[发明专利]集群构架下的人脸识别系统及方法

说明书

技术领域

本发明涉及人脸检测识别及分布式搜索技术领域，特别涉及一种集群构架下的人脸识别系统及方法。

背景技术

随着社会经济的快速发展，社会人口流动速度逐年加快，人脸识别作为身份识别的一项重要技术手段对涉及公共安全，企业管理，社会管理等各个领域的重要性逐渐凸显。近年来，随着学术界对人脸识别一系列课题研究的逐步深入，提出了多种行之有效的理论依据和实践方案，目前世界上主流的方法有：模版匹配、示例学习、神经网络和机遇隐马尔可夫模型的方法。尽管人脸识别技术有着广阔的应用前景，但是无论是在识别率，还是在防伪性上，都与指纹，视网膜灯有着较大的差距。呈现检索效率低，平均延时大，大数据下处理能力低下等问题。特别是应用于海关，城市轨交，铁路，民航等人口密集或人流量较大的场合下，人脸识别系统很难长时间稳定的运行，面临着承载能力的瓶颈。

发明内容

针对上述现有技术中存在的缺陷，本发明的目的是：提出一种集群构架下的人脸识别系统及方法，其通过采用分布式计算技术及散列算法简化后台搜索过程，同时并行化搜索过程，最终提供高了整个系统的数据吞吐能力，解决了现有的人脸识别系统无法在数据采集量较大的场合长时间使用的问题。

本发明解决其技术问题所采用的技术方案是：集群构架下的人脸识别系统，所述人脸识别系统包括：

用于前端图像采集、预处理及有效信息提取的前端收集模块；

根据前端收集模块提供的图像信息，用于面部图像特征选择、提取的面部特征提取模块；

根据面部特征提取模块提供的人脸特征图像信息，用于搜索并控制搜索过程的索引控制模块；

若干用于构成所述索引控制模块的搜索结果的匹配搜索模块；

根据索引控制模块提供的搜索结果，用于管理图像系统及调用图像文件的图像服务控制模块；以及

若干用于完成所述图像文件，并提供至终端用户的图像文件管理模块。

作为优选方案，所述前端收集模块进一步包括：

图像采集模块，用于前端图像的采集及存储；

图像修正模块，用于修正图像内容和提取眼部定位信息及偏转信息；

图像预处理模块；用于定位并抓取人脸图像信息，并将其分割成若干索引区域；以及

图像输出模块；根据分割成的若干索引区域，用于生成并输出符合检索需要人脸图像集。

作为优选方案，所述面部特征提取模块进一步包括：

ASM与AAM算法调用子模块，用于根据人脸外部轮廓以及内部主要器官的表现优势，构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；

PCA算法调用子模块，用于实现隐藏非显著特征，并降低特征向量的维度；

低维数据集生成模块；用于根据所述ASM与AAM算法调用子模块和所述PCA算法调用子模块最终得到的结果，生成包含若干特征向量的低维度数据集。

作为优选方案，所述索引控制模块并行控制管理若干所述匹配搜索模块。

作为优选方案，所述图像服务控制模块并行控制管理若干所述图像文件管理模块。

集群构架下的人脸识别方法，包括以下步骤：

步骤S1：采集人脸图像信息，并进行内容修正提取眼部定位信息及偏转信息；

步骤S2：根据步骤S1中提供的眼部定位信息及偏转信息，定位人脸所在区域，并将定位后的人脸区域划分为若干区域，形成一人脸图像集；

步骤S3：根据人脸外部轮廓以及内部主要器官的表现优势，调用ASM与AAM算法构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；

步骤S4：调用PCA算法降低所述特征向量的维度，并生成一低维度数据集；

步骤S5：利用索引控制模块将所述低维度数据集分批次逐个调用匹配搜索模块对本地存储数据进行搜索,并给出返回值；

步骤S6：所述索引控制模块收集所述返回值，并进行交集筛选，并将筛选结果生成一搜索结果；

步骤S7：利用图像服务控制模块调用图像文件管理模块来完成所需图像文件，合并去重后提交终端用户。

作为优选方案，所述步骤S5具体还包括如下步骤：所述匹配搜索模块使用本地散列匹配函数检索自身维护散列表，并提取对应数据桶内的特定图像数据结构返回。