[发明专利]一种人脸识别匹配方法及半自动化人脸匹配系统

说明书

技术领域

本发明涉及图像处理领域，具体涉及图像中人脸区域的分割与定位及图像中人脸的识别与匹配方法及系统的实现。

背景技术

现有技术采用相应的matlab软件实现人脸数据的建模，本文构建人脸图像的特征脸，将人脸图像数据化，对收集的离散数据合理的进行三维建模，为人脸图像数据的采集方法提供新的思路。现有技术人脸识别算法在lwf数据库中数据对比结果准确度为99.7％，准确度较高，但实际应用过程中的人脸识别效果受外界因素的影响较大，难以实现较高的准确度，该作品通过多种算法实现人脸识别功能，同时对准确度进行对比，同时应用于实际选择准确度最高的进行实际开发。因此，此技术还有待于改进和发展。

发明内容

针对现有技术的不足，本专利提供人脸定位检测方法和人脸识别匹配方法同时提供一种基于上述方法实现的半自动化人脸识别系统。

为了实现上述目的，本发明解决其技术问题所采用的技术方案是：人脸定位检测方法和人脸识别匹配方法，包括以下步骤:(1)获取一个或多个清晰人脸区域的彩色图像；(2)检测到的图像生成YCrCb颜色分割图像，其中生成图像基于检测到的图像；(3)判断图像中人脸区域是否包含较为明显的人眼区域和嘴巴区域，并且人眼区域为两个，嘴巴区域水平位置介于两个人眼区域之间；(4)匹配识别的训练和测试图像包含多组每组同一个人的多幅正面图像，训练图像生成的特征脸图像基于同一个人的多幅正面图像。

步骤(1)进一步包括，使用matlab软件启动摄像头设备，设置帧数间隔为5，采用背景差分的方式获取摄像头前的移动的人脸图像并进行存储。

进一步，背景差分方式包括原始图像数据和转化灰度图像做差、中值、图像增强、求全局阈值、二值化处理、填充空洞、标记二值化图、连通域处理、面积比较、获取图像。

步骤(2)进一步包括，获取RGB格式图像采用YCrCb颜色空间分割算法转换至YCrCb颜色空间，Y表示明亮度，Cr与Cb表示色度，Cr反映输入信号红色部分与RGB信号亮度值之间的差异，Cb反映输入信号蓝色部分与RGB信号亮度值之间的差异。原始图像中的人脸区域的肤色影响YCrCb图像中Cr、Cb值的范围，Cr∈(105,127)，Cb∈(137,162)为正常的人脸区域。

步骤(2)进一步包括，RGB转换为YCrCb的具体公式为：

y1＝65.481*r+128.553*g+24.966*b+16；y＝y1/256；cr1＝-37.797*r-74.203*g+112*b+128；cr＝cr1/256；cb1＝112*r-93.786*g-18.214*b+128；cb＝cb1/256。

步骤(3)进一步包括，通过步骤(2)将图像转换为YCrCb格式的图像，判断人脸的区域后转换为二值化图像，Cr∈(105,127)，Cb∈(137,162)的范围二值化图像的值为1，其余部分为0。

步骤(3)进一步包括，对二值化图像值为1的连通域进行标记，并取能完整包含连通域的且长宽和原始图像平行的最小矩形，并记录矩形的长宽值与位置，计算矩形的长宽的比值，如果比值r∈(0.6,2)，判断该矩形区域为粗定位的人脸区域。

步骤(3)进一步包括，分别对粗定位的人脸区域进行判断，选取其中一个区域，记录并标记二值化图像值为0的连通域，同样取最小矩形记录矩形的位置，设置条件：高度在粗定位人脸区域上部的矩形数目为2，判断为该区域存在人眼；高度在粗定位人脸区域下部的矩形数目为1且宽度介于人眼矩形之间，判断为该区域存在嘴巴。条件同时满足则该区域为细定位的人脸区域。

步骤(3)进一步包括，根据细定位人脸区域的最小矩形的长宽和位置坐标在原始图像中做红色矩形框记录，并提取图像生成新图像，排除原始图像中的非人脸区域，提高人脸匹配识别的准确率。

步骤(4)进一步包括，将步骤(3)细识别的后图像进行提取与分类，分类具体包括人脸识别匹配的训练图像和测试图像，训练图像同一个人脸提取表情不同的图像个数至少为5且不同图像人脸区域的亮度影响图像特征值提取等因素无明显差异，将训练图像数据存储在数据库中。

进一步，测试图像经过步骤(2)(3)的提取后排除背景区域，并经过图像的压缩变换将待识别匹配图像的像素压缩为112×92。

步骤(4)进一步包括，训练图像输入的数据作为待识别的人脸数据在计算机中进行保存，训练图像应该满足尽量要求数目较多、亮度变化范围较小、相同人脸不同表情数目多等条件。