人脸识别方法及装置制造方法及图纸

本发明专利技术是关于一种人脸识别方法及装置。所述方法包括：从人脸图像中提取关键点；根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；对所述校正后的人脸图像进行特征提取，得到特征点数据集合；在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；根据所述特征向量进行人脸识别。本发明专利技术用于提高人脸识别的准确性。

【技术实现步骤摘要】
人脸识别方法及装置
本公开涉及图像识别
，尤其涉及一种人脸识别方法及装置。
技术介绍
目前，人脸识别的方法有利用人脸图像的灰度分布信息，通过图像相似度来识别待测人脸和目标脸是否一致；也有人利用脸部关键点的几何位置信息作为衡量指标来识别待测人脸和目标脸是否一致。但是目前人脸识别的精度仍然不够，特别是遇到表情变化，脸部偏斜，光线变化等复杂情况，这些情况都直接影响到人脸识别的效果。
技术实现思路
为克服相关技术中存在的问题，本公开实施例提供一种人脸识别方法及装置。根据本公开实施例的第一方面，提供一种人脸识别方法，包括:从人脸图像中提取关键点；根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；对所述校正后的人脸图像进行特征提取，得到特征点数据集合；在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；根据所述特征向量进行人脸识别。本实施例中，通过将关键点所在关键区域内的特征点数据组成特征向量，用于对人脸的识别，使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别，识别更加准确。可选的，所述方法还包括:对所述特征向量进行压缩，根据所述压缩后的特征向量进行人脸识别。在可选方案中，对上述特征向量进行了一定程度的压缩，在保证识别准确性的同时，减少了用于人脸识别的特征向量的数据量，加快处理识别速度。可选的，所述根据所述关键点对所述人脸图像进行校正，包括:将至少一个所述关键点作为参考点，利用仿射变换对人脸图像进行校正。在可选方案中，将人脸标准化到统一大小且关键器官部位对齐，使得后续步骤中能够统一对人脸进行处理识别，提高人脸识别的准确性。可选的，所述在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量，包括:以所述关键点为圆心，以预设长度为半径，获得所述校正后的关键点所在的圆形的关键区域；在所述特征点数据集合中获取所述关键区域内的特征点数据；将所述关键区域内的特征点数据排列成队列，组成特征向量。在可选方案中，通过将关键点所在关键区域内的特征点数据组成特征向量，用于对人脸的识别，使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别，识别更加准确。可选的，所述对所述校正后的人脸图像进行特征提取，包括:采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。在可选方案中，通过对人脸图像进行若特征提取，使得后续步骤可以利用提取到的特征点数据进行人脸识别比对，提高人脸识别的准确性。可选的，所述对所述特征向量进行压缩，包括:采用主成分分析PCA算法对所述特征向量进行压缩。在可选方案中，对特征向量进行了一定程度的压缩，在保证识别准确性的同时，减少了用于人脸识别的特征向量的数据量，加快处理识别速度。根据本公开实施例的第二方面，提供一种人脸识别装置，包括:关键点提取模块，用于从人脸图像中提取关键点；校正模块，用于根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；特征提取模块，用于对所述校正后的人脸图像进行特征提取，得到特征点数据集合；组合模块，用于在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；识别模块，用于根据所述特征向量进行人脸识别。所述装置还包括:压缩模块，用于对所述特征向量进行压缩；所述识别模块，用于根据所述压缩后的特征向量进行人脸识别。所述关键点包括人脸图像中每只眼睛左右两侧的关键点；所述校正模块，用于至少一个所述关键点作为参考点，利用仿射变换对人脸图像进行校正。所述组合模块，用于以所述关键点为圆心，以预设长度为半径，获得所述校正后的关键点所在的圆形的关键区域；在所述特征点数据集合中获取所述关键区域内的特征点数据；将所述关键区域内的特征点数据排列成队列，组成特征向量。所述特征提取模块，用于采用LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。所述压缩模块，用于采用PCA算法对所述特征向量进行压缩。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。