CN104036254A - 一种人脸识别方法 - Google Patents

Abstract

本发明提供的一种人脸识别方法包括：接收人脸图像；将人脸图像保存在图像数据库中；将人脸图像进行预处理；提取预处理后的人脸图像的特征点，并根据所述特征点计算相对于所述特征点的特征值；根据所计算的相对于所述特征点的特征值、以及原始人脸图像样本库中的原始人脸图像样本的特征值，判断人脸图像中的人脸是否为已注册人脸；如果人脸图像中的人脸是已注册人脸，则在显示屏幕上显示输出所述人脸图像。通过本发明实现了对人脸图像的快速识别、准确识别以及较强的自适应识别能力。

Description

一种人脸识别方法

技术领域

本发明涉及一种身份识别方法，特别涉及一种人脸识别方法。

背景技术

信息安全问题已经引起社会各界的广泛重视。保障信息安全的一个主要途径就是对信息使用者的身份进行准确鉴别，通过鉴别结果进一步判断用户获取信息的权限是否合法，从而达到保证信息不被外泄和保障用户合法权益的目的。

可靠的身份识别是非常重要和必要的，生物特征识别已进一步成为保障国家和公共安全的核心战略技术传统鉴别个人身份的主要途径是各级单位颁发的有效证件，例如公民身份证、城市居民医疗保险卡、军官证、学生证、城镇居民户口本等，此外输入密码的智能卡也是个人身份鉴别的一个主要途径。以上这些传统的身份鉴别途径存在的问题是:证件、钥匙等需要随身携带，方便性差，并且体积小、科技含量低，它们很容易遗失、被盗用或仿制，存在较大的安全隐患；智能卡的安全系数相对较高，但是当今的黑客技术导致时有密码被破解的案件发生，无法保证授权者的利益。在这种形势下，生物特征识别技术作为一种更加安全、方便的个人身份鉴别技术，越来越受到关注。

现有的生物识别技术包括指纹识别、虹膜识别、人脸识别等等。其中人脸识别包括基于知识规则的方法、基于不变特征的方法、基于模板匹配的方法、基于统计模型的方法。然而现有的人脸识别方法中的人脸图像很多并未进行预处理，因此规模格式、光照亮度、噪音等方面均成为影响正确识别人脸图像的重要因素。另一方面，在现有的图像去噪处理的方法中，小波去噪相对成熟，例如小波阈值去噪，能减少边界效应对分解出信号的影响，但是自适应性差，可能影响去噪效果，相较于小波去噪，EMF去噪自适应性强，但是由于其本身还在发展阶段，存在特殊的边缘效应，因此可能导致去噪后图像的边界模糊。

针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。因此，本发明提出了一种新型的人脸识别方法，毋庸置疑，本发明的新型的人脸识别方法经过适当的修改同样适于识别其他图像。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种人脸识别方法，通过本发明利用特征点对应的识别方法可以快速获得结果，增强了人脸识别的效率；通过本发明进行预处理操作，尤其同时进行归一化、光照补偿以及去噪处理，使得人脸识别的准确率得到了明显的提高；通过本发明的结合小波阈值去噪、EMF去噪的处理，尤其是在四个方向上同时进行小波阈值去噪和EMF去噪，实现了小波阈值去噪和EMF去噪的优点同时体现在去噪处理方法中，使得去噪效果更加完善，不仅边界图像清楚而且自适应能力强，适于各种情况下的噪声抑制。

所述方法包括：接收人脸图像；将人脸图像保存在图像数据库中；将人脸图像进行预处理；提取预处理后的人脸图像的特征点，并根据所述特征点计算相对于所述特征点的特征值；根据所计算的相对于所述特征点的特征值、以及原始人脸图像样本库中的原始人脸图像样本的特征值，判断人脸图像中的人脸是否为已注册人脸；如果人脸图像中的人脸是已注册人脸，则在显示屏幕上显示输出所述人脸图像。

优选地，其中，所述将人脸图像进行预处理包括：将人脸图像进行大小归一化处理，使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同；将进行了大小归一化处理后的人脸图像进行光照补偿处理，使得人脸图像的亮度、对比度和直方图分布均匀化；将进行了光照补偿处理后的人脸图像进行去噪处理，使得减少人脸图像的噪声。

优选地，其中，所述将进行了大小归一化处理后的人脸图像进行光照补偿处理包括直方图均衡化。

优选地，其中，所述将进行了光照补偿处理后的人脸图像进行去噪处理包括：将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量；将四个向量中的每一个分别进行小波阈值去噪；将四个向量中的每一个分别进行EMD去噪；根据小波阈值去噪后的四个向量获得四个方向上的小波阈值去噪图像；根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像；将四个方向上的小波阈值去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像。

