匹配，獲得另一所述匹配率；

重復(fù)一定次數(shù)后，所述跟蹤模塊結(jié)合多個(gè)所述匹配率，向所述面板端輸出識(shí)別結(jié)果。

在本發(fā)明提供的人臉識(shí)別系統(tǒng)的一種較佳實(shí)施例中，所述面板端包括數(shù)據(jù)采集單元、切換單元、顯示單元，所述數(shù)據(jù)采集單元持續(xù)采集人臉源數(shù)據(jù)，并發(fā)送至所述人臉檢測(cè)模塊；

欲進(jìn)行用戶注冊(cè)操作時(shí)，通過所述切換單元將所述人臉檢測(cè)模塊切換至注冊(cè)狀態(tài)，將所述人臉特征創(chuàng)建為所述標(biāo)準(zhǔn)模型；

欲進(jìn)行用戶識(shí)別操作時(shí)，通過所述切換單元將所述人臉檢測(cè)模塊切換至識(shí)別狀態(tài)，將所述人臉特征創(chuàng)建為所述檢測(cè)模型；

所述跟蹤模塊輸出所述識(shí)別結(jié)果至所述顯示單元。

在本發(fā)明提供的人臉識(shí)別系統(tǒng)的一種較佳實(shí)施例中，所述人臉識(shí)別系統(tǒng)的檢測(cè)方法，包括以下步驟：

步驟一：預(yù)處理，探測(cè)所述人臉源數(shù)據(jù)中人像的邊緣，去除所述人臉源數(shù)據(jù)中的高強(qiáng)度的噪點(diǎn)，提取出臉型特征和肌理特征，記為基礎(chǔ)特征；

步驟二：局域特性分析：設(shè)置消除邊緣影響、光線環(huán)境誤差的感應(yīng)系數(shù)，依所述感應(yīng)系數(shù)為基礎(chǔ)，屏蔽所述基礎(chǔ)特征中部分邊緣影響和光線環(huán)境誤差，獲取有效檢測(cè)結(jié)果，記為面部特征；

步驟三：動(dòng)態(tài)局域特性分析：修改所述步驟二中所述感應(yīng)系數(shù)，獲得另一所述面部特征；

步驟四：迭代運(yùn)算：選取較優(yōu)的一項(xiàng)所述面部特征作為所述基礎(chǔ)特征，重復(fù)運(yùn)行進(jìn)行所述步驟二和所述步驟三，直至獲得合適的所述面部特征作為所述人臉特征。

相較于現(xiàn)有技術(shù)，本發(fā)明提供的所述人臉識(shí)別系統(tǒng)具有以下有益效果：

一、所述人臉識(shí)別系統(tǒng)設(shè)有所述人臉檢測(cè)模塊，利用迭代運(yùn)算減輕邊緣影響、光線環(huán)境誤差對(duì)識(shí)別準(zhǔn)確度的影響，獲取較為準(zhǔn)確的人臉特征，在識(shí)別速度和識(shí)別準(zhǔn)確度之間，達(dá)到最佳的匹配效果。

二、所述人臉識(shí)別系統(tǒng)設(shè)有所述人臉模板數(shù)據(jù)庫(kù)，建立所述標(biāo)準(zhǔn)模型或所述檢測(cè)模型時(shí)均基于其中的所述基本模型，既大大提高了建模效率，又有效增快了識(shí)別對(duì)比速度。使所述人臉識(shí)別系統(tǒng)整體的運(yùn)行速度大大提升。

三、所述人臉識(shí)別系統(tǒng)設(shè)有所述跟蹤模塊，重復(fù)運(yùn)行獲取多項(xiàng)所述匹配率，有效減輕了光環(huán)境和遮蓋物對(duì)識(shí)別產(chǎn)生的誤差的影響，從而獲得最佳的識(shí)別準(zhǔn)確度。

附圖說明

圖1是本發(fā)明提供的人臉識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例。

請(qǐng)參閱圖1，是本發(fā)明提供的人臉識(shí)別系統(tǒng)1的結(jié)構(gòu)示意圖。

所述人臉識(shí)別系統(tǒng)1包括面板端11、人臉檢測(cè)模塊12、人臉模板數(shù)據(jù)庫(kù)13、人員數(shù)據(jù)庫(kù)14、人臉識(shí)別模塊15、跟蹤模塊16。所述面板端11包括數(shù)據(jù)采集單元111、切換單元112、顯示單元113。

所述數(shù)據(jù)采集單元111持續(xù)采集人臉圖像數(shù)據(jù)，并發(fā)送至所述人臉檢測(cè)模塊12。所述人臉模板數(shù)據(jù)庫(kù)13儲(chǔ)存有常見人臉的基本模型，所述人員數(shù)據(jù)庫(kù)14儲(chǔ)存有相關(guān)人員的基本信息。

欲進(jìn)行用戶注冊(cè)操作時(shí)，所述切換單元112切換所述人臉檢測(cè)模塊12至注冊(cè)狀態(tài)，所述人臉檢測(cè)模塊12對(duì)所述人臉圖像數(shù)據(jù)依次進(jìn)行以下步驟的處理：