【附图说明】此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种人脸识别方法的流程图；图2是根据一示例性实施例示出的人脸关键部位及关键点的示意图；图3是根据一示例性实施例示出的关键点和关键区域的示意图；图4是根据另一示例性实施例示出的一种人脸识别方法的流程图；图5是是根据一示例性实施例示出的一种人脸识别装置的框图；图6是根据另一示例性实施例示出的一种人脸识别装置的框图。【具体实施方式】这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种人脸识别方法的流程图，如图1所示，该方法包括以下步骤。步骤S102，从人脸图像中提取关键点。步骤S104，根据关键点对人脸图像进行校正，得到校正后的人脸图像和校正后的关键点。步骤S106，对校正后的人脸图像进行特征提取，得到特征点数据集合。步骤S108，在特征点数据集合中获取校正后的关键点所在关键区域内的特征点数据，将关键区域内的特征点数据组合成特征向量；步骤S110，根据特征向量进行人脸识别。本实施例中，通过将关键点所在关键区域内的特征点数据组成特征向量，用于对人脸的识别，使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别，识别更加准确。可选的，在步骤S102中，从人脸图像中提取关键点包括:提取人脸关键部位上的关键点。图2是根据一示例性实施例示出的人脸关键部位及关键点的示意图,如图2所示，人脸的关键部位可以包括:双眼，鼻子，嘴巴，耳朵，提取到的关键点包括:每只眼睛左右两侧的点，鼻尖点，嘴巴左右两侧的点，左右耳朵的点，共9个关键点。在步骤S104中，根据所述关键点对所述人脸图像进行校正，包括:将至少一个关键点作为参考点利用仿射变换对人脸图像进行校正。例如，将双眼的关键点作为参考点进行校正，使得校正后的双眼保持水平。由于获得的人脸图像可能不符合标准大小，或者人脸与垂直或水平方向有便宜，这样，将人脸标准化到统一大小且关键器官部位对齐，使得后续步骤中能够统一对人脸进行处理识别，提高人脸识别的准确性。由于原始的灰度图像很容易受到各种外来因素的影响，比如光线亮度等，检测到的人脸图像并不能直接用于分类或识别，因此，在步骤S106中，对人脸图像做特征提取，得到校正后的人脸图像的特征点数据集合。通过对人脸图像进行特征提取，使得后续步骤可以利用提取到的特征点数据进行人脸识别比对，提高人脸识别的准确性。可选的，在步骤S106中，可以采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。对于步骤S102中提取出来的脸部的关键点，对于识别人脸所起到的作用相对人本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：从人脸图像中提取关键点；根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；对所述校正后的人脸图像进行特征提取，得到特征点数据集合；在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；根据所述特征向量进行人脸识别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括: 从人脸图像中提取关键点； 根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键占.对所述校正后的人脸图像进行特征提取，得到特征点数据集合； 在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量； 根据所述特征向量进行人脸识别。2.根据权利要求1所述的方法，其特征在于，所述方法还包括: 对所述特征向量进行压缩，根据所述压缩后的特征向量进行人脸识别。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述关键点对所述人脸图像进行校正，包括: 将至少一个所述关键点作为参考点，利用仿射变换对人脸图像进行校正。4.根据 权利要求1或2所述的方法，其特征在于，所述在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量，包括: 以所述关键点为圆心，以预设长度为半径，获得所述校正后的关键点所在的圆形的关键区域； 在所述特征点数据集合中获取所述关键区域内的特征点数据； 将所述关键区域内的特征点数据排列成队列，组成特征向量。5.根据权利要求1或2所述的方法，其特征在于，所述对所述校正后的人脸图像进行特征提取，包括: 采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。6.根据权利要求2所述的方法，其特征在于，所述对所述特征向量进行压缩，包括: ...

【专利技术属性】
技术研发人员：胡东方，
申请(专利权)人：无锡天脉聚源传媒科技有限公司，
类型：发明
国别省市：江苏;32