[发明专利]人脸图像识别方法和系统

说明书

技术领域

本发明设计一种生物特征识别方法，特别是涉及一种人脸图像识别方法和系统。

背景技术

目前，用于个人身份识别的人脸图像识别方法各异，但是这些方法都普遍存在识别率低、图像处理和识别速度慢的问题。这使得人脸识别技术难于应用到嵌入式系统中。

发明内容

本发明的目的在于克服现有技术的缺陷，提出并实现了一种能够在大幅提高处理速度的同时，保持较好识别率的人脸图像识别方法；本发明目的还在于提供用于实施该方法的人脸图像识别系统。

为实现上述目的，本发明人脸图像识别方法是先建立用户模板库，再按如下步骤进行识别：1)采集待识别人脸图像，2)提取待识别模板，3)用户人脸识别；为了实现一个完整的人脸身份识别系统，需要提供用户人脸注册和人脸识别两个主要功能。

所述用户人脸识别是：把待识别模板同用户模板库中的每个用户的第一个模板对比，得到所有相似性分数大于第一下限阈值的用户列表A1，按相似性分数从大到小排列；如果A1为空则识别失败，如果A1中第一个用户相似性分数大于上限阈值，则识别成功返回对应用户，如果不，则进行下一步：把待识别模板同A1中每个用户的第2-5个模板比对，得到所有分数大于第二下限阈值的用户列表A2，按相似性分数从大到小排列；如果A2为空则识别失败，如果A2中第一个用户相似性分数大于上限阈值，则识别成功返回对应用户，如果不，则进行下一步：把待识别模板同A2中每个用户的第6-15模板对比，得到所有相似性分数大于识别阈值的用户列表A3，如果A3为空，则识别失败；按相似性分数从大到小排列，识别功能返回对应用户；

所述用户模板库是在登记用户时，用户变换5种姿态，在每一种姿态下采集三帧图像并提取出特征模板，得到总共15个特征模板，并通过从候选模板集中顺序选择出模板的方法排序，排序基于以下两个原则：A.选出的模板尽可能代表未选择出的模板，即它与其他的候选模板有最大的相似性；B.选出的模板尽可能远离已选择出来的模板，即它与已选模板保持有最小的相似性；

所述上限阈值大于识别阈值，识别阈值大于第二下限阈值，第二下限阈值大于第一下限阈值。其具有能够在大幅提高处理速度的同时，保持较好识别率的优点。

作为优化，识别成功后，如果待识别模板与用户相似性分数大于比上限阈值更大的一个设定学习阈值时，则把这次现场采集的模板作为一个待学习模板按如下步骤进行学习：向用户模板库传入待学习模板，把待学习模板与用户登记的模板组成新的待排序模板，排序：如果最后一个模板是待学习模板，则学习失败返回对应用户，如果不，则去掉最后一个模板，存入数据库，学习成功返回对应用户。

作为优化，所述设定学习阈值为100。

作为优化，所述第一下限阈值为43，上限阈值为90，第二下限阈值为60，识别阈值为80。

作为优化，所述15个特征模板的排序方法为：选择第一个模板，使得其与其他模板的相似性分数均值最大，然后把它移到已选模板中，再选择第二模板，使得其与其他模板的相似性分数均值最大，然后把它移到已选模板中，再选择第三模板，使得其与其他模板的相似性分数均值最大，然后把它移到已选模板中，依次类推直到没有候选模板。

作为优化，所选模板与其他模板的相似性分数依如下公式计算而得：

C＝a1×c1-a2×c2；

式中：c1表示该模板与其他候选模板的相似性分数均值，c2表示该模板与已选模板的相似性分数均值，a1、a2为两个参数。

作为优化，参数a1取值为5/9，参数a2取值为4/9。

作为优化，所述用户模板库通过下列步骤建成：1)采集用户人脸图像，2)提取用户特征模板，3)登记用户；

所述1)采集待识别人脸图像和1)采集用户人脸图像是：使用红外LED照明光源对被采集人脸进行照射，在采集过程中还对可见光进行过滤；

所述2)提取待识别模板和2)提取用户特征模板的步骤依次是：1)检测人脸；2)定位眼睛位置；3)正规化人脸图像；4)评估人脸图像质量；5)Gabor特征提取。