一種適應(yīng)多表情多姿態(tài)的人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于人臉識別系統(tǒng)，無需事先訓(xùn)練，是基于一種單張圖片在二維空間中的 擬合匹配方法。
【背景技術(shù)】
[0002] 人臉識別系統(tǒng)是將輸入的人臉照片與現(xiàn)有的數(shù)據(jù)庫中的照片進行比較并確定身 份的一種系統(tǒng)。因為人臉是區(qū)分不同人的主要特征之一，所以該系統(tǒng)可用于簽到系統(tǒng)，刑偵 系統(tǒng)，國防系統(tǒng)等。
[0003] 因為在日常生活，監(jiān)控視頻中，很難保證提取的人臉按照統(tǒng)一的姿態(tài)表情，然而 正是因為人臉有表情和姿態(tài)的變化，這對人臉識別系統(tǒng)也造成了很大的干擾。如果采用 三維模型的人臉，需要采集更多的數(shù)據(jù)樣本，在實際情況中很難做到。如果是基于單張圖 片映射到三維模型進行姿態(tài)和表情的調(diào)整，目前的識別率較低。采用LBP (Local Binary Patterns)特征可以反應(yīng)人臉的局部特征。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的主要目的是提供一種人臉識別方法，對于數(shù)據(jù)庫中的人臉圖片或者監(jiān)控 視頻，進行較快，較準的查詢，包括以下步驟： 1)對于需要識別的人臉照片和數(shù)據(jù)集或者待檢測視頻的每一幀進行人臉區(qū)域的檢測， 截取該區(qū)域的圖片轉(zhuǎn)換為灰度圖，并調(diào)整到統(tǒng)一大小。
[0005] 2)對于1)中截取到的圖片，定位其面部關(guān)鍵特征點的位置集合。
[0006] 3)將待識別圖片的關(guān)鍵點集合和數(shù)據(jù)集中的人臉的關(guān)鍵點集合進行一一對應(yīng)擬 合，通過預(yù)先設(shè)定的擬合公式，得到擬合參數(shù)。
[0007] 4)用3)中得到的擬合參數(shù)來生成新的待識別圖片，補全缺失像素點。
[0008] 5)對得到新的待識別的圖片調(diào)整到相同大小，然后提取LBP特征直方圖，并作歸 一化處理。
[0009] 6)用卡方檢驗的方法計算特征直方圖之間的差距，從而得出兩張人臉之間的相似 性。
[0010] 所述的人臉檢測方法包括在待識別人臉，數(shù)據(jù)集圖片，視頻每一幀用的方法是基 于Haar特征的Adaboost算法。該方法能較快定位圖片中人臉的位置。
[0011] 所述的調(diào)整到統(tǒng)一大小指的是檢測到的人臉圖片縮放到92*112像素，便于后面 關(guān)鍵特征點的擬合。
[0012] 所述的定位其面部關(guān)鍵特征點的位置集合，可以通過主動輪廓模型，主動表現(xiàn)模 型等方法來實現(xiàn)。本發(fā)明采用主動表現(xiàn)模型，得到需要參與擬合的11個關(guān)鍵點，分別標記 為：1 :左眉毛的最左點，2 :左眉毛的最右點，3 :右眉毛的最左點，4 :右眉毛的最右點，5 :左 眼的左眼角，6 :左眼的右眼角，7 :右眼的左眼角，8 :右眼的右眼角，9 :鼻尖下的點，10 :左嘴 角的點，11 :右嘴角的點。因此，每張圖片有11個關(guān)鍵特征點的位置集合。
