CN105184236A - 机器人人脸识别系统 - Google Patents

Abstract

一种机器人人脸识别系统，包括：远程数据库，远程数据库内置有采集到的全部人脸的标准频谱特征，在远程数据库中包括有第一处理器、第一模数转换电路、人脸采集摄像头以及储存硬盘，利用人脸采集摄像头对全部人员的脸部进行图像扫描，由第一处理器对图像信息处理并获得图像的频谱特征，将该频谱特征作为标准频谱特征储存在人脸识别数据库中；与远程数据库通信连接机器人单元，机器人单元包括比对摄像头、第二处理器以及显示器，由第二处理器对比对图像进行处理以及比对，并采用显示器进行结果显示。本发明基于上述硬件结构系统，采用上述计算公式得到脸谱特征向量，其无法伪造、丢失，可提高系统识别的精准性与系统应用的安全性。

Description

机器人人脸识别系统

技术领域

本申请涉及生物智能识别技术领域，更具体地说，特别涉及一种机器人人脸识别系统。

背景技术

随着信息技术的飞速发展，特别是Internet的发展，数据信息化的不断深入，越来越多的事务，可以通过智能机器人来办理，例如：在公共安全领域使用的用于智能门禁、智能视频监控、公安布控、海关身份验证、实际驾照验证等的智能机器人；在民事和经济领域对各类银行卡、金融卡、信用卡、存蓄卡的持卡人进行身份验证的智能机器人等。

为了信息安全，办理业务之前通常需要通过验证人员身份后，智能机器人才能为其办理所请求的业务。传统的身份验证方法是根据预先设置的密码或特定的身份标识物，如：证件，来鉴别不同用户。这种方法存在明显的缺点，如：个人的身份标识物容易丢失或被伪造，密码容易遗忘或者被破译。更为严重的是，这些系统无法区分真正的拥有者和取得身份标识物的冒充者。

发明内容

(1)技术问题

如何提供一种安全性能较高的身份识别方法，成为了本领域技术人员亟待解决的问题。

(2)发明内容

为了解决上述技术问题，本发明提供了一种机器人人脸识别系统，包括：

远程数据库，所述远程数据库内置有采集到的全部人脸的标准频谱特征，在所述远程数据库中包括有第一处理器、第一模数转换电路、人脸采集摄像头以及储存硬盘，利用人脸采集摄像头对全部人员的脸部进行图像扫描，获取初步的人脸图像信息，所述人脸采集摄像头与所述第一模数转换电路信号连接，由所述第一模数转换电路将所述人脸采集摄像头获取的模拟信号转换为次级图像信息的数字信号，所述第一模数转换电路与所述第一处理器信号连接，所述次级图像信息由所述第一处理器进行等距分割形成多个三级图像信息，并由所述第一处理器对全部的所述三级图像信息进行灰度处理，对每一张经过灰度处理的所述三级图像信息作小波分解用以获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该可靠图像的频谱特征，将该频谱特征作为标准频谱特征储存在人脸识别数据库中；

通过无线网络与所述远程数据库通信连接机器人单元，所述机器人单元包括比对摄像头、第二处理器以及显示器，所述比对摄像头获取需要比对的人脸信息并通过模数转换电路发送至所述第二处理器，由所述第二处理器对该人脸信息进行等距分割形成多个子图像信息，并由所述第一处理器对全部的所述子图像信息进行灰度处理，对每一张经过灰度处理的所述子图像信息作小波分解用以获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该人脸图像的对比频谱特征，由所述第二处理器获取所述远程数据库的标准频谱特征，并将所述对比频谱特征与所述标准频谱特征进行比对，利用显示器将比对结果进行显示；

其中，所述第二处理器获取所述远程数据库的标准频谱特征的具体流程为：对全部的所述子图像信息进行分割时按数字信号的初始位置对其进行标记，然后，按照标记顺序获取第一组子图像信息的对比频谱特征作为初始检索词在所述远程数据库中进行检索，当检索结果大于1时，在对第二组以图像信息的对比频谱特征作为二次检索词在初始检索结果中在此进行检索，以此类推直至检索结果为1时，即为对比成功，当检索结果为0时，即为不存在，当检索结果大于1时，即报警出错。

