一种基于隐马尔可夫模型的人脸几何特征识别方法技术

本发明专利技术公开一种基于隐马尔可夫模型的人脸几何特征识别方法，包括：对人脸图像进行灰度化和直方图均衡化，利用分类器得到人脸的脸框区域；设定脸框区域的收缩系数，缩小脸框区域，利用分类器截取出脸框区域中的眼睛区域、鼻子区域和嘴巴区域；提取并记录特征信息；将得到的特征信息与数据库中所储存的特征信息进行对比，得到综合匹配率。利用人脸各部位之间的长度和角度比例来进行对比匹配，大大降低了人脸的非刚性和光照条件所产生的影响，避免人脸各部位间的长度比例和角度比例随着人年龄和肥瘦的变化而变化产生的影响，从而保证了匹配的准确性和科学性。

【技术实现步骤摘要】

本专利技术属于人脸识别
，尤其涉及一种基于隐马尔可夫模型的人脸几何特征识别方法。
技术介绍
现今社会，各方面都迫切希望能够快速、有效的进行身份验证，生物特征因为自身的稳定性和差异性，已成为身份验证的主要手段，相关研究众多，其中，人脸识别作为相对成熟的技术走入人们的日常生活中。人脸识别技术与利用视网膜识别、指纹识别等人体生物特征进行身分验证相比，具有直观、友好及方便等特点，正越来越受到重视和青睐，具有广泛的应用前景。人的脸部特征十分丰富，除了形状和表情之外，还有五官的特征分布，通过研究这些特征间的比例关系，可以得到不同的人脸的相似和差异程度。目前广泛使用的人脸识别方式是：先进行人脸的检测和定位，进而对人脸进行面部特征的提取，最后得出识别的结果。其中，对人脸面部特征的提取，是在确定了人脸之后，对人脸图像进行预处理之后开始的，特征的提取和识别的方法包括基于局部特征和基于整体特征两个方面。在基于整体特征的方法上，包括多种方法，如：基于弹性匹配的方法、基于神经网络的方法和基于特征脸的方法等。但这些方法由于受到人脸的非刚性和光照条件的影响，只有在特定的环境下才有较高的识别率，而且这些方法所使用到的匹配参数相互依赖度较高、匹配的方法也没有统一的科学标准，这影响了识别的准确性。
技术实现思路
有鉴于此，本专利技术提供一种基于隐马尔可夫模型的人脸几何特征识别方法，以解决目前人脸识别方法识别率低，用到的匹配参数相互依赖度较高，从而导致识别的准确性较低的技术问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。在一些可选的实施例中，提供一种基于隐马尔可夫模型的人脸几何特征识别方法，包括：对人脸图像进行灰度化和直方图均衡化，利用分类器得到人脸的脸框区域；设定所述脸框区域的收缩系数，缩小所述脸框区域，利用分类器截取出所述脸框区域中的眼睛区域、鼻子区域和嘴巴区域；提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息；将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进行对比，得到综合匹配率。在一些可选的实施例中，所述方法，还包括：建立所述数据库；建立所述数据库的过程包括：获取准备存入数据库的多张正脸图像；对所述每一张正脸图像进行处理，提取每一张正脸图像的特征信息；将所述每一张正脸图像的特征信息存入数据库。在一些可选的实施例中，所述方法，还包括：若所述综合匹配率高于90％，则提示查找成功；否则，提示查找失败，数据库中不存在所查人脸的相关信息。在一些可选的实施例中，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息之前还包括：判断截取出的所述眼睛区域、鼻子区域和嘴巴区域的中线是否偏离出所述脸框区域的中线，若偏离，则判定检测错误，扩大所述收缩系数，重新进行截取。在一些可选的实施例中，所述特征信息包括：包括左瞳孔、右瞳孔、左鼻孔、右鼻孔、左嘴角、右嘴角、嘴巴中心点和脸框四角的二维坐标值。在一些可选的实施例中，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息的过程包括：在提取的所述眼睛区域和鼻子区域中，分别提取左右眼和左右鼻孔灰度值最低的一点，分别以灰度值最低的一点为中心提取周围灰度值不高于所述中心20的点，对所述灰度值不高于所述中心20的点的二维坐标取平均值，得到左瞳孔、右瞳孔、左鼻孔和右鼻孔的二维坐标值；根据嘴巴的双唇的颜色与脸部其他部位灰度的不同，得到左嘴角和右嘴角的二维坐标值，再取两者所构成线段的中点，作为嘴巴中心点的二维坐标值。在一些可选的实施例中，将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进行对比，得到综合匹配率的过程包括：计算出所述人脸图像的相应的多个线段值，与所述数据库中每一张正脸图像的相应的线段值相比得到比值，计算出所述比值的均值，把各条线段值相对所述均值的偏离值进行求和，记为Sum1；计算出所述人脸图像的相应的多个角度值，与所述数据库中每一张正脸图像的相应的角度值相比得到比值，计算出所述比值的均值，把各个角度值相对所述均值的偏离值进行求和，记为Sum2；所述综合匹配率＝1-Sum1×0.05-Sum2×0.1。在一些可选的实施例中，所述多个线段值包括：左瞳孔与左右鼻孔连线中心点的连线线段值、右瞳孔与左右鼻孔连线中心点的连线线段值、左瞳孔与右瞳孔的连线线段值、左右瞳孔连线中心点与左右鼻孔连线中心点的连线线段值、左右鼻孔连线中心点与嘴巴中心点的连线线段值、左瞳孔与嘴巴中心点的连线线段值、右瞳孔与嘴巴中心点的连线线段值、左鼻孔与右鼻孔的连线线段值、左瞳孔与左鼻孔的连线线段值、右瞳孔与右鼻孔的连线线段值、左瞳孔与右鼻孔的连线线段值、右瞳孔与左鼻孔的连线线段值、左右瞳孔连线中心点与嘴巴中心点的连线线段值、左鼻孔与嘴巴中心点的连线线段值、右鼻孔与嘴巴中心点的连线线段值。在一些可选的实施例中，所述多个角度值包括：左瞳孔、右瞳孔和左右鼻孔连线中心点连成的三角形，以及左瞳孔、右瞳孔和嘴巴中心点连成的三角形的六个角的角度值。在一些可选的实施例中，所述分类器为Haar特征训练分类器。有益效果：利用人脸各部位之间的长度和角度比例来进行对比匹配，大大降低了人脸的非刚性和光照条件所产生的影响，避免人脸各部位间的长度比例和角度比例随着人年龄和肥瘦的变化而变化产生的影响，从而保证了匹配的准确性和科学性。附图说明图1是本专利技术一种基于隐马尔可夫模型的人脸几何特征识别方法的流程示意图；图2是建立数据库的流程示意图。具体实施方式以下描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。在一些说明性的实施例中，如图1和2所示，提供一种基于隐马尔可夫模型的人脸几何特征识别方法，包括：101：建立数据库。数据库用以储存获取的数据。在一些说明性的实施例中，建立数据库的过程包括：S1：获取准备存入所述数据库的多张正脸图像；S2：对所述每一张正脸图像进行处理，提取每本文档来自技高网...

