基于輕量級(jí)智能終端的人臉識(shí)別系統(tǒng)及注冊(cè)、識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物特征識(shí)別技術(shù)領(lǐng)域,具體來(lái)講是一種基于輕量級(jí)智能終端的人臉 識(shí)別系統(tǒng)及注冊(cè)、識(shí)別方法。
【背景技術(shù)】
[0002] 2007年,蘋(píng)果公司發(fā)布的具有劃時(shí)代意義的iPhone,拉開(kāi)的智能手機(jī)的時(shí)代, Google公司也在之后的一年里發(fā)布了Android手機(jī),進(jìn)一步的推動(dòng)智能終端的普及,隨后 的幾年里,智能移動(dòng)終端設(shè)備井噴式的增長(zhǎng)。隨著移動(dòng)互聯(lián)網(wǎng)的泛在,移動(dòng)支付出現(xiàn)在人 們的日常生活中,交易安全也隨之受到重視,而交易的核心是身份鑒別,傳統(tǒng)的方式登錄網(wǎng) 銀、支付寶等,需要用戶(hù)口令、手機(jī)短信或者密??ǖ劝踩胧?,如果這些東西被惡意用戶(hù) 獲取,同樣也能"鑒別身份",這是不真實(shí)也不可靠的。因此,急需一種應(yīng)用于移動(dòng)智能終端 上安全、可靠、快捷、便利的輕量級(jí)身份識(shí)別方案。
[0003] 由于傳統(tǒng)身份鑒別的缺點(diǎn),基于生物特征的身份識(shí)別手段應(yīng)運(yùn)而生,例如視網(wǎng)膜、 虹膜、聲紋、掌紋和指紋等。這些方法不僅用戶(hù)體驗(yàn)友好,而且可以在不需要身份標(biāo)識(shí)的同 時(shí)確保我們的資產(chǎn)安全和個(gè)人隱私安全,但問(wèn)題是需要參與者的配合且都是接觸式的,在 許多環(huán)境和場(chǎng)合下這些生物特征不易獲得。隨著圖像分析和計(jì)算機(jī)視覺(jué)等多項(xiàng)領(lǐng)域的發(fā) 展,人臉識(shí)別被廣泛關(guān)注,不同于上文中的生物特征,人臉識(shí)別只是基于用戶(hù)的臉部照片或 視頻流,不需要用戶(hù)的主動(dòng)配合,擁有更方便、更直接、更友好、非接觸、更真實(shí)可靠等優(yōu)點(diǎn)。
[0004] 將人臉識(shí)別和移動(dòng)智能終端結(jié)合時(shí)趨勢(shì)所在,但國(guó)內(nèi)對(duì)于此的研宄鳳毛麟角,而 且平臺(tái)的大多都是較老,如BREW、Symbian等系統(tǒng)。黎冰、吳松、曾凡濤在《人臉識(shí)別在智能 手機(jī)中的實(shí)現(xiàn)》(《計(jì)算機(jī)工程》,2006, 07:272-274.)中采用Intel的PXA270搭建ARM嵌 入式系統(tǒng),使用膚色模型來(lái)檢測(cè)人臉,但是沒(méi)有提到人臉識(shí)別的算法。而李偉在《人臉識(shí)別 算法在智能手機(jī)上的實(shí)現(xiàn)》(《計(jì)算機(jī)技術(shù)與發(fā)展》,2008, 01:161-163.)提出一種結(jié)合神經(jīng) 網(wǎng)絡(luò)和PCA的算法,在平臺(tái)上測(cè)試有較高的識(shí)別率,但由于加入神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,需要很多 樣本且計(jì)算代價(jià)大,同時(shí)上述文獻(xiàn)中都只是實(shí)驗(yàn)平臺(tái),并沒(méi)有真正的移植到手機(jī)或其他成 熟的智能平臺(tái)上。
