[发明专利]用于识别人脸的方法、系统和计算机程序产品

说明书

本发明的实施例提供了一种用于识别人脸的方法、系统和计算机程序产品，所述方法包括：获取所述人脸的待识别图像；检测所述待识别图像中表示所述待识别图像的细节特征的第一特征点集；提取描述所述第一特征点集中每个第一特征点的特征信息的第一描述算子；获取描述第二特征点集中每个第二特征点的特征信息的第二描述算子，其中所述第二特征点集表示预先存储的注册图像的细节特征；基于所述第一描述算子与第二描述算子，检测所述第一特征点集与所述第二特征点集中匹配的特征点对；计算所述匹配的特征点对的数量；以及如果所述匹配的特征点对的数量大于第一预定阈值，则将所述待识别图像识别为与所述注册图像相一致。

技术领域

本发明涉及人脸识别技术领域，更具体地，涉及一种用于识别人脸的方法、系统和计算机程序产品。

背景技术

人脸识别经过几十年的发展，引起了广泛的关注，并且取得了较大的进步。现在，人脸识别技术已经广泛应用在国家安全、军事安全、公共安全等领域，包括智能视频监控、智能门禁、海关身份认证等。近几年，人脸识别还广泛应用在互联网、金融等领域，包括信用卡和证券的网上开户、身份验证等。

目前，多数的人脸识别方法都是基于低分辨率的人脸图像，仅利用了人脸的结构信息。在传统的人脸识别中，一般低分辨率的图像(人脸两眼间距一般只要大于30个像素)即可满足识别要求。这样只能得到人脸的全局结构信息，而丢失了人脸的大部分细节特征，导致人脸识别的准确性相对较差。

发明内容

鉴于上述问题而提出了本发明。本发明实施例提供了一种用于识别人脸的方法、系统和计算机程序产品，其能够利用人脸的细节特征来进行人脸识别，从而能够区分包括同卵双胞胎等的非常相似的人脸，极大提高了人脸识别的准确性，相应地提高了应用人脸识别的场景的安全性。

根据本发明实施例的一个方面，提供了一种用于识别人脸的方法，包括：获取所述人脸的待识别图像；检测所述待识别图像中表示所述待识别图像的细节特征的第一特征点集；提取描述所述第一特征点集中每个第一特征点的特征信息的第一描述算子；获取描述第二特征点集中每个第二特征点的特征信息的第二描述算子，其中所述第二特征点集表示预先存储的注册图像的细节特征；基于所述第一描述算子与第二描述算子，检测所述第一特征点集与所述第二特征点集中匹配的特征点对；计算所述匹配的特征点对的数量；以及如果所述匹配的特征点对的数量大于第一预定阈值，则将所述待识别图像识别为与所述注册图像相一致。

作为示例，在根据本发明实施例的方法中，所述图像的分辨率大于预定分辨率阈值。

作为示例，根据本发明实施例的方法还包括：检测所述待识别图像中的人脸区域图像；并且，检测所述待识别图像中表示所述待识别图像的细节特征的第一特征点集的步骤包括：基于所述人脸区域图像，检测所述第一特征点集。

作为示例，在根据本发明实施例的方法中，检测所述第一特征点集的步骤包括：将所述人脸区域图像缩放成不同尺度；以及对于每一尺度的人脸区域图像，使用离线训练后的特征点分类器检测所述第一特征点的位置和尺寸。

作为示例，在根据本发明实施例的方法中，检测所述第一特征点集的步骤包括：将所述人脸区域图像与不同尺度的高斯核进行卷积处理，以得到相应的不同尺度的高斯图像；将相邻尺度的高斯图像进行差分处理，以得到高斯差分图像；确定每个高斯差分图像中的极值点，其中，所述极值点的值大于其在所述高斯差分图像中的相邻点的值，并且大于其在相邻尺度的高斯差分图像中的相邻点的值；以及如果所述极值点大于第二预定阈值，则将所述极值点确定为所述第一特征点。

作为示例，在根据本发明实施例的方法中，提取描述所述第一特征点集中每个第一特征点的特征信息的第一描述算子的步骤包括：对于每个第一特征点，以所述第一特征点为预定参照点而进行归一化处理，以获得特征点区域图像；以及对于所述特征点区域图像，使用离线训练后的描述算子提取器获取所述第一特征点的第一描述算子。