【技术保护点】
一种基于隐马尔可夫模型的人脸几何特征识别方法，其特征在于，包括：对人脸图像进行灰度化和直方图均衡化，利用分类器得到人脸的脸框区域；设定所述脸框区域的收缩系数，缩小所述脸框区域，利用分类器截取出所述脸框区域中的眼睛区域、鼻子区域和嘴巴区域；提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息；将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进行对比，得到综合匹配率。

【技术特征摘要】
1.一种基于隐马尔可夫模型的人脸几何特征识别方法，其特征在于，包括：
对人脸图像进行灰度化和直方图均衡化，利用分类器得到人脸的脸框区域；
设定所述脸框区域的收缩系数，缩小所述脸框区域，利用分类器截取出所
述脸框区域中的眼睛区域、鼻子区域和嘴巴区域；
提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息；
将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进
行对比，得到综合匹配率。
2.根据权利要求1所述的一种基于隐马尔可夫模型的人脸几何特征识别方
法，其特征在于，还包括：建立所述数据库；
建立所述数据库的过程包括：获取准备存入数据库的多张正脸图像；
对所述每一张正脸图像进行处理，提取每一张正脸图像的特征信息；
将所述每一张正脸图像的特征信息存入数据库。
3.根据权利要求1所述的一种基于隐马尔可夫模型的人脸几何特征识别方
法，其特征在于，还包括：若所述综合匹配率高于90％，则提示查找成功；否
则，提示查找失败，数据库中不存在所查人脸的相关信息。
4.根据权利要求1所述的一种基于隐马尔可夫模型的人脸几何特征识别方
法，其特征在于，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息
之前还包括：判断截取出的所述眼睛区域、鼻子区域和嘴巴区域的中线是否偏
离出所述脸框区域的中线，若偏离，则判定检测错误，扩大所述收缩系数，重
新进行截取。
5.根据权利要求1至4任一项所述的一种基于隐马尔可夫模型的人脸几何
特征识别方法，其特征在于，所述特征信息包括：包括左瞳孔、右瞳孔、左鼻
孔、右鼻孔、左嘴角、右嘴角、嘴巴中心点和脸框四角的二维坐标值。
6.根据权利要求5所述的一种基于隐马尔可夫模型的人脸几何特征识别方
法，其特征在于，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息
的过程包括：
在提取的所述眼睛区域和鼻子区域中，分别提取左右眼和左右鼻孔灰度值
最低的一点，分别以灰度值最低的一点1为中心提取周围灰度值不高于所述中

\t心20的点，对所述灰度值不高于所述中心20的点的二维坐标取平均值，得到
左瞳孔、右瞳孔...

【专利技术属性】
技术研发人员：高志军，伍爵博，陈婷，刘鑫，
申请(专利权)人：镇江锐捷信息科技有限公司，
类型：发明
国别省市：江苏;32