[发明专利]一种人脸识别方法及系统

说明书

技术领域

本申请涉及人脸识别领域，特别涉及一种人脸识别方法及系统。

背景技术

人脸识别技术在公共安全、信息安全、金融等领域具有很好的应用前景，因而人脸被认为是在图像识别领域中最有研究价值的物体。人脸识别中的技术问题也涵盖了模式识别研究中所遇到的问题。由于人脸识别问题是典型的小样本高维模式样本，学习方式不恰当的话，维数灾难的问题是不可避免，从而产生过拟合问题。识别高维数据的一个核心问题是分类器的选择；另一个核心问题是关于特征选择或者特征变换。

在人脸识别中，已经提出了如下特征变换技术，包括：特征脸、Fisher脸、Laplace(拉普拉斯)脸等。使用上述特征变换技术得到的特征，再经过最近邻分类模块处理就可以实现分类。但是上述特征变换技术中特征脸、Fisher脸和Laplace脸在样本的维数较大时，对计算机的内存要求很高，若是普通的台式机，则会产生内存溢出的问题，因此需要配合采样方法，在使用上述特征变换方法之前，对人脸图像进行降维。

可见，在使用上述特征变换技术中特征脸、Fisher脸和Laplace脸之前，需要对人脸图像进行降维，识别过程繁琐，降低了对人脸图像进行识别的效率。

发明内容

为解决上述技术问题，本申请实施例提供一种人脸识别方法及系统，以达到提高对人脸图像进行识别的效率的目的，技术方案如下：

一种人脸识别方法，包括：

获取输入的人脸图像；

使用滤波模块对所述人脸图像进行滤波，得到待识别人脸图像；

利用最近邻分类模块在图像数据库中查找与所述待识别人脸图像相匹配的模板图像，得到匹配模板图像，所述模板图像为使用所述滤波模块对原始模板图像进行滤波后得到的图像；

确定所述匹配模板图像的类别为所述人脸图像的类别。

优选的，所述使用滤波模块对所述人脸图像进行滤波，得到待识别人脸图像的过程，包括：

使用公式I′＝I-I*S对所述人脸图像进行滤波，得到待识别人脸图像；

其中，所述I为所述人脸图像，所述S为所述滤波模块，所述I′为所述待识别人脸图像，所述*为卷积符号。

优选的，所述利用最近邻分类模块在图像数据库中查找与所述待识别人脸图像相匹配的模板图像，得到匹配模板图像的过程，包括：

利用公式查找与所述待识别人脸图像距离最近的模板图像；

确定与所述待识别人脸图像距离最近的模板图像为匹配模板图像；

其中，所述k表示第k个模板图像，与所述待识别人脸图像距离最近，所述k＝1,2，…，l，所述l为图像数据库中模板图像的个数，所述I′_i为图像数据库中第i个模板图像，所述min为计算目标函数最小值的函数，所述argmin为带参数的最小化函数，所述i＝1,...,l为所述参数，||||_F为矩阵的Frobenius范数。

优选的，所述模板图像的生成过程，包括：

使用公式I′_i＝I_i-I_i*S对所述图像数据库中的原始模板图像进行滤波，得到模板图像；

其中，所述i＝{1,2,...,l}，所述I_i为第i个原始模板图像。

优选的，所述滤波模块的生成过程，包括：

确定滤波模块大小为2N+1，并定义大小为(2N+1)×(2N+1)的矩形窗口，所述矩形窗口为[-N,-N+1,…,N]×[-N,-N+1,…,N]，所述N为正整数，所述矩形窗口中的点表示为所述r_i和c_i为所述矩形窗口中的坐标点，所述r_i,c_i∈{-N,…,N}；