CN106169072B - 一种基于泰勒展开的人脸识别方法及*** - Google Patents

一种基于泰勒展开的人脸识别方法及*** Download PDF

Info

Publication number
CN106169072B
CN106169072B CN201610531722.9A CN201610531722A CN106169072B CN 106169072 B CN106169072 B CN 106169072B CN 201610531722 A CN201610531722 A CN 201610531722A CN 106169072 B CN106169072 B CN 106169072B
Authority
CN
China
Prior art keywords
feature
module
hltfp
ltfp
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610531722.9A
Other languages
English (en)
Other versions
CN106169072A (zh
Inventor
丁园园
郭峰
程小六
吕伟
刘华巍
李宝清
袁晓兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microsystem and Information Technology of CAS filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN201610531722.9A priority Critical patent/CN106169072B/zh
Publication of CN106169072A publication Critical patent/CN106169072A/zh
Application granted granted Critical
Publication of CN106169072B publication Critical patent/CN106169072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及一种基于泰勒展开的人脸识别方法及***，方法包括以下步骤：采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理；对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征；融合三层LTFP特征得到HLTFP特征；分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，根据卡方距离的大小确定待识别人员的身份。***包括图像获取模块、人脸检测模块、提取模块、预处理模块、采样模块、特征提取模块、融合模块、计算模块和识别模块。本发明能够降低特征维度和提高识别率。

Description

一种基于泰勒展开的人脸识别方法及***
技术领域
本发明涉及人脸识别技术领域，特别是涉及一种基于泰勒展开的人脸识别方法及***。
背景技术
作为一种对传统的身份识别方式的补充手段，人脸识别近年来得到许多研究者的关注。相比较其他的生物识别手段，例如指纹识别、虹膜识别以及静脉识别，人脸识别具有很多明显的优势：高可靠性、非接触性及便利性等等。如今，人脸识别已经被应用到了许多安检领域主要包括有银行机构、证券所、普通公司签到以及其他的网络认证***中等等。一个完整的人脸识别***主要是由5个功能单元组成(图像采集、人脸检测、预处理、人脸特征提取及分类识别)，其中人脸特征提取经常被认为是整个***中最关键的一步。
然而，人脸识别***在一些非可控的环境条件下识别效果较差，这些环境主要是指局部光照变化、表情变化、年龄增长、姿态变化等等。外界因素的干扰给人脸识别带来了很大的挑战致使越来越多的学者都将研究的重点放在了特征提取方面，目的是希望获得一个区别性强的人脸特征，这种特征往往可以有效地减小类内差别同时扩大类间差别从而提高人脸识别的精确度。
发明内容
本发明所要解决的技术问题是提供一种基于泰勒展开的人脸识别方法，能够降低特征维度和提高识别率。
本发明解决其技术问题所采用的技术方案是：提供一种基于泰勒展开的人脸识别方法，包括以下步骤：
(1)采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理；
(2)对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征；
(3)融合三层LTFP特征得到HLTFP特征；
(4)分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，根据卡方距离的大小确定待识别人员的身份。
所述步骤(1)中的预处理包括人脸矫正操作和图像去噪操作。
所述步骤(2)中的提取每一采样层的LTFP特征具体包括：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。
所述步骤(3)中通过将三层LTFP特征以串联融合的方式得到HLTFP特征。
所述步骤(4)中采用卡方距离计算待识别人员与数据库中已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征从而确定待识别人员的身份。
本发明解决其技术问题所采用的技术方案是：还提供一种基于泰勒展开的人脸识别***，包括：图像获取模块，用于采集图像；人脸检测模块，用于从采集的图像中检测出人脸图像；提取模块，用于将人脸图像从采集的图像中提取出来；预处理模块，用于对提取出来的人脸图像进行预处理；采样模块，用于对预处理后的图像进行三种不同形式采样使得每个样本得到三个不同采样层；特征提取模块，用于提取每一采样层的LTFP特征；融合模块，用于融合三层LTFP特征得到HLTFP特征；计算模块，用于计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离；识别模块，用于确定待识别人员的身份。
所述预处理模块的预处理操作包括人脸矫正操作和图像去噪操作。
所述特征提取模块对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。
所述识别模块采用卡方距离计算待识别人员与已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征确定待识别人员的身份。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明将泰勒展开理论应用到了人脸识别上面，并利用了单像素的方向特征信息，可以同时实现降低特征维度和提高识别率两个目的。为进一步衡量本算法的性能，在注册/识别速度及准确率方面，经过典型的ORL、AR、FERET人脸数据库和实际的应用测试都取得了令人满意的结果，可以实现快速的人脸识别，识别准确率高，对于监控、反恐等都有重要的意义。
附图说明
图1是本发明的流程图；
图2是本发明的结构方框图
图3是本发明与其他人脸识别算法的识别准确率对比结果图；
图4是本发明与其他人脸识别算法的识别速度对比结果图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的第一实施方式涉及一种基于泰勒展开的人脸识别方法，如图1所示，包括以下步骤：
(1)采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理，其中，预处理包括人脸矫正操作和图像去噪操作。
(2)对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征。其中，提取每一采样层的LTFP特征具体包括：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。
(3)将步骤(2)得到的三个不同层次的LTFP特征进行串联融合得到HLTFP特征，可以在一定程度上挖掘更多的人脸特征信息，增加算法的鲁棒性。
(4)分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，并采用卡方距离计算待识别人员与数据库中已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征从而确定待识别人员的身份。
本发明的第二实施方式涉及一种基于泰勒展开的人脸识别***，如图2所示，包括：图像获取模块，用于采集图像；人脸检测模块，用于从采集的图像中检测出人脸图像；提取模块，用于将人脸图像从采集的图像中提取出来；预处理模块，用于对提取出来的人脸图像进行预处理；采样模块，用于对预处理后的图像进行三种不同形式采样使得每个样本得到三个不同采样层；特征提取模块，用于提取每一采样层的LTFP特征；融合模块，用于融合三层LTFP特征得到HLTFP特征；计算模块，用于计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离；识别模块，用于确定待识别人员的身份。
所述预处理模块的预处理操作包括人脸矫正操作和图像去噪操作。
所述特征提取模块对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征。
所述识别模块采用卡方距离计算待识别人员与已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征确定待识别人员的身份。
下面通过构建一个40人的人脸数据库进行测试，以进一步说明本发明。
步骤一：通过Android手机采集实验室的40个人员的人脸图像，每人采集6张。
步骤二：通过人脸检测算法，检测到人脸的正确区域，并进行准确分割裁剪；
步骤三：对分割出的人脸图像进行预处理和图像矫正，提取归一化的人脸图像的HLTFP特征并保存到数据库。
步骤四：通过Android手机采集同一组40人的人脸图像进行测试，提取HLTFP特征，并计算每个测试人员的特征与数据库中保存的特征的卡方距离，确定测试人员的身份。
图3给出的是其他经典的人脸识别算法同本算法的识别准确率的对比结果，从图中可见，本发明的识别准确率明显高于其他经典的人脸识别算法。图4显示的是识别速度方面的对比结果，本发明的识别时间明显少于其他经典的人脸识别算法。
不难发现，本发明采用HLTFP作为人脸特征，大大的降低了特征的维度，在注册/识别速度方面及准确率方面都有了很大程度的提升。特别是对于一些数据量比较大的数据库，在识别速度方面的优势将会更加的明显。

