发明内容
本发明提供一种自适应的人脸识别方法,包括:
步骤S101:录入人脸用户基本信息,采集多张所述人脸用户的人脸图像并分别从中提取人脸特征作为人脸特征模板,将所述人脸用户基本信息和人脸特征模板保存至人脸用户信息库;
步骤S102:从采集到的当前用户人脸图像中提取人脸特征,并与所述人脸用户信息库中的人脸特征模板进行比对识别,若识别通过,执行步骤S103,否则重复步骤S102;
步骤S103:判断所述人脸特征是否满足预设自适应条件,若是, 更新所述人
脸用户信息库中的人脸特征模板, 完成所述人脸特征的自适应处理。
通过本发明提供的方法,在人脸识别的过程中,对满足一定条件的人脸特征进行自适应处理,即以所述人脸特征更新人脸用户信息库中的人脸特征模板,达到适应人脸特征缓慢变化的目的,从而解决由于人脸特征缓慢变化引起的识别率下降和识别速度变慢的问题。同时,本发明公开的方法保留了部分原始人脸特征模板不被更新,保留了丰富的人脸特征,以保证人脸识别的效果。
本发明又提供一种自适应的人脸识别方法,包括:
步骤S201:录入人脸用户基本信息,采集多张所述人脸用户的人脸图像并分别从中提取人脸特征作为人脸特征模板,将所述人脸用户基本信息和人脸特征模板保存至人脸用户信息库;
步骤S202:根据输入的用户编号,查询人脸用户信息库,获得该编号用户的用户信息;
步骤S203: 从采集到的人脸图像中提取人脸特征,分别计算所述人脸特征与根据步骤S202获得的用户信息取得的人脸特征模板的欧式距离,得到多组相似度得分,计算最小相似度得分,若满足预设条件,继续通过计算并比较所述人脸特征与人脸用户信息库中所有用户人脸特征模板相似度得分确定最相似用户,若所述最相似用户与步骤S202获得的用户相同,则识别通过,继续步骤S204,否则重复步骤S203;
步骤S204:判断所述人脸特征是否满足预设自适应条件,若是, 更新所述人
脸用户信息库中的人脸特征模板, 完成所述人脸特征的自适应处理
通过本发明提供的方法,在人脸识别的过程中,通过与指定对象进行比对,且适当降低比对预定要求,降低识别难度;再通过对有效的人脸特征进行自适应,以更新人脸用户信息库中的人脸特征模板,达到适应人脸特征缓慢变化及显著变化的目的,从而解决了由于渐渐衰老、胡须变化、头发覆盖、脸部装饰变化等导致人脸特征改变而引起的识别率下降、识别速度降低的问题。同时,本发明公开的方法保留了部分原始人脸特征模板不被更新,保留了丰富的人脸特征,以保证人脸识别的效果。
为实现上述方法,本发明提供一种人脸识别装置,包括:微控制器及分别与微控制器连接的存储器、人脸采集模块、显示模块、语音播放模块、用户输入模块。
微控制器,用以根据用户输入模块输入的按键信息,实现录入人脸用户信息和输入用户编号启动识别过程;控制显示模块和语音播放模块实现用户交互,并读取人脸采集模块的图像数据,经过运算处理,提取人脸特征模板,完成人脸特征录入和比对识别及自适应处理,并将处理结果存储到存储器;
存储器与微控制器连接,用以存储人脸用户信息库和/或装置的设置信息和/或人脸识别记录;
人脸采集模块与微控制器连接,用以采集人脸图像,获取用来进行识别和自适应的人脸特征;
显示模块与微控制器连接,用以显示录入人脸用户信息和人脸识别时的人脸图像、人脸特征自适应处理时的提示界面及微控制器输出的识别信息;
语音播放模块与微控制器连接,用以播放微控制器模块输出的语音信息;
用户输入模块与微控制器连接,将通过按键录入的用户基本信息和识别时输入的用户编号输出给微控制器。
通过本发明提供的装置,在人脸识别的过程中,对有效的人脸特征进行自适应,以更新人脸用户信息库中的部分人脸特征模板,并保存到存储器中,达到适应人脸特征缓慢变化和骤然变化的目的,从而改善识别准确率和提高识别速度。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,一种自适应人脸识别方法,该方法包括如下步骤:
步骤S101:录入人脸用户基本信息,采集多张所述人脸用户的人脸图像并分别从中提取人脸特征作为人脸特征模板,将所述人脸用户基本信息和人脸特征模板保存至人脸用户信息库;
