[发明专利]人脸识别方法及装置

说明书

技术领域

本发明涉及数字图像处理及基于计算机视觉的模式识别领域，特别涉及一种人脸识别方法及装置。

背景技术

生物特征识别技术是身份识别的有效技术，近来发展最快的是人脸识别技术以及与人脸识别技术相融合的生物特征识别技术。

为了提高人脸识别分类器的性能，目前普遍采用多特征加权融合。对于不同的特征，识别性能不尽相同，加权就是对不同的特征采用不同的权值进行融合。每个特征的权值是由该特征本身的特性(可分性，识别率等)所决定的，不同的融合特征对应不同的融合权值。对识别性能好的特征赋予较大的权值，而识别性能差的特征赋予较小的权重。公开号为CN101276421A的专利申请文件提出将人脸部件相似度R1、R2、R3、R4、R5和Gabor人脸特征相似度R6按照加权和规则融合，得到人脸综合相似度R0，其融合系数分别取作24:15:7.5:6:9:41。

然而，人脸识别应用中可能受到光照条件或姿态等其他因素的影响。在不同光照条件和不同姿态下，各个特征的识别性能并不恒定。因此，不同条件下的特征融合的最佳权值也在发生变化，若固定各特征的融合权值以进行不同条件下的人脸识别，则将导致人脸识别的性能下降。

发明内容

本发明的目的是提出一个自适应的特征加权方案，解决识别条件变化，如光照变化和姿态变化等导致不同特征性能发生改变时固定权值方案识别性能下降的问题。

本发明提供一种人脸识别方法，包括：聚类特征提取步骤，用于对经过预处理的人脸图像进行聚类特征提取；确定步骤，根据从所述人脸图像中提取出的聚类特征确定与所述人脸图像匹配的预先训练得到的聚类特征类别；识别特征提取步骤，用于对经过预处理的人脸图像进行P种识别特征的提取，其中P为大于1的自然数；计算步骤，用于分别计算所述P种识别特征与其在预先注册的人脸模板中的对应特征的相似度，并根据在所述确定步骤中确定的聚类特征的类别确定所述P种识别特征在进行加权融合时的最佳权值组合，以获得所述人脸图像与所述人脸模板的综合相似度。

本发明还提供一种人脸识别装置，包括：聚类特征提取单元，用于对经过预处理的人脸图像进行聚类特征提取；确定单元，根据从所述人脸图像中提取出的聚类特征确定与所述人脸图像匹配的预先训练得到的聚类特征类别；识别特征提取单元，用于对经过预处理的人脸图像进行P种识别特征的提取，其中P为大于1的自然数；计算单元，用于分别计算所述P种识别特征与其在预先注册的人脸模板中的对应特征的相似度，并根据所述确定单元确定的聚类特征的类别确定所述P种识别特征在进行加权融合时的最佳权值组合，以获得所述人脸图像与所述人脸模板的综合相似度。

本发明提供的人脸识别方法及装置，其中采用了自适应权值方案，该方案较固定权值方案更灵活，能使人脸识别过程中的多特征融合性能始终保持最佳或接近于最佳。

附图说明

图1是本发明实施例的人脸识别方法的原理框图。

图2是本发明实施例的人脸识别方法的流程框图。

图3是本发明实施例的人脸识别方法的详细流程图。

图4是示出LBP计算过程的示意图。

图5是示出部分Uniform LBP的示意图。

图6是示出使用LBP特征进行人脸识别的基本过程示意图。

图7是本发明实施例的人脸识别装置的结构框图。

具体实施方式

在本发明的一个实施例中，首先对训练样本集的每幅人脸图像进行聚类特征的提取，采用无监督聚类(即采用未知类别的样本)，如K均值聚类法，将训练样本集划分为K类。然后对训练样本集图像提取识别特征，对K类训练样本分别计算K组识别特征的最佳权值的组合。最佳权值可通过衡量各类样本的最大化识别率、最小化等错率、最大化通过率等方式获取。接下来，在进行人脸识别时，对测试人脸图像分别提取用于判断聚类类别的聚类特征和用于身份识别的多种识别特征。根据聚类特征将待识别图像划分到最近的k均值聚类中心对应的类别中，获取相应的最佳权值对多种识别特征进行融合，进而得到识别结果。

其中，聚类特征可以为光照估计特征或姿态特征或其他对识别影响较大的特征。在不同的识别环境，可以根据对识别结果影响的条件确定聚类特征，本发明对此不作限定。