[發(fā)明專利]一種基于動(dòng)靜特征融合的人臉識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810163721.2
• 申請(qǐng)日: 2018-02-27
• 公開(kāi)（公告）號(hào): CN108446601B
• 公開(kāi)（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 帥立國(guó);秦博豪;陳慧玲;王旭;張志勝
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 徐爾東

本發(fā)明公開(kāi)了一種基于動(dòng)靜特征融合的人臉識(shí)別方法，尤其是基于綜合的靜態(tài)特征和動(dòng)態(tài)特征的人臉識(shí)別方法；靜態(tài)特征側(cè)重全局輪廓，將人臉圖像特征看做高維特征，通過(guò)線性和非線性變換映射到低維的子空間中，從而在低維空間中得到該原始樣本的特征進(jìn)行分類，動(dòng)態(tài)特征側(cè)重局部變化，主要根據(jù)人臉的表情，如微笑，沮喪等，通過(guò)提取人臉肌肉變化的動(dòng)態(tài)特征，得到一組肌肉變化與時(shí)間的特征函數(shù)，從而進(jìn)行精確識(shí)別和分類，實(shí)現(xiàn)人臉識(shí)別精度的提高。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于動(dòng)靜特征融合的人臉識(shí)別方法，屬于人臉識(shí)別技術(shù)領(lǐng)域。

背景技術(shù)

目前,傳統(tǒng)的身份識(shí)別方法存在不便于攜帶、易丟失、易損壞和易被破解或竊取的風(fēng)險(xiǎn)。因此人臉識(shí)別得到了廣泛的關(guān)注,由于其具有較強(qiáng)的穩(wěn)固性、隱蔽以及個(gè)體間差別性,安全性得到了保障,應(yīng)用領(lǐng)域也愈加廣泛,例如安全、民用、軍用等領(lǐng)域。人臉識(shí)別作為生物特征識(shí)別的典型應(yīng)用,在國(guó)防、金融、司法、商業(yè)等領(lǐng)域有著廣闊的前景，受到了社會(huì)的密切關(guān)注與認(rèn)可。與此同時(shí)，人臉識(shí)別的準(zhǔn)確度也成為制約人臉識(shí)別發(fā)展的重要因素。

人臉識(shí)別通常遇到小樣本數(shù)據(jù)集問(wèn)題,即所擁有的訓(xùn)練樣本數(shù)目遠(yuǎn)小于待測(cè)人臉樣本的大小，小樣本數(shù)據(jù)集的問(wèn)題會(huì)使得傳統(tǒng)的特征提取方法和分類識(shí)別方法在人臉識(shí)別上很難獲得較強(qiáng)的魯棒性和較好的識(shí)別率。本專利通過(guò)綜合的靜態(tài)特征和動(dòng)態(tài)特征的人臉識(shí)別方法，能夠大大提高人臉識(shí)別的準(zhǔn)確度。

相似專利中，專利CN201010522281.9，基于多級(jí)分類的稀疏表征人臉識(shí)別方法是一種靜態(tài)特征識(shí)別方法，與本專利所強(qiáng)調(diào)的靜態(tài)特征和動(dòng)態(tài)特征結(jié)合的方法不同；專利CN201510102708.2，一種動(dòng)態(tài)人臉識(shí)別方法及系統(tǒng)提出了一種動(dòng)態(tài)人臉識(shí)別方法，其所指的動(dòng)態(tài)是人在運(yùn)動(dòng)時(shí)進(jìn)行抓取跟蹤，本質(zhì)上是一種靜態(tài)特征識(shí)別，其動(dòng)態(tài)指的是人本身的運(yùn)動(dòng)。人體的肌肉運(yùn)動(dòng)特征與人長(zhǎng)時(shí)間的運(yùn)動(dòng)積累直接相關(guān)，具有明顯的個(gè)體特征。肌肉特征是人長(zhǎng)期習(xí)慣所形成的特征，不易模仿且特征明顯。本發(fā)明通過(guò)提出結(jié)合靜態(tài)與動(dòng)態(tài)特征的方法，可以在不影響速度的前提下有效提高人臉識(shí)別的精度。

發(fā)明內(nèi)容

本發(fā)明提供一種基于動(dòng)靜特征融合的人臉識(shí)別方法，通過(guò)靜態(tài)特征和動(dòng)態(tài)特征兩部分，將全局輪廓和局部動(dòng)態(tài)特征相結(jié)合，可以在不影響識(shí)別速度的前提下大大提高人臉識(shí)別精度，解決了目前人臉識(shí)別精度低的問(wèn)題。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：

一種基于動(dòng)靜特征融合的人臉識(shí)別方法，通過(guò)靜態(tài)特征和動(dòng)態(tài)特征相結(jié)合的方法實(shí)現(xiàn)人臉識(shí)別精度的提高；

作為本發(fā)明的進(jìn)一步優(yōu)選，前述的靜態(tài)特征為提取人臉的整體輪廓特征，前述的動(dòng)態(tài)特征為提取人臉表情變化時(shí)的肌肉特征；

作為本發(fā)明的進(jìn)一步優(yōu)選，包括以下步驟：

步驟A，采用靜態(tài)特征提取，具體還包括以下子步驟：

步驟A1，通過(guò)攝像頭或提前存儲(chǔ)的視頻文件中獲取視頻流，

步驟A2，從獲得的視頻流中截取關(guān)鍵幀，

步驟A3，利用主成分分析法、獨(dú)立成分分析法和線性判別方法相結(jié)合，從所得的關(guān)鍵幀的圖像信息中獲取人臉的輪廓特征，

步驟A4，利用梯度圖像算法處理前述的人臉的輪廓特征，從而得到高維特征數(shù)據(jù)，利用二值、直方圖線性或者非線性處理前述的人臉的輪廓特征，變換得到低維特征數(shù)據(jù)，

步驟A5，將高維特征數(shù)據(jù)與低維特征數(shù)據(jù)進(jìn)行相似度度量，即特征匹配，得到靜態(tài)特征匹配的一個(gè)或者多個(gè)相似結(jié)果；

步驟B，采用動(dòng)態(tài)特征提取，具體還包括以下子步驟：

步驟B1，通過(guò)攝像頭或提前存儲(chǔ)的視頻文件中獲取視頻流，

步驟B2，利用光流、差分的方法提取視頻流中的動(dòng)態(tài)特征，確定目標(biāo)區(qū)域，