一种基于移动终端的人脸识别方法及系统技术方案

本发明专利技术公开一种基于移动终端的人脸识别方法及系统，其中，方法包括步骤：预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。本发明专利技术利用移动终端的存储和计算能力，进行人脸信息采集和处理，脱离了服务器，使得移动终端在无网络连接情况下也能够进行人脸识别；本发明专利技术的方法充分考虑到移动终端有限的CPU处理能力，采用局部特征向量提取方法。

【技术实现步骤摘要】


本专利技术涉及人脸识别
，尤其涉及一种基于移动终端的人脸识别方法及系统。

技术介绍

嵌入式技术的发展，推动了移动设备技术走向一个全新时期。如今人们使用的移动设备不仅具备语音、浏览功能，还具备拍照、摄像、交易等功能。移动设备已越来越类似于个人电脑在人们生活中所起的作用。
随着移动互联网的普及，手机理财、手机银行、手机购物等应用以其方便、快捷的优点被越来越多的人们所接受。与此同时，也带来了一些安全问题。为了提高安全性，采用较为复杂的密码或密码串作为认证是目前交易中常用的方法，但如果在不同的移动设备使用相同的密码，在得到使用方便的同时也增加了安全隐患。因此，在移动设备上添加生物特征认证功能成为发展的必然趋势。
人脸识别具有非接触、易于采集等优点，近年来人们试图将其应用于具有摄像功能的PDA、手机、Pad以及其他移动设备中，通过面部特征识别功能对使用者的身份进行验证，从而保障设备使用的安全性。
现有技术中，移动终端的人脸识别技术采用的模式一般是在终端采集人脸图像，然后将人脸图像上传至服务器进行处理，最后向终端返回结果，这种模式是将人脸采集与人脸特征提取分离在不同设备进行处理，对移动设备的性能要求低，扩展性好，但其依托于互联网，如果移动设备无法连接互联网，将不能进行人脸识别，且该模式对网络的性能要求较高。
因此，现有技术还有待于改进和发展。

技术实现思路

鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于移动终端的人脸识别方法及系统，旨在解决现有人脸识别技术需要在分开采集人脸图像和识别的问题。
本专利技术的技术方案如下：
一种基于移动终端的人脸识别方法，其中，包括步骤：
A、预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；
B、当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。
所述的基于移动终端的人脸识别方法，其中，所述步骤A中，局部特征向量提取的过程具体包括：
A1、构建高斯差分的尺度空间，然后对尺度空间中的极值点进行检测；
A2、对极值点进行筛选，并剔除由边缘响应带来的干扰；
A3、求取极值点的梯度方向；
A4、将坐标轴旋转至极值点的主方向，然后以极值点为中心，取其邻域空间，计算梯度方向的累加值，形成脸部局部特征图像。
所述的基于移动终端的人脸识别方法，其中，所述步骤A4中，取极值点为中心，取其邻域8*8的空间，然后将该空间分为4个子空间，在每个子空间上计算梯度方向的累加值，即形成脸部局部特征图像。
所述的基于移动终端的人脸识别方法，其中，所述步骤A3中，计算各个极值点的方向，设定角度区间，若某一角度区间具有最多的特征点，则该角度区间的正中空间为极值点的梯度方向。
所述的基于移动终端的人脸识别方法，其中，所述步骤A2具体包括：
A21、对DoG函数在尺度空间的泰勒展开式求导，使之为0，求得修正值；
A22、将修正值代入展开式，若计算得到的绝对值小于一预定阈值，则判定该极值点为低对比度极值点，并丢弃该极值点；
A23、根据DoG函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰性的极值点。
一种基于移动终端的人脸识别系统，其中，包括：
存储模块，用于预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；
识别模块，用于当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。
所述的基于移动终端的人脸识别系统，其中，所述存储模块具体包括：
检测单元，用于构建高斯差分的尺度空间，然后对尺度空间中的极值点进行检测；
筛选单元，用于对极值点进行筛选，并剔除由边缘响应带来的干扰；
方向计算单元，用于求取极值点的梯度方向；
生成单元，用于将坐标轴旋转至极值点的主方向，然后以极值点为中心，取其邻域空间，计算梯度方向的累加值，形成脸部局部特征图像。
所述的基于移动终端的人脸识别系统，其中，所述生成单元中，取极值点为中心，取其邻域8*8的空间，然后将该空间分为4个子空间，在每个子空间上计算梯度方向的累加值，即形成脸部局部特征图像。
所述的基于移动终端的人脸识别系统，其中，所述方向计算单元中，计算各个极值点的方向，设定角度区间，若某一角度区间具有最多的特征点，则该角度区间的正中空间为极值点的梯度方向。
所述的基于移动终端的人脸识别系统，其中，所述筛选单元具体包括：
求导子单元，用于对DoG函数在尺度空间的泰勒展开式求导，使之为0，求得修正值；
第一筛选单元，用于将修正值代入展开式，若计算得到的绝对值小于一预定阈值，则判定该极值点为低对比度极值点，并丢弃该极值点；
第二筛选单元，用于根据DoG函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰性的极值点。
有益效果：本专利技术利用移动终端的存储和计算能力，进行人脸信息采集和处理，脱离了服务器，使得移动终端在无网络连接情况下也能够进行人脸识别；本专利技术的方法充分考虑到移动终端有限的CPU处理能力，由于整个人脸是由多个局部特征构成，本专利技术采用局部特征向量提取方法，提取可表征人脸特征的局部特征向量并进行匹配，减少了处理的信息量，提高了识别效率。
附图说明
图1为本专利技术一种基于移动终端的人脸识别方法较佳实施例的流程图。
图2为图1所示方法中步骤S101的具体流程图。
图3为本专利技术中高斯金字塔的架构图。
图4为图2所示流程中步骤S202的具体流程图。
图5为本专利技术的方法应用于支付领域中较佳实施例的流程图。
图6为本专利技术一种基于移动终端的人脸识别系统较佳实施例的流程图。
图7为图6所示系统中存储模块的具体结构框图。
图8为图7所示模块中筛选单元的具体结构框图。
具体实施方式
本专利技术提供一种基于移动终端的人脸识别方法及系统，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
请参阅图1，图1为本专利技术一种基于移动终端的人脸支付系统较佳实施例的流程图，如图所示，其包括步骤：
S101、预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；
S102、当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。
本专利技术实施例中，利用移动终端进行人脸信息采集和处理，而无需服务器的参与，使得移动终端在无网络连接情况下也能够进行人脸识别，降低了对网络性能的要求，由于整个人脸是由多个局部特征构成，本专利技术采用局部特征向量提取方法，提取可表征人脸特征的局部特征向量并进行匹配，提高了识别效率。
具体来说，在步骤S101中，首先通过移动终端内置的摄像头来采集用户人脸图像，然后对采集到的用户人脸图像进行预处理，即进行归一化处理。然后依次进行局部特征向量提取以及局部人脸子空间学习。本文档来自技高网...

