CN106446779A - 身份识别方法和装置 - Google Patents

Abstract

本发明公开了一种身份识别方法和装置，该方法包括：获取待识别的人物图像，确定人物图像中的人脸区域图像；根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；对人脸区域图像进行图像增强，形成人脸增强图像；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。本发明消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。

Description

身份识别方法和装置

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种身份识别方法和装置。

背景技术

目前的身份识别一般根据人的面部特征进行识别，但是面部特征容易受到光照、背景变化、人体姿态等因素的影响和限制，现有的身份识别仅能在人物正脸面对摄像头、背景元素简单、光照适中的情形下，才能基于面部特征进行较为准确的身份识别，即现有的身份识别容易受到外界因素影响。

发明内容

本发明的主要目的在于提供一种身份识别方法和装置，旨在解决现有的身份识别容易受到外界因素影响的技术问题。

为实现上述目的，本发明提供一种身份识别方法，所述身份识别方法包括：

获取待识别的人物图像，确定人物图像中的人脸区域图像；

根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

对人脸区域图像进行图像增强，形成人脸增强图像；

提取人脸增强图像中所有像素点的DCP码，计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

优选地，所述确定人物图像中的人脸区域图像的步骤包括：

获取人物图像的方向梯度直方图特征；

根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

优选地，所述根据预置人脸模型的关键位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像的步骤包括：

根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

优选地，所述提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征的步骤包括：

获取人脸增强图像中各个像素点的灰度值；

根据各个像素点的灰度值，确定各个像素点对应的DCP码；

提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图位，并将关键点所在区域DCP码的统计直方图作为人脸特征。

优选地，所述将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份的步骤包括：

将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。

本发明还提供一种身份识别装置，所述身份识别装置包括：

图像获取模块，用于获取待识别的人物图像，确定人物图像中的人脸区域图像；

图像正向模块，用于根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

图像增强模块，用于对人脸区域图像进行图像增强，形成人脸增强图像；

特征生成模块，用于提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

特征比对模块，用于将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

优选地，所述图像获取模块包括：

特征获取单元，用于获取人物图像的方向梯度直方图特征；

检测单元，用于根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

优选地，所述图像正向模块包括：

获取单元，用于根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

剖分单元，用于对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

变换单元，用于根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

调整单元，用于根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

优选地，所述特征生成模块包括：

灰度获取单元，用于获取人脸增强图像中各个像素点的灰度值；

DCP单元，用于根据各个像素点的灰度值，确定各个像素点对应的DCP码；

特征生成单元，用于提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图位，并将关键点所在区域DCP码的统计直方图作为人脸特征。

优选地，所述特征比对模块包括：

第一比对单元，用于将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

第二比对单元，用于将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

身份识别单元，用于根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。

本发明通过获取待识别的人物图像，确定人物图像中的人脸区域图像，以消除人物图像中背景对人脸区域图像身份识别的影响；然后根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像，以消除了人物图像中人物姿态对身份识别的影响；再对人脸区域图像进行图像增强，形成人脸增强图像,以减少光照变化对人脸区域图像对身份识别的影响；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征，以有效消除人物表情对身份识别的影响；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份，消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。

附图说明

图1为本发明DCP编码采样方式示意图；

图2为本发明身份识别方法一实施例的流程示意图；

图3为本发明身份识别装置一实施例的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种身份识别方法，参照图2，所述身份识别方法包括：

步骤S10，获取待识别的人物图像，确定人物图像中的人脸区域图像；

通过摄像头对特定区域(如人员流动密集区域的机场、火车站等)进行摄像，获取含有人物的待识别的人物图像，根据人体生理学结构特征对人物图像进行分析，先确认人物在人物图像中的整体区域，然后再从整体区域中确定人物的面部所在的人脸区域图像。

具体地，确定人物图像中的人脸区域图像的步骤包括：

步骤S11，获取人物图像的方向梯度直方图特征；

步骤S12，根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

人脸一般包括水平方向延伸的眉毛、眼睛和嘴唇，竖直方向延伸的鼻梁以及倾斜延伸的面颊轮廓，对人物图像进行分析，获取眉毛、眼睛、嘴唇、鼻梁和面颊轮廓所在区域，并标识方向梯度直方图，从而得到人物图像的方向梯度直方图特征。然后基于线性分类器对人物图像的方向梯度直方图特征进行检测，确定方向梯度直方图标记的眉毛、眼睛、嘴唇、鼻梁和面颊轮廓所在区域，从而检测出人物图像中的人脸区域图像，从而消除人物图像中背景对人脸区域图像身份识别的影响。

