[发明专利]一种基于宽度学习网络特征提取的人脸识别方法及系统

说明书

本发明涉及一种基于宽度学习网络特征提取的人脸识别方法及系统，所述方法首先对数据库中的人脸图像进行预处理，生成预处理后的人脸图像；对预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域；然后基于宽度学习网络提取所述图像区域的人脸特征向量；采用所述人脸特征向量及对应的数据标签训练支持向量机分类器，生成训练好的人脸识别模型；将待识别的人脸特征向量输入所述人脸识别模型，即可输出人脸识别结果。本发明将宽度学习网络特征提取的方法应用于人脸识别，提取出能够有效、准确、稳定表征人脸特征的人脸特征向量，基于人脸特征向量训练支持向量机模型进行人脸识别，其准确率更高，识别波动范围更小，具有更好的鲁棒性。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种基于宽度学习网络特征提取的人脸识别方法及系统。

背景技术

人脸识别在近二十年内取得了飞速的发展。由于人脸识别在实时性、友好度、成本低等方面的表现更为突出，因而是一种被广泛使用的生物识别技术。尤其是在公共安全、金融、机场、地铁等多个需要对人员身份进行识别的领域都有广泛的应用前景。人脸图像的采集不同于指纹、掌纹，指纹、掌纹的识别需要接触指掌纹专用采集设备，很容易引起被采集者的反感，而人脸图像采集的设备是摄像头，无需接触。同时，人脸是一个人出生之后暴露在外的生物特征，因此人脸的采集并不像指掌纹采集那样难以让人接受。

在人脸识别中，最关键的步骤就是提取人脸特征，然而人脸图像中存在各种难以预测的变化因素，如拍照角度、距离、光照、表情、行迹、分辨率等，这些因素容易导致训练样本与预测图像的严重数据偏差。因而，研究寻找人脸图像中的不变特征量具有重要意义，当图像有光照变化、拍摄视点变化时，这些特征具有不变性。特征提取不仅能够能够降低图像的维度还能去除一些噪声的干扰。对于特征提取方法的选择，传统的特征提取方法只能提取到样本中很少的特征信息，并且容易受到噪声(光照、姿态的变化)的干扰，因而无法保证人脸识别精度。

发明内容

本发明的目的是提供一种基于宽度学习网络特征提取的人脸识别方法及系统，以解决传统的特征提取方法只能提取到样本中很少的特征信息，造成人脸识别精度低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于宽度学习网络特征提取的人脸识别方法，所述人脸识别方法包括：

获取数据库中的人脸图像；

对所述人脸图像进行预处理，生成预处理后的人脸图像；

对所述预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域；

基于宽度学习网络提取所述图像区域的人脸特征向量；

采用所述人脸特征向量及对应的数据标签训练支持向量机分类器，生成训练好的人脸识别模型；

获取待检测人脸图像的待识别人脸特征向量；

将所述待识别人脸特征向量输入所述人脸识别模型，输出人脸识别结果。

可选的，所述对所述人脸图像进行预处理，生成预处理后的人脸图像，具体包括：

将所述人脸图像裁剪为预设尺寸，生成裁剪后人脸图像；

将所述裁剪后人脸图像由RGB图像转换为灰度图像，生成预处理后的人脸图像。

可选的，所述对所述预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域，具体包括：

采用空间几何变化算法对所述预处理后的人脸图像进行人脸检测，定位出人脸轮廓区域作为人脸特征所在的图像区域。

可选的，所述基于宽度学习网络提取所述图像区域的人脸特征向量，具体包括：