[0005] WindowsPhone系統(tǒng)和Windows系統(tǒng)的程序有著良好的移植性,也有些基于 WindowsPhone的研宄,胡小平、陳鍛生、陳偉斌在《智能手機(jī)人臉檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí) 現(xiàn)》(《計(jì)算機(jī)工程與設(shè)計(jì)》,2010, 03:672-675.)中使用多色彩空間的膚色模型結(jié)合人臉 幾何關(guān)系進(jìn)一步驗(yàn)證人臉,不僅檢測(cè)速度快,而且極大的降低漏檢概率,不足是僅實(shí)現(xiàn)了 檢測(cè)功能。陳一寧、陳曉光在《基于手機(jī)和人臉識(shí)別的身份識(shí)別系統(tǒng)》(《計(jì)算機(jī)應(yīng)用與 軟件》,2011,03:77-79+105.)中基于Symbian客戶(hù)機(jī),使用LBP算法(AhonenT,Hadid A,PietikMinenM.Facerecognitionwithlocalbinarypatterns[M]//Computer vision-eccv2004.SpringerBerlinHeidelberg, 2004:469-481.)來(lái)做人臉識(shí)別,并提出 一套完整的解決方案,不足時(shí)采用平臺(tái)較老。Google公司于2011年底推出Android4. 0系 統(tǒng),此版系統(tǒng)帶有人臉識(shí)別的新特性,但識(shí)別度不高且僅支持1對(duì)1的身份鑒別??梢钥吹?, 智能終端由于自身計(jì)算和存儲(chǔ)局限的特點(diǎn),人臉識(shí)別在其上的研宄仍需要走很長(zhǎng)一段路。
[0006] 中國(guó)現(xiàn)已邁入4G時(shí)代,智能移動(dòng)手機(jī)已普及,隨之而來(lái)的移動(dòng)信息安全日益需求 強(qiáng)烈。智能終端由于自身計(jì)算和存儲(chǔ)的局限,并且因?yàn)橛脩?hù)操作習(xí)慣,通常智能終端的訓(xùn)練 集都是小樣本集,人臉識(shí)別算法直接應(yīng)用效果并不佳,因此亟需對(duì)傳統(tǒng)的人臉識(shí)別方法進(jìn) 行改進(jìn)。
【發(fā)明內(nèi)容】
[0007] 針對(duì)現(xiàn)有技術(shù)中存在的缺陷,本發(fā)明的目的在于提供一種基于輕量級(jí)智能終端的 人臉識(shí)別系統(tǒng)及注冊(cè)、識(shí)別方法,本發(fā)明相對(duì)于原始SIFT特征匹配算法在識(shí)別率和運(yùn)算性 能都有提升,且能夠在Android系統(tǒng)中實(shí)現(xiàn)人臉識(shí)別;提高了系統(tǒng)的處理速度;提高了系統(tǒng) 的圖像識(shí)別率,同時(shí)減少了運(yùn)算時(shí)間。
[0008] 為達(dá)到以上目的,本發(fā)明采取的技術(shù)方案是:一種基于輕量級(jí)智能終端的人臉識(shí) 別系統(tǒng),包括拍照模塊、人臉檢測(cè)模塊、預(yù)處理模塊、特征提取模塊、數(shù)據(jù)存儲(chǔ)模塊、個(gè)人信 息輸入模塊、識(shí)別模塊;所述拍照模塊、人臉檢測(cè)模塊、預(yù)處理模塊、特征提取模塊依次相 連,所述數(shù)據(jù)存儲(chǔ)模塊分別與預(yù)處理模塊、特征提取模塊、個(gè)人信息輸入模塊、識(shí)別模塊相 連,所述特征提取模塊還分別與個(gè)人信息輸入模塊、識(shí)別模塊相連;其中,拍照模塊,用于采 集用戶(hù)的正面照?qǐng)D像;人臉檢測(cè)模塊,用于檢測(cè)采集到的圖像,并進(jìn)行人眼定位;預(yù)處理模 塊,用于截取圖像中的人臉區(qū)域,并對(duì)其進(jìn)行灰度化處理;將處理后的圖像信息保存至數(shù)據(jù) 存儲(chǔ)模塊;特征提取模塊,用于提取圖像中的SIFT特征,并存儲(chǔ)至數(shù)據(jù)存儲(chǔ)模塊;個(gè)人信息 輸入模塊,用于供用戶(hù)輸入個(gè)人信息,并存儲(chǔ)至數(shù)據(jù)存儲(chǔ)模塊;數(shù)據(jù)存儲(chǔ)模塊,用于存儲(chǔ)數(shù) 據(jù)及采集到的圖像信息;識(shí)別模塊,用于對(duì)測(cè)試樣本與訓(xùn)練樣本進(jìn)行匹配運(yùn)算。