优选地，其中，所述人脸图像的特征点包括：眉毛重心像素点位置、虹膜中心像素点位置、鼻子重心像素点位置、口部重心像素点位置。

优选地，其中，所述特征点的特征值包括以下参数值：位置、距离、角度、弧度、曲率、形状、直方图。

优选地，其中，所述原始人脸图像样本库中的原始人脸图像样本的大小为256*256像素。

附图说明

图1是根据本发明实施例的人脸识别方法的流程图。

具体实施方式

多种方式可以用于实施本发明，包括实施为方法，过程，装置，***及其结合。在本说明书中，这些实施或者本发明可以采用的任何其他形式可以称为技术。一般而言，可以在本发明的范围内变更公开的方法的步骤顺序。

下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明的目的在于提供一种人脸识别的方法。在人脸识别方法与***中，首先要确定人脸图像，人脸图像可以是包含人脸面部图像和背景图像的图像，其中人脸面部图像可以是多个，即在人脸图像中包括多个人脸。人脸图像也可以是经过裁剪的人脸图像，如去除大部分背景图像而使得图像主体为人脸的人脸图像。另外，人脸图像可以是具有特定统一背景并且实时进行拍照的人脸图像。

人脸图像识别包括图像处理、图像检测等重要技术，其中大部分处理都需要基于原始图像进行，因此保存原始图像是必要的。本发明中所接收的原始人脸图像保存在原始人脸图像样本库中，也可以直接保存在存储器中，包括暂存在内存中，长期保存在硬盘中，或者直接保存在SD卡、闪存卡等小型快速存储器中。

图像处理(Image Processing)是通过计算机对图像进行去除噪声、增强、复原、划分、提取特征等处理的方法和技术。在本发明中，针对人脸图像识别的目的，提出了同时对所接收到的人脸图像进行大小归一化、光照补偿处理以及去噪处理，这在人脸识别技术领域是全新的处理方法。

其中，噪声是图像干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。现有技术中的去噪方法包括：均值滤波、自适应维纳滤波、中值滤波、形态学噪声滤除、小波去噪，近年来又出现了EMD去噪。在本发明中，针对人脸图像中同时存在人脸部分与背景部分的特点，同时对人脸图形进行小波阈值去噪和EMD去噪，即将小波去噪中对边缘像素有效以及EMD去噪自适应能力强的优点进行结合。同时，通过对人脸图像不同方向上的向量进行上述结合去噪处理，使得去噪效果显著提高。

经过预处理的人脸图像显现出的特点是适于进行特征提取。特征提取是对一个图像进行的运算处理。通常使用特征提取算法实现，例如基于几何特征的方法、基于统计的方法、弹性图匹配、神经网络方法、支持向量基方法、隐马尔可夫模型法等。通过特征提取算法得到图像中具有特定含义的表达，如主要特征的眉、眼、口、鼻等，甚至是脸上的疤痕、胎记、斑点等等。通过对特征的上述提取根据模型处理确定人脸的上述特征点，例如通过眼睛或者虹膜特有的轮廓结构定位眼睛，并记录虹膜中心像素点的位置。针对人脸特征的上述特征点对相关特征值进行度量，包括对位置、距离、角度、弧度、曲率、形状、直方图的度量，包括对色彩、亮度、纹理等的度量，例如根据虹膜中心像素点向周围延伸，得到眼睛的全部像素位置，眼睛的形状，眼角的倾斜弧度，眼睛的颜色等等。

原始人脸图像样本库或样本库中保存有事先收集的原始人脸图像样本或实验人脸图像样本，并在样本库中存储有这些样本的表达，包括上述前述的人脸图像的特征点、所述特征点的特征值、以及所述人脸是谁的脸。所有在样本库中的人脸被认为是已注册的人脸。通过将所提取的人脸图像的特征点和/或特征值与样本库中所注册的人脸图像的特征点和/或特征值进行比对，确定待识别的人脸图像是谁的脸，即是否是已注册的人脸。其中上述比对可以是直接比对、向量比对、得分比对等等。并且上述比对可以是绝对相等的比对或在误差范围内的比对。以向量比对为例，计算特征值v₁，v₂，...，v_n，并以矢量V进行表示，比较矢量V与人脸库中的人脸模型矢量，分类器根据比较结果确定是否比对成功。具体地，进行矢量V与人脸库中的人脸模型矢量之间的距离测量以及相关度测量，并根据所述距离测量和相关度测量的结果确定是否比对成功。

