CN106056064B - 一种人脸识别方法及人脸识别装置 - Google Patents

Abstract

本发明提供了一种人脸识别方法，属于生物特征识别领域，解决现有技术中人脸识别效率低下的问题。所述方法包括：检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；采集所述显示屏前方的人脸图像；判断所述人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；对满足人脸识别要求的所述人脸图像进行识别。本发明的人脸识别方法在电子设备处于拍照模式时自动调整显示屏亮度至最强，为人脸拍摄提供充足光照，不仅提高了人脸识别效率，还通过对人脸图像进行非线性变换处理，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

Description

一种人脸识别方法及人脸识别装置

技术领域

本发明涉及生物特征识别领域，尤其涉及一种人脸识别方法及人脸识别装置。

背景技术

生物特征识别技术广泛应用于生活中的各个领域，其中，人脸识别技术因其特征采集方便、卫生等特点，应用最为广泛。现有技术中，人脸识别过程通常包括：图像采集、图像处理、特征提取和人脸识别几个步骤。其中，图像采集步骤用于获取人脸图像；图像处理步骤用于对人脸图像进行去噪、人脸对齐等预处理；特征提取步骤用于根据预先设定的模型提取预处理图像中的人脸特征；人脸识别步骤用于基于预设的人脸特征库对提取的人脸特征进行识别。其中，图像采集和图像处理步骤得到的预处理后图像的质量直接影响人脸识别的效率和准确率。

随着人工智能设备的发展和推广，采用电子设备拍照获取人脸图像的应用日趋广泛，然而自然环境光照会直接影响电子设备获取的人脸图像质量，因此，现有的电子设备拍摄人脸图像严重依赖自然环境光照，自然环境光照的强弱直接影响了人脸识别的效率和准确率。

发明内容

本发明实施例提供一种人脸识别方法及人脸识别装置，以解决现有电子设备拍摄人脸图像对自然环境光照的过度依赖的问题。

第一方面，本发明实施例提供了一种人脸识别方法，应用于具有显示屏的电子设备，包括：

检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；

采集所述显示屏前方的人脸图像；

判断所述人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；

对满足人脸识别要求的所述人脸图像进行识别。

第二方面，本发明实施例还提供了一种人脸识别装置，应用于具有显示屏的电子设备，所述装置包括：

亮度调整模块，用于检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；

图像采集模块，用于采集所述亮度调整模块调整亮度后的显示屏前方的人脸图像；

判断处理模块，用于判断所述图像采集模块采集的人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；

人脸识别模块，用于对满足人脸识别要求的所述人脸图像进行识别。

第三方面，本发明实施例还提供了一种电子设备，包括显示屏，所述电子设备还包括本发明实施例中的人脸识别装置。

这样，本发明实施例中，通过检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；采集所述显示屏前方的人脸图像；判断所述人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；对满足人脸识别要求的所述人脸图像进行识别，解决了现有电子设备拍摄对自然环境光照过于依赖的问题。本发明的人脸识别方法在电子设备处于拍照模式时自动调整显示屏亮度至最强，为人脸拍摄提供充足光照，不仅提高了人脸识别效率，还通过非线性变换处理，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一的人脸识别方法流程图；

图2是本发明实施例二的人脸识别方法流程图之一；

图3是本发明实施例二的人脸识别方法流程图之二；

图4是本发明实施例三的人脸识别装置结构图；

图5是本发明实施例四的人脸识别装置结构图之一；

图6是本发明实施例四的人脸识别装置结构图之二。

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。

实施例一：

本实施例提供了一种人脸识别方法，应用于具有显示屏的电子设备，如图1所示，所述人脸识别方法包括步骤10至步骤13。所述电子设备可以为手机、PAD、平板电脑、人脸识别机等。

