一种基于复杂环境下的人脸识别方法及系统技术方案

本发明专利技术公开了一种基于复杂环境下的人脸识别方法及系统，其中，所述人脸识别方法包括：对待识别人脸图像进行预处理，获取预处理后的待识别人脸图像；对预处理后的待识别人脸图像进行人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，获取训练后的待识别样本特征集合；采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，获取待识别人脸图像的识别结果。在本发明专利技术实施例中，本发明专利技术实施例针对训练样本较少，而且待测图像在复杂环境条件下，依然能够实现准确识别，对硬件要求不高，满足实时性要求，推广经济可行。

【技术实现步骤摘要】
一种基于复杂环境下的人脸识别方法及系统
本专利技术涉及人工智能
，尤其涉及一种基于复杂环境下的人脸识别方法及系统。
技术介绍
人脸识别作为一项重要的生物识别技术，在公安刑侦、企业管理、自助服务、视频监控、人脸身份认证等方面都取得了广泛的应用，人脸识别研究已经在图像处理、模式识别、计算机视觉等领域引起了极大的关注。近年来，人们对人脸及人脸面部表情识别的研究热情不断高涨；在国内外，对人脸表情识别的研究非常活跃，吸引了大量的研究人员和基金支持，EI可检索到的相关文献就多达数千篇。美国、英国、日本等发达国家都有专门的研究机构进行这方面的研究。例如MIT、Maryland大学，斯坦福大学、东京大学、ART研究所等等；国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学等都有人员从事人怜及表情识别的研究，并取得了一定的成果。国内的北京旷视科技有限公司在人脸识别领域取得很大突破，达到世界领先水平，该公司与阿里巴巴建立合作，将其人脸识别技术运用在支付宝，实现了“刷脸”支付，大大改变了人们的消费方式，使支付变得越来越便捷，科技慢慢的改变了人们的生活。现有的人脸识别方案大多都是基于2D图像进行训练，匹配等，其中原始待匹配图像必须为裁剪好并且没有过多背景区及噪声的人脸图像，对噪声的冗余性和鲁棒性不是很好，并且常为针对特定情景下的的人脸图像，而对于复杂环境下的图像，有如表情、视角、光照、遮挡等方面的变化。对于这些图像，当前的人脸识别系统识别效果不理想，提取到的特征不完整，易丢失有效信息，从而影响分类效果，此外，必须经过大量的重复训练及大量数据集，运算复杂度高，实时性差。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于复杂环境下的人脸识别方法及系统，能在复杂环境下对待识别人脸图像进行快速识别。为了解决上述技术问题，本专利技术实施例提供了一种基于复杂环境下的人脸识别方法，所述人脸识别方法包括：对待识别人脸图像进行预处理，获取预处理后的待识别人脸图像；对预处理后的待识别人脸图像进行人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，获取训练后的待识别样本特征集合；采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，获取待识别人脸图像的识别结果。优选地，所述对待识别人脸图像进行预处理，包括：对所述待识别人脸图像进行灰度化处理，所述灰度化处理的处理公式如下：Y＝0.299R+0.587G+0.114B其中，R、G、B分别表示待识别人脸图像的红、绿、蓝三原色像素值，Y表示灰度化处理后的像素值。优选地，所述对预处理后的待识别人脸图像进行人脸对齐处理，包括：对所述预处理后的待识别人脸图像进行检测处理，获取待识别人脸检测结果；根据待识别人脸检测结果进行自动人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；所述检测处理包括人脸检测处理、面部特征点检测处理和人脸变形检测处理。优选地，所述对所述预处理后的待识别人脸图像进行检测处理，包括：采用Viola-Jones方法对所述预处理后的待识别人脸图像进行人脸检测处理，获取待识别人脸检测结果；采用回归熟方法对所述待识别人脸检测结果进行面部特征点检测处理，获取待识别人脸检测结果中图像的特征点；在所述待识别人脸检测结果中图像边缘上进行等距离点增加处理，获取增加等距离点后的待识别人脸图像；根据所述增加等距离点后的待识别人脸图像构建覆盖人脸图像的Delaunay三角网格。优选地，所述根据待识别人脸检测结果进行自动人脸对齐处理，包括：对所述待识别人脸检测结果进行图像旋转，使得待识别人脸图像中的人脸眼睛水平对齐；对人脸眼睛水平对齐的待识别人脸图像进行重新调整，获取固定双眼间距离和下颚距离；将待识别人脸图像中的左眼位置设定为固定的预定义值；参照一副给定的正面人脸图像，对待识别人脸图像各部分依据所述预定义值和Delaunay三角网格之间的相对位置进行旋转操作，得到对齐的人脸。优选地，所述对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，包括：对输入的待识别的人脸对齐后的待识别正面人脸图像采用深度特征提取神经网络提取出待识别人脸图像的深层待识别样本特征集合。优选地，所述采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，包括：采用所述留存样本特征集合对所述待识别样本特征集合进行稀疏表示处理，获取稀疏表示的表示系数；根据所述稀疏表示的表示系数与所述留存样本特征集合进行残差计算处理，获取残差计算结果；根据所述残差计算结果进行残差分类，选取最小的残差分类作为人脸识别结果。优选地，所述留存样本特征集合的获取步骤，包括：对样本人脸图像进行预处理，获取预处理后的样本人脸图像；对预处理后的样本人脸图像进行人脸对齐处理，获取人脸对齐后的样本正脸图像；对所述人脸对齐后的样本正脸图像进行卷积神经网络训练处理，获取留存样本特征集合；所述神经网络训练处理包括：构建特征提取的卷积神经网络；将所述人脸对齐后的样本正脸图像输入卷积神经网络进行特征提取，将留存样本特征集合提取过程用映射函数表示，获取留存样本特征集合。另外，本专利技术实施例还提供了一种基于复杂环境下的人脸识别系统，所述人脸识别系统包括：预处理模块：用于对待识别人脸图像进行预处理，获取预处理后的待识别人脸图像；人脸对齐模块：用于对预处理后的待识别人脸图像进行人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；特征提取训练模块：用于对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，获取训练后的待识别样本特征集合；人脸识别模块：用于采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，获取待识别人脸图像的识别结果。优选地，所述人脸识别模块包括：稀疏表示单元：用于采用所述留存样本特征集合对所述待识别样本特征集合进行稀疏表示处理，获取稀疏表示的表示系数；残差计算单元：用于根据所述稀疏表示的表示系数与所述留存样本特征集合进行残差计算处理，获取残差计算结果；人脸识别单元：用于根据所述残差计算结果进行残差分类，选取最小的残差分类作为人脸识别结果。在本专利技术实施例中，本专利技术实施例针对训练样本较少，而且待测图像在复杂环境条件下，依然能够实现准确识别，对硬件要求不高，满足实时性要求，推广经济可行。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例中的基于复杂环境下的人脸识别方法的方法流程示意图；图2是本专利技术实施例中的基于复杂环境下的人脸识别方法的特征识别处理步骤流程示意图；图3是本专利技术试试中的基于复杂环境下的人脸识别方法的留存样本特征集合的获取步骤的流程示意图；图4是本专利技术实施例中的又一基于复杂环境下的人脸识别方法的方法流程示意图；图5是本专利技术实施例中的基于复杂环境下的人脸识别系统的系统结构组成示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施本文档来自技高网...

