CN103235943A - 基于pca的3d人脸识别系统 - Google Patents
基于pca的3d人脸识别系统 Download PDFInfo
- Publication number
- CN103235943A CN103235943A CN2013101760144A CN201310176014A CN103235943A CN 103235943 A CN103235943 A CN 103235943A CN 2013101760144 A CN2013101760144 A CN 2013101760144A CN 201310176014 A CN201310176014 A CN 201310176014A CN 103235943 A CN103235943 A CN 103235943A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- image
- pca
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于PCA的3D人脸识别系统,其特征在于:该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块;所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接,所述图像处理模块的输出端与所述图像识别模块通信连接,所述图像识别模块的输出端与所述显示模块通信连接。本发明的人脸识别系统利用改进的PCA算法对图像识别,提高了识别效率和系统的实用性,采用3D人脸形变模型法建立3D人脸模型的人脸方法,将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值,提高了人脸的识别精度。
Description
技术领域
本发明涉及一种人脸识别系统,尤其涉及一种基于PCA的3D人脸识别系统。
背景技术
人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域,人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度;它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。在人脸识别过程中,通常包括人脸检测、人脸特征提取和人脸识别步骤,特征提取是影响识别效果的一个重要环节。目前2D人脸识别技术已成熟,但由于单一的2D图像不能提供识别所需的完整信息,其特征提取的人脸特征也是基于2D的人脸特征,因此,识别精度很难进一步提高。
发明内容
本发明克服了现有技术的不足,提供一种可提取3D人脸特征、识别精度高的人脸识别系统。
为达到上述目的,本发明采用的技术方案为:一种基于PCA的3D人脸识别系统,其特征在于:该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块;所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接,所述图像处理模块的输出端与所述图像识别模块通信连接,所述图像识别模块的输出端与所述显示模块通信连接。
本发明一个较佳实施例中,进一步包括所述图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块。
本发明一个较佳实施例中,进一步包括所述图像识别模块利用BP神经网络对人脸图像进行识别。
本发明一个较佳实施例中,进一步包括所述特征提取与选择模块采用PCA算法提取人脸特征。
本发明一个较佳实施例中,进一步包括所述图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。
本发明解决了背景技术中存在的缺陷,本发明的人脸识别系统利用改进的PCA算法对图像识别,提高了识别效率和系统的实用性,采用3D人脸形变模型法建立3D人脸模型的人脸方法,将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值,提高了人脸的识别精度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的系统框架图。
具体实施方式
现在结合附图和实施例对本发明作进一步详细的说明,这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种基于PCA的3D人脸识别系统,该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块;图像处理模块分别与数据库模块和图像\视频采集模块通信连接,图像处理模块的输出端与所述图像识别模块通信连接,图像识别模块的输出端与所述显示模块通信连接,显示模块用以显示识别结果。图像\视频采集模块采集摄像头拍摄的图像,通过程序将其转换为可处理的数字图像格式;摄像头可采用网眼2000摄像头,内部是含CMOS传感器的OV511+芯片,CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极管,该二极管在接受光线照射之后能够产生输出电流,而电流的强度则与光照的强度对应,相对CCD图像传感器,CMOS传感器具有成本低廉的优点。该摄像头通过USB接口与图像处理模块通信。该摄像头输出格式yuv,在输出之前,先将数据格式转化为RGB565格式。视频采集可利用DirectShow 技术对摄像头进行控制,实现视频图像的预览,并在预览的过程中对实时的视频进行抓拍,将抓拍图像传至图像处理模块进行处理。
