[發明專利]一種適應多表情多姿態的人臉識別方法

在審

• 申請號: 201510063018.0
• 申請日: 2015-02-08
• 公開（公告）號: CN104636727A
• 公開（公告）日: 2015-05-20
• 發明（設計）人: 宋明黎;唐斌斌;宋新慧;陳純;卜佳俊
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 王佳健

技術領域

本發明屬于人臉識別系統，無需事先訓練，是基于一種單張圖片在二維空間中的擬合匹配方法。

背景技術

人臉識別系統是將輸入的人臉照片與現有的數據庫中的照片進行比較并確定身份的一種系統。因為人臉是區分不同人的主要特征之一，所以該系統可用于簽到系統，刑偵系統，國防系統等。

因為在日常生活，監控視頻中，很難保證提取的人臉按照統一的姿態表情，然而正是因為人臉有表情和姿態的變化，這對人臉識別系統也造成了很大的干擾。如果采用三維模型的人臉，需要采集更多的數據樣本，在實際情況中很難做到。如果是基于單張圖片映射到三維模型進行姿態和表情的調整，目前的識別率較低。采用LBP（Local?Binary?Patterns）特征可以反應人臉的局部特征。

發明內容

本發明的主要目的是提供一種人臉識別方法，對于數據庫中的人臉圖片或者監控視頻，進行較快，較準的查詢，包括以下步驟：

1）對于需要識別的人臉照片和數據集或者待檢測視頻的每一幀進行人臉區域的檢測，截取該區域的圖片轉換為灰度圖，并調整到統一大小。

2）對于1）中截取到的圖片，定位其面部關鍵特征點的位置集合。

3）將待識別圖片的關鍵點集合和數據集中的人臉的關鍵點集合進行一一對應擬合，通過預先設定的擬合公式，得到擬合參數。

4）用3）中得到的擬合參數來生成新的待識別圖片，補全缺失像素點。

5）對得到新的待識別的圖片調整到相同大小，然后提取LBP特征直方圖，并作歸一化處理。

6）用卡方檢驗的方法計算特征直方圖之間的差距，從而得出兩張人臉之間的相似性。

所述的人臉檢測方法包括在待識別人臉，數據集圖片，視頻每一幀用的方法是基于Haar特征的Adaboost算法。該方法能較快定位圖片中人臉的位置。

所述的調整到統一大小指的是檢測到的人臉圖片縮放到92*112像素，便于后面關鍵特征點的擬合。

所述的定位其面部關鍵特征點的位置集合,可以通過主動輪廓模型，主動表現模型等方法來實現。本發明采用主動表現模型，得到需要參與擬合的11個關鍵點，分別標記為：1：左眉毛的最左點，2：左眉毛的最右點，3：右眉毛的最左點，4：右眉毛的最右點，5：左眼的左眼角，6：左眼的右眼角，7：右眼的左眼角，8：右眼的右眼角，9：鼻尖下的點，10：左嘴角的點，11：右嘴角的點。因此，每張圖片有11個關鍵特征點的位置集合。

所述的特征點擬合采用二元三次多項式來進行擬合，多項式的次數越高，擬合效果越佳，本發明在實驗中發現三次項已經基本能滿足擬合要求，在處理器為：Intel(R)?Core(TM)?i3-2100?CPU?@3.10GHz,內存8G的環境下達到視頻匹配實時處理的效果。多項式的擬合公式為：????????????????????????????????????????????????，?，為已知圖片關鍵點的x坐標，為已知圖片關鍵點的y坐標。而x為待匹配圖片關鍵點的x坐標，y為待匹配圖片關鍵點的y坐標。?通過求解和兩個多項式系數來完成已知圖片到待匹配圖片的擬合。

其中為

其中為

需要求解的就是和這20個參數，求解這個參數需要至少10個臉部關鍵點，在集合中有11個關鍵點。將求解過程表示為矩陣的形式就是：?以及??；其中P為待匹配人臉圖片的11個臉部關鍵點多項式的集合，A為,B為?。為已知人臉圖片的11個臉部關鍵點的x坐標集合，為已知人臉圖片的11個臉部關鍵點的y坐標集合。具體如下：

?????????

其中n為特征點的個數，這里為11。

P，?以及?已知，求得矩陣A和B即為需要得到的擬合系數。

所述的生成新的待識別圖片根據求得的擬合系數，將待匹配人臉圖片的每個像素點坐標通過?，?映射到新的坐標點。

所述的補全缺失像素點就是將周圍的像素點的灰度值平均得到的值賦予該像素點。因為在根據映射規則的條件下，有些像素點，會覆蓋，有些像素點會缺失。對于缺失的像素點，取像素點周圍最為鄰近的8個點的灰度值的平均值作為該像素點的灰度值。如果周圍8個像素點全部缺失，則選擇最為鄰近的24個像素點的灰度值的平均值作為該點的像素值，以此類推…。

所述的對得到新的待識別的圖片調整到相同大小是指將補全后的圖片重新調整到92*112的大小。