[發明專利]人臉識別方法及裝置

有效

• 申請號: 201110385670.6
• 申請日: 2011-11-28
• 公開（公告）號: CN103136504A
• 公開（公告）日: 2013-06-05
• 發明（設計）人: 黃磊;彭菲
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

技術領域

本發明涉及數字圖像處理及基于計算機視覺的模式識別領域，特別涉及一種人臉識別方法及裝置。

背景技術

生物特征識別技術是身份識別的有效技術，近來發展最快的是人臉識別技術以及與人臉識別技術相融合的生物特征識別技術。

為了提高人臉識別分類器的性能，目前普遍采用多特征加權融合。對于不同的特征，識別性能不盡相同，加權就是對不同的特征采用不同的權值進行融合。每個特征的權值是由該特征本身的特性(可分性，識別率等)所決定的，不同的融合特征對應不同的融合權值。對識別性能好的特征賦予較大的權值，而識別性能差的特征賦予較小的權重。公開號為CN101276421A的專利申請文件提出將人臉部件相似度R1、R2、R3、R4、R5和Gabor人臉特征相似度R6按照加權和規則融合，得到人臉綜合相似度R0，其融合系數分別取作24:15:7.5:6:9:41。

然而，人臉識別應用中可能受到光照條件或姿態等其他因素的影響。在不同光照條件和不同姿態下，各個特征的識別性能并不恒定。因此，不同條件下的特征融合的最佳權值也在發生變化，若固定各特征的融合權值以進行不同條件下的人臉識別，則將導致人臉識別的性能下降。

發明內容

本發明的目的是提出一個自適應的特征加權方案，解決識別條件變化，如光照變化和姿態變化等導致不同特征性能發生改變時固定權值方案識別性能下降的問題。

本發明提供一種人臉識別方法，包括：聚類特征提取步驟，用于對經過預處理的人臉圖像進行聚類特征提取；確定步驟，根據從所述人臉圖像中提取出的聚類特征確定與所述人臉圖像匹配的預先訓練得到的聚類特征類別；識別特征提取步驟，用于對經過預處理的人臉圖像進行P種識別特征的提取，其中P為大于1的自然數；計算步驟，用于分別計算所述P種識別特征與其在預先注冊的人臉模板中的對應特征的相似度，并根據在所述確定步驟中確定的聚類特征的類別確定所述P種識別特征在進行加權融合時的最佳權值組合，以獲得所述人臉圖像與所述人臉模板的綜合相似度。

本發明還提供一種人臉識別裝置，包括：聚類特征提取單元，用于對經過預處理的人臉圖像進行聚類特征提取；確定單元，根據從所述人臉圖像中提取出的聚類特征確定與所述人臉圖像匹配的預先訓練得到的聚類特征類別；識別特征提取單元，用于對經過預處理的人臉圖像進行P種識別特征的提取，其中P為大于1的自然數；計算單元，用于分別計算所述P種識別特征與其在預先注冊的人臉模板中的對應特征的相似度，并根據所述確定單元確定的聚類特征的類別確定所述P種識別特征在進行加權融合時的最佳權值組合，以獲得所述人臉圖像與所述人臉模板的綜合相似度。

本發明提供的人臉識別方法及裝置，其中采用了自適應權值方案，該方案較固定權值方案更靈活，能使人臉識別過程中的多特征融合性能始終保持最佳或接近于最佳。

附圖說明

圖1是本發明實施例的人臉識別方法的原理框圖。

圖2是本發明實施例的人臉識別方法的流程框圖。

圖3是本發明實施例的人臉識別方法的詳細流程圖。

圖4是示出LBP計算過程的示意圖。

圖5是示出部分Uniform?LBP的示意圖。

圖6是示出使用LBP特征進行人臉識別的基本過程示意圖。

圖7是本發明實施例的人臉識別裝置的結構框圖。

具體實施方式

在本發明的一個實施例中，首先對訓練樣本集的每幅人臉圖像進行聚類特征的提取，采用無監督聚類(即采用未知類別的樣本)，如K均值聚類法，將訓練樣本集劃分為K類。然后對訓練樣本集圖像提取識別特征，對K類訓練樣本分別計算K組識別特征的最佳權值的組合。最佳權值可通過衡量各類樣本的最大化識別率、最小化等錯率、最大化通過率等方式獲取。接下來，在進行人臉識別時，對測試人臉圖像分別提取用于判斷聚類類別的聚類特征和用于身份識別的多種識別特征。根據聚類特征將待識別圖像劃分到最近的k均值聚類中心對應的類別中，獲取相應的最佳權值對多種識別特征進行融合，進而得到識別結果。

其中，聚類特征可以為光照估計特征或姿態特征或其他對識別影響較大的特征。在不同的識別環境，可以根據對識別結果影響的條件確定聚類特征，本發明對此不作限定。