Claims (7)

1.一种基于泰勒展开的人脸识别方法，其特征在于，包括以下步骤：
(1)采集图像数据，利用人脸检测算法检测是否出现人脸图像，并进行人脸图像的分割提取以及预处理；
(2)对预处理后的图像进行三种不同形式采样，每个样本得到三个不同采样层，分别提取每一采样层的LTFP特征；其中，提取每一采样层的LTFP特征具体包括：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征；
(3)融合三层LTFP特征得到HLTFP特征；
(4)分别计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离，根据卡方距离的大小确定待识别人员的身份。
2.根据权利要求1所述的基于泰勒展开的人脸识别方法，其特征在于，所述步骤(1)中的预处理包括人脸矫正操作和图像去噪操作。
3.根据权利要求1所述的基于泰勒展开的人脸识别方法，其特征在于，所述步骤(3)中通过将三层LTFP特征以串联融合的方式得到HLTFP特征。
4.根据权利要求1所述的基于泰勒展开的人脸识别方法，其特征在于，所述步骤(4)中采用卡方距离计算待识别人员与数据库中已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征从而确定待识别人员的身份。
5.一种基于泰勒展开的人脸识别***，其特征在于，包括：图像获取模块，用于采集图像；人脸检测模块，用于从采集的图像中检测出人脸图像；提取模块，用于将人脸图像从采集的图像中提取出来；预处理模块，用于对提取出来的人脸图像进行预处理；采样模块，用于对预处理后的图像进行三种不同形式采样使得每个样本得到三个不同采样层；特征提取模块，用于提取每一采样层的LTFP特征，具体为：对归一化后的人脸图像进行分块，在每一个子块中，首先对单像素的特征进行泰勒展开，并用其相邻像素表示每一项，得到单像素的泰勒特征；然后按照LBP算法编码方法，得到每一块的子LTFP特征，最后，串联所有块的子LTFP特征得到人脸图像的LTFP特征；融合模块，用于融合三层LTFP特征得到HLTFP特征；计算模块，用于计算待识别人员的HLTFP特征与所有已注册的人员的HLTFP特征之间的卡方距离；识别模块，用于确定待识别人员的身份。
6.根据权利要求5所述的基于泰勒展开的人脸识别***，其特征在于，所述预处理模块的预处理操作包括人脸矫正操作和图像去噪操作。
7.根据权利要求5所述的基于泰勒展开的人脸识别***，其特征在于，所述识别模块采用卡方距离计算待识别人员与已注册人员HLTFP特征之间的距离，选择距离最小的HLTFP特征确定待识别人员的身份。
CN201610531722.9A 2016-07-07 2016-07-07 一种基于泰勒展开的人脸识别方法及*** Active CN106169072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610531722.9A CN106169072B (zh) 2016-07-07 2016-07-07 一种基于泰勒展开的人脸识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610531722.9A CN106169072B (zh) 2016-07-07 2016-07-07 一种基于泰勒展开的人脸识别方法及***