【技术保护点】
一种基于复杂环境下的人脸识别方法，其特征在于，所述人脸识别方法包括：对待识别人脸图像进行预处理，获取预处理后的待识别人脸图像；对预处理后的待识别人脸图像进行人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，获取训练后的待识别样本特征集合；采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，获取待识别人脸图像的识别结果。

【技术特征摘要】
1.一种基于复杂环境下的人脸识别方法，其特征在于，所述人脸识别方法包括：对待识别人脸图像进行预处理，获取预处理后的待识别人脸图像；对预处理后的待识别人脸图像进行人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；对所述人脸对齐后的待识别正面人脸图像进行卷积神经网络训练处理，获取训练后的待识别样本特征集合；采用留存样本特征集合对所述待识别样本特征集合进行特征识别处理，获取待识别人脸图像的识别结果。2.根据权利要求1所述的基于复杂环境下的人脸识别方法，其特征在于，所述对待识别人脸图像进行预处理，包括：对所述待识别人脸图像进行灰度化处理，所述灰度化处理的处理公式如下：Y＝0.299R+0.587G+0.114B其中，R、G、B分别表示待识别人脸图像的红、绿、蓝三原色像素值，Y表示灰度化处理后的像素值。3.根据权利要求1所述的基于复杂环境下的人脸识别方法，其特征在于，所述对预处理后的待识别人脸图像进行人脸对齐处理，包括：对所述预处理后的待识别人脸图像进行检测处理，获取待识别人脸检测结果；根据待识别人脸检测结果进行自动人脸对齐处理，获取人脸对齐后的待识别正面人脸图像；所述检测处理包括人脸检测处理、面部特征点检测处理。4.根据权利要求3所述的基于复杂环境下的人脸识别方法，其特征在于，所述对所述预处理后的待识别人脸图像进行检测处理，包括：采用Viola-Jones方法对所述预处理后的待识别人脸图像进行人脸检测处理，获取待识别人脸检测结果；采用回归树方法对所述待识别人脸检测结果进行面部特征点检测处理，获取待识别人脸检测结果中图像的特征点；在所述待识别人脸检测结果中图像边缘上进行等距离点增加处理，获取增加等距离点后的待识别人脸图像；根据所述增加等距离点后的待识别人脸图像构建覆盖人脸图像的Delaunay三角网格。5.根据权利要求3所述的基于复杂环境下的人脸识别方法，其特征在于，所述根据待识别人脸检测结果进行自动人脸对齐处理，包括：对所述待识别人脸检测结果进行图像旋转，使得待识别人脸图像中的人脸眼睛水平对齐；对人脸眼睛水平对齐的待识别人脸图像进行重新调整，获取固定双眼间距离和下颚距离；将待识别人脸图像中的左眼位置设定为固定的预定义值；参照一副给定的正面人脸图像，对待识别人脸图像各部分依据所述预定义值和Delaunay三角网格之间的相对位置进行旋转操作，得到对齐的人脸。...

【专利技术属性】
技术研发人员：胡建国，周检根，王金鹏，吴明华，
申请(专利权)人：广州智慧城市发展研究院，中山大学，
类型：发明
国别省市：广东,44