本发明专利技术提供了一种人脸识别方法及系统,所述方法包括以下步骤:(1)从原始图像中检测出人脸的存在,并分离出人脸区域;(2)对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;(3)从归一化人脸图像中提取出面部特征信息;(4)根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据进行比较,找出相似度最高的人脸,实现人脸识别。本发明专利技术通过人脸检测、预处理、特征提取,从而从数据库中匹配出最具相似度的人脸,保证了人脸识别的准确性,具有广泛的应用前景。
【技术实现步骤摘要】
本专利技术涉及人脸识别
,尤其涉及一种人脸识别方法及人脸识别系统。
技术介绍
人脸识别技术是基于生物特征的识别方式,利用人类自身拥有的、并且能够唯一标示其身份的生理特征或行为特征进行身份验证的技术。随着人机交互技术的应用日益广泛,在人机交互领域中,人脸识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一,己经有大量的人脸识别算法被提出。然而,人脸作为生物特征识别技术也有其弱点:1、人脸会随着表情、年龄的变化而发生改变;2、外界的条件,如:光照、角度、距离等对图像成像影响较大;3、尽管不通个体的人脸各不相同,但人类的面孔总是相似的。以上这些都会影响到人脸识别的准确性。
技术实现思路
针对现有技术中人脸识别不精确,影响到人脸识别的准确性的技术问题,本专利技术目的在于提供一种人脸识别方法及系统,可以实现人脸的精确识别。为实现上述目的,本专利技术提供了一种人脸识别方法,所述方法包括以下步骤:(1)从原始图像中检测出人脸的存在,并分离出人脸区域;(2)对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;(3)从归一化人脸图像中提取出面部特征信息;(4)根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据进行比较,找出相似度最高的人脸,实现人脸识别。步骤(1)进一步包括:(11)基于局部二进制模式逐行扫描原始图像,得到一响应图像;(12)采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;(13)采用AdaBoost算法进行人眼检测,分离出人脸区域。进一步,采用AdaBoost算法进行人脸检测或人眼检测过程中按照1.25-0.9进行多尺度检测。步骤(2)进一步包括:(21)根据缩放公式对分离出的人脸区域图像进行计算得到目标图像;(22)对目标图像进行图像旋转校正;(23)对旋转校正图像进行剪切,得到统一特征的归一化人脸图像;(24)通过伽马变换、高斯差分滤波和对比度均衡化对归一化人脸图像进行光照预处理。进一步,所述归一化人脸图像为64×80像素。步骤(3)进一步包括:采用Gabor小波变换提取归一化人脸图像区域内的面部特征信息。步骤(3)进一步包括:利用主成分分析以及线性判别分析降低采用Gabor小波变换提取出的面部特征信息的维数后,保存面部特征信息,用于人脸识别。步骤(3)进一步包括:采用Gabor小波变换提取归一化人脸图像区域内的面部特征信息为12800维度特征,利用主成分分析将维数降低到600维度特征,再运用线性判别分析方法将维数降低到300维度特征。为实现上述目的,本专利技术还提供了一种人脸识别系统,所述系统包括:一人脸检测模块,用于从原始图像中检测出人脸的存在,并分离出人脸区域;一预处理模块与所述人脸检测模块相连,用于对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;一特征提取模块与所述预处理模块相连,用于从归一化人脸图像中提取出面部特征信息;一人脸识别模块与所述特征提取模块相连,用于根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据进行比较,找出相似度最高的人脸,实现人脸识别。本专利技术的优点在于:通过人脸检测、预处理、特征提取,从而从数据库中匹配出最具相似度的人脸,保证了人脸识别的准确性,具有广泛的应用前景。附图说明图1,本专利技术所述人脸识别方法的流程示意图;图2,本专利技术所述人脸识别系统的架构示意图。具体实施方式下面结合附图对本专利技术提供的人脸识别方法及系统做详细说明。参考图1,本专利技术所述人脸识别方法的流程示意图。所述方法包括以下步骤:S11:从原始图像中检测出人脸的存在,并分离出人脸区域;S12:对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;S13:从归一化人脸图像中提取出面部特征信息;S14:根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据进行比较,找出相似度最高的人脸,实现人脸识别。