步骤10，检测电子设备的摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值。

在进行人脸识别之前，首先需要检测摄像头是否处于开启状态，以便通过摄像头采集人脸图像。具体实施时，可以通过电子设备的系统接口读取摄像头的状态信息，或者直接读取摄像头控制寄存器的数据，以判断摄像头是否处于开启状态。当摄像头处于关闭状态时，首先通过电子设备的系统接口或者向摄像头的控制寄存器写入控制指令以开启摄像头。

在检测到摄像头处于开启状态后，将电子设备的显示屏的亮度值调整至最大值。对于不同型号或品牌的显示屏，其可调整达到的最大亮度值可能不同，通常操作系统会设置显示屏亮度调节接口，通过所述亮度调节接口，可以将所述显示屏的亮度调整至最大值。具体实施时，还可以根据不同显示屏型号和品牌的参数表中最大亮度值的参数，直接设置显示屏控制寄存器的值，以将显示屏的亮度值调整至最大值。

步骤11，采集所述显示屏前方的人脸图像。

所述电子设备的摄像头与所述显示屏位于所述电子设备朝向用户的一侧。所述摄像头分布于所述显示屏的四周或上、下、左、右的某一个或某两个位置。在进行人脸识别之前，需要采集人脸图像。具体实施时，待识别用户的人脸面对用于进行人脸识别的电子设备的显示屏，电子设备控制摄像头采集所述显示屏前方的待识别用户的人脸图像。

由于显示屏的亮度值已经调整至最大值，显示屏发出的光照射在显示屏前方的人脸上，为人脸拍摄提供充足的光照，对于光线较暗的环境，此时采集的所述显示屏前方的人脸图像的亮度会比较高，可以有效地提高采集的人脸图像的质量。

步骤12，判断所述人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像。

对于采集的所述显示屏前方的人脸图像，首先判断所述人脸图像是否满足人脸识别的要求。若采集的所述显示屏前方的人脸图像不满足人脸识别的要求，对所述人脸图像进行非线性变换处理，使得非线性变换处理后得到的人脸图像满足人脸识别要求，便于后续的人脸识别。若采集的所述显示屏前方的人脸图像满足人脸识别的要求，可以直接用于后续的人脸识别。

步骤13，对满足人脸识别要求的所述人脸图像进行识别。

所述满足人脸识别要求的人脸图像包括：判断为满足人脸识别要求的所述人脸图像、进行非线性变换处理后得到的满足人脸识别要求的人脸图像。

对满足人脸识别要求的人脸图像进行人脸识别时，首先需要进行预处理，获得待识别人脸图像。例如，对采集的所述人脸图像进行人脸检测，提取出人脸区域；然后，对经过提取得到的人脸区域进行人脸对齐处理等；最后，提取所述待识别人脸图像中的待识别人脸特征，并基于预设人脸特征库对所述待识别人脸特征进行人脸识别。

本发明实施例，通过检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；采集所述显示屏前方的人脸图像；判断所述人脸图像是否满足人脸识别的要求，对不满足人脸识别要求的所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；对满足人脸识别要求的所述人脸图像进行识别，解决了现有电子设备拍摄对自然环境光照过于依赖的问题，提高了低光照环境下人脸识别的效率和准确率。本发明的人脸识别方法不仅通过提高显示屏的亮度对人脸拍照进行补光，提高了人脸识别效率，还通过非线性变换处理，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

实施例二：

参见图2，本发明人脸识别方法的另一个实施例中，所述方法包括步骤20至步骤25。

步骤20，检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值。

检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值的具体实施方法参见实施例一的相关步骤，此处不再赘述。

步骤21，采集所述显示屏前方的人脸图像。

采集所述显示屏前方的人脸图像的具体实施方法参见实施例一的相关步骤，此处不再赘述。由于显示屏的亮度值已经调整至最大值，显示屏发出的光照射在显示屏前方的人脸上，起到了补光的作用，此时采集的所述显示屏前方的人脸图像的亮度会比较高。

