[发明专利]一种人脸识别系统及识别方法

说明书

本发明属于图像识别技术领域，公开了一种人脸识别系统及识别方法，通过摄像头采集至少三张不同状态下注册的彩色人脸图像；将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；识别待测人脸。本发明通过将HSV图像与三维彩色图像进行降维处理，相比传统的灰度图像和RGB图像提升了人脸识别的精度。

技术领域

本发明属于图像识别技术领域，尤其涉及一种人脸识别系统及识别方法。

背景技术

目前，最接近的现有技术：

传统的人脸识别方法以灰度人脸识别为基础，以欧式距离对比分类识别人脸，由于牺牲了原图像的空间结构与空间颜色信息，使得人脸图像的识别率不高。人脸肤色在RGB颜色空间受光照的影响较大，且分布在同一范围空间不易区分。主成分分析(PCA)、线性判别分析(LDA)等基于灰度图像的降维方法需要将单个图像二维矩阵展开成一维的向量，不仅计算量大，还会丢失原图像的空间结构信息，影响识别最终的精度。

随着信息认证技术的不断发展，信息的准确性、快速性、安全性认证在社会中越来越重要。

目前，人脸识别是基于人的脸部特征信息进行身份识别的一种重要的信息认证技术。通过输入人脸图像，计算其特征面部信息，对比已知的人脸的图像而识别出人脸。几何特征匹配的人脸识别算法是一种常用的人脸面部特征信息提取的方法，利用五官的形状之间几何关系进行识别。

综上所述，现有技术存在的问题是：

(1)现有的几何特征的人脸识别算法识别率较低。人的脸部特征信息在不同的大小的图片里，所展示的几何特征会产生不同的变化。导致人脸图片不能正确的匹配，影响最终的人脸识别效果。

(2)传统的灰度颜色使得颜色在空间上损失较大，不利于三维彩色图片特征向量的提取。

(3)传统的降维算法以主成分分析(PCA)、线性判别分析(LDA)等二维降维算法为主，不足以很好的表达三维图像的空间结构。

解决上述技术问题的难度：

如何在保持三维空间的结构信息要素的同时也保持三维空间的颜色信息的分离性，同时提升人脸识别在小数据上的准确性和快速性。

解决上述技术问题的意义：

解决三维彩色图片在空间结构上的完整性和三维颜色空间上分离性，能够有效做到彩色图片之间空间结构之间的高内聚，空间颜色之间的低耦合。通过这种高内聚低耦合的人脸识别算法，能够有效提升人脸识别的精度。

发明内容

针对现有技术存在的问题，本发明提供了一种人脸识别系统及识别方法。

本发明是这样实现的，一种人脸识别方法，所述人脸识别方法包括：

通过摄像头采集至少三张不同状态下注册的彩色人脸图像；

将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；

通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；

当摄像头采集到待测人脸时，截取一帧RGB彩色图像并归一化大小；转化为HSV图像，并通过X求取一维特征向量；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；

识别待测人脸。

进一步，所述人脸识别方法进一步包括：