具体地,输入人脸用户的编号、姓名、住址、联系方式等基本信息,用于用户检索或在用户识别成功后语音播报或显示;连续采集所述注册用户的人脸图像,每个用户要采集多张不同角度的人脸图像;每采集一张人脸图像,采用Garbor小波特征方法和局部二值模式(LBP,local Binary Patterns)方法,从中提取一组人脸特征Fm,并分别计算所述人脸特征与已经提取到的m-1组人脸特征Fx的欧式距离,得到相似度得分Sx,其中1≤x≤m-1;若Sx在预设的有效范围内,则保存所述人脸特征Fm为人脸特征模板,否则丢弃本组特征。所述预设的有效范围根据人脸识别方法训练得到的经验值确定,本实施例中380≤Sx≤1600。通过判断相似度得分Sx可以确保采集到丰富的人脸特征,同时又避免了采集到没有代表性的片面的人脸特征。为了采集到丰富的人脸特征,每个用户至少采集3组人脸特征模板。本实施例中,每个人脸用户要采集18组人脸特征作为模板。所述人脸用户的基本信息和所述18组人脸特征模板组成一组人脸用户信息,并存储。
重复步骤S101,录入N个用户,如图3所示,N组所述人脸用户信息构成所述人脸用户信息库。所述N为正整数。本实施例中,编号作为用户的唯一标识,人脸用户信息库中所有用户的编号都是不同的。
步骤S102:从采集到的当前用户人脸图像中提取人脸特征,并与所述人脸用户信息库中的人脸特征模板进行比对识别,若识别通过,继续步骤S103,否则重复步骤S102;
具体地,采集一张红外人脸图像,采用Garbor小波特征方法和LBP(local Binary Patterns)方法,从所述红外人脸图像中提取人脸位置和一组人脸特征Fy;并分别计算所述人脸特征Fy与所述人脸用户信息库中所有人脸用户的所有人脸特征模板Ft的一级特征欧式距离和二级特征欧式距离,得到相似度得分S1t、S2t,其中1≤t≤N×18,所述N为所述人脸用户信息库中的用户数;取最小相似度得分S1min=MIN(S11,S12,S13…S1T)、S2min=MIN(S21,S22,S23…S2T),其中T=N×18,及获得所述最小相似度得分的人脸用户编号p及其人脸模板序号q(1≤q≤18);若所述最小相似度得分达到了预设定人脸识别通过的相似度得分要求,则认为人脸识别通过,继续执行下一步。否则,重新采集人脸模板,继续识别,直到识别通过或识别超时或被动结束识别过程。所述预设认定人脸识别通过的相似度得分要求为根据人脸识别方法训练得到的经验值确定的一个数值范围,本实施例中要求所述最小相似度得分范围:S1min≤1100且S1min+ S2min≤1600。
步骤S103:判断所述人脸特征是否满足预设自适应条件,若是, 更新所述人脸用户信息库中的人脸特征模板, 完成所述人脸特征的自适应处理。
如图4所示,所述人脸特征自适应处理进一步地包含以下两个步骤:
步骤S401:判断所述人脸特征Fy是否满足自适应条件。
根据步骤S102的人脸识别结果,首先,判断一级特征最小相似度得分和二级特征最小相似度得分是否满足自适应得分范围,即S1min≤750且S1min+ S2min≤1200,并且S1min≥380;其次,判断所述人脸位置是否靠近所述人脸图像的边缘,如图5和图6所示,本实施例以640×480分辨率的人脸图像为例,左上角为坐标(x=0,y=0),若所述人脸位置坐标40≤x≤440且50≤y≤490,则认为所述人脸位置不靠近所述人脸图像边缘,依据所述人脸图像提取的人脸特征Fy有效。满足上述条件的人脸特征可以用来自适应。所述自适应得分范围根据人脸识别方法训练结果设定,并可以根据需要的自适应效果调整,缩小S1min的范围,会导致自适应严格。本实施例中所述自适应得分范围较所述最小相似度得分范围小,说明并非对所有识别通过的人脸特征都进行自适应,只有可信度比较高的人脸特征才进行自适应。
步骤S402:更新人脸特征模板,完成人脸特征的自适应处理。
如图所示,本实施例所述人脸特征自适应的具体方法是:检索所述人脸用户信息库,找到所述编号p的用户的人脸特征模板,保留所述用户至少一组原始人脸特征模板不被更新,本实施例保持前三组原始人脸特征模板不变,保留序号为q(1≤q≤18)的一组人脸特征模板不变,采用本次识别成功的人脸特征模板Fy随机替换其他14组人脸特征模板中的任意一组。
采用本实施例所述的自适应方法,可以实现用户的新的人脸特征模板及时更新到人脸用户信息库中,又可以确保人脸特征模板的多样性,从而达到改善识别速度和准确率的有益效果。