步驟一：預(yù)處理，探測(cè)所述人臉圖像數(shù)據(jù)中人像的邊緣，去除所述人臉圖像數(shù)據(jù)中的高強(qiáng)度的噪點(diǎn)，提取出臉型特征和肌理特征，記為基礎(chǔ)特征；

步驟二：局域特性分析：設(shè)置消除邊緣影響、光線環(huán)境誤差的感應(yīng)系數(shù)，依所述感應(yīng)系數(shù)為基礎(chǔ)，屏蔽所述基礎(chǔ)特征中部分邊緣影響和光線環(huán)境誤差，獲取的有效檢測(cè)結(jié)果，記為面部特征；

步驟三：動(dòng)態(tài)局域特性分析：修改所述步驟二中所述感應(yīng)系數(shù)，獲得另一所述面部特征；

步驟四：迭代運(yùn)算：選取較優(yōu)的一項(xiàng)所述面部特征作為所述基礎(chǔ)特征，重復(fù)運(yùn)行進(jìn)行所述步驟二和所述步驟三共十次，獲得足夠準(zhǔn)確的所述面部特征作為人臉特征。

步驟五：創(chuàng)建標(biāo)準(zhǔn)模型：基于所述人臉特征，于所述人臉模板數(shù)據(jù)庫(kù)13中選取一合適的所述基本模型，將所述人臉特征填充于所述基本模型，從而創(chuàng)建出標(biāo)準(zhǔn)模型。

將所述標(biāo)準(zhǔn)模型發(fā)送至所述人員數(shù)據(jù)庫(kù)儲(chǔ)存14，與其中儲(chǔ)存的所述人員基本信息進(jìn)行配對(duì)，從而實(shí)現(xiàn)該用戶的人臉信息的注冊(cè)。

欲進(jìn)行用戶識(shí)別操作時(shí)，所述切換單元112切換所述人臉檢測(cè)模塊12至識(shí)別狀態(tài)，所述人臉檢測(cè)模塊12對(duì)所述人臉圖像數(shù)據(jù)依次進(jìn)行以下步驟的處理：

其中，步驟一至步驟四與進(jìn)行用戶注冊(cè)操作時(shí)一致，在此不作贅述。

步驟五：創(chuàng)建檢測(cè)模型：基于所述人臉特征，于所述人臉模板數(shù)據(jù)庫(kù)13中選取一合適的所述基本模型，將所述人臉特征填充于所述基本模型，從而創(chuàng)建出檢測(cè)模型。

將所述檢測(cè)模型發(fā)送至所述人臉識(shí)別模塊15。所述人臉識(shí)別模塊15調(diào)取所述人員數(shù)據(jù)庫(kù)儲(chǔ)存14中與所述檢測(cè)模型基于同一所述基本模型的所述標(biāo)準(zhǔn)模型，一一進(jìn)行對(duì)比。選取其中最高一項(xiàng)的匹配率發(fā)送至所述跟蹤模塊16。

所述跟蹤模塊16驅(qū)使所述人臉檢測(cè)模塊12對(duì)所述數(shù)據(jù)采集單元111新采集所述人臉圖像數(shù)據(jù)再進(jìn)行一次處理，創(chuàng)建另一所述檢測(cè)模型，發(fā)送至所述人臉識(shí)別模塊15，與同一所述標(biāo)準(zhǔn)模型進(jìn)行對(duì)比。所述跟蹤模塊16重復(fù)運(yùn)行五次，獲得共六項(xiàng)所述匹配率。

所述跟蹤模塊16依據(jù)六項(xiàng)所述匹配率確定最終匹配結(jié)果，并發(fā)送至所述顯示單元113顯示。

相較于現(xiàn)有技術(shù)，本發(fā)明提供的所述人臉識(shí)別系統(tǒng)1具有以下有益效果：

一、所述人臉識(shí)別系統(tǒng)1利用迭代運(yùn)算減輕邊緣影響、光線環(huán)境誤差對(duì)識(shí)別準(zhǔn)確度的影響，獲取較為準(zhǔn)確的人臉特征。此種檢測(cè)方式在識(shí)別速度和識(shí)別準(zhǔn)確度之間，達(dá)到了最佳的匹配效果。

二、所述人臉識(shí)別系統(tǒng)1設(shè)有所述人臉模板數(shù)據(jù)庫(kù)13，建立所述標(biāo)準(zhǔn)模型或所述檢測(cè)模型時(shí)均基于其中的所述基本模型，既大大提高了建模效率，又有效增快了識(shí)別對(duì)比速度。使所述人臉識(shí)別系統(tǒng)1整體的運(yùn)行速度大大提升。

三、所述人臉識(shí)別系統(tǒng)1設(shè)有所述跟蹤模塊16，重復(fù)運(yùn)行獲取多項(xiàng)所述匹配率，有效減輕了光環(huán)境和遮蓋物對(duì)識(shí)別產(chǎn)生的誤差的影響，從而獲得最佳的識(shí)別準(zhǔn)確度。

以上所述僅為本發(fā)明的實(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)明說明書內(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)用在其它相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍之內(nèi)。