步骤S20，根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

预置的人脸模型一般是USF human-ID数据集的三维平均脸模型，三维平均脸模型上标识有68个关键点位置，根据三维平均脸模型的关键点位置分布，获取人脸区域图像的关键点位置分布，从而进行三维建模以得到人脸区域图像的当前模型，并根据人体面部生理学特征，对当前模型进行三维校准和方向调整，从而得到人脸区域图像对应的正向图像，即正向人脸图像。

具体地，步骤S20包括：

步骤S21，根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置，并采用最小均方误差，计算三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

步骤S22，对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

步骤S23，根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

根据仿射相机计算每个三角面的仿射变换向量，然后根据该仿射变换向量对每个三角面进行仿射变换，从而得到各个当前关键点位置的正向关键点位置。

步骤S24，根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

利用对人脸区域图像机械能三维校准和正向方向调整，消除了人物图像中人物姿态(姿态包括侧脸、抬头、低头等)对身份识别的影响。

步骤S30，对人脸区域图像进行图像增强，形成人脸增强图像；

采用高斯差分滤波对人脸区域图像进行图像增强，形成人脸增强图像，以减少光照变化对人脸区域图像对身份识别的影响。

步骤S40，提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

DCP(Dual-Cross Patterns，双交叉模式)是一种描述图像纹理特征的模式，DCP码可以量化图像的纹理，参照图1，每个像素点DCP码为：

其中：

公式中I_Ai,I_Bi,I_O,分别为图1像中A_i点、B_i点、O点的灰度值。根据上述两个公式提取出人脸增强图像中所有像素点的DCP码，然后提取关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征。

具体地，步骤S40包括：

步骤S41，获取人脸增强图像中各个像素点的灰度值；

步骤S42，根据各个像素点的灰度值，确定各个像素点对应的DCP码；

步骤S43，提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图，并将关键点所在区域DCP码的统计直方图作为人脸特征。

在获取各个像素点的DCP码之后，根据这些DCP码生成人物图像中人脸的DCP统计直方图，可选地，根据各个关键点所在区域(即关键区域)的DCP码生成人物图像中人脸关键区域(双眉、双眼、嘴、鼻)的DCP统计直方图；并将DCP统计直方图作为人脸特征以与其它人物图像进行匹配，从而可以有效消除人物表情对身份识别的影响。

步骤S50，将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

人脸数据库中包括许多备用的人脸图像，每个人脸数据库中的人脸图像都具有对应的参考人脸特征，该参考人脸特征也可以为对应人脸的DCP统计直方图，将待识别的人脸图像中人物的人脸特征与各个人脸数据库中人脸图像的参考人脸特征进行比对，若人脸特征与参考人脸特征匹配，则将参考人脸特征对应人物的身份对应到待识别人脸图像中人物的身份，以实现待识别的人物图像中人物的身份的识别。

具体地，步骤S50包括：

步骤S51，将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

步骤S52，将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

步骤S53，根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。

设待识别人物图像为img1，目标人脸图像为img2，计算图像img1和img2的DCP直方图分别为dcp1和dcp2，计算dcp1和dcp2的相似度S12；分别计算img1、img2与反样本集合中的图像(即所述的一组备用图像)dcp直方图的相似度，分别找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，计算待识别人物图像与目标人脸图像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，从而根据待识别人物图像与目标人脸图像中人物的相似度可信度d，判断待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。如可设置相似度可信度d的阈值，当相似度可信度d大于阈值，则待识别人物图像与目标人脸图像为同一人。

在本实施例中，通过获取待识别的人物图像，确定人物图像中的人脸区域图像，以消除人物图像中背景对人脸区域图像身份识别的影响；然后根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像，以消除了人物图像中人物姿态对身份识别的影响；再对人脸区域图像进行图像增强，形成人脸增强图像,以减少光照变化对人脸区域图像对身份识别的影响；提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征，以有效消除人物表情对身份识别的影响；将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份，消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。

本发明还提供一种身份识别装置，参照图3，所述身份识别装置包括：

图像获取模块10，用于获取待识别的人物图像，确定人物图像中的人脸区域图像；

图像获取模块10通过摄像头对特定区域(如人员流动密集区域的机场、火车站等)进行摄像，获取含有人物的待识别的人物图像，图像获取模块10根据人体生理学结构特征对人物图像进行分析，先确认人物在人物图像中的整体区域，然后再从整体区域中确定人物的面部所在的人脸区域图像。

