人脸识别方法技术

本发明专利技术公开了人脸识别方法，包括如下步骤：S101、坐标判断：根据坐标变换判断同一视频流中是否为同一人；S102、图片轮廓判断：灰度化图像，然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。本发明专利技术不会遗漏Face，可以准确的采集到每一个出现在摄像头中的Face，同时也不会采集大量的Face重复进行计算造成资源浪费；本发明专利技术只采集完整的Face图像，可以准确提取视图像中的Face特征信息，不会获取大量无用图像，给服务器造成压力。同时还具有自然性，不被察觉性、非接触性和唯一性的特点。

Face recognition method

The invention discloses a face recognition method, including the following steps: S101, coordinate judgment: judging whether the same person is in the same video stream according to coordinate transformation; S102, image contour judgment: graying image, then Gaussian filtering according to different image pixel position of the same person, then sharpening and edge detection. Cross comparison is used to determine whether a person in the video stream is the same person. The invention does not omit Face, can accurately capture every Face appearing in the camera, and does not collect a large number of Face duplicates for calculation, resulting in waste of resources; the invention only collects a complete Face image, can accurately extract the face feature information in the view image, will not acquire a large number of useless images, to serve. The device creates pressure. At the same time, it is also natural, unperceived, non-contact and unique.

【技术实现步骤摘要】
人脸识别方法
本专利技术涉及人脸
，尤其是涉及人脸识别方法。
技术介绍
传统的人脸识别技术主要是基于可见光图像的人脸识别，可见光是光谱中人眼可以感知的部分，可见光谱没有精确的范围，一般人的眼睛可以感知可见光的波长在400到700纳米之间。作为可为人眼感知的光源，也是生活中最常见的光源。因此，传统的人脸识别技术主要基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。为了克服受环境光照的影响，学术界做了大量的研究和技术开发。对可见光人脸识别系统进行了大量改进,以减轻环境光照的影响，目前也取得了一定的进步。最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。在自然界中，除人眼可见的光线外，还存在着红外、紫外等不可见的光线。为了克服可见光因环境因素而变化的影响，相关企业做了大量的研究和技术开发。基于红外与可见光融合的多光源人脸识别方法是人脸识别技术的一项革命性创新，目的在于消除可见光变化对人脸识别的影响。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。可见光图像受光源影响较大，而单纯的红外图像可以独立光源，但对温度变化比较敏感，而红外与可见光融合的多光源人脸识别方法，被证明比任意单一光源的识别更有效。它是一种基于融合红外与可见光图像人脸识别方法，对红外与可见光人脸图像分别采用PCA与线性辨别分析相结合的方法进行特征提取和识别，并利用获得的识别结果与它们各自的置信度进行决策融合，并确定最终的人脸识别结果。实验表明，可以有效提高人脸识别性能和对各种应用环境的适用性。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种识别效果较好的人脸识别方法。为了实现上述目的，本专利技术采用如下技术方案：人脸识别方法，其特征在于，包括如下步骤：S101、坐标判断：根据坐标变换判断同一视频流中是否为同一人；S102、图片轮廓判断：灰度化图像，然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。与现有技术相比，本专利技术具有如下有益效果：(1)本专利技术不会遗漏Face，可以准确的采集到每一个出现在摄像头中的Face，同时也不会采集大量的Face重复进行计算造成资源浪费；(2)本专利技术只采集完整的Face图像，可以准确提取视图像中的Face特征信息，不会获取大量无用图像，给服务器造成压力。(3)自然性：该识别方法同人类(甚至其它生物)进行个体识别时所利用的生物特征相同。例如脸部识别，人类也是通过观察比较人脸区分并确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其它生物并不通过此类生物特征区别个体。(4)不被察觉性：不被察觉对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者近距离采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。这一特点特别适用于逃犯跟踪系统。(5)非接触性和唯一性：使其更加适合运用于公安刑侦系统，门禁考勤系统，网络应用系统等。具体实施方式实施例：人脸识别方法，包括如下步骤：S101、坐标判断：根据坐标变换判断同一视频流中是否为同一人；S102、图片轮廓判断：灰度化图像，然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。本实施例中，步骤S101中，坐标判断如下：|x1-x2|<＝Face1Width*1；|y1-y2|<＝Face1Height*1；判断前一帧的facebox与当前facebox是否重叠，当facebox不重叠，认为不是同一个人，如果facebox重叠，进行以下判断：|Face1Width-Face2Width|<＝Face1Width*0.5；|Face1Height-Face2Height|<＝face1Height*0.5；判断facebox大小，用于去除前一帧face离摄像头远，当前face离摄像头近，所产生的facebox重叠；剩下的face初步认为是同一个人；其中，x1：当前face的x坐标；x2：前一帧face的x坐标；y1：当前face的y坐标；y2：前一帧face的y坐标；Face1Width：当前face的宽度；Face1Height：当前face的高度；Face2Width：前一帧face的宽度；Face2Height：前一帧face的高度；facebox：获取face坐标尺寸后所画出的face边框。本实施例中，步骤S102中，灰度化图像的方式如下：图像的像素点用(x,y)表示位置，v表示像素值，灰度图像时表示一个0～255的值；f(x,y)＝v，函数的自变量为像素点位置，函数值为像素值；灰度化face图像：浮点算法：Gray＝R*0.3+G*0.59+B*0.11整数方法：Gray＝(R*30+G*59+B*11)/100移位方法：Gray＝(R*76+G*151+B*28)>>8；平均值法：Gray＝(R+G+B)/3；通过上述任一种方法求得Gray后，将原来的RGB(R,G,B)中的R,G,B统一用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)。本实施例中，步骤S102中，高斯滤波具体包括：设h[m,n]是经过滤波操作之后(m,n)位置处的像素值，若满足以下条件：则等于f(m+k,n+l)*g(k,l)的和，k,l是滤波器的大小，g(0,0)是中心位置；本实施例中，步骤S102中，锐化图像进行边缘检测，具体包括：设T(0<＝T<＝255)为阈值，像素的梯度值大于T，若满足以下条件：则像素的灰度设置为255，否则设置为0。经过上述步骤后可取得两张二值图像，之后可以进行以下操作对比出两张图片得相似度1、缩小尺寸。将图片缩小到8×8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。2、比较像素。由于图片为二值图像，可进行像素对比3、计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算“汉明距离”。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。以上所述仅为本专利技术的优选实施方式，本专利技术的本文档来自技高网...