优选地，所述第一处理器对于采集到的人脸图像信息的具体处理流程为：

设定采集n个人的可靠图像信息，每个人采集m张可靠图像，m、n为正整数；

对第i个人的第j张可靠的人脸图像进行预处理，其中0＜i＜n+1，0＜j＜m+1，m、n为正整数；

对所述第i个人的第j张作小波分解，获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该可靠图像的频谱特征Si，j。

优选地，所述第二处理器对于采集到的人脸图像信息的具体处理流程为：

采集需要鉴别的人脸图像信息并将该人脸图像信息作小波分解，获得低频LL部分子图像，对所述低频LL部分子图像傅里叶变换，采用其振幅作为该输入图像的频谱特征Y’；

将人脸数据库中每个人脸的特征向量S_i，j与输入图像的特征向量Y’依次进行比较，对于人脸数据中的每个特征向量S_i，j包括以下步骤：

对S_i，j和Y’做归一化处理；

用向量间夹角的余弦值来度量两个向量的相似程度，令相似度d_i，j＝cos(S_i，j，Y′)；

通过d_i，j进行特征判定，其具体步骤为：

选取与数据库中所有频谱特征的距离d_i，j的最大值maxd_i，j，如果maxd_i，j大于或者等于第一阈值，就判定所述输入图像对应于数据库中的第i个人：

将对应人脸数据库中每个人员的m个特征向量分为两组，分成2n个组，每一组取组内的两个最大值做平均，得到向量dd_i，i＝1，…，2n，选择向量dd_i的最大值maxd_i，j，如果maxd_i，j大于或者等于第二阈值，就判定所述输入图像对应于数据库中的第个人，否则认为所述输入图像不在所述人脸数据库中；

其中，所述第一阈值0.986，所述第二阈值为0.984。

优选地，所述第二处理器包括有两个，两个所述第二处理器形成有可独立运行程序的双操作系统；

其中，

所述对比摄像头包括有两个，两个所述对比摄像头均与两个所述第二处理器连接。

(3)有益效果

本发明提供的机器人人脸识别系统，基于其硬件结构系统，采用上述计算公式得到脸谱特征向量，相比于传统的指模认证等，其无法伪造，并且更不可能丢失，因此，在实际应用中，能够极大程度地提高系统对于人员识别的精准性，以及系统应用的安全性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例中机器人人脸识别系统对于人脸识别方法的流程图；

图2是本发明实施例中建立人脸识别数据库的流程图。

具体实施方式

为了解决现有技术中存在的智能机器人由于环境噪音使得声音识别准确率下降的问题，本申请公开了一种机器人人脸识别系统。

请参考图1和图2，其中，图1是本发明实施例中机器人人脸识别系统对于人脸识别方法的流程图；图2是本发明实施例中建立人脸识别数据库的流程图。

本发明提供的机器人人脸识别系统，主要由两套系统构成：远程数据库以及机器人单元。

其中，远程数据库具有数据功能，能够对人脸信息进行图像采集、分析、处理、储存、检索等功能。机器人单元具有图像采集、处理以及信号发送与接收功能。

基于上述硬件系统，本发明的具体工作流程为：

S1：建立人脸识别数据库。

该人脸识别数据库可以设置在智能机器人中，或者也可以设置在智能机器人外部，由智能机器人通过网络访问其中存储的人脸识别数据。智能机器人与人脸识别数据库之间可以通过有线或者无线网络传递数据。

为了避免由于时间跨度较大或其他环境因素，引起人脸面部特征发生变化而降低准确率的问题，建立人脸识别数据库包括以下步骤：

S11：采集所有人员的可靠图像；

根据需要，采集所有n个需要鉴别的人员的可靠图像信息，n为正整数。例如：如果用于一个公司的人员身份鉴别，这需要采集该公司的所有人员图像信息。如果是用于出入境的人员身份鉴别，这需要采集数目庞大的人员可靠信息，可以依赖于公安部门的图像数据库。