采用本实施例所述的自适应的人脸识别方法,通过自适应新的人脸特征,适时更新人脸用户信息库中的人脸特征模板,解决了由于年龄、胡须等的缓慢变化而引起的人脸特征缓慢变化对人脸识别带来的影响,提高了识别速度,降低了拒识率。
实施例2:
如图2所示,一种自适应人脸识别方法,该方法包括如下步骤:
步骤S201:录入人脸用户基本信息,采集多张所述人脸用户的人脸图像并分别从中提取人脸特征作为人脸特征模板,将所述人脸用户基本信息和人脸特征模板保存至人脸用户信息库。
具体地录入人脸用户的编号、姓名、住址、联系方式等基本信息,用于用户检索或在用户识别成功后语音播报或显示;连续采集所述注册用户的人脸图像,每个用户要采集多张不同角度的人脸图像;每采集一张人脸图像,采用Garbor小波特征方法和LBP(local Binary Patterns)方法,从中提取1组人脸特征Fm,并分别计算所述人脸特征与已经提取到的m-1组人脸特征Fx的欧式距离,得到相似度得分Sx,其中1≤x≤m-1;若Sx在预设的有效范围内,则保存所述人脸特征Fm为人脸特征模板,否则丢弃本组特征。所述预设的有效范围根据人脸识别方法训练得到的经验值确定,本实施例中380≤Sx≤1600。通过判断相似度得分Sx可以确保采集到丰富的人脸特征,同时又避免了采集到没有代表性的片面的人脸特征。为了采集到丰富的人脸特征,每个用户至少采集3组人脸特征模板,本实施例每个人脸用户采集18组人脸特征作为模板。所述人脸用户的基本信息和所述18组人脸特征模板组成一组人脸用户信息,并存储。
重复步骤S201,录入N个用户,如图3所示,N组所述人脸用户信息构成所述人脸用户信息库。所述N为正整数。本实施例中,编号作为用户的唯一标识,人脸用户信息库中所有用户的编号都是不同的。
步骤S202:根据输入的用户编号,查询人脸用户信息库,获得该编号用户的用户信息;
具体地,根据用户输入的用户编号,例如123,采用完全匹配的方式,检索人脸用户信息库,若人脸用户信息库中已经注册有编号为123的用户,则保存该用户的用户信息,包括:编号123,姓名、人脸特征模板F123[18]等。否则,提示该编号用户不存在,需要重新输入;
步骤S203:从采集到的人脸图像中提取人脸特征,分别计算所述人脸特征与根据步骤S202获得的用户信息取得的人脸特征模板的欧式距离,得到多组相似度得分,计算最小相似度得分,若满足预设条件,继续通过计算并比较所述人脸特征与人脸用户信息库中所有用户人脸特征模板相似度得分确定最相似用户,若所述最相似用户与步骤S202获得的用户相同,则识别通过,继续步骤S204,否则重复步骤S203;
具体地,采集一张红外人脸图像,采用Garbor小波特征方法和LBP(local Binary Patterns)方法,从所述红外人脸图像中提取人脸位置和1组人脸特征Fy;并分别计算所述人脸特征Fy与步骤S202中获得的18组人脸特征模板F123[t]一级特征的欧式距离,得到相似度得分St,其中1≤t≤18,并取最小相似度得分S1min=Min(S11,S12,S13…S118),若S1min满足预设相似度得分要求,则继续下述比对,否则重复步骤S203。所述一级特征为人脸关键特征,所述预设相似度得分要求为根据人脸识别方法训练得到的经验值确定的一个数值范围,本实施例中要求所述最小相似度得分小于1400。
分别计算所述人脸特征Fy与所述人脸用户信息库中所有人脸用户的所有人脸特征模板Ft的一级特征欧式距离和二级特征欧式距离,得到相似度得分S1t、S2t,其中1≤t≤N×18,所述N为所述人脸用户信息库中的用户数;取最小相似度得分S1min=MIN(S11,S12,S13…S1T)、S2min=MIN(S21,S22,S23…S2T),其中T=N×18,及获得所述最小相似度得分的人脸用户编号p及其人脸模板序号q(1≤q≤18);若所述人脸用户编号p与步骤S202获得的用户编号相同,则认为人脸识别通过,继续执行下一步。否则,重新采集人脸模板,继续识别,直到识别通过或识别超时或被动结束识别过程。
步骤S204:进行人脸特征自适应处理。
如图4所示,所述人脸特征自适应处理进一步地包含以下两个步骤:
步骤S401:判断所述人脸特征Fy是否满足自适应条件;