图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块,本发明的人脸检测定位、预处理和特征提取与选择为两组,分别与数据库模块和图像\视频采集模块通信连接。
检测定位是通过对输入的图像进行处理分析,判断图像中是否有人脸,如果有人脸,则作出准确的定位。
PCA算法在待识别图像质量较好的情况下,有识别准确且计算量不大的优点,但在以下几点情况下,存在缺陷,其一是待识别图像和训练图像光照度差别较大;其二是人脸背景差别较大。为改进PCA算法,可对图像做预处理,预处理包括两个步骤:
(1)删除背景:删除背景就要找出人脸在图像的位置,对此,本系统通过3D形变模型建模的方法找出人脸的位置,并进一步找出眼睛位置,然后根据两个眼睛之间的距离计算出人脸大概范围,通过对人脸范围的适当调整,使其规格化;
(2)调整每张人脸图像的亮度:通过设定一固定值,调整图像像素的灰度值,使图像灰度平均值达到这一固定值,通过同态滤波,减少光照不均。
由于摄像头采集的人脸图片的信息量往往很大,直接处理会产生庞大的计算量,所以在人脸识别之前要进行特征提取。在降低特征空间的维数的同时,尽可能地保留识别信息,以达到有效分类。 本系统使用主成分分析算法实现对人脸图像的特征提取。主成分分析(principal compONent analysis, PCA)是多元统计分析中用来分析数据的一种方法,它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数的方法,方法的基础是Karhunen-Loeve展开式。K-L 变换的最大优点是去相关性好,这样可以将图像中大量无关的冗余信息去除,降低了之后运用BP神经网络的结构复杂度,同时也提高了神经网络的训练效率和收敛率。采用PCA 进行人脸特征提取的方法是: 设有N 个训练样本,每个由其像素灰度组成一个向量xi,则样本图像像素数即为向量xi的维数,M=wIDTh × height (行像素数×列向量数),由向量构成的样本集为{x1,x2,…,xn},该样本集的平均向量为:
协方差矩阵可表示为:
C=
求协方差矩阵C 的特征向量ei和对应的特征值λi.由大于λm的λi对应的特征向量构成主成分,主成分构成的变换矩阵为:
在实际的人脸识别过程中,对于一个输入的测试样本x,求它与平均脸之间的偏差y=x-x 则在特征脸空间的投影可表示为系数向量:
本发明中图像识别模块利用BP神经网络对人脸图像进行识别,BP神经网络是一种单向传播的多层前向网络。BP学习算法称为"误差逆传播算法",基本思想是通过网络误差函数的极小值来调整权重分布使神经网络收敛于稳定状态,从而使网络在接受未知输入时也会给出适当的输出。系统采用BP 神经网络对人脸识别的的具体过程有以下几步:
1)产生一个训练集并设计BP 网络进行训练:训练集用于BP 网络在模式识别方面训练网络,使网络能够按照学习算法调整结构参数,以达到学习的目的;如果在实际应用中,数据库模块的人脸的样本可能只有一两个,这样就会导致BP 神经网络训练样本缺乏,所以在应用中应有充分人脸对象的数据库。网络的每一个输入节点对应于样本的一个特征,而输出节点数等于类别数,因此需设计好网络层数,隐藏层神经元数及所期望的网络误差,用上述主成分分析法得到的特征样本对网络进行反复训练,直到对所有训练样本,网络都能给出满意的结果时结束;
2)进行识别:在此阶段,当一个未知类别样本A 作为一个测试样本作用到输入端时,经过投影后得到特征矩阵Y,利用训练好的网络分类器对其进行分类,考察各输出节点的输出,从而识别出所属类别。
因本发明是3D人脸识别系统,所以在图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。3D人脸形变模型的核心思想是利用有限数量的3D人脸模型的线性组合来表达任何一个3D人脸。在用3D人脸形变模型建模时,可将模型的形状坐标集合记为s=[x1,y1,z1,…,xN,yN,zN]T,即包括N个顶点的x,y,z坐标;再将对应一个人脸的纹理表示为一个纹理向量t=[R1,G1,B1,…,RN,GN,BN]T,即包括N个对应顶点的RGB值(假设有效纹理的数据等于顶点数)。形变模型由M个人脸样本数据构成,这些数据分别表示为它的3D形状和纹理两部分,也可写成M个样本图像的质心坐标表达式,即:
使用PCA对3D人脸数据进行压缩,再把基底变换到一个由对应协方差距阵的特征值按降序排列对应的特征向量si和ti形成的正交坐标系下,则有(α,β∈RM-1):
最终定义的3D人脸模型为[smodel(α),tmodel(β)],由两个变量参数确定a=[a1,a2,…,aM]T,b=[b1,b2,…,bM]T,这样,任意新的人脸都可以通过变化a,b来控制其形状和纹理。
综上所述,本发明采用CMOS图像传感器进行图像采集,并利用改进的PCA算法对图像识别,提高了识别效率和系统的实用性,采用3D人脸形变模型法建立3D人脸模型的人脸方法,将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值,提高了人脸的识别精度。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术性范围。
