[发明专利]基于ASM算法的人脸识别方法、系统、设备和存储介质

说明书

本发明公开了一种基于ASM算法的人脸识别方法、系统、设备和存储介质，所述人脸识别方法包括：获取人脸；根据ASM算法提取人脸的结构特征点；获取第一点间距离，并选取目标点间距离；获取人脸的结构特征点的点间距离比例；计算测试人脸的结构特征点的点间距离比例与每个训练人脸的结构特征点的点间距离比例之间的差值，根据所述差值获取与所述测试人脸最接近的所述训练人脸；本发明克服了现有技术中的人脸识别技术存在的缺陷，提高了现有技术中的人脸识别算法的识别准确度。

技术领域

本发明涉及人脸识别技术领域，特别涉及一种基于ASM(Active Shape Model，主动形状模型)算法的人脸识别方法、系统、设备和存储介质。

背景技术

目前，随着人脸识别技术逐渐发展成熟，人脸特征提取算法已广泛应用于各种生活及工作场所的人脸识别系统中。现有的人脸识别技术大部分是基于人脸的灰度特征提取，但是，该人脸特征提取方法存在受光照和姿态等变化的影响，从而易带来较大的识别误差；因此，提取人脸的结构不变特征点对提升人脸识别准确率有着重要的意义。

现有的人脸特征提取算法中，基于人脸结构不变特征提取方法较少，主要包括两种：一、人脸建模方法；二、结合图像预处理、边缘检测及积分投影的几何特征信息提取方法。

现有的人脸结构特征提取算法中，人脸建模方法是利用人脸库中的所有人脸图，构建一个通用的三维人脸模型，再基于该人脸模型对测试人脸进行建模合成不同姿态和不同光照条件的人脸图，进而进行人脸特征提取，这种特征提取方法能够同时解决光照及姿态问题，但是，该人脸特征提取方法存在前期需要大量的训练人脸图来保证所建立的三维人脸模型的准确性，且该建模算法复杂度较高，并不适用于大部分的人脸识别系统等缺点；而结合图像预处理、边缘检测及积分投影的几何特征信息提取方法，存在前期需要获取人脸特征点的位置信息，图像处理步骤繁琐且定位的特征点准确度不高等缺点。

发明内容

本发明要解决的技术问题是为了克服现有技术的人脸识别技术中的人脸结构特征提取算法存在需要大量的训练人脸图来保证所建立的三维人脸模型的准确性、建模算法复杂度较高、不适用于大部分的人脸识别系统、图像处理步骤繁琐且定位的特征点准确度不高等缺陷，目的在于提供一种基于ASM算法的人脸识别方法、系统、设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种基于ASM算法的人脸识别方法，所述人脸识别方法包括：

获取人脸；

其中，所述人脸包括测试人脸和人脸库中的训练人脸；

根据ASM算法提取所述人脸的结构特征点；

获取所述人脸的结构特征点之间的第一点间距离，并从所述第一点间距离中选取目标点间距离；

计算每个所述第一点间距离与所述目标点间距离的比值，得到所述人脸的点间距离比例；

计算所述测试人脸的点间距离比例与每个所述训练人脸的点间距离比例之间的差值，根据所述差值获取与所述测试人脸最接近的训练人脸。

较佳地，所述获取所述人脸的结构特征点之间的第一点间距离的步骤之前还包括：

对提取的所述人脸的结构特征点进行坐标变换处理，将所述人脸的结构特征点的坐标值全部变换为正值或负值，得到坐标变换处理后的所述人脸的结构特征点。

较佳地，所述对提取的所述人脸的结构特征点进行坐标变换处理的步骤对应的坐标变换公式为：

其中，(x，y)表示坐标变换前的人脸的结构特征点的坐标值；(x′，y′)表示坐标变换后的人脸的结构特征点的坐标值；ImageWidth、ImageHeight分别表示人脸图像的宽度和高度。