CN101923641B - 一种改进的人脸识别方法 - Google Patents

Abstract

一种改进的人脸识别方法，属于人脸识别技术领域，首先对获取的两幅或以上的人脸图像进行处理，提取得到图像上人脸区域的多个2D特征点，并建立不同图像上人脸2D特征点的对应关系；然后根据3D空间内，同一个空间平面上的点在不同图像上投影应当满足的约束条件，来判别所提取的人脸2D特征点是否属于同一空间平面；据此判别获取的图像是否是平面场景，从而甄别人脸图像是否来自其它二维图片，防止利用其它图片等方式欺骗人脸识别***的发生。本发明提供了一种甄别输入的图像是来自实际的人脸还是图片，从而预防现有人脸识别***中容易受照片欺骗的问题，提高了人脸识别***的可靠性。

Description

一种改进的人脸识别方法

技术领域

本发明涉及生物特征识别技术中的2D图像分析和处理技术，具体地说是从两幅或多幅2D图像中提取特征点，并判断其是否属于同一空间平面点的方法。

背景技术

人脸识别技术是生物特征识别技术中的一种。目前各个国家对人脸识别技术都很重视，许多大公司也推出了基于人脸识别的身份认证技术，在视频监控、多媒体、过程控制、身份识别等领域有广泛的应用前景。随着该项技术的应用逐渐增多，随着而来的一些识别技术上的缺点也被利用。传统的基于特征的人脸识别技术，通过提取人脸区域的特征点，并根据特殊的特征点之间的某种固有关系，进行识别。其基础是图像上的特征点之间的关系，而忽略了特征点的空间属性。这种***在应用中，很容易被照片所欺骗，其可靠性和安全性收到严重影响。本发明的突出特点是，根据空间中同一平面的点在不同视点下获取的图像中，应当满足同平面约束，采用稳定性算子，如LMEDS，根据对应特征点可靠的计算出平面单应矩阵，并以此为基础，进行特征点的同平面特性判别。

发明内容

本发明的目的在于提供，利用对多幅二维图像特征点的同平面属性进行估计，以判别特征点对应的空间区域是否为同一平面，来可靠的判断图像是否来自照片，而非实际的活体人脸，进而提高人脸检测可靠性的技术。

为了达到上述目的，本发明的技术解决方案提供一种改进的人脸识别方法，其特征在于，根据空间同平面点在两幅图像平面上的对应点应当满足平面单应矩阵约束，对提取的人脸区域的特征点进行同平面约束判别，以确定人脸图像是否从平面图像上获取。

所述的方法，其包括下列步骤：

步骤1，通过拍摄获取两幅或多幅同一人脸的图像；

步骤2，对获取的图像进行特征提取处理，得到多个2D特征点，利用视觉匹配技术建立特征点的对应关系；

步骤3，任意抽取两幅图像上的对应特征点，计算平面单应矩阵；利用计算得到的平面单应矩阵计算步骤2所获取的特征点的误差值；

步骤4，设定一个误差上限值，如果步骤3计算出的特征点的误差值小于等于误差上限值，则说明步骤2所述的特征点位于同一个平面内，如果特征点的误差值大于设定的误差上限值则转入步骤5；

步骤5，通过人脸检测方法确定出图像中的人脸区域，将人脸区域内的特征点用于重新计算平面单应矩阵，并计算人脸区域内特征点的误差值，如果误差值小于等于设定的误差值，则判断出特征点属于同一个平面，人脸区域对应的空间点是平面的，如果误差值大于设定的误差值，则判断出拍摄到的图像为真实的人脸图像。

