[发明专利]一种适应多表情多姿态的人脸识别方法

说明书

技术领域

本发明属于人脸识别系统，无需事先训练，是基于一种单张图片在二维空间中的拟合匹配方法。

背景技术

人脸识别系统是将输入的人脸照片与现有的数据库中的照片进行比较并确定身份的一种系统。因为人脸是区分不同人的主要特征之一，所以该系统可用于签到系统，刑侦系统，国防系统等。

因为在日常生活，监控视频中，很难保证提取的人脸按照统一的姿态表情，然而正是因为人脸有表情和姿态的变化，这对人脸识别系统也造成了很大的干扰。如果采用三维模型的人脸，需要采集更多的数据样本，在实际情况中很难做到。如果是基于单张图片映射到三维模型进行姿态和表情的调整，目前的识别率较低。采用LBP（Local Binary Patterns）特征可以反应人脸的局部特征。

发明内容

本发明的主要目的是提供一种人脸识别方法，对于数据库中的人脸图片或者监控视频，进行较快，较准的查询，包括以下步骤：

1）对于需要识别的人脸照片和数据集或者待检测视频的每一帧进行人脸区域的检测，截取该区域的图片转换为灰度图，并调整到统一大小。

2）对于1）中截取到的图片，定位其面部关键特征点的位置集合。

3）将待识别图片的关键点集合和数据集中的人脸的关键点集合进行一一对应拟合，通过预先设定的拟合公式，得到拟合参数。

4）用3）中得到的拟合参数来生成新的待识别图片，补全缺失像素点。

5）对得到新的待识别的图片调整到相同大小，然后提取LBP特征直方图，并作归一化处理。

6）用卡方检验的方法计算特征直方图之间的差距，从而得出两张人脸之间的相似性。

所述的人脸检测方法包括在待识别人脸，数据集图片，视频每一帧用的方法是基于Haar特征的Adaboost算法。该方法能较快定位图片中人脸的位置。

所述的调整到统一大小指的是检测到的人脸图片缩放到92*112像素，便于后面关键特征点的拟合。

所述的定位其面部关键特征点的位置集合,可以通过主动轮廓模型，主动表现模型等方法来实现。本发明采用主动表现模型，得到需要参与拟合的11个关键点，分别标记为：1：左眉毛的最左点，2：左眉毛的最右点，3：右眉毛的最左点，4：右眉毛的最右点，5：左眼的左眼角，6：左眼的右眼角，7：右眼的左眼角，8：右眼的右眼角，9：鼻尖下的点，10：左嘴角的点，11：右嘴角的点。因此，每张图片有11个关键特征点的位置集合。

所述的特征点拟合采用二元三次多项式来进行拟合，多项式的次数越高，拟合效果越佳，本发明在实验中发现三次项已经基本能满足拟合要求，在处理器为：Intel(R) Core(TM) i3-2100 CPU @3.10GHz,内存8G的环境下达到视频匹配实时处理的效果。多项式的拟合公式为：                                                ， ，为已知图片关键点的x坐标，为已知图片关键点的y坐标。而x为待匹配图片关键点的x坐标，y为待匹配图片关键点的y坐标。 通过求解和两个多项式系数来完成已知图片到待匹配图片的拟合。

其中为

其中为

需要求解的就是和这20个参数，求解这个参数需要至少10个脸部关键点，在集合中有11个关键点。将求解过程表示为矩阵的形式就是： 以及  ；其中P为待匹配人脸图片的11个脸部关键点多项式的集合，A为,B为 。为已知人脸图片的11个脸部关键点的x坐标集合，为已知人脸图片的11个脸部关键点的y坐标集合。具体如下：

         

其中n为特征点的个数，这里为11。

P， 以及 已知，求得矩阵A和B即为需要得到的拟合系数。

所述的生成新的待识别图片根据求得的拟合系数，将待匹配人脸图片的每个像素点坐标通过 ， 映射到新的坐标点。

所述的补全缺失像素点就是将周围的像素点的灰度值平均得到的值赋予该像素点。因为在根据映射规则的条件下，有些像素点，会覆盖，有些像素点会缺失。对于缺失的像素点，取像素点周围最为邻近的8个点的灰度值的平均值作为该像素点的灰度值。如果周围8个像素点全部缺失，则选择最为邻近的24个像素点的灰度值的平均值作为该点的像素值，以此类推…。

所述的对得到新的待识别的图片调整到相同大小是指将补全后的图片重新调整到92*112的大小。