一种人脸认证的方法及系统技术方案

本发明专利技术公开了一种人脸认证的方法，包括：采集包含同一待认证人脸目标的多帧图像，得到包含该待认证人脸目标的每帧图像的样本特征；利用根据特征库训练后得到的分类器判决模型，分别对包含同一待认证人脸目标的每帧图像的样本特征进行认证；所述特征库在之前的认证过程中至少一次更新；融合包含同一待认证人脸目标的多帧图像的样本特征的认证结果，得到该目标的认证结果；并将融合后的认证结果的置信度高于预设置信阈值的待认证人脸目标的全部样本特征添加到特征库，实现对所述特征库的更新。本发明专利技术还同时公开了一种人脸认证的系统。本发明专利技术的这种人脸认证的方法和系统，能够实现认证目标样本的自动更新，因此提高了人脸认证系统的抗干扰能力。

【技术实现步骤摘要】

本专利技术涉及模式识别技术，具体涉及一种人脸认证的方法及系统。技术背景随着当前计算机技术的迅速发展，计算机处理能力得到了大幅度的提升；与此同时，模式识别、计算机视觉等领域的相关技术也取得了快速发展， 人脸认证作为相关领域研究和应用的热点，在安全、娱乐、人机交互等许多 领域都具有重要的实用价值并得到了广泛应用。人脸认证，是指采用人脸检测、脸部特征点定位等技术获取图像中的人 脸位置信息，以该人脸位置信息为基础通过一定的算法提取人脸图像所包含 的信息，并根据得到的人脸图像所包含的信息判断对象是否为其所声明身份 的一种方法。目前使用的人脸认证一般采用基于训练的方法，首先需要利用 后续需要进行人脸认证的人的脸部图像对分类器进行训练，建立该人的分类 器模型。当某人进行人脸认证时，通常先声明自己的身份信息，认证系统根 据声明的身份信息从验证数据库中寻找该信息对应的分类器模型，如果没有 则直接拒绝执行人脸认证，如果找到该信息对应的分类器模型，则采用该分 类器模型对该人进行人脸认证，若识别出的结果与此人声明的身份信息吻 合，则认证通过，否则表示认证未通过。所述身份信息在验证数据中存在的 人，下文称为iU正目标。上述人脸认证的系统，包含两个相互独立的子系统，其一为离线训练子 系统，如图1所示，其中包括人脸图像采集标定模块101,特征提取模块 102，样本特征库模块103和离线训练模块104。所述人脸图像采集标定模块101,采集包含人脸的图像，采用手工标定或者自动标定的方式标定脸部特征点位置。根据特征提取方式不同，可以选择不同的标定特征点集合，常见的脸部 特征点集合为左眼中心点，右眼中心点和嘴巴中心点。所述特征提取模块102,根据人脸图像采集标定模块101标定的脸部特 征点，对人脸图像进行尺度归一化，割取人脸区域并进行光照归一化处理， 根据所述标定的特征点集合提取人脸特征，得到所有正反样本的特征。特征点可以有很多种不同的选择方法，例如采用8个方向、5个尺度的 Gabor幅度特征。此外，LBP ( Local Binary Pattern )特征也是效果较好的人 脸认证的候选特征。所述样本特征库模块103，用于保存特征提取模块102得到的正反样本 的特征，并提交给离线训练模块104。所述离线训练模块104,用于根据样本特征库模块103保存的正反样本 的特征，训练选定的分类器模型得到分类器判决模型(图中未示出)。所述的分类器模型有很多种选择，通常采用的有基于支持向量机 (SVM)、自适应增强(AdaBoost)等分类器模型。对于人脸认证而言，还 有结合主元分析(PCA)和Fisher线性鉴别分析(LDA)的方法，也同样取 得了很好的效果。采用分类器模型的离线训练算法对样本进行训练并得到分 类器判决模型的具体方法，可以参阅相关资料，此处不再详细说明。所述的另外一个子系统为认证子系统，如图2所示，其中包括图像输 入模块201,定位模块202，特征提取模块203和认证模块204。所述图像输入模块201,用于获取包含有待认证目标的静态或视频图像。 所述定位模块202,在所述图像中定位待认证目标的人脸位置和所需脸 部特征点的位置。所述特征提取模块203,用于根据所述脸部特征点位置，割取人脸区域 图像，进行尺度和光照归一化处理后提取其中包含的特征。认证模块204,利用所述训练得到的分类器判决模型，对所述特征提取 模块203提取得到的特征进行认证后得到判决结果。利用上述离线训练子系统和认证子系统构成的人脸认证系统，选用合适 的分类器和训练样本，能够获得良好的人脸认证的效果，但是所述人脸认证 系统仍然存在严重的缺陷由于最终决定人脸认证效果的分类器判决模型是通过对训练样本进行 训练得到的，而现有技术中的离线训练过程是封闭的，即训练样本在训练分 类器时选定后，后续进行人脸认证的过程中无法根据实际应用场景进行便捷 地更新。因此，当人脸认证系统的使用场景发生变化或者认证目标本身的面 部特征发生改变时，识别效果会迅速恶化，从而严重影响人脸认证的效果。
