[發明專利]一種快速人臉識別方法

在審

• 申請號: 201711378336.1
• 申請日: 2017-12-19
• 公開（公告）號: CN108108760A
• 公開（公告）日: 2018-06-01
• 發明（設計）人: 王洪君;胡才勝;申大雪;王娜
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 楊樹云

本發明涉及一種快速人臉識別方法，包括：(1)提取人臉關鍵特征點，構造標準特征向量；(2)選取標準化特征向量中的若干作為參考變量，進行分塊，并進行二進制編碼；(3)對每個塊分別進行PCA降維處理，形成若干個降維后的塊，用對塊的編碼對若干個對應的塊進行命名；(4)讀取待測人臉圖片，提取待測人臉關鍵特征點，構造標準特征向量；(5)對標準特征向量進行二進制編碼，根據該編碼查找到對應的降維后的塊；(6)對待測人臉圖片進行PCA降維處理；(7)確定待測人臉圖片與塊中的每類圖片的相似度，當相似度超過設定的閾值時，即判定待測人臉圖片與該類圖片屬于同一人，完成識別過程。

技術領域

本發明涉及一種快速人臉識別方法，屬于人臉識別技術領域。

背景技術

人臉識別技術是生物特征識別技術的一種，廣泛應用于安防、金融、電信、交通等領域。相關技術利用人臉共性特征從視頻流中提取含人臉圖片，再將人臉圖像與預先存儲在人臉庫中模板圖像進行比對，利用人臉特征之間的差異來確定待測人臉的身份信息。

人臉識別過程大致可分為人臉獲取與定位、圖像預處理和人臉識別三個步驟，其中人臉識別是最關鍵的一步，基于特征的識別算法包括基于PCA的方法、基于LDA的方法、基于LBP方法、基于稀疏表示的方法、利用神經網絡的方法等。

衡量人臉識別方法優劣的兩個重要指標分別是識別率與識別速度，影響識別速度的一個重要因素是識別過程產生的計算量。經典的PCA方法通過將原始圖像投影到一個低維度空間，提取圖像信息的主要成分，大幅減少了識別比對過程中的計算量，讓人臉識別逐漸實用化。但是待測圖片要與目標庫里的人臉逐一比對，隨著人臉訓練庫中類別(人數)的增加，識別速度會變慢，同時由于相似人臉出現的概率變大，識別率也會快速下降。對于一些特別的應用場景，如車站、學校、商城等人流量大的地區，巨大的目標庫在所難免，而識別的實時性要求很高，存在著基本矛盾。

因此，如何在大目標庫的情況下實現對人臉圖像的快速識別，并且提高人臉識別的正確率成為亟待解決的技術問題。

中國專利文獻CN105550657A公開了基于關鍵點的改進SIFT人臉特征提取方法，本方法采用了基于關鍵點的改進SIFT人臉特征提取的方法。通過定位人臉中的五個關鍵像素點，并利用SIFT方法中的方向直方圖來描述這五個關鍵點，從而形成魯棒的人臉圖像特征向量。結合雙線性相似度函數和馬氏距離來計算兩個人臉特征向量之間的相似度得分值。采用KELM分類器對相似度得分值進行二值分類，得分值較高的一類人臉圖片，兩張人臉圖片均被判為來自于同一個人，而得分值較低的一類人臉圖片，兩張人臉圖片均被判為來自于不同的人。但是，該專利存在人臉識別比對過程中采用一一計算相似度得分的方法，每幅待測圖片要與目標庫中所有圖片比對一次，隨著目標庫的增大，計算量將會快速增長，在處理設備一定的前提下，不能保證人臉識別實時性要求。

發明內容

針對現有技術的不足，本發明提供了一種快速人臉識別方法，以提高在大訓練樣本情況下的識別速度和準確率。

術語解釋：

PCA降維，主成分分析，是一種掌握事物主要矛盾的統計分析方法，它可以從多元事物中解析出主要影響因素，簡化復雜的問題。計算主成分的方法是將高維數據投影到較低維空間。詳細解釋如下：設訓練集有m幅n*p大小的圖像，先構造一個m行，n*p列的矩陣，該矩陣的每一行是一幅圖像的全部信息(像素值從左至右、由上而下構成的含有n*p個元素的行向量)，每一列是一個隨機變量，然后對矩陣的所有列進行處理(每個元素減去該列均值，實現列均值為0；再計算該矩陣的協方差矩陣，再根據協方差矩陣計算特征值與特征向量，接著將特征向量按照特征值大小排序，)所謂主成分即是具有最大特征值的特征向量，然后根據精度要求選擇前k個(k遠小于n*p,k越大，精度越好，降維效果越差)的特征向量構成一個新矩陣n*p*k，將原圖像矩陣m*n*p與新矩陣相乘，即得到降維后的圖像矩陣m*k，這個新矩陣在保留原圖像主要成分的前提下實現了降維。

本發明的技術方案為：