[發(fā)明專(zhuān)利]人臉識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201310321102.9
• 申請(qǐng)日: 2013-07-26
• 公開(kāi)（公告）號(hào): CN103353936A
• 公開(kāi)（公告）日: 2013-10-16
• 發(fā)明（設(shè)計(jì)）人: 蘇劍波;曾明;趙玥
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海交通大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 上海思微知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31237
• 代理人: 鄭瑋

1.一種人臉識(shí)別方法，其特征在于，包括以下步驟：

采集可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的訓(xùn)練圖像；

對(duì)采集得到的每一波段的訓(xùn)練圖像進(jìn)行歸一化，并進(jìn)行mask和光照的預(yù)處理；

從經(jīng)過(guò)歸一化和預(yù)處理的每一波段的訓(xùn)練圖像中提取該波段的第一人臉圖像特征；

基于稀疏正則化方法對(duì)提取到的每一波段的人臉圖像特征進(jìn)行評(píng)價(jià)與選擇得到降維后的每一波段的人臉圖像的新特征和對(duì)應(yīng)的新特征評(píng)價(jià)指標(biāo)；

把得到的每一波段的人臉圖像新特征組合成第一特征集，再基于稀疏正則化方法對(duì)所述第一特征集進(jìn)行評(píng)價(jià)、選擇與融合構(gòu)成最終表達(dá)人臉的第二特征集和對(duì)應(yīng)的第二特征評(píng)價(jià)指標(biāo)；

采集待測(cè)試人的可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的測(cè)試圖像；

對(duì)采集得到的每一波段的測(cè)試圖像進(jìn)行歸一化，并進(jìn)行mask和光照的預(yù)處理；

從經(jīng)過(guò)歸一化和預(yù)處理的每一波段的測(cè)試圖像中提取該波段的第二人臉圖像特征；

根據(jù)所述新特征評(píng)價(jià)指標(biāo)從所述第二人臉圖像特征得到降維后的每一波段的人臉圖像的新特征；

將從所述第二人臉圖像特征得到降維后的每一波段的人臉圖像的新特征組合成第三特征集，根據(jù)所述第二特征評(píng)價(jià)指標(biāo)從所述第三特征集獲得最終表達(dá)所述待測(cè)試人的人臉的第二特征集；

采用最近鄰分類(lèi)器依次計(jì)算所述待測(cè)試人的人臉的第二特征集與人臉圖像測(cè)試庫(kù)中每個(gè)人臉圖像之間的距離，所得最小距離的人臉圖像測(cè)試庫(kù)中的人臉圖像的所屬人即為分類(lèi)結(jié)果。

2.如權(quán)利要求1所述的人臉識(shí)別方法，其特征在于，所述第一人臉圖像特征和第二人臉圖像特征為局部特征和/或全局特征。

3.如權(quán)利要求2所述的人臉識(shí)別方法，其特征在于，所述局部特征為L(zhǎng)BP、LBP各種改進(jìn)算子、Gabor、POEM、LDP中的任一種。

4.如權(quán)利要求2所述的人臉識(shí)別方法，其特征在于，所述全局特征為PCA或LDA。

5.如權(quán)利要求1所述的人臉識(shí)別方法，其特征在于，采集可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的訓(xùn)練圖像和測(cè)試圖像的步驟中，

采集可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的訓(xùn)練圖像和測(cè)試圖像的近紅外、中紅外、遠(yuǎn)紅外和熱紅外攝像頭配置為同軸，且距離相近，各攝像頭之間的采集時(shí)間間隔在相互之間不被影響的前提下設(shè)置得盡量小。

6.如權(quán)利要求1所述的人臉識(shí)別方法，其特征在于，所述光照的預(yù)處理為Gamma校正或retina?filter。

7.一種人臉識(shí)別系統(tǒng)，其特征在于，包括：

第一采集模塊，用于采集可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的訓(xùn)練圖像；

第一處理模塊，用于對(duì)采集得到的每一波段的訓(xùn)練圖像進(jìn)行歸一化，并進(jìn)行mask和光照的預(yù)處理；

第一特征模塊，用于從經(jīng)過(guò)歸一化和預(yù)處理的每一波段的訓(xùn)練圖像中提取該波段的第一人臉圖像特征；

第一新特征模塊，用于基于稀疏正則化方法對(duì)提取到的每一波段的第一人臉圖像特征進(jìn)行評(píng)價(jià)與選擇得到降維后的每一波段的人臉圖像的新特征和對(duì)應(yīng)的新特征評(píng)價(jià)指標(biāo)；

第二特征集模塊，用于把得到的每一波段的人臉圖像的新特征組合成第一特征集，再基于稀疏正則化方法對(duì)所述第一特征集進(jìn)行評(píng)價(jià)、選擇與融合構(gòu)成最終表達(dá)人臉的第二特征集和對(duì)應(yīng)的第二特征評(píng)價(jià)指標(biāo)；

第二采集模塊，用于采集待測(cè)試人的可見(jiàn)光、近紅外、中紅外、遠(yuǎn)紅外和熱紅外的多波段的測(cè)試圖像；

第二處理模塊，用于對(duì)采集得到的每一波段的測(cè)試圖像進(jìn)行歸一化，并進(jìn)行mask和光照的預(yù)處理；

第二特征模塊，用于經(jīng)過(guò)歸一化和預(yù)處理的每一波段的測(cè)試圖像中提取該波段的第二人臉圖像特征；

第二新特征模塊，用于根據(jù)所述新特征評(píng)價(jià)指標(biāo)從所述第二人臉圖像特征得到降維后的每一波段的人臉圖像的新特征；

第一結(jié)果模塊，用于將從所述第二人臉圖像特征得到降維后的每一波段的人臉圖像的新特征組合成第三特征集，根據(jù)所述第二特征評(píng)價(jià)指標(biāo)從所述第三特征集獲得最終表達(dá)所述待測(cè)試人的人臉的第二特征集；

第二結(jié)果模塊，用于采用最近鄰分類(lèi)器依次計(jì)算所述待測(cè)試人的人臉的第二特征集與人臉圖像測(cè)試庫(kù)中每個(gè)人臉圖像之間的距離，所得最小距離的人臉圖像測(cè)試庫(kù)中的人臉圖像的所屬人即為分類(lèi)結(jié)果。