为了保证人脸识别的准确率，通常要求一个人员提供多张照片，可以包括：各个年龄段照片、正面照、左侧面照、右侧面照等。可以根据需要设置采集照片的数量m，m为正整数，如：4张、6张、8张或10张，也可以设置输入照片的最低要求，包含：照片数量最小值、分辨率、大小等，这些都可以根据实际情况进行调整。

由于摄像头采集到的图像信息为模拟量，因此，本发明利用模数转换电路将该图像信息转变为数字量。利用第一处理器对该数字量进行等距分割，从而使得原本完整的图像信息变为多个图块。如此设计的目的在于：在进行数据检索时，可以以图块所对应的特征向量进行检索，如此，能够降低检索的繁琐程度，提高检索速率。

S12：人脸的特征提取：

为了提高机器人人脸识别系统对于人脸识别方法的准确性，使得人脸数据库尽可能多的包含一个人的脸部信息，假设每个人用来训练的图片为10张，数据库中共有n个人，则输入的人脸图像总数为10n张。

以人员person_i输入的10张图像为例进行说明。

首先，对每张人脸图像进行预处理。

对于每个人的第j张图像，通过小波变换来对每一幅照片进行降维。

其次，提取每张图像的特征向量。

对图像作小波分解，获得低频LL部分子图像X_ij’，对X_n’作傅里叶变换，采用其振幅作为该图像的频谱特征S_ij，存入数据库中作为第i个人的第j个面部特征向量。当10张图像都生成一个频谱特征：S_i，j(i＝1，…，n；j＝1…，10)，其中S_i，j表示第i个人第j张图像的频谱特征。

S13：将数据库中记录n个人的所有图像的人脸特征信息与每个人的其他信息相关联。

除了得到采集图像的人脸特征信息之外，还可以将每个人的其他信息与人面部特征信息相关联，以帮助进一步确认身份鉴定，其他信息可以包括但不限于：身份证号、指纹、虹膜信息等。

S2：输入待鉴别的人脸图像。

通过智能机器人上设置的摄像头采集人员的人脸图像。可以在智能机器人上设置一个或者多个摄像头，以满足图像采集的各种要求，也可以在智能机器人中设置语音提示信息，提示被采集图像的人员改变动作以采集到便于身份鉴别的人脸图像。如：根据建立数据库时，输入人脸部图像时的图像形式进行语音提示，如：提示正面照、左侧面照、右侧面照等。

计算输入图像的特征向量，其具体操作为：

对于输入的人脸图像Y，首先，通过小波变换来对图像Y进行降维；其次，对图像作小波分解，获得低频LL部分子图像，对图像Y的低频LL部分子图像作傅里叶变换，采用其振幅作为该图像的频谱特征Y’作为输入图像的特征向量。

S3：进行身份鉴别。

将人脸数据库中每个人脸的特征向量S_i，j与输入图像的特征向量Y’依次进行比较，包含：

首先，对S_i，j和Y’做归一化处理。

其次，计算两个向量的相似程度。

详细地说，用向量间夹角的余弦值来度量两个向量的相似程度，即：

$\cos (S_{i,j},Y^{\&prime;})=\frac{<S_{i,j},Y^{\&prime;}>}{\left|\right|S_{i,j}\left|\right|\&bull;\left|\right|Y^{\&prime;}\left|\right|}.$

因为，S_i，j和Y’已经做过归一化处理，所以对S_i，j和Y’的相似度为d_i，j＝cos(S_i，j，Y′)。y’与数据库中所有频谱特征的距离则为D＝(d_i，j＝cos(S_i，j，，Y′))，i＝1，…，n；j＝1，…，n。