[0013] 所述的特征點擬合采用二元三次多項式來進行擬合，多項式的次數(shù)越高，擬合 效果越佳，本發(fā)明在實驗中發(fā)現(xiàn)三次項已經(jīng)基本能滿足擬合要求，在處理器為=Intel (R) Core(TM) i3-2100 CPU 03.10GHz，內(nèi)存8G的環(huán)境下達到視頻匹配實時處理的效果。多項 式的擬合公式為：P- = Λ c.u) , Py = /= (，βχ為已知圖片關(guān)鍵點的X坐標,Py 為已知圖片關(guān)鍵點的y坐標。而X為待匹配圖片關(guān)鍵點的X坐標，y為待匹配圖片關(guān)鍵點 的y坐標。通過求解/?和/2兩個多項式系數(shù)來完成已知圖片到待匹配圖片的擬合。
[0014] 其中A(H·)為
【主權(quán)項】
1. 一種適應(yīng)多表情多姿態(tài)的人臉識別方法，其特征在于該方法包括如下步驟： 1) 對輸入的人臉照片做人臉檢測，在人臉區(qū)域和數(shù)據(jù)集或者視頻中的人臉區(qū)域做特征 點的檢測，得到每個圖片特征點的集合； 2) 對于要進行匹配的人臉圖片，將他們對應(yīng)的特征點集合進行擬合，得到擬合參數(shù)； 3) 通過步驟2)得到的擬合參數(shù)，生成新的匹配圖片，對其進行填充調(diào)整，最后進行特征 提取以及相似度的匹配。
2. 根據(jù)權(quán)利要求1所述的一種適應(yīng)多表情多姿態(tài)的人臉識別方法，其特征在于：人臉 特征點包括左眉毛的最左點、左眉毛的最右點、右眉毛的最左點、右眉毛的最右點、左眼的 左眼角、左眼的右眼角、右眼的左眼角、右眼的右眼角、鼻尖下的點、左嘴角的點和右嘴角的 點。
3. 根據(jù)權(quán)利要求1所述的一種適應(yīng)多表情多姿態(tài)的人臉識別方法，其特征在于：擬合 所用的公式為：βχ = Λ (? y)，Py = /2 (X, y) , Pjk為已知圖片關(guān)鍵點的X坐標，Pj,為 已知圖片關(guān)鍵點的y坐標；而X為待匹配圖片關(guān)鍵點的X坐標，y為待匹配圖片關(guān)鍵點的y 坐標；通過求解古和/2兩個多項式系數(shù)來完成已知圖片到待匹配圖片的擬合；
4. 根據(jù)權(quán)利要求1所述的一種適應(yīng)多表情多姿態(tài)的人臉識別方法，其特征在于：在擬 合映射之后的圖片會出現(xiàn)空白點，補全這些缺失像素點就是將周圍的像素點的灰度值平均 得到的值賦予該像素點；在根據(jù)映射規(guī)則的條件下，有些像素點會覆蓋，有些像素點會缺 失；對于缺失的像素點，取像素點周圍最為鄰近的8個點的灰度值的平均值作為該像素點 的灰度值；如果周圍8個像素點全部缺失，則選擇最為鄰近的24個像素點的灰度值的平均 值作為該點的像素值。
5. 根據(jù)權(quán)利要求1所述的一種適應(yīng)多表情多姿態(tài)的人臉識別方法，其特征在于：人臉 圖片在檢測后調(diào)整到統(tǒng)一大小為92*112,擬合調(diào)整后統(tǒng)一大小也為92*112。
【專利摘要】本發(fā)明提供了一種適應(yīng)多表情多姿態(tài)的人臉識別方法。本發(fā)明首先對輸入的人臉照片做人臉檢測，在人臉區(qū)域和數(shù)據(jù)集或者視頻中的人臉區(qū)域做特征點的檢測，得到每個圖片特征點的集合。然后對于要進行匹配的人臉圖片，將他們對應(yīng)的特征點集合進行擬合，得到擬合參數(shù)；最后利用得到的擬合參數(shù)，生成新的匹配圖片，對其進行填充調(diào)整，進行特征提取以及相似度的匹配。本發(fā)明無需估計人臉具體的姿態(tài)角度下，局部特征的提取和比對更加精確了，識別率也提高。
【IPC分類】G06K9-00
【公開號】CN104636727
【申請?zhí)枴緾N201510063018
【發(fā)明人】宋明黎, 唐斌斌, 宋新慧, 陳純, 卜佳俊
【申請人】浙江大學(xué)
【公開日】2015年5月20日
【申請日】2015年2月8日