[发明专利]人脸认证方法和装置

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种人脸认证方法和装置。

背景技术

随着信息技术的发展，信息安全问题日益突出。其中对人的身份识别是信息安全领域的重要组成部分。

人脸认证是人脸识别的一种形式，通过提取两幅给定人脸图像的特征，判断是否是同一个人，相对于其它的生物特征认证技术具有直接、友好、方便的特点。

人脸认证主要由人脸检测、人眼定位、特征提取与认证三部分构成。

人脸属于典型的三维非刚性对象,而且人脸认证一般也是基于视图模式的，容易受到光照、姿态、表情等不确定因素的影响,因此人脸识别具有很高的挑战性，同时人脸识别涉及计算机科学、模式识别、人工智能等多个领域,加上其广泛的应用市场和巨大商业潜力,已经受到越来越多的公司和研究机构的关注。

以下对相关技术中的人脸认证方案进行介绍：

早期人脸识别算法都是用人脸特征点之间的间距、比率等参数作为特征，并假定图像背景单一或者无背景。在过去的几十年，人脸识别的研究取得了较大进展，国内外研究人员提出了一些关于人脸识别的方法，不同的研究人员可能从不同的角度对已有的人脸识别算法进行归纳和分类,但总的来说,人脸识别算法是个特征提取的方法,特征的形式和分类规则是密切相关的。在本申请中将人脸识别方法大体分为:基于几何特征的方法,基于代数特征的方法,基于纹理特征的方法。

（1）基于几何特征的方法

这种方法将人脸用一个几何特征矢量表示,几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量,其分量通常包括指定人脸两点间的欧氏距离、曲率、角度等。主要算法有积分投影法、弹性模板匹配等。

这种算法利用了人脸眼睛、鼻子、嘴巴等不同特征点的位置，这些点的位置信息很难获得，而且受表情光照的影响比较大。

（2）基于代数特征的方法

这种方法考虑了人脸模式的整体属性，比如主成分分析方法，线性判别分析方法。

主成分分析方法是将人脸图像作为一个向量，对其进行主成分分析，降到一定维数，得到特征向量，用两个向量之间的夹角余弦值来衡量两个人脸图像的相似度。

线性判别分析方法的基本思想通过寻找一个投影空间，使得投影后样本类间离散度和样本类内离散度的比值最大，因此LDA生成的子空间以实现最佳可分性为目的,从而比PCA更加适合识别。

这类方法所遇到的最大问题是矩阵的奇异性问题，而且是利用人脸的整体信息，易受表情，光照等影响。

（3）基于纹理特征的方法

这类方法提取人脸上的纹理信息，将人脸识别问题转化为纹理分类，常见的提取的纹理特征有LBP特征，Gabor特征，POEM特征。

这三种特征方式都可以提取人脸图像的局部信息，不受遮挡的影响，但LBP特征对光照的稳定性不好，尤其是在有非均匀光照变化的时候。Gabor特征受光照影响小一些，但在整个人脸上提取每个点的Gabor特征，速度较慢。相对于LBP特征,POEM先求梯度图，在此基础上应用LBP算子，这样同样减少了光照的影响，POEM特征按照块进行提取和运算，速度较快，不过，需要合理设计特征块的位置和尺寸。简而言之，Gabor特征是用人脸图像上的点，而POEM特征是用人脸图像上的块。

相关技术的缺陷

1、由于人脸是一个复杂多变的非刚性物体，此外人脸表情丰富，加上图像获取过程中外界条件发生变化的影响，给人脸的认证带来了困难。单纯依靠一种人脸特征进行人脸认证，很难取得理想的效果。

2、由于人脸模式的复杂性，需要认证算法时间复杂度要低。在使用Gabor特征时存储要用到数千个Gabor特征点，计算量非常大，不利于大规模人脸数据库的识别认证。基于Gabor特征的人脸认证方法，需要提取大量的Gabor特征点，并且需要进行大量复杂的运算，因此其提取速度慢，另外，该方法提取的Gabor特征点中存在很多相关性较高的特征点，这在人脸认证时的区分度不高。

3、利用POEM特征采样同样有局限性，其对图像块的划分是固定的。因为人脸受环境和姿态影响较大，如果特征块的位置和大小固定，那么将不能保证在人脸上提取更多更有效的特征。

这种方法在提取POEM特征块时的计算量较小，因此其提取特征点的速度较快，但是，在相关技术中通常要固定POEM特征块的位置和大小，而这种固定位置和大小的POEM特征块不一定是最理想的特征块。另外，该方法提取的POEM特征块中存在很多相关性较高的特征块，这在人脸认证时的区分度不高。