技术实现思路
本专利技术实施例提供一种人脸认证的方法及系统，能够便捷地进行训练样 本的更新从而提高人脸认证的效果。为达到上述目的，本专利技术的技术方案具体是这样实现的 一种人脸iU正的方法，该方法包4舌采集包含同一待认证人脸目标的多帧图像，得到包含该待认证人脸目标的 每帧图像的样本特征；利用根据特征库训练后得到的分类器判决模型，分别对包含同 一待认证人 脸目标的每帧图像的样本特征进行认证；其中，所述特征库在之前的认证过程 中至少净皮更新一次；融合包含所述同 一待认证人脸目标的多帧图像的样本特征的认证结果，得 到该目标的认证结果；并将融合后的认证结果的置信度高于预设置信阈值的待 认证人脸目标的全部样本特征添加到特征库，实现对所述特征库的更新。利用所述分类器判决4莫型，分别对包含同一待认证人脸目标的每帧图像的 样本特征进行iU正的方法为利用根据特征库训练后得到的分类器判决模型，分别判断包含同 一待认 证人脸目标的每帧图像的样本特征是否是对应的认证目标，若是则输出表示 是认证目标的数值，否则输出表示非认证目标的数值。所述融合包含同一待认证人脸目标的多帧图像的样本特征的认证结果，得到该目标的认证结果的方法为统计输出表示是认证目标的数值的次数，将其与预先设定的认证阈值比 较，如果所述次数大于等于认证阈值，则确认该待认证人脸目标为认证目标 并输出认证结果，否则该待认证人脸目标不是认证目标。所述将融合后认证结果的置信度高于预设置信阈值的待认证目标的全部样本特征添加到特征库的方法为当所述输出表示是认证目标的数值的次数大于等于预设的置信阈值时， 将所述待认证人脸目标的多帧图像的样本特征全部添加到特征库。所述利用分类器判决模型分别对包含同一待认证人脸目标的每帧图像的样 本4争征进4亍iU正的方法为利用分类器判决模型，分别计算包含所述同一待认证人脸目标的每帧图像 的样本特征与对应的认证目标的相似程度。所述融合包含同 一待认证人脸目标的多帧图像的样本特征的认证结果，得 到该目标的认证结果的方法为计算所述各帧图像与对应的认证目标的相似程度的平均值，当所述平均值 大于等于预设的认证阈值时，则确认该待认证人脸目标为认证目标并输出认 证结果，否则判定该待认证人脸目标不是认证目标。所述将融合后认证结果的置信度高于预设置信阈值的待认证人脸目标 的全部样本特征添加到特征库的方法为当所述平均值大于等于预设的置信阈值时，将所述待认证人脸目标的全部 N帧图像的样本特征全部添加到特征库，N为自然数。所述根据特征库训练得到分类器判决模型的方法为每次有新的样本特征添加到特征库后，根据特征库对分类器模型进行训练；或，记录已添加到特征库的样本特征的数目，当已添加到特征库的样本特 征的数目大于等于预先设置的更新阈值时，根据特征库对分类器模型进行训练。一种人脸认证的系统，该系统包括图像采集标定模块、特征提取模块、特征库模块、训练模块和认证更新模块；所述图像采集标定模块，采集包含同一待认证人脸目标的多帧图像； 所述特征提取模块，根据所述多帧图像得到包含该待认证人脸目标的每帧图像的样本特征；特征库模块，接收认证更新模块添加的样本特征，并提供给训练模块； 所述训练本文档来自技高网...

【技术保护点】
一种人脸认证的方法，其特征在于，该方法包括：　　　　采集包含同一待认证人脸目标的多帧图像，得到包含该待认证人脸目标的每帧图像的样本特征；　　　　利用根据特征库训练后得到的分类器判决模型，分别对包含同一待认证人脸目标的每帧图像的样本特征进行认证；其中，所述特征库在之前的认证过程中至少被更新一次；　　　　融合包含所述同一待认证人脸目标的多帧图像的样本特征的认证结果，得到该目标的认证结果；并将融合后的认证结果的置信度高于预设置信阈值的待认证人脸目标的全部样本特征添加到特征库，实现对所述特征库的更新。

【技术特征摘要】

【专利技术属性】
技术研发人员：邓亚峰，黄英，谢东海，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]