步骤22，判断采集的所述人脸图像中是否检测到完整的人脸，若是，执行步骤23，否则执行步骤21。

具体实施时，对于采集的所述人脸图像，可以采用经典的Viola and Jones方法进行人脸检测，以检测采集的所述人脸图像中是否包含完整的人脸。由于采集人脸图像时人脸移动，可能导致采集的所述人脸图像中没有人脸，或者，只有一半人脸。当采集的所述人脸图像中没有完整的人脸时，无法识别成功，为了提高人脸识别的效率，首先进行人脸检测，当采集的所述人脸图像中没有完整的人脸时，不执行后续操作，重新采集人脸图像。在采集的所述人脸图像中检测人脸还可以采用现有技术中的其他方法，本发明对此不做限定。经过在采集的所述人脸图像中检测人脸，可以确定采集的所述人脸图像中是否包含完整的人脸。当采集的所述人脸图像中检测到完整的人脸时，可以执行后续的人脸识别处理；当采集的所述人脸图像中没有检测到完整的人脸时，返回至步骤21，重新采集下一帧人脸图像。

步骤23，判断所述人脸图像是否满足人脸识别的要求，若是，执行步骤25，否则，执行步骤24。

对于采集的所述显示屏前方的人脸图像，需要判断所述人脸图像是否满足人脸识别的要求。若采集的所述显示屏前方的人脸图像不满足人脸识别的要求，执行步骤25对所述人脸图像进行非线性变换处理，使得非线性变换处理后得到的人脸图像满足人脸识别要求，便于后续的人脸识别。若采集的所述显示屏前方的人脸图像满足人脸识别的要求，可以直接用于后续的人脸识别。

具体实施时，判断所述人脸图像是否满足人脸识别的要求包括：获取采集的所述人脸图像的亮度平均值；当所述亮度平均值小于预设阈值时，采集的所述人脸图像满足人脸识别的要求，否则，采集的所述人脸图像不满足人脸识别的要求。

通过计算采集的人脸图像的所有像素点的亮度值之和，然后除以人脸图像的像素点的数目，可以得到采集的所述人脸图像的亮度平均值。

所述预设阈值预先根据不同亮度值的人脸图像的识别准确度确定，选择识别准确度最高的最大亮度值作为预设阈值。

步骤24，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像。

当采集的人脸图像的亮度很高时，采集的人脸图像中人脸边缘轮廓会被弱化，反而降低人脸识别的准确率。因此，在将显示屏的亮度值调整至最大值时，根据对采集的人脸图像进行平均亮度判断后，需要对采集的没有满足人脸识别要求的人脸图像进行非线性变换处理，以增强采集的人脸图像中的人脸边缘轮廓。对采集的人脸图像进行非线性变换处理，用于锐化采集的人脸图像中的人脸区域轮廓。对人脸图像进行非线性变换处理主要是对人脸图像的灰度值范围进行改变以锐化人脸图像中的人脸区域，使得人脸图像满足人脸识别的要求。

具体实施时，对人脸图像的灰度值范围进行改变，可以通过对人脸图像的灰度值进行函数变换实现。对人脸图像的灰度值进行函数变换时，需要使用两个变换系数，分别为变换系数a和变换系数b。变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

例如，可以采用对人脸图像中各像素点的灰度值求取对数函数的方式对人脸图像进行非线性变换，以锐化人脸区域轮廓。该对数函数的公式为：g(x,y)＝b(alogf(x,y)+1)。其中，a,b为变换系数，a,b取值为(0,1)之间的数；f(x,y)为采集到的人脸图像中各像素点的灰度值，g(x,y)为非线性变换处理之后的人脸图像中各像素点的灰度值。

一般采集的人脸图像均为RGB图像f，对于RGB图像f，将R、G、B三个通道的灰度值分别进行非线性变换处理，然后，再将非线性变换处理后R、G、B三个通道的灰度值进行整合，得到非线性变换处理后的人脸图像。

上述公式g(x,y)＝b(alogf(x,y)+1)中的变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。变换系数a和b的获取方法如下：

