[发明专利]一种基于特征向量的人脸识别方法及装置

说明书

技术领域

本发明涉及一种人脸识别技术，尤其是涉及一种基于特征向量的人脸识别方法及装置。

背景技术

20世纪90年代以来，随着高速高性能计算机的出现，人脸识别算法有了重大突破，发展出了多种算法并逐步形成了以下几个研究方向。

1、基于几何特征的人脸识别方法。主要代表是MIT的Brunelli和Poggio小组，他们采用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类。

2、基于模板匹配的人脸识别方法。主要代表是Harvard大学Smith-Kettlewell眼睛研究中心的Yuille，他采用弹性模板来提取眼睛和嘴巴的轮廓，Chen和Huang则进一步提出用活动轮廓模板提取眉毛、下巴和鼻孔等不确定形状。

3、基于K-L变换的特征脸的方法。主要研究者是MIT媒体实验室的Pentland④基于隐马尔可夫模型的方法，主要代表有Cambridge大学的Samaria小组和Georgia技术研究所的Nefian小组。

4、神经网络识别的方法。如Poggio小组提出的HyperBF神经网络识别方法，英国Sussex大学的Buxton和Howell小组提出的RBF网络识别方法等。

5、基于动态链接结构的弹性图匹配方法。主要研究者是由C.Von derMalsburg领导的德国Bochum大学和美国Southern California大学的联合小组。

6、利用运动和颜色信息对动态图像序列进行人脸识别的方法。主要代表是Queen Mary和Westfield大学的Shaogang Gong小组。

上述方法存在的缺陷如下：

在背景简单的情形下，大部分算法都能很好的处理。但是，人脸识别的应用范围颇广，仅是简单图像测试，是远远不能满足现实需求的。在复杂背景及条件下，还有很多问题有待进一步解决，例如：

1、光照。光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显。

2、姿态。与光照问题类似，姿态问题也是目前人脸识别研究中需要解决的一个技术难点。目前多数的人脸识别算法主要是针对正面，或接近正面的人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，大多数人脸识别算法的识别率将会急剧下降。

3、遮挡。对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题，特别是在监控环境下，往往被监控对象都会带着眼镜、帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸识别算法的失效。

4、年龄变化。随着年龄的变化，面部外观也在变化，特别是对于青少年，这种变化更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。

5、图像质量。人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不同，特别是对于那些低分辨率、噪声大、质量差的人脸图像如何进行有效的人脸识别对大多数算法来说是个艰巨问题。

6、面部毛发，化妆，整容等。随年龄，生活习惯等变化，人脸部特征会发生变化，这给人脸识别也带来一定的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于特征向量的人脸识别方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种基于特征向量的人脸识别方法，包括以下步骤：

1)获取人脸图像；

2)对人脸图像进行光线补偿及灰度化处理后，检测并提取含有人脸的局部图像；

3)对局部图像进行降噪处理；

4)提取局部图像的特征向量；

5)将提取得到的特征向量与数据库中样本的特征向量进行对比，得到人脸识别的结果；

6)输出人脸识别的结果。

步骤1)中通过照相机或摄像头获取人脸图像，该人脸图像包括静态图像和动态图像。

步骤4)中提取局部图像的特征向量具体包括以下步骤：

1)对局部图像进行尺度空间检测，初步确定具有局部极值的关键点的位置以及所在尺度；

2)通过拟和三维二次函数去除对比度低于阈值的关键点和不稳定的边缘响应点，最终确定关键点的位置和尺度；

3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使高斯差分算子具备旋转不变性；

4)将坐标轴旋转为关键点的方向，以确保旋转不变性，从而生成每个关键点处的特征向量。