具体地，图像获取模块10包括：

特征获取单元11，用于获取人物图像的方向梯度直方图特征；

检测单元12，用于根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

人脸一般包括水平方向延伸的眉毛、眼睛和嘴唇，竖直方向延伸的鼻梁以及倾斜延伸的面颊轮廓，特征获取单元11对人物图像进行分析，获取眉毛、眼睛、嘴唇、鼻梁和面颊轮廓所在区域，并标识方向梯度直方图，从而得到人物图像的方向梯度直方图特征。然后检测单元12基于线性分类器对人物图像的方向梯度直方图特征进行检测，确定方向梯度直方图标记的眉毛、眼睛、嘴唇、鼻梁和面颊轮廓所在区域，从而检测出人物图像中的人脸区域图像，从而消除人物图像中背景对人脸区域图像身份识别的影响。

图像正向模块20，用于根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

预置的人脸模型一般是USF human-ID数据集的三维平均脸模型，三维平均脸模型上标识有68个关键点位置，图像正向模块20根据三维平均脸模型的关键点位置分布，获取人脸区域图像的关键点位置分布，从而进行三维建模以得到人脸区域图像的当前模型，并根据人体面部生理学特征，对当前模型进行三维校准和方向调整，从而得到人脸区域图像对应的正向图像，即正向人脸图像。

具体地，图像正向模块20包括：

获取单元21，用于根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置，并并采用最小均方误差计算三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

剖分单元22，用于对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

变换单元23，用于根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

变换单元23根据仿射相机计算每个三角面的仿射变换向量，然后根据该仿射变换向量对每个三角面进行仿射变换，从而得到各个当前关键点位置的正向关键点位置。

调整单元24，用于根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

图像正向模块20利用对人脸区域图像机械能三维校准和正向方向调整，消除了人物图像中人物姿态(姿态包括侧脸、抬头、低头等)对身份识别的影响。

图像增强模块30，用于对人脸区域图像进行图像增强，形成人脸增强图像；

图像增强模块30采用高斯差分滤波对人脸区域图像进行图像增强，形成人脸增强图像，以减少光照变化对人脸区域图像对身份识别的影响。

特征生成模块40，用于提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

DCP(Dual-Cross Patterns，双交叉模式)是一种描述图像纹理特征的模式，DCP码可以量化图像的纹理，参照图1，每个像素点DCP码为：

其中：

公式中I_Ai,I_Bi,I_O,分别为图1像中A_i点、B_i点、O点的灰度值。特征生成模块40根据上述两个公式提取出人脸增强图像中所有像素点的DCP码，然后提取关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征。

具体地，特征生成模块40包括：

灰度获取单元41，用于获取人脸增强图像中各个像素点的灰度值；

DCP单元42，用于根据各个像素点的灰度值，确定各个像素点对应的DCP码；

特征生成单元43，用于提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图，并将关键点所在区域DCP码的统计直方图作为人脸特征，并将该DCP统计直方图作为人脸特征。

在获取各个像素点的DCP码之后，特征生成单元43根据这些DCP码生成人物图像中人脸的DCP统计直方图，可选地，根据各个关键点所在区域(即关键区域)的DCP码生成人物图像中人脸关键区域(双眉、双眼、嘴、鼻)的DCP统计直方图；并将DCP统计直方图作为人脸特征以与其它人物图像进行匹配，从而可以有效消除人物表情对身份识别的影响。

特征比对模块50，用于将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

人脸数据库中包括许多备用的人脸图像，每个人脸数据库中的人脸图像都具有对应的参考人脸特征，该参考人脸特征也可以为对应人脸的DCP统计直方图，特征比对模块50将待识别的人脸图像中人物的人脸特征与各个人脸数据库中人脸图像的参考人脸特征进行比对，若人脸特征与参考人脸特征匹配，则将参考人脸特征对应人物的身份对应到待识别人脸图像中人物的身份，以实现待识别的人物图像中人物的身份的识别。

具体地，特征比对模块50包括：

第一比对单元51，用于将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

第二比对单元52，用于将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

身份识别单元53，用于根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。

设待识别人物图像为img1，目标人脸图像为img2，计算图像img1和img2的DCP直方图分别为dcp1和dcp2，第一比对单元51计算dcp1和dcp2的相似度S12；第二比对单元52分别计算img1、img2与反样本集合中的图像(即所述的一组备用图像)dcp直方图的相似度，身份识别单元53分别找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，计算待识别人物图像与目标人脸图像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，从而根据待识别人物图像与目标人脸图像中人物的相似度可信度d，判断待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。如可设置相似度可信度d的阈值，当相似度可信度d大于阈值，则待识别人物图像与目标人脸图像为同一人。