最后，将d_i，j进行特征判定。

第一，判断输入图像Y是否属于人脸数据库中已知人员。选取d_i，j的最大值，如果maxd_i，j≥threshold1，就直接可以认为图像Y对应于数据库中的第i个人。

第二，将D分为每五列划分为一组，分成2n个组，即：将对应人脸库中每个人员的10个特征向量分为两组，每一组取组内的两个最大值做平均，得到向量dd_i，i＝1，…，2n。选择向量dd_i的最大值，如果maxdd_Xt≥threadhold2，就认为图像Y对应于数据库中的第个人，否则认为人脸图像Y不在人脸数据库中。

其中阈值1-threshold1、阈值2-threshold2为使用不同阈值和不同小波经过大量实验得到。除了机器人人脸识别系统对于人脸识别方法的识别率之外，还兼顾误识率等指标来评价其好坏。阈值的调整应保证在识别率不低于一个所能接受的最小值的情况下，使误识率降低至最小。本申请经过大量实验，将threshold1设置为0.9860，threshold2设置为0.9840。

在其他实施例中，在判定人脸数据库中未找到对应于人脸图像Y的人脸图像时，还可以通过人脸数据库中其他的身份信息进行鉴别，比如：指纹和虹膜。

人脸鉴别，就是将待识别的人脸与数据库中的已知人脸进行比较，得出相关信息，这一过程的核心是选择适当的人脸表示方式和匹配策略。通常，将人脸鉴别成为人脸识别。

通常，以一些身份证件，如：身份证、护照等照片或者录入的可信照片，作为身份鉴别中人脸识别的比对版本。由于身份证件都是具有一定有效期的，如：成人身份证通常有效期为20年、老年人身份证为长期、幼儿身份证有效期为5年等。那么在证件有效期内，人员的照片将不会更换。此外，由于采集照片时的亮度、人员肤色等信息都会影响人脸识别的准确度。由此带来了，随着时间推移或者采集环境或者人员身体状态不同，身份鉴别的准确率逐步下降，即使是本人也不同通过智能机器人的身份鉴别验证的问题。而如果在一段时间就要求所有人员更新照片，这样的成本太高，需要耗费太多的人力和物力。

可以将上述房中进行的身份鉴别结果输出至智能机器人的中央处理单元，智能机器人可根据鉴别结果进行相应处理，若找到鉴别人员身份信息，则智能机器人继续处理被鉴别人员的所请求的业务；若未找到鉴别人员身份信息，则输出身份鉴别失败的信息。

在本发明中，对比摄像头以及第二处理器均设置有两个，其中，两个第二处理器独立工作，每一个处理器均可独立运行一套系统，从而实现本发明的双系统运行。两个对比摄像头则同时与两个第二处理器连接，使得每一个第二处理器都同时使用两个对比摄像头。如此设计的优点在于：1、对于每一个第二处理器而言，通过两个对比摄像头对人脸信息进行采集，能够提高数据采集的精度；2、两个第二处理器独立运行，其中，每一个第二处理器均可独立完成一次“图像处理、数据调取、数据比对”操作，设置有两个第二处理器则能够同时完成上述操作，两次操作得到的信息可以相互参照，如果两个第二处理器的计算结果一致，则进行结果显示，如果计算结果相异，可以重新计算，使得本发明具有非常高的使用可靠性；3、两个处理可协作运行，例如，使用一个第二处理器进行图像处理，另一个第二处理器则进行数据调取以及数据比对操作，如此，能够提高本发明的运行速度。

当然，实施本申请的任一技术方案必不一定需要同时达到以上的所有优点。

本领域的技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (4)

