[发明专利]一种大数据采集和处理方法

说明书

本发明公开一种大数据采集和处理方法，包括采集双眼‑鼻‑口综合T字形采集区、右耳‑颧骨综合三角形采集区、左耳‑颧骨综合三角形采集区、双眉骨一字形采集区和下巴圆形采集区；具体方法为：1)对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；2)对人脸图像进行尺寸归一化处理，得到固定尺寸的人脸图像；3)对人脸图像进行分割，形成双眼‑鼻‑口‑下巴综合T字形采集区、右耳‑颧骨综合三角形采集区、左耳‑颧骨综合三角形采集区、双眉骨一字形采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；该大数据采集和处理方法数据处理速度快。

技术领域

本发明涉及一种大数据采集和处理方法。

背景技术

大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。企业中80％的数据都是非结构化数据，这些数据每年都按指数增长60％。

目前大数据已经得到广泛的运用，尤其在在大数据的支持下的人脸识别技术，可广泛的运用到各个领域，但是，人脸识别的数据往往需要录入面部信息，在一些大型的面部识别场合往往需要录入大量的人物面部数据，如何快速的处理录入这些数据，是本领域的技术人员都在攻克的方向。

发明内容

本发明要解决的技术问题是提供一种数据处理速度快的大数据采集和处理方法。

为解决上述问题，本发明采用如下技术方案：

一种大数据采集和处理方法，包括采集双眼-鼻-口综合T字形采集区、右耳-颧骨综合三角形采集区、左耳-颧骨综合三角形采集区、双眉骨一字形采集区和下巴圆形采集区；

具体方法为：

1)对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；

2)对人脸图像进行尺寸归一化处理，得到固定尺寸的人脸图像；

3)对人脸图像进行分割，形成双眼-鼻-口-下巴综合T字形采集区、右耳-颧骨综合三角形采集区、左耳-颧骨综合三角形采集区、双眉骨一字形采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；

4)对局部部位组合图像进行正则化主成分分析PCA处理，训练出正则化PCA投影矩阵；

5)采用正则化PCA投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络CNN模型进行训练；

6)根据训练好的CNN模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析LDA处理，训练出LDA投影矩阵；

7)将正则化PCA投影矩阵、训练好的CNN模型及LDA投影矩阵作为人脸识别模型。

作为优选，所述右耳-颧骨综合三角形采集区、右耳-颧骨综合三角形采集区和下巴圆形采集区均与双眼-鼻-口综合T字形采集区具有交集区。

作为优选，所述交集区具有三个，其中两个分别位于左眼和右眼的下方。

作为优选，所述位于左眼和右眼的下方的两个交集区内均含有颧骨。

作为优选，还具有以下步骤：

一)提取三个交集区的灰度图、二值图、直观性特征图作为数据源，并融合为联合特征；

二)提取联合特征的属性值，计算出反向积分图，利用奇异分解反向积分图获取反向积分图奇异值，利用反向积分图奇异值计算出反向积分图奇异值矩阵；

三)利用反向积分图奇异值矩阵与三线插值加速特征计算，得到高维的方向梯度直方图；