首先，采集N张人脸图像构成训练样本集合，并且将N张图像均匀分成10份。对于每一份图像数据，当该份图像数据作为测试样本时，其余9份图像数据作为训练样本。

然后，对于每一份图像数据，在训练样本上，基于0.01至0.99的区间，采用基于网格的枚举方式对a和b进行取值，即a和b的最小取值为0.01，最大取值为0.99，中间取值为将0.01至0.99的区间均匀划分为100份后其中的一份对应的数值。对于a和b的各组取值分别计算对应的在测试样本上的人脸识别准确率，选择最高识别准确率对应的a、b值作为该份样本得出的1组变换参数。同理，其余9份样本经过计算得到9组变换系数。对于计算得到的10组变换系数中的a、b分别求平均值，将得到的a的平均值作为非线性变换公式g(x,y)＝b(alogf(x,y)+1)中的变换系数a，将得到的b的平均值作为非线性变换公式g(x,y)＝b(alogf(x,y)+1)中的变换系数b。其中，N为大于等于10的正整数。

对人脸图像进行非线性变换处理，还可以采用对人脸图像中各像素点的灰度值进行幂函数变换，以锐化人脸区域轮廓。该幂函数的公式为g(x,y)＝af(x,y)^b。其中，a,b为变换系数，a,b取值为(0,1)之间的常数；f(x,y)为采集到的人脸图像中各像素点的灰度值，g(x,y)为非线性变换处理之后的人脸图像中各像素点的灰度值。变换系数a和变换系数b通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得，具体参见前述方案，此处不再赘述。

步骤25，对满足人脸识别要求的所述人脸图像进行识别。

所述满足人脸识别要求的人脸图像包括：判断为满足人脸识别要求的所述人脸图像和进行非线性变换处理后得到的满足人脸识别要求的人脸图像。

对满足人脸识别要求的人脸图像进行人脸识别时，包括：人脸对齐、特征提取和比对识别三个步骤。下面具体介绍各步骤的实现方案。

一、人脸对齐

由于待识别用户的姿势以及位置的差异，电子设备采集到的人脸图像中人脸的尺寸会有不同，也可能出现歪头的人脸，为了提取到准确的待识别人脸特征，需要对采集到的人脸图像中的人脸进行人脸对齐处理，获得统一尺寸的、端正的、正面待识别人脸图像。

对检测到的所述人脸进行人脸对齐处理，获得待识别人脸图像，包括：定位眼睛关键点；基于眼睛关键点对齐人脸。具体实施时，可以采用显式形状回归ESR(Explicit ShapeRegrssion)方法在电子设备采集到的人脸图像中进行眼睛关键点定位。然后，根据预先定义人脸图像标准模板的大小，例如为64*64像素大小，设置左、右眼睛的位置，例如定位到眼睛关键点的位置分别为屏幕上(16，21)和(48，21)的像素位置。具体实施时，人脸图像标准模板大小和内外眼角位置的选择的标准是：人脸图像标准模板能够包含完全的眼睛区域，并且包含尽可能少的背景区域。只要定位到左、右眼睛的位置，即可基于眼睛关键点对齐人脸，具体实施时，可通过旋转和尺度变换得到对齐的眼睛图像。基于眼睛关键点对齐人脸具体为：(a)连接左眼和右眼，将该连接线段旋转使得左眼和右眼中心处于同一水平线上，人脸区域的其他像素也进行相同的旋转。(b)将处于同一水平位置上的眼睛中心通过尺度变化，进行缩放处理，使所述人脸图像中的人眼位置与根据所述人脸图像标准模板上定义的眼睛位置重合。同时，人脸图像中的人脸区域的其他像素也做相同的尺度变换。最后，在进行尺度变换后图像中截取包含人脸的最小区域作为待识别人脸图像。