1.一种机器人人脸识别系统，其特征在于，包括：

远程数据库，所述远程数据库内置有采集到的全部人脸的标准频谱特征，在所述远程数据库中包括有第一处理器、第一模数转换电路、人脸采集摄像头以及储存硬盘，利用人脸采集摄像头对全部人员的脸部进行图像扫描，获取初步的人脸图像信息，所述人脸采集摄像头与所述第一模数转换电路信号连接，由所述第一模数转换电路将所述人脸采集摄像头获取的模拟信号转换为次级图像信息的数字信号，所述第一模数转换电路与所述第一处理器信号连接，所述次级图像信息由所述第一处理器进行等距分割形成多个三级图像信息，并由所述第一处理器对全部的所述三级图像信息进行灰度处理，对每一张经过灰度处理的所述三级图像信息作小波分解用以获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该可靠图像的频谱特征，将该频谱特征作为标准频谱特征储存在人脸识别数据库中；

通过无线网络与所述远程数据库通信连接机器人单元，所述机器人单元包括比对摄像头、第二处理器以及显示器，所述比对摄像头获取需要比对的人脸信息并通过模数转换电路发送至所述第二处理器，由所述第二处理器对该人脸信息进行等距分割形成多个子图像信息，并由所述第一处理器对全部的所述子图像信息进行灰度处理，对每一张经过灰度处理的所述子图像信息作小波分解用以获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该人脸图像的对比频谱特征，由所述第二处理器获取所述远程数据库的标准频谱特征，并将所述对比频谱特征与所述标准频谱特征进行比对，利用显示器将比对结果进行显示；

其中，所述第二处理器获取所述远程数据库的标准频谱特征的具体流程为：对全部的所述子图像信息进行分割时按数字信号的初始位置对其进行标记，然后，按照标记顺序获取第一组子图像信息的对比频谱特征作为初始检索词在所述远程数据库中进行检索，当检索结果大于1时，在对第二组以图像信息的对比频谱特征作为二次检索词在初始检索结果中在此进行检索，以此类推直至检索结果为1时，即为对比成功，当检索结果为0时，即为不存在，当检索结果大于1时，即报警出错。

2.根据权利要求1所述的机器人人脸识别系统，其特征在于，

所述第一处理器对于采集到的人脸图像信息的具体处理流程为：

设定采集n个人的可靠图像信息，每个人采集m张可靠图像，m、n为正整数；

对第i个人的第j张可靠的人脸图像进行预处理，其中0＜i＜n+1，0＜j＜m+1，m、n为正整数；

对所述第i个人的第j张作小波分解，获得低频LL部分子图像，对所述低频LL部分子图像做傅里叶变换，采用其振幅作为该可靠图像的频谱特征Si，j。

3.根据权利要求2所述的机器人人脸识别系统，其特征在于，

所述第二处理器对于采集到的人脸图像信息的具体处理流程为：

采集需要鉴别的人脸图像信息并将该人脸图像信息作小波分解，获得低频LL部分子图像，对所述低频LL部分子图像傅里叶变换，采用其振幅作为该输入图像的频谱特征Y’；

将人脸数据库中每个人脸的特征向量S_i，j与输入图像的特征向量Y’依次进行比较，对于人脸数据中的每个特征向量S_i，j包括以下步骤：

对S_i，j和Y’做归一化处理；

用向量间夹角的余弦值来度量两个向量的相似程度，今相似度d_i，j＝cos(S_i，j，Y′)；

通过d_i，j进行特征判定，其具体步骤为：

选取与数据库中所有频谱特征的距离d_i，j的最大值maxd_i，j，如果maxd_i，j大于或者等于第一阈值，就判定所述输入图像对应于数据库中的第i个人；

将对应人脸数据库中每个人员的m个特征向量分为两组，分成2n个组，每一组取组内的两个最大值做平均，得到向量dd_i，i＝1，...，2n，选择向量dd_i的最大值maxd_i，j，如果maxd_i，j大于或者等于第二阈值，就判定所述输入图像对应于数据库中的第个人，否则认为所述输入图像不在所述人脸数据库中；

其中，所述第一阈值0.986，所述第二阈值为0.984。

4.根据权利要求1所述的智能机器人，其特征在于，

所述第二处理器包括有两个，两个所述第二处理器形成有可独立运行程序的双操作系统；

其中，

所述对比摄像头包括有两个，两个所述对比摄像头均与两个所述第二处理器连接。