[发明专利]人脸识别方法及装置

说明书

技术领域

本公开涉及图像识别技术领域，尤其涉及一种人脸识别方法及装置。

背景技术

目前，人脸识别的方法有利用人脸图像的灰度分布信息，通过图像相似度来识别待测人脸和目标脸是否一致；也有人利用脸部关键点的几何位置信息作为衡量指标来识别待测人脸和目标脸是否一致。

但是目前人脸识别的精度仍然不够，特别是遇到表情变化，脸部偏斜，光线变化等复杂情况，这些情况都直接影响到人脸识别的效果。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种人脸识别方法及装置。

根据本公开实施例的第一方面，提供一种人脸识别方法，包括：

从人脸图像中提取关键点；

根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；

对所述校正后的人脸图像进行特征提取，得到特征点数据集合；

在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；

根据所述特征向量进行人脸识别。

本实施例中，通过将关键点所在关键区域内的特征点数据组成特征向量，用于对人脸的识别，使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别，识别更加准确。

可选的，所述方法还包括：

对所述特征向量进行压缩，根据所述压缩后的特征向量进行人脸识别。

在可选方案中，对上述特征向量进行了一定程度的压缩，在保证识别准确性的同时，减少了用于人脸识别的特征向量的数据量，加快处理识别速度。

可选的，所述根据所述关键点对所述人脸图像进行校正，包括：

将至少一个所述关键点作为参考点，利用仿射变换对人脸图像进行校正。

在可选方案中，将人脸标准化到统一大小且关键器官部位对齐，使得后续步骤中能够统一对人脸进行处理识别，提高人脸识别的准确性。

可选的，所述在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量，包括：

以所述关键点为圆心，以预设长度为半径，获得所述校正后的关键点所在的圆形的关键区域；

在所述特征点数据集合中获取所述关键区域内的特征点数据；

将所述关键区域内的特征点数据排列成队列，组成特征向量。

在可选方案中，通过将关键点所在关键区域内的特征点数据组成特征向量，用于对人脸的识别，使得可以根据更多的、对人脸起主要标识作用的数据进行人脸识别，识别更加准确。

可选的，所述对所述校正后的人脸图像进行特征提取，包括：

采用局部二值模式LBP或哈尔小波转换对所述校正后的人脸图像进行特征提取。

在可选方案中，通过对人脸图像进行若特征提取，使得后续步骤可以利用提取到的特征点数据进行人脸识别比对，提高人脸识别的准确性。

可选的，所述对所述特征向量进行压缩，包括：采用主成分分析PCA算法对所述特征向量进行压缩。

在可选方案中，对特征向量进行了一定程度的压缩，在保证识别准确性的同时，减少了用于人脸识别的特征向量的数据量，加快处理识别速度。

根据本公开实施例的第二方面，提供一种人脸识别装置，包括：

关键点提取模块，用于从人脸图像中提取关键点；

校正模块，用于根据所述关键点对所述人脸图像进行校正，得到校正后的人脸图像和校正后的关键点；

特征提取模块，用于对所述校正后的人脸图像进行特征提取，得到特征点数据集合；

组合模块，用于在所述特征点数据集合中获取所述校正后的关键点所在关键区域内的特征点数据，将所述关键区域内的特征点数据组合成特征向量；

识别模块，用于根据所述特征向量进行人脸识别。

所述装置还包括：

压缩模块，用于对所述特征向量进行压缩；

所述识别模块，用于根据所述压缩后的特征向量进行人脸识别。

所述关键点包括人脸图像中每只眼睛左右两侧的关键点；

所述校正模块，用于至少一个所述关键点作为参考点，利用仿射变换对人脸图像进行校正。

所述组合模块，用于以所述关键点为圆心，以预设长度为半径，获得所述校正后的关键点所在的圆形的关键区域；在所述特征点数据集合中获取所述关键区域内的特征点数据；将所述关键区域内的特征点数据排列成队列，组成特征向量。