具体实施时，还可以采用其他方式进行人脸对齐，本发明对此不做限定。

二、特征提取

在特征提取步骤中，提取所述待识别人脸图像中的待识别人脸特征。

在人脸识别过程中采用的人脸特征提取方法与预先建立人脸特征库时从人脸图像样本中提取人脸特征的方法必须一致。下面以采用基于主成分分析的人脸识别方法时，提取所述待识别人脸图像中的LBP、Gabor特征等为例进一步说明人脸特征的提取方法。

首先，进行人脸识别模型的训练。首先收集多张人脸图像作为人脸图像样本，构成训练样本集。然后，提取训练样本集中的人脸图像样本的人脸特征，例如LBP、Gabor特征，作为人脸原始特征。再后，计算训练样本集中所述人脸原始特征的协方差矩阵得到人脸特征值和特征向量；取其中前K个最大人脸特征值对应的特征向量构造训练样本集的降维矩阵，即人脸识别模型。K的选择按照如下规则进行:首先将所有人脸特征值按照从大到小的顺序排列,然后计算前C个人脸特征值的和,如果前C个人脸特征值的和与所有人脸特征值之和的比值为K,则令K＝C，K通常取90％,95％,99％等。最后，将训练样本集中所有人脸图像样本的人脸原始特征投影到所述训练样本集的降维矩阵上，得到待比对人脸特征。

然后，基于训练得到的人脸识别模型，提取待识别人脸图像中的待识别人脸特征。对于采集的每一幅待识别人脸图像,首先采用同样的提取人脸原始特征的方法提取待识别人脸图像的原始人脸特征值；然后，将待识别原始人脸特征值投影到训练得到的降维矩阵上，获得待识别人脸特征。

三、比对识别

在比对识别步骤中，基于预设人脸特征库对所述待识别人脸特征进行人脸识别。

所述预设人脸特征库包括预先采集的多张人脸图像的人脸特征。从预先采集的多张人脸图像中提取人脸特征的具体方法参见提取所述待识别人脸图像中的待识别人脸特征的步骤，此处不再赘述。

将所述待识别人脸特征与预设人脸特征库中所有人脸特征进行比对识别。具体实施时，可以分别计算所述待识别人脸特征与预设人脸特征库中所有人脸特征的距离，例如欧式距离、马氏距离等，选择最小距离对应的预设人脸特征库中的特征作为识别结果。或者，进一步判断比对识别得到的最小距离是否小于预设阈值距离，若小于则将最小距离对应的预设人脸特征库中的特征作为识别结果；否则，识别失败。

本发明实施例，通过检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值，然后采集所述显示屏前方的人脸图像，并判断所述人脸图像是否满足人脸识别的要求，当所述人脸图像是否满足人脸识别的要求时，直接对采集的所述人脸图像进行识别；否则，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像，并对进行非线性变换处理后得到的满足人脸识别要求的人脸图像进行人脸识别，解决了现有电子设备拍摄对自然环境光照过于依赖的问题。本发明的人脸识别方法在电子设备处于拍照模式时自动调整显示屏亮度至最强，为人脸拍摄提供充足光照，不仅提高了人脸识别效率，还通过自适应调整采集的人脸图像的灰度值，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

具体实施时，在人脸识别步骤之后，如图3所示，所述人脸识别方法还包括：

步骤26，恢复所述显示屏的亮度值为默认值。

在对满足人脸识别要求的所述人脸图像进行识别的步骤之后，通过调用操作系统的显示屏亮度设置接口或者直接设置显示屏的控制芯片的寄存器的值，设置所述显示屏的亮度为默认值，即恢复所述显示屏的亮度值为默认值，以减少电源消耗。

实施例三：

相应的，如图4所示，本发明还公开了一种人脸识别装置，应用于具有显示屏的电子设备，所述装置包括：

亮度调整模块40，用于检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；

图像采集模块41，用于采集所述亮度调整模块40调整亮度后的显示屏前方的人脸图像；

判断处理模块42，用于判断所述图像采集模块41采集的人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；