根据步骤S203的人脸识别结果,首先,判断一级特征最小相似度得分是否满足自适应得分范围,即S1min≥380;其次,判断所述人脸位置是否靠近所述人脸图像的边缘,如图5和图6所示,本实施例以640×480分辨率的人脸图像为例,左上角为坐标(x=0,y=0),若所述人脸位置坐标40≤x≤440且50≤y≤490,则认为所述人脸位置不靠近所述人脸图像边缘,依据所述人脸图像提取的人脸特征Fy有效。满足上述条件的人脸特征可以用来自适应。所述自适应得分范围根据人脸识别方法训练结果设定,并可以根据需要的自适应效果调整,缩小S1min的范围,会导致自适应严格。本实施例中所述自适应得分范围较所述最小相似度得分范围小,说明并非对所有识别通过的人脸特征都进行自适应,只有可信度比较高的人脸特征才进行自适应。
步骤S402:更新人脸特征模板,完成人脸特征的自适应处理;
如图所示,本实施例所述人脸特征自适应的具体方法是:检索所述人脸用户信息库,找到所述编号p的用户的人脸特征模板,保留所述用户至少一组原始人脸特征模板不被更新,本实施例保持保留所述用户前三组原始人脸特征模板不变,保留序号为q(1≤q≤18)的一组人脸特征模板不变,采用本次识别成功的人脸特征模板Fy随机替换其他14组人脸特征模板中的任意一组。
采用本实施例所述的自适应方法,可以实现用户的新的人脸特征模板及时更新到人脸用户信息库中,又可以确保人脸特征模板的多样性,从而达到改善识别速度和减少拒识率的有益效果。
采用本实施例所述的自适应的人脸识别方法,通过适当降低相似度门限,使人脸面部特征变化很大的用户能够识别通过,再通过自适应新的人脸特征,适时更新人脸用户信息库中的人脸特征模板,提高所述用户后续识别的速度,有效解决了由于发型、人脸装饰变化而引起的人脸特征骤然变化对人脸识别带来的影响,提高了识别速度,降低了拒识率。
为了实现本发明所述的一种自适应的人脸识别方法,本发明公开了一种人脸识别装置。
下面将结合附图,对本发明的又一较佳实施例进行详细描述。
如图7所示,一种人脸识别装置,包括:
701:微控制器
与所述存储器702、人脸采集模块703、显示模块704、语音播放模块705、用户输入模块706分别连接,由具有高速图像处理能力的DSP芯片构成,根据用户输入模块输入的按键信息,实现录入人脸用户信息,和输入用户编号启动识别过程;控制显示模块和语音播放模块实现用户交互,并读取人脸采集模块的图像数据,经过运算处理,提取人脸特征模板,完成人脸特征录入和比对识别操作,并判断识别成功的人脸特征是否满足自适应条件,若满足,则以所述人脸特征更新人脸用户信息库中的相应用户的人脸特征模板,完成人脸特征自适应处理,并将处理结果存储到存储器;
702:存储器
与所述微控制器701连接,用以存储所述人脸用户信息库和识别记录、照片等微控制器的其他处理结果;所述人脸用户信息库中中包含至少一个用户的用户信息,所述用户信息包括:用户编号、姓名、多组人脸特征模板等。
703:人脸采集模块
包括红外摄像头和彩色摄像头,与所述微控制器701的视频输入端口连接,彩色摄像头采集人脸图像用以在登记和识别过程中显示;红外摄像头采集人脸并传输给微控制器模块,用于从中提取人脸特征模板,供录入人脸用户信息和识别及自适应处理时使用;
704:显示模块
与所述微控制器701的视频输出端口连接,用以显示录入人脸用户信息、采集人脸特征模板的进度和所述人脸采集模块中彩色摄像头采集的人脸图像及人脸识别时所述人脸采集模块中彩色摄像头采集的的人脸图像、人脸特征自适应处理时的提示界面及微控制器输出的识别信息。
705:语音播放模块
与所述微控制器701连接,用以播放微控制器模块输出的语音信息,包括:在用户注册过程中提示用户调整姿态,以便采集到各个角度的人脸图像和人脸识别成功后播报所述人脸用户姓名和成功提示音,及播放识别失败提示音等。
706:用户输入模块
所述用户输入模块连接至所述微控制器701,可以是键盘、触摸屏或者外接的其他输入设备。通过操作所述用户输入模块,输入用户编号、姓名、联系方式等基本信息,控制微控制器完成注册用户流程,和输入用户编号以启动识别过程,及对所述人脸识别装置进行配置。
使用本实施例提供的一种人脸识别装置,在识别的过程中可以自适应人脸特征,有效解决了由于年龄增长、胡须、发型、人脸装饰等变化而引起的人脸特征变化对人脸识别带来的影响,提高了识别速度,降低了拒识率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。