CN105809154A - 人脸识别方法及装置 - Google Patents

Abstract

本发明涉及一种人脸识别方法及装置，该方法包括提取待测目标的第一人脸图像对应的第一待测图像特征；将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。本发明的方法及装置可以减少不同光照条件对人脸识别准确率的影响，从而提高人脸识别的准确率和鲁棒性。

Description

人脸识别方法及装置

技术领域

本发明涉及计算机视觉与图像处理领域，尤其涉及一种人脸识别方法及装置。

背景技术

现今社会各界对个人身份认证进行有效识别的需求变得越来越迫切，使得生物特征识别技术在近几十年来取得了飞速的发展。作为人的一种内在属性，人脸具有很强的自身稳定性和个体差异性，并且相比于指纹识别等方式，人脸识别因具有非强制性、非接触性和并行性等优点，而成为了自动身份验证的最理想的依据。

当前的人脸识别技术在以下几个方面有着广泛的应用：刑侦部门根据预先存储在档案***的罪犯照片，当获取到嫌疑犯的照片或者面部特征的描述后，可以从数据库中迅速查找确认，大大提高刑侦破***率和效率；在海关、机场等公共场所，使用人脸识别技术，可以实现快速、高效以及自动化的通关服务，提高通行的效率和服务的质量；在银行、公司和公共场所可设立24小时的视频监控，当有黑名单人员进入时，可以进行实时跟踪、识别和报警等。

但是，现有的人脸识别的准确率在很大程度上受到光照变化的影响，美国军方数据库(FERET)和人脸识别供应商评测(FRVT)测试也表明，光照变化仍是实用人脸识别***的瓶颈之一。近年来，研究者提出了许多解决光照问题的方法，大致可以分为2种思路：基于传统的图像处理方法(如直方图均衡化、对数变化等图像处理方法等)；以及提取光照不变形特征方法。但这现有的基于这两种思路的方法仍没有很好的解决光照变化带来的影响，制约了人脸识别应用于不同的光照条件的效果，不能满足实际应用需求。

发明内容

基于此，本发明所要解决的技术问题是：如何提高不同光照条件下的人脸识别准确率和鲁棒性。

为此目的，本发明一方面提出了一种人脸识别方法，该方法包括：

提取待测目标的第一人脸图像对应的第一待测图像特征；

将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

优选地，所述将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，包括：

根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；

根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；

分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

优选地，所述将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析之前，还包括：

获取多个身份已知人物的多组预设样本图像，并提取所述多组预设样本图像的图像特征。

优选地，所述获取多个身份已知人物的多组预设样本图像，包括：

分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像。

优选地，分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像，包括：

将属于同一人物的多幅人脸样本图像作为一组预设样本图像。

另一方面，本发明还公开了一种人脸识别装置，该装置包括：

特征提取单元，用于提取待测目标的第一人脸图像对应的第一待测图像特征；

相似性分析单元，用于将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

人脸识别单元，用于根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

优选地，所述相似性分析单元进一步用于根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

优选地，该装置还包括图像获取单元，所述图像获取单元用于获取多个身份已知人物的多组预设样本图像；

所述特征提取单元还用于提取所述多组预设样本图像的图像特征。

优选地，所述图像获取单元进一步用于：

分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像。

优选地，所述图像获取单元进一步用于：

将属于同一人物的多幅人脸样本图像作为一组预设样本图像。

本发明可以减少不同光照条件对人脸识别的影响，从而提高人脸识别的准确率和鲁棒性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明一个实施例的人脸识别方法的流程图；

图2示出了本发明另一个实施例的人脸识别方法的流程图；

图3示出了本发明一个实施例的样本图像采集装置的俯视图；

图4示出了本发明一个实施例的样本图像采集装置的水平方向示意图；

图5示出来本发明一个实施例的人脸识别装置的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明一个实施例的人脸识别方法的流程图；如图1所示，该方法包括：