人脸识别模块43，用于对满足人脸识别要求的所述人脸图像进行识别。

本发明实施例各模块的具体实施方式，参见方法实施例，此处不再赘述。

本发明实施例的人脸识别装置，通过检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；采集所述显示屏前方的人脸图像；判断所述人脸图像是否满足人脸识别的要求，对不满足人脸识别的所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；对满足人脸识别要求的所述人脸图像进行识别，解决了现有电子设备拍摄对自然环境光照过于依赖的问题。本发明的人脸识别装置在电子设备处于拍照模式时自动调整显示屏亮度至最强，为人脸拍摄提供充足光照，不仅提高了人脸识别效率，还通过对所述人脸图像进行非线性变换处理，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

实施例四：

可选地，基于实施例三，本发明还公开了一种人脸识别装置，应用于具有显示屏的电子设备，如图5所示，所述判断处理模块42进一步包括：

亮度值获取单元421，用于获取所述图像采集模块41采集的所述人脸图像的亮度平均值；

判断单元422，用于当所述亮度平均值小于预设阈值时，确定采集的所述人脸图像满足人脸识别的要求，否则，确定采集的所述人脸图像不满足人脸识别的要求；

如图6所示，所述判断处理模块42，还包括：处理单元423。

当所述判断单元422确定采集的所述人脸图像不满足人脸识别的要求时，所述处理单元423用于对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像。

可选地，当所述判断单元422确定采集的所述人脸图像不满足人脸识别的要求时，所述处理单元423具体用于：对所述人脸图像的灰度值范围进行改变以锐化人脸图像中的人脸区域，得到满足人脸识别要求的人脸图像。

所述处理单元423还用于：对所述人脸图像的灰度值进行函数变换，所述进行函数变换时包括变换系数a和变换系数b，所述变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

具体实施时，对人脸图像的灰度值范围进行改变，可以通过对人脸图像的灰度值进行函数变换实现，进行函数变换时包括两个变换系数，分别为变换系数a和变换系数b，变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得，a和b取值为(0,1)之间的数。

可选地，所述满足人脸识别要求的人脸图像包括：判断为满足人脸识别要求的所述人脸图像、进行非线性变换处理后得到的满足人脸识别要求的人脸图像。

本发明实施例的人脸识别装置，通过检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值，然后采集所述显示屏前方的人脸图像，并判断所述人脸图像是否满足人脸识别的要求，当所述人脸图像是否满足人脸识别的要求时，直接对采集的所述人脸图像进行识别；否则，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像，并对进行非线性变换处理后，得到的满足人脸识别要求的人脸图像进行人脸识别，解决了现有电子设备拍摄对自然环境光照过于依赖的问题。本发明的人脸识别装置在电子设备处于拍照模式时自动调整显示屏亮度至最强，为人脸拍摄提供充足光照，不仅提高了人脸识别效率，还通过自适应调整采集的人脸图像的灰度值，进一步提高了获取的人脸图像的质量，从而提高了人脸识别准确率。

可选地，如图6所示，所述装置还包括：

亮度恢复模块44，用于恢复所述显示屏的亮度值为默认值。

在对满足人脸识别要求的所述人脸图像进行识别的步骤之后，通过调用操作系统的显示屏亮度设置接口或者直接设置显示屏的控制芯片的寄存器的值，设置所述显示屏的亮度为默认值，即恢复所述显示屏的亮度值为默认值，以减少电源消耗。

相应的，本发明实施例还公开了一种电子设备，所述电子设备包括显示屏，所述电子设备还包括实施例四所述的人脸识别装置。所述电子设备可以为手机、PAD、平板电脑、人脸识别机等。

本发明的装置实施例与方法相对应，装置实施例中各模块的具体实现方式参见方法是实施例，此处不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

本领域普通技术人员可以理解，在本申请所提供的实施例中，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

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，不经过创造性劳动想到变化或替换，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权利要求的保护范围为准。

Claims (11)