Claims (5)
1.一种基于PCA的3D人脸识别系统,其特征在于:该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块;所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接,所述图像处理模块的输出端与所述图像识别模块通信连接,所述图像识别模块的输出端与所述显示模块通信连接。
2.根据权利要求1所述的基于PCA的3D人脸识别系统,其特征在于:所述图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块。
3.根据权利要求1所述的基于PCA的3D人脸识别系统,其特征在于:所述图像识别模块利用BP神经网络对人脸图像进行识别。
4.根据权利要求2所述的基于PCA的3D人脸识别系统,其特征在于:所述特征提取与选择模块采用PCA算法提取人脸特征。
5.根据权利要求2所述的基于PCA的3D人脸识别系统,其特征在于:所述图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101760144A CN103235943A (zh) | 2013-05-13 | 2013-05-13 | 基于pca的3d人脸识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101760144A CN103235943A (zh) | 2013-05-13 | 2013-05-13 | 基于pca的3d人脸识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103235943A true CN103235943A (zh) | 2013-08-07 |
Family
ID=48883982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101760144A Pending CN103235943A (zh) | 2013-05-13 | 2013-05-13 | 基于pca的3d人脸识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235943A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824058A (zh) * | 2014-02-26 | 2014-05-28 | 杨勇 | 基于局部分布式线性嵌套算法的人脸识别系统及方法 |
CN104408422A (zh) * | 2014-11-27 | 2015-03-11 | 苏州福丰科技有限公司 | 一种基于云计算的三维人脸识别系统及方法 |
CN104835190A (zh) * | 2015-04-29 | 2015-08-12 | 华东师范大学 | 一种3d即时通讯系统及其通讯方法 |
CN106599785A (zh) * | 2016-11-14 | 2017-04-26 | 深圳奥比中光科技有限公司 | 人体3d特征身份信息库的建立方法及设备 |
CN110110582A (zh) * | 2019-03-14 | 2019-08-09 | 广州市金其利信息科技有限公司 | 结合3d结构光、红外光及可见光的人脸识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009099125A (ja) * | 2007-09-27 | 2009-05-07 | Aisin Aw Co Ltd | 画像認識装置及び画像認識プログラム、並びにそれを用いた地点情報収集装置及びナビゲーション装置 |
WO2011019192A2 (ko) * | 2009-08-11 | 2011-02-17 | 주식회사 크라스아이디 | Ir 조명을 이용한 얼굴인식 시스템 및 방법 |
CN202003369U (zh) * | 2011-03-21 | 2011-10-05 | 周曦 | 动态人脸识别系统 |
CN102982322A (zh) * | 2012-12-07 | 2013-03-20 | 大连大学 | 基于pca图像重构和lda的人脸识别方法 |
-
2013
- 2013-05-13 CN CN2013101760144A patent/CN103235943A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009099125A (ja) * | 2007-09-27 | 2009-05-07 | Aisin Aw Co Ltd | 画像認識装置及び画像認識プログラム、並びにそれを用いた地点情報収集装置及びナビゲーション装置 |
WO2011019192A2 (ko) * | 2009-08-11 | 2011-02-17 | 주식회사 크라스아이디 | Ir 조명을 이용한 얼굴인식 시스템 및 방법 |
CN202003369U (zh) * | 2011-03-21 | 2011-10-05 | 周曦 | 动态人脸识别系统 |
CN102982322A (zh) * | 2012-12-07 | 2013-03-20 | 大连大学 | 基于pca图像重构和lda的人脸识别方法 |
Non-Patent Citations (6)