S1：提取待测目标的第一人脸图像对应的第一待测图像特征；

S2：将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

S3：根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

本实施例中所提取的图像特征可包含颜色特征、纹理特征等等可以体现图像个体差异的特征，在本实施例中不做限制。

本实施例的人脸识别方法过程简单、容易实现，可以减少不同光照条件对人脸识别的影响，提高人脸识别的准确率和鲁棒性。

作为本实施例的优选，步骤S2将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，可包括：

根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法(例如，L1范数最优化算法)求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；

根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；

分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

在此基础上，图2示出了本发明另一个实施例的人脸识别方法的流程图；如图2所示，步骤S2(或者步骤S1)之前，该方法还可包括：

S0：获取多个身份已知人物的多组预设样本图像，并提取所述多组预设样本图像的图像特征。

进一步地，上述获取多个身份已知人物分别处于不同预设光照条件下的人脸样本图像可优选地包括：

分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像，并在此基础上，可将属于同一人物的多幅人脸样本图像作为一组预设样本图像。

具体地，在样本采集阶段，采集不同光照角度下的人脸图像作为数据库模板，以建立人脸数据库。开始识别的时候，首先对待识别图像进行特征提取(例如提取图像的灰度特征)，然后将该待识别图像的特征表示为数据库中不同光照条件下人脸图像特征的线性组合。由于同一个人的人脸图像之间具有较强的相关性，而不同人之间的相关性较小，因此数据库中与待识别图像是同一人的人脸图像具有较大的表示系数(即相似性系数)，而不同人的人脸图像的表示系数几乎为0；由此可以通过分析待识别图像在数据库上的表示系数，可以完成人脸识别。

图3示出了本发明一个实施例的样本图像采集装置的俯视图；图4示出了本发明一个实施例的样本图像采集装置的水平方向示意图。如图3所示，图像采集装置可由一台照相机和多个照明光源组成(以下为了描述原理，假设光源数目为7，每个光源之间的夹角为20°)。多个照明光源可以独立开关，并安装在同一个水平面，例如多个照明光源均位于以人脸位置为圆心的同一个圆周上。该照相机正对人脸，与人脸处于同一水平面上，照明光源的高度可以调节(优选地将照明光源分别设置于高于人脸，略高于人脸和低于人脸的位置)，并且在调节过程中所有光源始终处于同一水平面上，如图4所示。

具体地，如图3、图4所示，编号为1、2、3、……、7的光源位置相对固定，每个光源之间的夹角为20°，即分别从人脸的-60°、-40°、-20°、0°、20°、40°、60°的方向进行照射(其中位于0°的光源正对人脸)，摄像机位于正对人脸的位置。在图像采集时，按照编号，7个光源依次点亮，同时摄像机依次拍摄不同光源照射下的人脸图像，并记录图像对应的光源编号和高度位置。然后调节光源的高度位置，再次按照依次点亮光源的方式，采集7张人脸图像；依次类推，共获得3种光源不同高度下的各7张图像，即人脸数据库中的每个人对应21张具有编号的图像。

对数据库中每个人的21张不同光照下的图像分别进行特征提取，将所提取的特征记为：

f_i＝[f_i1f_i2f_i3f_i4f_i5…f_i21]，

f_ij＝[f_ij1f_ij2…f_ijr-1f_ijr]^T,j＝1,2,…21，

其中i为数据库中第i个人的编号，r为每张人脸提取的特征维数；如果数据库中有n个人，则整个数据库的信息可以用矩阵F＝[f₁f₂…f_n]表示。

对于一个待识别的人脸图像x，提取其特征为f_x；将f_x用数据库中的图像线性表示，则有：

f_x＝W×F＝W×[f₁f₂…f_n]

＝W×[f₁₁f₁₂…f_n21]，

通过最优化算法(如L1范数最优化算法)求解，可得

W＝[w₁w₂…w_n21]。

由于待识别的人脸图像x只与数据库中是同一个人(假设此人为i)的人脸图像具有较高的相似性，因此W中绝大部分元素都接近于0，只有在i的特征向量对应的系数处，有较大的值，通过分析表示系数，可以完成了人脸识别的过程。