【技术保护点】
一种基于移动终端的人脸识别方法，其特征在于，包括步骤：A、预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；B、当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。

【技术特征摘要】
1.一种基于移动终端的人脸识别方法，其特征在于，包括步骤：
A、预先通过移动终端内置的摄像头采集用户人脸图像，并依次进行归一化处理、局部特征向量提取以及局部人脸子空间训练，得到局部特征向量并存储；
B、当进行人脸识别时，获取当前用户人脸图像的局部特征向量，并与存储的局部特征向量进行匹配，以对当前用户人脸信息进行识别。
2.根据权利要求1所述的基于移动终端的人脸识别方法，其特征在于，所述步骤A中，局部特征向量提取的过程具体包括：
A1、构建高斯差分的尺度空间，然后对尺度空间中的极值点进行检测；
A2、对极值点进行筛选，并剔除由边缘响应带来的干扰；
A3、求取极值点的梯度方向；
A4、将坐标轴旋转至极值点的主方向，然后以极值点为中心，取其邻域空间，计算梯度方向的累加值，形成脸部局部特征图像。
3.根据权利要求2所述的基于移动终端的人脸识别方法，其特征在于，所述步骤A4中，取极值点为中心，取其邻域8*8的空间，然后将该空间分为4个子空间，在每个子空间上计算梯度方向的累加值，即形成脸部局部特征图像。
4.根据权利要求2所述的基于移动终端的人脸识别方法，其特征在于，所述步骤A3中，计算各个极值点的方向，设定角度区间，若某一角度区间具有最多的特征点，则该角度区间的正中空间为极值点的梯度方向。
5.根据权利要求2所述的基于移动终端的人脸识别方法，其特征在于，所述步骤A2具体包括：
A21、对DoG函数在尺度空间的泰勒展开式求导，使之为0，求得修正值；
A22、将修正值代入展开式，若计算得到的绝对值小于一预定阈值，则判定该极值点为低对比度极值点，并丢弃该极值点；
A23、根据DoG函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰性的极值点。
6.一种基于移动终端的人脸识别系统...

【专利技术属性】
技术研发人员：谭颖璐，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44