Publications (2)

Publication Number Publication Date
CN106169072A CN106169072A (zh) 2016-11-30
CN106169072B true CN106169072B (zh) 2019-03-19

Family

ID=58065182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610531722.9A Active CN106169072B (zh) 2016-07-07 2016-07-07 一种基于泰勒展开的人脸识别方法及***

Country Status (1)

Country Link
CN (1) CN106169072B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171223A (zh) * 2018-02-27 2018-06-15 北京中晟信达科技有限公司 一种基于多模型多通道的人脸识别方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116749A (zh) * 2013-03-12 2013-05-22 上海洪剑智能科技有限公司 一种基于自建图像库的近红外人脸识别方法
CN104376333A (zh) * 2014-09-25 2015-02-25 电子科技大学 基于随机森林的人脸表情识别方法
CN104657709A (zh) * 2015-02-05 2015-05-27 小米科技有限责任公司 人脸图像识别方法、装置及服务器
CN105138972A (zh) * 2015-08-11 2015-12-09 北京天诚盛业科技有限公司 人脸认证方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9171226B2 (en) * 2012-09-26 2015-10-27 Carnegie Mellon University Image matching using subspace-based discrete transform encoded local binary patterns
KR20160011916A (ko) * 2014-07-23 2016-02-02 삼성전자주식회사 얼굴 인식을 통한 사용자 식별 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116749A (zh) * 2013-03-12 2013-05-22 上海洪剑智能科技有限公司 一种基于自建图像库的近红外人脸识别方法
CN104376333A (zh) * 2014-09-25 2015-02-25 电子科技大学 基于随机森林的人脸表情识别方法
CN104657709A (zh) * 2015-02-05 2015-05-27 小米科技有限责任公司 人脸图像识别方法、装置及服务器
CN105138972A (zh) * 2015-08-11 2015-12-09 北京天诚盛业科技有限公司 人脸认证方法和装置

Also Published As

Publication number Publication date
CN106169072A (zh) 2016-11-30

Similar Documents

Publication Publication Date Title
CN101038686B (zh) 一种基于信息融合的机读旅行证件识别方法
Tian et al. Hi-UCD: A large-scale dataset for urban semantic change detection in remote sensing imagery
CN102902967B (zh) 基于人眼结构分类的虹膜和瞳孔的定位方法
CN105243374A (zh) 三维人脸识别方法、***及应用其的数据处理装置
Tan et al. Human identification from at-a-distance images by simultaneously exploiting iris and periocular features
CN102609720B (zh) 一种基于位置校正模型的行人检测方法
CN103778409A (zh) 基于人脸特征数据挖掘的人脸识别方法与装置
WO2012013711A2 (en) Semantic parsing of objects in video
Wang et al. Face live detection method based on physiological motion analysis
CN103310196A (zh) 感兴趣区域与方向元素的手指静脉识别方法
CN105975951A (zh) 手指中段指静脉指纹融合识别方法
CN101408929A (zh) 一种用于人脸识别***的多模板人脸注册方法和装置
CN102968790A (zh) 基于图像融合的遥感图像变化检测方法
CN103927539A (zh) 离线式维吾尔文手写签名识别的一种高效的特征提取方法
CN101533466A (zh) 一种眼睛定位图像处理方法
CN105844132A (zh) 基于移动终端的人脸识别方法及***
Liu et al. Integrating the symmetry image and improved sparse representation for railway fastener classification and defect recognition
CN106022241A (zh) 一种基于小波变换及稀疏表示的人脸识别方法
CN106169072B (zh) 一种基于泰勒展开的人脸识别方法及***
Hsiao et al. EfficientNet based iris biometric recognition methods with pupil positioning by U-net
Gervei et al. 3D face recognition using modified PCA methods
CN111723595A (zh) 人员身份识别方法和***
CN107103289B (zh) 利用笔迹轮廓特征来进行笔迹鉴别的方法及***
CN107657201A (zh) Next系列产品图像特征识别***及其识别方法
Yang et al. Residual shape adaptive dense-nested Unet: Redesign the long lateral skip connections for metal surface tiny defect inspection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant