[发明专利]一种自适应光照干扰环境的人脸识别算法及人脸识别装置

说明书

本发明涉及一种自适应光照干扰环境的人脸识别算法及人脸识别装置，其中人脸识别算法包括建立人脸数据向量集的步骤和人脸识别的步骤，在人脸识别的步骤中，利用MTCNN对待识别人像照片进行检测，将得到的人脸图片分别输入FaceNet模型和LBP模型，得到对应的向量，然后计算向量与人脸数据向量集中每一个向量的欧式距离，再根据欧式距离进行加权求和计算，并以加权求和的最小值所对应的训练人像照片作为待识别人像照片的人脸识别结果。本发明自适应调整两种算法的权重，实现自适应环境光照，从而提高神经网络在人脸识别时对光照的鲁棒性，提高了在光照干扰环境下的人脸识别率。

技术领域

本发明涉及人脸识别技术领域，特别是涉及一种自适应光照干扰环境的人脸识别算法及人脸识别装置。

背景技术

过去几十年人脸识别技术取得了长足的进展。人脸识别技术可以分为传统方法(LDA、PCA、LBP、Gabor滤波等)和深度学习方法(MobileNet、FaceNet等)。传统方法识别速度更快，而深度学习方法精度更高。人脸识别技术已经运用在很多领域，如人机交互、视频监控、相机美颜等。

由于人脸识别的传统方法和深度学习方法都无法自适应环境光照，因此在一些特殊情况下，比如脸部光照过强或不足，人脸识别的准确度依然有较大的提升空间。

发明内容

为克服现有的人脸识别技术对于光照干扰环境的适应性不强，识别率较低的问题，提供一种自适应光照干扰环境的人脸识别算法及人脸识别装置，该人脸识别算法及人脸识别装置在复杂光照情况下拥有更好的识别率。

为解决上述问题，本发明采取如下的技术方案：

一种自适应光照干扰环境的人脸识别算法，包括以下步骤：

步骤一：建立人脸数据向量集

将人像照片训练集中的全部训练人像照片输入至MTCNN中，所述MTCNN利用人脸特征分类器对输入的每一幅训练人像照片进行人脸位置和脸部关键点的检测，得到对应的训练人脸检测框坐标；

根据所述训练人脸检测框坐标对相应的训练人像照片进行截取，得到对应的训练人脸图片；

将全部的所述训练人脸图片分别输入FaceNet模型和LBP模型，得到对应的人脸数据向量集LIB_fn和人脸数据向量集LIB_lbp；

步骤二：人脸识别

将待识别人像照片输入至所述MTCNN中，所述MTCNN利用人脸特征分类器对输入的待识别人像照片进行人脸位置和脸部关键点的检测，得到待识别人脸检测框坐标和关键点坐标；

根据所述待识别人脸检测框坐标对所述待识别人像照片进行截取，得到待识别人脸图片；

将所述待识别人脸图片分别输入FaceNet模型和LBP模型，得到对应的向量和向量

分别计算向量与人脸数据向量集LIB_fn中的每一个向量的欧式距离dis_FN以及向量与人脸数据向量集LIB_lbp中的每一个向量的欧式距离dis_LBP，然后对每一幅所述训练人像照片对应的欧式距离dis_FN和欧式距离dis_LBP进行加权求和计算，计算公式如下：

dis＝α_FN×dis_FN+α_LBP×dis_LBP