图1是根据本发明实施例的人脸识别方法的流程图。如图1所示，实施本发明的具体步骤如下：步骤一，接收人脸图像，在本发明优选实施例中，通过使用数码相机实时地对人脸图像进行拍照以获得人脸图像。步骤二，保存所接收的人脸图像，在本发明优选实施例中，将人脸图像保存在图像数据库中，所述数据库优选面向对象数据库。步骤三，将人脸图像进行预处理，所述预处理步骤进一步包括大小归一化、关照补偿以及去噪。步骤四，提取预处理后的人脸图像的特征点，并根据所述特征点计算相对于所述特征点的特征值，在本发明优选实施例中，所述人脸图像的特征点包括：眉毛重心像素点位置、虹膜中心像素点位置、鼻子重心像素点位置、口部重心像素点位置，所述特征点的特征值包括以下参数值：位置、距离、角度、弧度、曲率、形状、直方图。步骤五，根据所计算的相对于所述特征点的特征值、以及样本数据库中的原始人脸图像样本的特征值，判断人脸图像中的人脸是否为已注册人脸，在本发明优选实施例中，采用直接对比、向量对比或得分对比。其中，在直接对比中，将所述特征点的特征值与原始人脸图像样本库中存储的特征模板中记录的特征值进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则认为匹配成功。步骤六，如果人脸图像中的人脸是已注册人脸，则在显示屏幕上显示输出所述人脸图像。

在本发明优选实施例中，所述将人脸图像进行预处理包括：将人脸图像进行大小归一化处理，使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同，在本发明一优选实施例中，所述原始人脸图像样本库中的原始人脸图像样本的大小为256*256像素；将进行了大小归一化处理后的人脸图像进行光照补偿处理，其中，所述将进行了大小归一化处理后的人脸图像进行光照补偿处理包括直方图均衡化，使得人脸图像的亮度、对比度和直方图分布均匀化；将进行了光照补偿处理后的人脸图像进行去噪处理，使得减少人脸图像的噪声。

在本发明优选实施例中，所述将进行了光照补偿处理后的人脸图像进行去噪处理包括：将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量；将四个向量中的每一个分别进行小波阈值去噪；将四个向量中的每一个分别进行EMD去噪；根据小波阈值去噪后的四个向量获得四个方向上的小波阈值去噪图像；根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像；将四个方向上的小波阈值去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像。通过对经过大小归一化和光照补偿处理后的人脸图像四个方向上的向量分别进行小波阈值去噪处理和EMD去噪，使得去噪效果显著提高。

综上所述，根据本发明的人脸识别方法，实现了对人脸图像的快速识别、准确识别以及较强的自适应识别能力。

显然，本领域的技术人员应该理解，上述的本发明的各步骤可以用通用的计算***来实现，它们可以集中在单个的计算***上，或者分布在多个计算***所组成的网络上，可选地，它们可以用计算***可执行的程序代码来实现，从而，可以将它们存储在存储***中由计算***来执行。这样，本发明不限制于任何特定的硬件和软件结合。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (7)

1.一种人脸识别方法，所述方法包括：

接收人脸图像；

将人脸图像保存在图像数据库中；

将人脸图像进行预处理；

提取预处理后的人脸图像的特征点，并根据所述特征点计算相对于所述特征点的特征值；

根据所计算的相对于所述特征点的特征值、以及原始人脸图像样本库中的原始人脸图像样本的特征值，判断人脸图像中的人脸是否为已注册人脸；

如果人脸图像中的人脸是已注册人脸，则在显示屏幕上显示输出所述人脸图像。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述将人脸图像进行预处理包括：

将人脸图像进行大小归一化处理，使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同；

将进行了大小归一化处理后的人脸图像进行光照补偿处理，使得人脸图像的亮度、对比度和直方图分布均匀化；

将进行了光照补偿处理后的人脸图像进行去噪处理，使得减少人脸图像的噪声。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述将进行了大小归一化处理后的人脸图像进行光照补偿处理包括直方图均衡化。

4.根据权利要求2所述的人脸识别方法，其特征在于，所述将进行了光照补偿处理后的人脸图像进行去噪处理包括：

将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量；

将四个向量中的每一个分别进行小波阈值去噪；

将四个向量中的每一个分别进行EMD去噪；

根据小波阈值去噪后的四个向量获得四个方向上的小波阈值去噪图像；

根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像；

将四个方向上的小波阈值去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像。

5.根据权利要求1-4中任一权利要求所述的人脸识别方法，其特征在于，所述人脸图像的特征点包括：眉毛重心像素点位置、虹膜中心像素点位置、鼻子重心像素点位置、口部重心像素点位置。

6.根据权利要求1-4中任一权利要求所述的人脸识别方法，其特征在于，所述特征点的特征值包括以下参数值：位置、距离、角度、弧度、曲率、形状、直方图。

7.根据权利要求1-4中任一权利要求所述的人脸识别方法，其特征在于，所述原始人脸图像样本库中的原始人脸图像样本的大小为256*256像素。