步骤1所述图像是由单个摄像机在不同位置下对同一人脸成像获得，或者是由两个或者多个摄像机在同一时刻拍摄获得，或者是摄像机固定对移动的人脸分时采集的图像

上述平面单应矩阵的计算采用最小二乘法估计或LMEDS算法。

本发明较已有的人脸识别技术的优点在于：

在进行人脸识别时，对用于识别的特征点的空间平面属性进行判别，确定这些特征点是否属于同一平面，以此来甄别图片和实际的人脸图像，从而避免被照片图像欺骗，提高了这类***使用中的安全性和可靠性。本发明提出的方法直接对二维图像进行处理，没有对场景设定先验的约束条件，更具有普遍性。

附图说明

图1是本发明提出的人脸识别方法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示，一种改进的人脸识别方法包括以下步骤：

1).获取两幅或多幅人脸的图像；

2).对获取的图像进行特征点提取处理，得到多个2D特征点，利用视觉匹配技术建立特征点的对应关系；

3).任意抽取两幅图像上的对应特征点，计算平面单应矩阵H；

4).计算所有对应特征点的误差值；

5).设定一个误差上限值，如果步骤4中计算出误差值小于等于设定值，则说明参与计算的特征点属于同平面点，如果特征点的误差值大于设定值则转入步骤下一步；

6).用人脸检测方法确定出人脸检测区域的特征点，并利用特征点计算平面单应矩阵；

7).计算人脸特征区域特征点对应的误差；

8).设定一个误差上限值，判断步骤7得出的误差是否小于等于该设定值；

9).如果是则特征点属于同平面点，如果否则特征点不属于同平面点，是真实的人脸图像。

本发明的原理是：同一个摄像机在两个不同位置下对同一人脸进行成像，或者两个摄像机同时对一个人脸成像，或者摄像机固定对移动的人脸分时采集图像，原理是一样的，场景中属于同一个空间平面内的点，在两幅图像中的坐标位置，应当满足平面单应矩阵约束，即：

$p_i^{\′}\∝{\mathrm{Hp}}_i$

这里p′_i，p_i为两幅图像上，同一空间点对应的图像坐标，H为平面单应矩阵。

在空间中，不在同一直线上的三个点可唯一决定一个平面，空间平面可以用参数[n^T，-d]^T来描述，其中n是空间平面的法向矢量，d是空间平面到摄像机系圆点的距离。该空间平面参数可以用三个特征点，用线性方法计算得到。

在图像平面上，定义点到平面的距离为：

$e_i^2(p_i,p_i^{\′},H)={\left|\right|p_i-H^{-1}{p}_i^{\′}\left|\right|}^2+{\left|\right|p_i^{\′}-{\mathrm{Hp}}_i\left|\right|}^2.$

在平面检测时，首先对获取的图像提取2D特征点，并建立特征之间的对应关系。

对图像平面上感兴趣特征点及其在其它图像中的对应点，根据点到平面的距离公式，计算出各个点对的距离误差值。如果误差值均不大于一个设定的误差上限值，则说明这些特征点对应的空间点为同一平面上的点，由此断定所获取的图像来自图片等2D平面人脸图像。

如果此时计算得到特征点的误差值有大于设定的误差值，则用人脸检测方法确定出人脸区域对应的特征点，并利用人脸区域内的特征点重新计算平面单应矩阵；然后计算人脸区域内特征点对应的误差；设定一个误差上限值，判断步骤人脸区域内特征点的误差是否小于等于该设定值。如果是则说明人脸区域的特征点属于同平面点，所获取的图像是由图片等获取；如果否则特征点不属于同平面点，则可断定获取的图像来自真实的人脸。

对于匹配特征点计算平面单应矩阵，可以采用LMEDS稳定估计方法以提高计算结果的鲁棒性。

一般来说，在图像特征提取过程中特征点的定位是有噪声的，另外，特征点的对应性建立过程，可能会产生错误的匹配点等因素，本发明通过采用鲁棒参数估计方法减少了这些因素对平面检测结果的影响，使得结果更为可靠。

