[發(fā)明專利]人臉認(rèn)證方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310752853.6
• 申請(qǐng)日: 2013-12-31
• 公開(kāi)（公告）號(hào): CN103679158B
• 公開(kāi)（公告）日: 2017-06-16
• 發(fā)明（設(shè)計(jì)）人: 王寧;張祥德;江武明;張要羅
• 申請(qǐng)（專利權(quán)）人: 北京天誠(chéng)盛業(yè)科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11240
• 代理人: 李志剛,吳貴明

1.一種人臉認(rèn)證方法，其特征在于，包括：

獲取多個(gè)人臉訓(xùn)練圖像；

提取所述多個(gè)人臉訓(xùn)練圖像的Gabor特征；

提取所述多個(gè)人臉訓(xùn)練圖像的POEM特征；

將所述多個(gè)人臉訓(xùn)練圖像的Gabor特征和所述多個(gè)人臉訓(xùn)練圖像的POEM特征進(jìn)行融合以獲取所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本，其中，所述正樣本為所述多個(gè)人臉訓(xùn)練圖像中同一個(gè)人的不同人臉圖像的兩兩組合，所述負(fù)樣本為所述多個(gè)人臉訓(xùn)練圖像中不同人的人臉圖像的兩兩組合；

利用AdaBoost算法對(duì)所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本進(jìn)行訓(xùn)練，得到訓(xùn)練結(jié)果；以及

利用所述訓(xùn)練結(jié)果進(jìn)行人臉認(rèn)證。

2.根據(jù)權(quán)利要求1所述的人臉認(rèn)證方法，其特征在于，提取所述多個(gè)人臉訓(xùn)練圖像的POEM特征包括：

對(duì)所述多個(gè)人臉訓(xùn)練圖像進(jìn)行POEM編碼計(jì)算；

獲取多個(gè)不同大小、不同位置的矩形；

按照所述多個(gè)矩形對(duì)進(jìn)行POEM編碼計(jì)算后的所述多個(gè)人臉訓(xùn)練圖像中的每個(gè)人臉進(jìn)行遍歷，得到矩形內(nèi)POEM編碼的直方圖；以及

將所述直方圖作為所述POEM特征。

3.根據(jù)權(quán)利要求1所述的人臉認(rèn)證方法，其特征在于，將所述多個(gè)人臉訓(xùn)練圖像的Gabor特征和所述多個(gè)人臉訓(xùn)練圖像的POEM特征進(jìn)行融合以獲取所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本包括：

對(duì)于所述多個(gè)人臉訓(xùn)練圖像的Gabor特征，對(duì)所述多個(gè)人臉訓(xùn)練圖像中的每?jī)蓚€(gè)人臉訓(xùn)練圖像對(duì)應(yīng)的Gabor特征點(diǎn)的特征向量求內(nèi)積，得到第一向量；

對(duì)于所述多個(gè)人臉訓(xùn)練圖像的POEM特征，對(duì)所述多個(gè)人臉訓(xùn)練圖像中的每?jī)蓚€(gè)人臉訓(xùn)練圖像對(duì)應(yīng)的POEM特征的直方圖計(jì)算卡方距離，得到第二向量；以及

由所述第一向量和所述第二向量組合得到所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本。

4.根據(jù)權(quán)利要求1所述的人臉認(rèn)證方法，其特征在于，利用AdaBoost算法對(duì)所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本進(jìn)行訓(xùn)練包括：

獲取AdaBoost算法的訓(xùn)練目標(biāo)，其中，所述訓(xùn)練目標(biāo)包括識(shí)別率和/或誤識(shí)率；以及

利用所述訓(xùn)練目標(biāo)對(duì)所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本進(jìn)行訓(xùn)練直到達(dá)到所述訓(xùn)練目標(biāo)。

5.根據(jù)權(quán)利要求1所述的人臉認(rèn)證方法，其特征在于，利用AdaBoost算法對(duì)所述多個(gè)人臉訓(xùn)練圖像的正樣本和負(fù)樣本進(jìn)行訓(xùn)練，得到訓(xùn)練結(jié)果包括：

通過(guò)所述AdaBoost算法的訓(xùn)練形成人臉?lè)诸惼鳎鋈四樂(lè)诸惼靼ǘ嗉?jí)強(qiáng)分類器以及構(gòu)成所述多級(jí)強(qiáng)分類器中每級(jí)強(qiáng)分類器的弱分類器，所述弱分類器由Gabor特征和POEM特征塊組成，所述弱分類器包括特征的類型參數(shù)、位置參數(shù)、尺度參數(shù)、方向參數(shù)，以及由人臉識(shí)別率的設(shè)定目標(biāo)確定的閾值參數(shù)和權(quán)重參數(shù)，所述閾值參數(shù)用于對(duì)人臉認(rèn)證結(jié)果進(jìn)行判定。

6.根據(jù)權(quán)利要求5所述的人臉認(rèn)證方法，其特征在于，利用所述訓(xùn)練結(jié)果進(jìn)行人臉認(rèn)證包括：

獲取第一待認(rèn)證圖像和第二待認(rèn)證圖像；

按照所述人臉?lè)诸惼鞯奶卣鞯念愋蛥?shù)、位置參數(shù)、尺度參數(shù)和方向參數(shù)分別提取所述第一待認(rèn)證圖像和所述第二待認(rèn)證圖像的Gabor特征和POEM特征；

由所述第一待認(rèn)證圖像和所述第二待認(rèn)證圖像的Gabor特征和POEM特征計(jì)算所述第一待認(rèn)證圖像和所述第二待認(rèn)證圖像對(duì)應(yīng)的Gabor特征的內(nèi)積和POEM特征的卡方距離；以及

所述人臉?lè)诸惼魍ㄟ^(guò)所述閾值參數(shù)和所述權(quán)重參數(shù)對(duì)求得的所述內(nèi)積和所述卡方距離進(jìn)行判斷以判斷第一待認(rèn)證圖像和第二待認(rèn)證圖像是否是同一個(gè)人的人臉圖像。