在本实施例中，通过图像获取模块10获取待识别的人物图像，确定人物图像中的人脸区域图像，以消除人物图像中背景对人脸区域图像身份识别的影响；然后图像正向模块20根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像，以消除了人物图像中人物姿态对身份识别的影响；图像增强模块30再对人脸区域图像进行图像增强，形成人脸增强图像,以减少光照变化对人脸区域图像对身份识别的影响；特征生成模块40提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征，以有效消除人物表情对身份识别的影响；特征比对模块50将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份，消除了外界因素对身份识别准确性的影响，提高了身份识别的场景适用范围和准确性。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种身份识别方法，其特征在于，所述身份识别方法包括：

获取待识别的人物图像，确定人物图像中的人脸区域图像；

根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

对人脸区域图像进行图像增强，形成人脸增强图像；

提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

2.如权利要求1所述的身份识别方法，其特征在于，所述确定人物图像中的人脸区域图像的步骤包括：

获取人物图像的方向梯度直方图特征；

根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

3.如权利要求1所述的身份识别方法，其特征在于，所述根据预置人脸模型的关键位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像的步骤包括：

根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

4.如权利要求1所述的身份识别方法，其特征在于，所述提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征的步骤包括：

获取人脸增强图像中各个像素点的灰度值；

根据各个像素点的灰度值，确定各个像素点对应的DCP码；

提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图，并将关键点所在区域DCP码的统计直方图作为人脸特征。

5.如权利要求1至4任意一项所述的身份识别方法，其特征在于，所述将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份的步骤包括：

将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。

6.一种身份识别装置，其特征在于，所述身份识别装置包括：

图像获取模块，用于获取待识别的人物图像，确定人物图像中的人脸区域图像；

图像正向模块，用于根据预置人脸模型的关键点位置分布，对人脸区域图像进行三维校准和方向调整，以得到正向人脸图像；

图像增强模块，用于对人脸区域图像进行图像增强，形成人脸增强图像；

特征生成模块，用于提取人脸增强图像中所有像素点的DCP码，并计算关键点所在区域DCP码的统计直方图以构成所述人物图像的人脸特征；

特征比对模块，用于将人脸特征与人脸数据库中的人脸图像的参考人脸特征进行比对，以识别待识别的人物图像中人物的身份。

7.如权利要求6所述的身份识别装置，其特征在于，所述图像获取模块包括：

特征获取单元，用于获取人物图像的方向梯度直方图特征；

检测单元，用于根据人物图像的方向梯度直方图特征和线性分类器检测出人物图像中的人脸区域图像。

8.如权利要求6所述的身份识别装置，其特征在于，所述图像正向模块包括：

获取单元，用于根据预置人脸模型的关键点位置和支持向量回归算法，获取人脸区域图像的关键点位置和三维模型至二维图像的仿射相机，将人脸区域图像的关键点位置作为当前关键点位置；

剖分单元，用于对当前关键点位置进行三角剖分，以得到各个当前关键点位置对应的三角面；

变换单元，用于根据所述仿射相机对每个三角面进行仿射变换，得到各个当前关键点位置的正向关键点位置；

调整单元，用于根据正向关键点位置对人脸区域图像进行方向调整，以得到正向人脸图像。

9.如权利要求6所述的身份识别装置，其特征在于，所述特征生成模块包括：

灰度获取单元，用于获取人脸增强图像中各个像素点的灰度值；

DCP单元，用于根据各个像素点的灰度值，确定各个像素点对应的DCP码；

特征生成单元，用于提取各个关键点位置的DCP码，并计算关键点所在区域DCP码的统计直方图位，并将关键点所在区域DCP码的统计直方图作为人脸特征。

10.如权利要求6至9任意一项所述的身份识别装置，其特征在于，所述特征比对模块包括：

第一比对单元，用于将人脸特征与人脸数据库中各个人脸图像的参考人脸特征进行比对，选出与待识别人物图像的人脸特征相似度最大的参考人脸特征对应目标人脸图像；

第二比对单元，用于将待识别人物图像的人脸特征和目标人脸图像的参考人脸特征分别与一组备用图像进行比较，得到待识别人物图像的第一比较结果和目标人脸图像的第二比较结果；

身份识别单元，用于根据第一比较结果和第二比较结果，确认待识别人物图像与目标人脸图像是否为同一人，以识别待识别的人物图像中人物的身份。