【技术保护点】
1.人脸识别方法，其特征在于，包括如下步骤：S101、坐标判断：根据坐标变换判断同一视频流中是否为同一人；S102、图片轮廓判断：灰度化图像，然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。

【技术特征摘要】
1.人脸识别方法，其特征在于，包括如下步骤：S101、坐标判断：根据坐标变换判断同一视频流中是否为同一人；S102、图片轮廓判断：灰度化图像，然后根据不同图像同一人的像素点位置进行高斯滤波，然后进行锐化及边缘检测，通过交叉对比判断视频流中的人是否为同一个人。2.根据权利要求1所述的人脸识别方法与系统，其特征在于：步骤S101中，坐标判断如下：|x1-x2|<＝Face1Width*1；|y1-y2|<＝Face1Height*1；判断前一帧的facebox与当前facebox是否重叠，当facebox不重叠，认为不是同一个人，如果facebox重叠，进行以下判断：|Face1Width-Face2Width|<＝Face1Width*0.5；|Face1Height-Face2Height|<＝face1Height*0.5；判断facebox大小，用于去除前一帧face离摄像头远，当前face离摄像头近，所产生的facebox重叠：根据facebox坐标与宽高判断，若重叠则两帧可能为同一人，若不重叠则认为不是同一人；剩下的face初步认为是同一个人；其中，x1：当前face的x坐标；x2：前一帧face的x坐标；y1：当前face的y坐标；y2：前一帧face的y坐标；Face1Width：当前face的宽度；Face1Height：当前face的高度；Face2Width：前一帧face的宽度；Face2Height：前一帧face的高度；facebox：获取face坐标尺寸后所画出的face边框。3.根据权利要求1所述的人脸识别方法，其特征在于：步骤S102中，灰度化图像的方式如下：图像的像素点用...

【专利技术属性】
技术研发人员：王豫翔，周广朋，李贝贝，夏威濠，
申请(专利权)人：上海南洋万邦软件技术有限公司，
类型：发明
国别省市：上海,31