以下结合附图对上述步骤进行详细说明。S11:从原始图像中检测出人脸的存在,并分离出人脸区域。人脸检测:即从各种场景的原始图像中检测出人脸的存在,并准确分离出人脸区域。作为优选的实施方式,步骤S11进一步可以采用下述步骤完成:11)基于局部二进制模式逐行扫描原始图像,得到一响应图像;12)采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;13)采用AdaBoost算法进行人眼检测,分离出人脸区域。局部二进制模式(LBP)作为一种有效的纹理描述算子,其对图像局部纹理特征具有卓越描绘能力。应用LBP算子过程类似于滤波过程中的模板操作,逐行扫描原始图像;对于原始图像中的每一个像素点,以该点的灰度值为阈值,对其周围3×3的8领域进行二值化;按照一定的顺序将二值化的结果组成一个8位二进制数,以此二进制数的值(0~255)作为该点响应。如表1所示一实施例中原始图像对应灰度值,对于表1中的3×3区域的中心点,以其灰度值88作为阈值,对其8领域进行二值化,并从左上点开始按照顺时针方向(顺序可以任意,但要统一)将二值化的结果组成一个二进制数10001011,即十进制的139,作为中心的响应。在整个逐行扫描过程结束后,得到一个LBP响应图像,这个响应图像可以作为后续工作的特征;所得响应图像对应灰度值如表2所示。180525213887915884156表1一实施例中原始图像对应灰度值。10011390101表2所得响应图像对应灰度值。AdaBoost算法是Freund和Schapire根据在线分配算法提出的,AdaBoost算法允许设计者不断地加入新的弱分类器,直到达到某个预订的足够小的误差率。在AdaBoost算法中每个训练样本都被赋予一个权重,表面它被某个分量分类器选入训练集的概率。如果某个样本点已经被准确地分类,那么在构造下一个训练集中,它被选中的概率就被降低;相反,如果某个样本点没有被正确分类,那么它的权重就得到提高。通过T轮这样的训练,AdaBoost算法能够聚焦于那些较困难的样本上,综合得出用于目标检测的强分类器。AdaBoost算法描述如下:1)给定标定的训练样本集(x1,y1),(x2,y2),……,(xL,yL)。其中,gj(xi)代表第i个训练图像的第j个Haar-Like特征,xi∈X,表示输入的训练样本文档来自技高网...
【技术保护点】
一种人脸识别方法,其特征在于,所述方法包括以下步骤:(1)从原始图像中检测出人脸的存在,并分离出人脸区域;(2)对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;(3)从归一化人脸图像中提取出面部特征信息;(4)根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据进行比较,找出相似度最高的人脸,实现人脸识别。
【技术特征摘要】
1.一种人脸识别方法,其特征在于,所述方法包括以下步骤:
(1)从原始图像中检测出人脸的存在,并分离出人脸区域;
(2)对分离出的人脸区域图像进行预处理,得到统一特征的归一化人脸图像;
(3)从归一化人脸图像中提取出面部特征信息;
(4)根据提取的面部特征信息,将待识别的人脸数据与预先存储的数据库中的人脸数据
进行比较,找出相似度最高的人脸,实现人脸识别。
2.根据权利要求1所述的人脸识别方法,其特征在于,步骤(1)进一步包括:
(11)基于局部二进制模式逐行扫描原始图像,得到一响应图像;
(12)采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;
(13)采用AdaBoost算法进行人眼检测,分离出人脸区域。
3.根据权利要求2所述的人脸识别方法,其特征在于,采用AdaBoost算法进行人脸检测或
人眼检测过程中按照1.25-0.9进行多尺度检测。
4.根据权利要求1所述的人脸识别方法,其特征在于,步骤(2)进一步包括:
(21)根据缩放公式对分离出的人脸区域图像进行计算得到目标图像;
(22)对目标图像进行图像旋转校正;
(23)对旋转校正图像进行剪切,得到统一特征的归一化人脸图像;
(24)通过伽马变换、高斯差分滤波和对比度均衡化对归一化人脸图像进行光照预处理。
5.根据权利要求4所...
【专利技术属性】
技术研发人员:祝辰,
申请(专利权)人:数伦计算机技术上海有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。