[0009] 在上述技術(shù)方案的基礎(chǔ)上,所述數(shù)據(jù)存儲(chǔ)模塊和識(shí)別模塊設(shè)置于外設(shè)的云端服務(wù) 器中,該云端服務(wù)器負(fù)責(zé)存儲(chǔ)數(shù)據(jù)及匹配運(yùn)算,并將處理后的數(shù)據(jù)通過(guò)網(wǎng)絡(luò)加密回傳至智 能終端。
[0010] 在上述技術(shù)方案的基礎(chǔ)上,所述數(shù)據(jù)存儲(chǔ)模塊包括數(shù)據(jù)庫(kù)和本地文件系統(tǒng)。
[0011] 本發(fā)明還提供一種應(yīng)用于上述系統(tǒng)的基于輕量級(jí)智能終端的人臉注冊(cè)方法,包 括以下步驟:步驟11.用戶(hù)通過(guò)拍照模塊采集正面照?qǐng)D像;步驟12.通過(guò)人臉檢測(cè)模塊檢 測(cè)采集到的圖像,并進(jìn)行人眼定位;步驟13.通過(guò)預(yù)處理模塊截取圖像中的人臉區(qū)域,并 對(duì)其進(jìn)行灰度化處理;將處理后的圖像信息作為訓(xùn)練樣本數(shù)據(jù)保存至數(shù)據(jù)存儲(chǔ)模塊;步驟 14.通過(guò)特征提取模塊提取圖像中的SIFT特征,并將其作為訓(xùn)練樣本數(shù)據(jù)保存至數(shù)據(jù)存儲(chǔ) 模塊;步驟15.用戶(hù)通過(guò)個(gè)人信息輸入模塊將個(gè)人信息作為訓(xùn)練樣本數(shù)據(jù)保存至數(shù)據(jù)存儲(chǔ) 豐旲塊。
[0012] 在上述技術(shù)方案的基礎(chǔ)上,步驟12中,人臉檢測(cè)模塊通過(guò)調(diào)用系統(tǒng)自帶的 Android人臉檢測(cè)API檢測(cè)采集到的圖像。
[0013] 在上述技術(shù)方案的基礎(chǔ)上,步驟13中,通過(guò)預(yù)處理模塊截取圖像中的人臉區(qū)域 的具體流程為:步驟131.測(cè)量圖像中雙眼的中點(diǎn)坐標(biāo)及雙眼間距,設(shè)雙眼的中點(diǎn)坐標(biāo)為 (x,y),雙眼間距為dd,其中X表示橫坐標(biāo),y表示縱坐標(biāo);步驟132.將圖像中坐標(biāo)分別為 (x_dd,y+dd/2)、(x+dd,y+dd/2)、(x-dd,y_3dd/2)、(x+dd,y_3dd/2)的四個(gè)點(diǎn)作為面部截取 矩形的頂點(diǎn),截取邊長(zhǎng)為2dd的正方形;步驟133.將所述正方形劃分為七塊區(qū)域,其中,左 眼位于第一區(qū)域內(nèi),右眼位于第二區(qū)域內(nèi),左臉頰位于第三區(qū)域內(nèi),鼻子位于第四區(qū)域內(nèi), 右臉頰位于第五區(qū)域內(nèi),左嘴角位于第六區(qū)域內(nèi),右嘴角位于第七區(qū)域內(nèi)。
[0014] 在上述技術(shù)方案的基礎(chǔ)上,步驟133中將所述正方形劃分為七塊區(qū)域之后還包括 以下步驟:為所述正方形的每個(gè)區(qū)域給定相應(yīng)的一個(gè)權(quán)值。
[0015] 在上述技術(shù)方案的基礎(chǔ)上,步驟133中七塊區(qū)域的形狀和頂點(diǎn)坐標(biāo)分別為:第 一區(qū)域是邊長(zhǎng)為dd的正方形,其四個(gè)頂點(diǎn)坐標(biāo)分別為(x-dd,y+dd/2)、(x,y+dd/2)、 (x-dd,y-dd/2)、(x,y-dd/2);第二區(qū)域是邊長(zhǎng)為dd的正方形,其四個(gè)頂點(diǎn)坐標(biāo)分別為(x, y+dd/2)、(x+dd,y+dd/2)、(x,y-dd/2)、(x+dd,y-dd/2);第三區(qū)域是邊長(zhǎng)為dd/2 的正方形, 其四個(gè)頂點(diǎn)坐標(biāo)分別為(x-dd,y-dd/2)、(x-dd/2,y-dd/2)、(x-dd,y-dd)、(x-dd/2,y-dd); 第四區(qū)域是長(zhǎng)為dd、寬為dd/2的矩形,其四個(gè)頂點(diǎn)坐標(biāo)分別為(x-dd/2,y_dd/2)、(x+dd/2, y-dd/2)