Title |
---|
俞朝辉等: "《VISUAL C++数字图像处理与工程应用实践》", 31 July 2012, article "人脸检测方法概述", pages: 431 - 23-24 * |
吴通理等: "三维人脸识别及其关键技术", 《福建电脑》, no. 2, 1 February 2007 (2007-02-01) * |
朱巍峰: "3D人脸识别研究探索", 《现代电子技术》, vol. 34, no. 11, 1 June 2011 (2011-06-01) * |
柳杨: "三维人脸识别算法综述", 《系统仿真学报》, vol. 18, 30 December 2006 (2006-12-30) * |
王跃明等: "三维人脸识别研究综述", 《计算机辅助设计与图形学学报》, vol. 20, no. 7, 15 July 2008 (2008-07-15) * |
郑明伟: "基于PCA和BP神经网络的人脸识别方法", 《潍坊高等职业教育》, vol. 7, no. 3, 15 September 2011 (2011-09-15) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824058A (zh) * | 2014-02-26 | 2014-05-28 | 杨勇 | 基于局部分布式线性嵌套算法的人脸识别系统及方法 |
CN104408422A (zh) * | 2014-11-27 | 2015-03-11 | 苏州福丰科技有限公司 | 一种基于云计算的三维人脸识别系统及方法 |
CN104835190A (zh) * | 2015-04-29 | 2015-08-12 | 华东师范大学 | 一种3d即时通讯系统及其通讯方法 |
CN106599785A (zh) * | 2016-11-14 | 2017-04-26 | 深圳奥比中光科技有限公司 | 人体3d特征身份信息库的建立方法及设备 |
CN106599785B (zh) * | 2016-11-14 | 2020-06-30 | 深圳奥比中光科技有限公司 | 人体3d特征身份信息库的建立方法及设备 |
CN110110582A (zh) * | 2019-03-14 | 2019-08-09 | 广州市金其利信息科技有限公司 | 结合3d结构光、红外光及可见光的人脸识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949565B (zh) | 基于注意力机制的单样本部分遮挡人脸识别方法及系统 | |
CN108520535B (zh) | 基于深度恢复信息的物体分类方法 | |
CN108537743B (zh) | 一种基于生成对抗网络的面部图像增强方法 | |
CN110399821B (zh) | 基于人脸表情识别的顾客满意度获取方法 | |
CN108491835A (zh) | 面向面部表情识别的双通道卷积神经网络 | |
CN112801015B (zh) | 一种基于注意力机制的多模态人脸识别方法 | |
CN110909658A (zh) | 一种基于双流卷积网络的视频中人体行为识别方法 | |
CN109684922B (zh) | 一种基于卷积神经网络的多模型对成品菜的识别方法 | |
CN110728183B (zh) | 一种基于注意力机制的神经网络的人体动作识别方法 | |
CN109886153B (zh) | 一种基于深度卷积神经网络的实时人脸检测方法 | |
CN110889672A (zh) | 一种基于深度学习的学生打卡及上课状态的检测系统 | |
CN111178208A (zh) | 基于深度学习的行人检测方法、装置及介质 | |
CN106529494A (zh) | 一种基于多摄像头机型的人脸识别方法 | |
CN103235943A (zh) | 基于pca的3d人脸识别系统 | |
CN110222718A (zh) | 图像处理的方法及装置 | |
CN106529441B (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
CN112464844A (zh) | 一种基于深度学习与运动目标检测的人体行为动作识别方法 | |
CN110956082A (zh) | 基于深度学习的人脸关键点检测方法和检测系统 | |
Diyasa et al. | Multi-face Recognition for the Detection of Prisoners in Jail using a Modified Cascade Classifier and CNN | |
CN115484410A (zh) | 基于深度学习的事件相机视频重建方法 | |
CN116704273A (zh) | 一种自适应红外可见光双模融合检测方法 | |
CN111401116B (zh) | 基于增强卷积和空时lstm网络的双模态情感识别方法 | |
CN103207995A (zh) | 基于pca的3d人脸识别方法 | |
CN114492634A (zh) | 一种细粒度装备图片分类识别方法及系统 | |
CN116994206A (zh) | 基于多元数据融合的室内人员计数方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130807 |