[发明专利]一种用于在线教育的人脸识别系统、方法及应用

说明书

本发明涉及一种用于在线教育的人脸识别系统、方法及应用，所述系统包括：数据库，存储若干张人脸图片；待识别人脸特征提取模块，用于采集输入的待识别人脸图像，并对该待识别人脸图像采用非监督神经网络进行局部特征提取；特征匹配模块，基于所提取的局部特征计算所述待识别人脸图像与数据库中每一张人脸图片的相似度，将相似度大于设定阈值的数据库中的人脸图片作为待匹配图片序列；识别模块，用于从所述待匹配图片序列中选择出相似度最大的人脸图片作为匹配目标。与现有技术相比，本发明具有识别度更高、方便可靠等优点。

技术领域

本发明涉及教育领域人脸识别技术，尤其是涉及一种用于在线教育的人脸识别系统、方法及应用。

背景技术

人脸识别通过深度学习算法和海量数据集，对图片和视频源中面部特征进行提取分析，可实现精准的人脸检测和人脸识别，涵盖人脸检测与分析、五官定位、人脸对比与搜索、跨年龄人脸识别等，是基于人的脸部特征信息进行身份识别的一种生物识别技术。该技术的核心实际为“局部人体特征分析”和“图形/神经识别算法”，是利用人体面部各器官及特征部位的方法。Turk和Pentland提出特征脸的方法，它根据一组人脸训练图像构造主元子空间，由于主元具有脸的形状，也称为特征脸，识别时将测试图像投影到主元子空间上，得到一组投影系数，和各个已知人的人脸图像比较进行识别。该方法能够取得较好的果，在200个人的3000幅图像中得到95％的正确识别率，在FERET数据库上对150幅正面人脸象只有一个误识别。但该方法在进行特征脸方法之前需要作大量预处理工作如归一化等，方法复杂度较高。

另外，传统人脸识别是基于几何特征提取，几何特征法通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征进行对比，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，计算量非常大，而且目前已有的特征点检测技术在精确率上还远不能满足要求。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于在线教育的人脸识别系统、方法及应用。

本发明的目的可以通过以下技术方案来实现：

一种用于在线教育的人脸识别系统，包括：

数据库，存储若干张人脸图片；

待识别人脸特征提取模块，用于采集输入的待识别人脸图像，并对该待识别人脸图像采用非监督神经网络进行局部特征提取；

特征匹配模块，基于所提取的局部特征计算所述待识别人脸图像与数据库中每一张人脸图片的相似度，将相似度大于设定阈值的数据库中的人脸图片作为待匹配图片序列；

识别模块，用于从所述待匹配图片序列中选择出相似度最大的人脸图片作为匹配目标。

进一步地，所述待识别人脸特征提取模块包括：

分割单元，用于从所述待识别人脸图像分割出对应的包含人脸区域图像；

特征提取单元，用于对包含人脸区域图像采用非监督神经网络进行局部特征提取，所述局部特征包括颜色特征和纹理特征。

进一步地，所述特征匹配模块中，采用巴氏距离获得所述相似度。

本发明还提供一种用于在线教育的人脸识别方法，包括以下步骤：

1)采集输入的待识别人脸图像，并对该待识别人脸图像采用非监督神经网络进行局部特征提取；

2)基于所提取的局部特征计算所述待识别人脸图像与数据库中每一张人脸图片的相似度，将相似度大于设定阈值的数据库中的人脸图片作为待匹配图片序列；

3)从所述待匹配图片序列中选择出相似度最大的人脸图片作为匹配目标。

进一步地，所述步骤2)具体包括：