一种基于监控场景下的人脸识别方法及系统技术方案

本发明专利技术提供一种基于监控场景下的人脸识别方法及系统，先对获取的监控场景下的图像进行人脸检测和人脸跟踪，获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理，然后对预处理的人脸图像至少进行Gabor特征提取和多尺度RILPQ特征提取，对提取的特征分块进行降维，再将降维后的特征与人脸样本库中的人脸特征进行匹配，做分数级的融合，获取图像相似度值，最后结合一个人多张人脸的识别结果，获取最佳匹配的人脸图像。本发明专利技术采用Gabor特征和多尺度RILPQ特征分数级的融合方式，减小了人脸图像光照不均匀、存在旋转角度以及图像模糊等问题对人脸识别产生的影响，具有较高的鲁棒性，有效地提高了监控场景下的人脸识别率。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种基于监控场景下的人脸识别方法及系统，先对获取的监控场景下的图像进行人脸检测和人脸跟踪，获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理，然后对预处理的人脸图像至少进行Gabor特征提取和多尺度RILPQ特征提取，对提取的特征分块进行降维，再将降维后的特征与人脸样本库中的人脸特征进行匹配，做分数级的融合，获取图像相似度值，最后结合一个人多张人脸的识别结果，获取最佳匹配的人脸图像。本专利技术采用Gabor特征和多尺度RILPQ特征分数级的融合方式，减小了人脸图像光照不均匀、存在旋转角度以及图像模糊等问题对人脸识别产生的影响，具有较高的鲁棒性，有效地提高了监控场景下的人脸识别率。【专利说明】一种基于监控场景下的人脸识别方法及系统
本专利技术涉及人脸识别
，具体地涉及一种基于监控场景下的人脸识别方法 及系统。
技术介绍
近年来，随着社会的发展以及科学技术的突飞猛进，计算机视觉技术和模式识别 技术的高速发展，人脸识别技术已经成为视觉和识别领域的一项热门课题。人脸识别是基 于人的脸部特征信息进行身份识别的一种生物识别技术，是用摄像机或摄像头采集含有人 脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一 系列相关技术，通常也叫做人像识别、面部识别。它的研宄涉及很多领域，如图像处理、模式 识别、人工智能等。与指纹识别、虹膜识别、声音识别等技术相比，人脸识别具有方便、直接、 友好、主动、自然等优点，同时在不干扰被测者的前提下即可获取其面部图像，对于被测者 来说没有任何的心里障碍，而且整个系统无需特定的采集设备，成本也比较低。 现有的视频人脸识别方法的一种主要应用模式为视频对静态图像识别，所述视频 对静态图像识别采用人脸视频作为输入，通过和静态图像人脸数据库进行比对来实现识别 或验证。视频对静态图像识别的一类方法是对每一帧人脸图像采用静态人脸识别方法来识 另IJ，最后按照质量评分、距离判断、或多数投票来融合所有帧的识别结果。视频对静态图像 识别的另一类方法是利用视频序列生成人脸模型，例如3D人脸建模，或者基于运动时序信 息生成人脸模型，例如HMM建模。目前在控制和配合的条件下，人脸识别可以取得比较高的 识别率，但是在监控场景下，由于运动、光照、姿态等巨大变化和清晰度低下等影响，采集的 人脸图像光照不均匀、存在旋转角度以及图像模糊，导致最后人脸识别的识别率比较低，识 别效果比较差。
技术实现思路
为此，本专利技术所要解决的技术问题在于现有技术中人脸识别方法在监控场景下人 脸识别率比较低，从而提出一种基于监控场景下的人脸识别方法和系统。 为解决上述技术问题，本专利技术提供如下技术方案： 一种基于监控场景下的人脸识别方法，包括如下步骤： 获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪； 获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理； 对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取； 对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维； 将降维后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹 配，获取特征相似度值； 根据所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度 值； 根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像。 上述基于监控场景下的人脸识别方法，所述将降维后的Gabor特征和多尺度 RILPQ特征与人脸样本库中的人脸特征进行匹配，获取特征相似度值，步骤中： 获取特征相似度值采用余弦度量公式： 【权利要求】1. 一种基于监控场景下的人脸识别方法，其特征在于，包括如下步骤： 获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪； 获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理； 对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取； 对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维； 将降维后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹配，获 取特征相似度值； 根据所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度值； 根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像。2. 根据权利要求1所述的基于监控场景下的人脸识别方法，其特征在于，所述将降维 后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹配，获取特征相似 度值，步骤中： 获取特征相似度值采用余弦度量公式：其中，f表示特征相似度值，J表示所述降维后的Gabor特征向量或者RILPQ特征向 量，5 _表示人脸样本库中的对应的人脸特征向量。3. 根据权利要求1或2所述的基于监控场景下的人脸识别方法，其特征在于，所述根据 所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度值步骤中： 获取图像相似度值采用的公式为：其中，F表示图像相似度值，m表示分块的块数，η表示所述多尺度RILPQ特征选取的 尺度，fm(i表示第m个块中人脸图像中Gabor特征与人脸样本库中Gabor特征的特征相似度 值，表示第m个块中人脸图像中第η个尺度下的人脸模型上RILPQ特征与人脸样本库中 RILPQ特征的特征相似度值。4. 根据权利要求1-3任一所述的基于监控场景下的人脸识别方法，其特征在于，所述 对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取步骤中： 所述多尺度RILPQ特征选取的尺度为3, 3个不同尺度的人脸模型分别为归一化后的内 部人脸、过渡人脸和外部人脸，所述内部人脸只包括脸部的器官：眼睛、嘴及眉毛；所述外 部人脸包括外部的人脸元素：下巴、额头及头发；所述过渡人脸是介于内部人脸到外部人 脸之间的一种人脸。5. 根据权利要求1-4任一所述的基于监控场景下的人脸识别方法，其特征在于，所述 根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像步骤中： 若获取的同一人的人脸图像为1张时，选取人脸样本库中图像相似度值最高的人脸图 像作为最佳匹配的人脸图像； 若获取的同一人的人脸图像为多张时，分别获取每张人脸图像的最高图像相似度值对 应的匹配人脸图像，若匹配人脸图像中有相同的人脸图像，则选取所述相同的人脸图像作 为最佳匹配的人脸图像；否则，选取多个最高图像相似度值中图像相似度值最高的匹配人 脸图像作为最佳匹配的人脸图像。6. 根据权利要求1-5任一所述的基于监控场景下的人脸识别方法，其特征在于，所述 获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪步骤中： 对所述图像进行人脸检测采用Adaboost人脸检测算法； 对所述图像进行人脸跟踪采用MeanShift算法。7. 根据权利要求1-6任一所述的基于监控场景下的人脸识别方法，其特征在于，所述 获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理步骤中： 所述预处理包括人脸对齐和光照补偿。8. 根据权利要求1-7任一所述的基于监控场景下的人脸识别方法，其特征在于，所本文档来自技高网...

【技术保护点】
一种基于监控场景下的人脸识别方法，其特征在于，包括如下步骤：获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪；获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理；对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取；对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维；将降维后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹配，获取特征相似度值；根据所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度值；根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：史晓丽，张震国，张泉，姜莎，晋兆龙，陈卫东，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32