1.一种人脸识别方法，应用于具有显示屏的电子设备，其特征在于，所述方法包括：

检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；

采集所述显示屏前方的人脸图像；

判断所述人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；

对满足人脸识别要求的所述人脸图像进行识别；

其中，所述对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像，包括：采用对人脸图像中各像素点的灰度值进行幂函数变换，以锐化人脸区域轮廓；所述幂函数的公式为g(x,y)＝af(x,y)^b；其中，a,b为变换系数，a,b取值为(0,1)之间的常数；f(x,y)为采集到的人脸图像中各像素点的灰度值，g(x,y)为非线性变换处理之后的人脸图像中各像素点的灰度值；所述变换系数a和所述变换系数b通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

2.根据权利要求1所述的方法，其特征在于，所述判断所述人脸图像是否满足人脸识别的要求，包括：

获取采集的所述人脸图像的亮度平均值；

当所述亮度平均值小于预设阈值时，采集的所述人脸图像满足人脸识别的要求，否则，采集的所述人脸图像不满足人脸识别的要求。

3.根据权利要求1所述的方法，其特征在于，所述对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像，包括：

对所述人脸图像的灰度值范围进行改变以锐化所述人脸图像中的人脸区域，得到满足人脸识别要求的人脸图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述人脸图像的灰度值范围进行改变包括对所述人脸图像的灰度值进行函数变换，所述进行函数变换时包括变换系数a和变换系数b，所述变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

5.根据权利要求1所述的方法，其特征在于，所述满足人脸识别要求的人脸图像包括：判断为满足人脸识别要求的所述人脸图像、进行非线性变换处理后得到的满足人脸识别要求的人脸图像。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述对满足人脸识别要求的所述人脸图像进行识别的步骤之后，还包括：

恢复所述显示屏的亮度值为默认值。

7.一种人脸识别装置，应用于具有显示屏的电子设备，其特征在于，包括：

亮度调整模块，用于检测摄像头处于开启状态后，将所述显示屏的亮度值调整至最大值；

图像采集模块，用于采集所述亮度调整模块调整亮度后的显示屏前方的人脸图像；

判断处理模块，用于判断所述图像采集模块采集的人脸图像是否满足人脸识别的要求，若否，对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像；

人脸识别模块，用于对满足人脸识别要求的所述人脸图像进行识别；

其中，所述对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像，包括：采用对人脸图像中各像素点的灰度值进行幂函数变换，以锐化人脸区域轮廓；所述幂函数的公式为g(x,y)＝af(x,y)^b；其中，a,b为变换系数，a,b取值为(0,1)之间的常数；f(x,y)为采集到的人脸图像中各像素点的灰度值，g(x,y)为非线性变换处理之后的人脸图像中各像素点的灰度值；所述变换系数a和所述变换系数b通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

8.根据权利要求7所述的装置，其特征在于，所述判断处理模块进一步包括：

亮度值获取单元，用于获取所述图像采集模块采集的所述人脸图像的亮度平均值；

判断单元，用于当所述亮度平均值小于预设阈值时，确定采集的所述人脸图像满足人脸识别的要求，否则，确定采集的所述人脸图像不满足人脸识别的要求；

所述判断处理模块还包括：

处理单元，用于对所述人脸图像进行非线性变换处理后得到满足人脸识别要求的人脸图像。

9.根据权利要求8所述的装置，其特征在于，所述处理单元具体用于：

对所述人脸图像的灰度值范围进行改变以锐化所述人脸图像中的人脸区域，得到满足人脸识别要求的人脸图像。

10.根据权利要求9所述的装置，其特征在于，所述处理单元还用于：对所述人脸图像的灰度值进行函数变换，所述进行函数变换时包括变换系数a和变换系数b，所述变换系数a和变换系数b是通过构建人脸图像训练样本集合并以交叉验证所述人脸图像训练样本集合中的测试样本的人脸识别准确率的方式获得。

11.一种电子设备，其特征在于，包括显示屏，所述电子设备还包括如权利要求7至10所述的人脸识别装置。