具体的比较过程如下：

计算待识别人脸图像x与数据库中每一组图像在求解的系数W下的表示误差，如与数据库中第i个人之间的表示误差为：

$e_i=\left|\right|f_x-\underset{j=1}{\overset{21}{\Σ}}{w}_{ij}\×f_j\left|\right|$

其中w_ij对应表示系数W中第i个人第j张样本特征的表示系数，f_ij为第i个人第j张样本图像的特征。

将表示误差最小的一组图像对应的身份最为识别结果。

本实施例的人脸识别方法可以减少不同光照条件对人脸识别的影响，从而提高人脸识别的准确率和鲁棒性。

图5示出来本发明一个实施例的人脸识别装置的结构框图；如图5所示，该装置包括特征提取单元11、相似性分析单元12以及人脸识别单元13；

所述的特征提取单元11，用于提取待测目标的第一人脸图像对应的第一待测图像特征；

所述的相似性分析单元12，用于将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

所述的人脸识别单元13，用于根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

本实施例所述的人脸识别方法和装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

作为本实施例的优选，所述相似性分析单元12进一步用于根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法(如L1范数最优化算法)求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

在此基础上，该装置还包括图像获取单元14，所述的图像获取单元14用于获取多个身份已知人物的多组预设样本图像；

相应地，所述的特征提取单元11还用于提取所述多组预设样本图像的图像特征。

可选地，所述的图像获取单元14进一步用于分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像，并可将属于同一人物的多幅人脸样本图像作为一组预设样本图像。

本实施例所述的人脸识别方法和装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明的方法及装置可以减少不同光照条件对人脸识别的影响，从而提高人脸识别的准确率和鲁棒性。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：

提取待测目标的第一人脸图像对应的第一待测图像特征；

将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

2.如权利要求1所述的人脸识别方法，其特征在于，所述将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，包括：

根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；

根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；

分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

3.如权利要求1或2所述的人脸识别方法，其特征在于，所述将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析之前，还包括：

获取多个身份已知人物的多组预设样本图像，并提取所述多组预设样本图像的图像特征。

4.如权利要求3所述的人脸识别方法，其特征在于，所述获取多个身份已知人物的多组预设样本图像，包括：

分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像。

5.如权利要求4所述的人脸识别方法，其特征在于，分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像，包括：

将属于同一人物的多幅人脸样本图像作为一组预设样本图像。

6.一种人脸识别装置，其特征在于，包括：

特征提取单元，用于提取待测目标的第一人脸图像对应的第一待测图像特征；

相似性分析单元，用于将所述第一待测图像特征与多组预设样本图像的图像特征进行相似性分析，所述多组预设样本图像为多种预设光照条件下获取的多个人物的人脸样本图像；

人脸识别单元，用于根据相似性分析的结果，将相似性最高的第一组人脸样本图像对应的身份作为人脸识别的第一识别结果。

7.如权利要求6所述的人脸识别装置，其特征在于，所述相似性分析单元进一步用于根据所述第一待测图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式，通过最优化算法求解所述第一表示系数矩阵的最优解，所述样本图像特征矩阵为根据所述多组预设样本图像的图像特征确定的矩阵；根据所述第一表示系数矩阵的最优解与所述多组预设样本图像的图像特征分别确定所述多组预设样本图像中每组预设样本图像对应的一幅合成人脸图像的图像特征；分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像作为相似性最高的第一组人脸样本图像。

8.如权利要求6或7所述的人脸识别装置，其特征在于，该装置还包括图像获取单元，所述图像获取单元用于获取多个身份已知人物的多组预设样本图像；

所述特征提取单元还用于提取所述多组预设样本图像的图像特征。

9.如权利要求8所述的人脸识别装置，其特征在于，所述图像获取单元进一步用于：

分别获取多个身份已知人物中每个人物处于不同预设光照条件下的多幅人脸样本图像。

10.如权利要求9所述的人脸识别装置，其特征在于，所述图像获取单元进一步用于：

将属于同一人物的多幅人脸样本图像作为一组预设样本图像。