[發明專利]一種基于多模型多通道的人臉識別方法及系統

在審

• 申請號: 201810162040.4
• 申請日: 2018-02-27
• 公開（公告）號: CN108171223A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 赫樹龍;孫潤濤;李雄;王魯華
• 申請（專利權）人: 北京中晟信達科技有限公司;國家計算機網絡與信息安全管理中心
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發明是一種基于多模型多通道的人臉識別方法及系統，具體是指利用不同的人臉識別模型生成不同的人臉特征，不同的特征攜帶不同的信息，融合這些特征來進行人臉識別能很大程度上提高識別率，涉及人臉識別技術領域。本發明通過普通攝像頭獲取人臉圖像，利用人臉檢測算法檢測是否出現人臉，在有人臉的基礎上分割人臉區域，對分割出來的圖像做預處理。對預處理后的圖像提取不同模型所對應的特征，然后對這些特征進行特征處理，最后使用余弦距離來度量待識別人員與數據庫中已注冊人員的特征的相似度。該發明克服了現有技術存在的方法精確度不高，對于人臉環境變化(光照、表情、姿態、遮擋)魯棒性低的缺點，能有效的提高人臉識別的準確率。

技術領域

本發明涉及人臉識別技術領域，具體是一種基于多模型多通道的人臉識別方法及系統。

背景技術

隨著計算機技術與人工智能的快速發展，以及人們需求的日益增長，傳統的身份認證技術如指紋識別、虹膜識別和語音識別已經不能滿足人們的需求。與傳統身份認證技術相比，人臉識別具備高可靠性和便利性的優勢。

一個可靠的人臉識別系統主要是由人臉采集、人臉檢測、預處理、特征提取、分類識別這五個模塊組成。其中，特征提取在該系統中是最關鍵、最重要的一步。然而，使用單一的現有特征提取算法提取出來的人臉特征魯棒性低，對于人臉環境的變化(光照、表情、姿態、遮擋)非常敏感。由此可見，為解決單一人臉特征提取算法在人臉識別的精度受到限制的問題，目前需要融合多種特征提取算法來提高人臉識別的精確度。

發明內容

本發明主要是克服上述現有技術的缺點，提出了一種融合了多種人臉特征的人臉識別方法及系統。不同的模型能夠提取出人臉的不同的特征，融合多種人臉特征進行識別認證，能夠提高人臉識別的精度。

本發明為克服傳統方法的缺點所采用的技術方案是：提供一種基于多模型多通道的人臉識別方法，包括以下步驟：

步驟1：采集人臉圖像，利用攝像頭獲取人臉圖像數據,利用Viola-Jones人臉檢測算法檢測圖像中是否出現人臉，在圖像中存在人臉的基礎上，對人臉進行分割，在分割后的人臉圖像上進行預處理；

步驟2：在預處理后的人臉圖像I基礎上，使用預訓練好的自動編解碼器產生AE特征；

步驟:3：在預處理后的人臉圖像I基礎上，根據人臉的特征點分割出左眼、右眼、鼻子和嘴巴圖像，對每一個圖像塊提取HOG(Histogram of Oriented Gradient,方向梯度直方圖)特征。

步驟4：在預處理后的人臉圖像I基礎上，將人臉圖像分割成若干N×N的圖像塊，對每個圖像塊提取DCP(Dual-Cross Patterns，雙十字模式)特征。

步驟:5：對AE特征、HOG特征和DCP特征向量進行融合并利用WPCA(加權主分量分析)減少冗余得到最終特征；

步驟6：分別計算待識別人員的特征與數據庫中已注冊的人員的特征之間的余弦距離,根據余弦距離的大小確定待識別人員的身份。

在步驟1中，預處理階段包括基于回歸樹的人臉對齊算法(ERT算法)和中值濾波圖像去噪操作。

在步驟2中，預訓練好的自動編碼器提取AE特征，我們可以將訓練集中的某張圖片表示為向量x∈R^mx1，其中m為人臉圖片總的像素點數。稀疏自動編解碼器的編碼矩陣為W_e＝R^k×m，

自動編解碼器的非線性編碼函數為稀疏編碼向量為h＝f(x；W_e)∈R^k×1，自動編解碼器的解碼矩陣為W_d∈R^m×k，可以建立如下無約束優化問題：