实施例1

一台摄像机固定在一个支架上。实验时，人位于摄像机前方合适的位置，由于人体有轻微运动，摄像机分别获取两个时刻下的两幅人脸图像。

对获取的两幅图像进行特征点提取处理，设第一幅图像中，提取的特征点为p_i(i＝1，2，3，…，n)，在第二幅图像中，获取的特征点为p‘_i(i＝1，2，3，…，m)。利用立体视觉匹配技术，建立这些特征点的对应关系：

$p_i^{\′}\↔p_i$ (i＝1，2，3，...，k)

根据同平面约束方程，

采用最小二乘法估计得到平面单应矩阵H的值。

计算得到各个对应特征点的误差值：

$e_i^2(p_i,p_i^{\′},H)={\left|\right|p_i-H^{-1}{p}_i^{\′}\left|\right|}^2+{\left|\right|p_i^{\′}-{\mathrm{Hp}}_i\left|\right|}^2$ (i＝1，2，3，...k)

如果

e_i≤ε_t(i＝1，2，3，...，k)

式中，ε_t为设定的误差值。则认为这些特征点对应于同一个空间平面。

如果不是所有特征点的误差均小于等于设定值，则利用人脸检测技术在两幅图像中检测出人脸区域，将已经得到的匹配特征点中属于人脸区域的特征点筛选出来。仅用人脸区域的对应特征点重新计算平面单应矩阵H_f，并计算得到人脸区域对应特征点的误差值，设定一个误差上限值ε_tf，如果：

e_i≤ε_tf  (i＝1，2，3，...，m)

式中，m为对应的属于人脸区域的匹配特征点个数，则认为人脸区域这些特征点对应于同一个空间平面。否则认为所获取的图像来自于真实的人脸。

实施例2

人脸图像的获取是两个摄像机成一定的角度，同时拍摄同一个人脸。对拍摄的图像提取特征点并建立对应关系，利用可靠性好的LMEDS方法估计得到H矩阵。计算各特征点的误差值并与设定的误差上限值比较，若不大于设定值则特征点属于同平面点，若大于设定值，则利用人脸检测技术检测出人脸区域，提取人脸区域中的特征点重新计算平面单应矩阵，计算人脸区域特征点的误差值并与设定的误差值进行比较，若小于等于设定值则认为人脸区域这些点对应于同一平面，若大于设定值则可判定获取的图像来自真实的人脸。

本发明能够实现稳定、可靠的进行特征点的平面属性判别，可防止人脸识别中被照片等2D图像来源的输入图像所欺骗。

Claims (3)

1.一种改进的人脸识别方法，其特征在于，包括以下主要步骤：

步骤1，通过拍摄获取两幅或多幅同一人脸的图像；

步骤2，对获取的图像进行特征提取处理，得到多个2D特征点，利用视觉匹配技术建立特征点的对应关系；

步骤3，任意抽取两幅图像上的对应特征点，计算平面单应矩阵；利用计算得到的平面单应矩阵计算步骤2所获取的特征点的误差值；

步骤4，设定一个误差上限值，如果步骤3计算出的特征点的误差值小于等于误差上限值，则说明步骤2所获取的特征点位于同一个平面内，如果特征点的误差值大于设定的误差上限值则转入步骤5；

步骤5，通过人脸检测方法确定出图像中的人脸区域，将人脸区域内的特征点用于重新计算平面单应矩阵，并计算人脸区域内特征点的误差值，如果误差值小于等于设定的误差值，则判断出特征点属于同一个平面，人脸区域对应的空间点是平面的，如果误差值大于设定的误差值，则判断出拍摄到的图像为真实的人脸图像。

2.根据权利要求1所述的人脸识别方法，其特征在于：步骤1所述图像是由单个摄像机在不同位置下对同一人脸成像获得，或者是由两个或者多个摄像机在同一时刻拍摄获得，或者是摄像机固定对移动的人脸分时采集的图像。

3.根据权利要求1所述的人脸识别方法，其特征在于：所述平面单应矩阵的计算采用最小二乘法估计或LMEDS算法。

Images