CN106934377B - 一种改进的人脸检测系统 - Google Patents

Abstract

一种改进的人脸检测系统，包括人脸采集模块、数据处理模块、人脸定位模块、肤色检测模块和人脸匹配模块，所述人脸采集模块用于采集当前的含有人脸信息的图像，所述数据处理模块用于对采集得到的图像进行去噪处理，所述人脸定位模块用于通过深度感应传感器采集得到的人脸区域的深度信息和彩色信息确定人脸半径，所述肤色检测模块用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，所述人脸匹配模块用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别。本发明的有益效果为：通过各个模块的构建连接，实现了复杂背景的人脸识别。

Description

一种改进的人脸检测系统

技术领域

本发明创造涉及人脸检测技术领域，具体涉及一种改进的人脸检测系统。

背景技术

人脸检测是人脸识别的重要组成部分，面对信息安全越来越被重视的今天，人脸检测已经被用在医疗，交通监控，智能家居等方面。由于传统的二维图像相关人脸检测的算法固有的缺陷，无法在复杂背景例如光照不均，人脸偏转角度过大时做出正确的检测。现有的人脸技术当中，大多数都是基于二维图像的算法。

二维图像的人脸检测算法不具备实时性，缺乏鲁棒性。在监控犯罪行为时，由于定位人脸特征的速度将直接影响到人民生命财产安全。

发明内容

针对上述问题，本发明旨在提供一种改进的人脸检测系统。

本发明创造的目的通过以下技术方案实现：

一种改进的人脸检测系统，包括人脸采集模块、数据处理模块、人脸定位模块、肤色检测模块和人脸匹配模块，所述人脸采集模块用于采集当前的含有人脸信息的图像，所述数据处理模块用于对采集得到的图像进行去噪处理，所述人脸定位模块用于通过深度感应传感器采集得到的人脸区域的深度信息和彩色信息确定人脸半径，所述肤色检测模块用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，所述人脸匹配模块用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别。

优选地，所述人脸采集模块采用深度感应传感器进行人脸图像的采集。

优选地，所述图像处理模块用于对采集得到的图像进行去噪处理，具体包括：

设f₁,f₂,f₃,……,f_n为像素点f₀附近的n个邻域点，则f₀的表达式为：

f₀＝medium(f₁,f₂,f₃,……,f_n)

优选地，所述人脸定位模块用于通过深度感应传感器采集人脸区域的深度信息和彩色信息，并通过人脸区域深度信息计算获得人脸半径，具体包括：

a.根据人脸半径和人脸区域平均深度之间的关系，计算初步的人脸半径R：

R＝adep²+bdep+c

其中，R是人脸的半径，dep为人脸区域平均深度，a，b，c为根据最小二乘法设定的常量；

b.所述人脸区域的平均深度dep通过下式得到：

式中，n表示深度感应传感器获取的人脸深度数据个数，D_i表示深度感应传感器获取的第i个人脸深度数据，t为深度感应传感器使用的标准温度，t₀为深度感应传感器测量时的实际环境温度。

优选地，所述肤色检测模块用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，具体包括：

a.将采集得到的原始图像进行RGB色彩空间与YCgCr色彩空间的转换，变换公式为：

式中，R、G、B分别为原始图像的红色、绿色和蓝色的色彩分量值，Y为转换后的亮度分量，Cg为转换后的绿色色度分量，Cr为转换后的红色色度分量；

b.构建肤色相似度函数，用于验证肤色区域的像素点，定义k为肤色相似度，k值越大，表示越接近肤色，进而认为该像素点属于人脸区域；

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，R为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义T₁为人脸肤色检测阈值，采用以下方法区分像素点属于所述“人脸肤色”或“非人脸肤色”，具体为：

若k≥T₁，则判定为“肤色”，若k＜T₁,则判定为“非肤色”；

优选地，所述人脸匹配模块用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别，具体包括：

a.定义第一特征相似度为D，将采集得到的人脸图像分割成N个区域，则D的表达式为：

式中，M_i(x,y)代表当前人脸图像i区域的LBP特征，ω_i(x,y)代表人脸数据库中的LBP特征，N代表划分的矩形区域个数，ω_i代表矩形区域的权重；

b.定义第二特征相似度为H，假设当前人脸图像的灰度级为L，则矩形区域i中灰度值为j的像素点为n_j，则矩形区域i的灰度熵值为：

则第二特征相似度H的表达式为：

式中，ω_i代表矩形区域的权重，ρ_i代表矩形区域i的灰度熵值，

代表人脸数据库中的相应矩形区域的灰度熵值,N代表矩形区域个数；

c.构建人脸匹配系数μ，用于根据第一特征相似度和第二特征相似度进行综合分析，进行人脸图像识别，具体为：

式中，D为第一特征相似度，H为第二特征相似度，A₁、A₂分别为第一特征相似度和第二特征相似度的系数，A₁，A₂>0且A₁+A₂＝1；

d.定义δ为人脸识别系数的阈值,根据人脸匹配系数与阈值之间的关系判断是否为同一张人脸，具体为：

则当识别为同一人脸时，结果为1，当判断为非人脸时，结果为0。

有益效果：通过各个模块的构建连接，实现了复杂背景下的人脸识别。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图。

附图标记：

人脸采集模块1、图像处理模块2、人脸定位模块3、肤色检测模块4、人脸匹配模块5。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种改进的人脸检测系统，包括人脸采集模块1、人脸定位模块2、肤色检测模块3和人脸匹配模块4，所述人脸采集模块1用于采集当前的含有人脸信息的图像，所述数据处理模块2用于对采集得到的图像进行去噪处理，所述人脸定位模块3用于通过深度感应传感器采集得到的人脸区域的深度信息和彩色信息确定人脸半径，所述肤色检测模块4用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，所述人脸匹配模块5用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别。2.根据权利要求1所述的一种改进的人脸检测系统，其特征是，所述人脸采集模块采用深度感应传感器进行人脸图像的采集。

优选地，所述人脸采集模块采用深度感应传感器进行人脸图像的采集。

优选地，所述图像处理模块2用于对采集得到的图像进行去噪处理，具体包括：

设f₁,f₂,f₃,……,f_n为像素点f₀附近的n个邻域点，则f₀的表达式为：

f₀＝medium(f₁,f₂,f₃,……,f_n)

本优选实施例通过各个模块的构建连接，实现了复杂背景的的人脸识别。

优选地，所述人脸定位模块3，用于通过深度感应传感器采集人脸区域的深度信息和彩色信息，并通过人脸区域深度信息计算获得人脸半径，具体包括：

a.根据人脸半径和人脸区域平均深度之间的关系，计算初步的人脸半径R：

R＝adep²+bdep+c

其中，R是人脸的半径，dep为人脸区域平均深度，a，b，c为根据最小二乘法设定的常量；

b.所述人脸区域的平均深度dep通过下式得到：

式中，n表示深度感应传感器获取的人脸深度数据个数，D_i表示深度感应传感器获取的第i个人脸深度数据，t为深度感应传感器使用的标准温度，t₀为深度感应传感器测量时的实际环境温度。

本优选实施例通过对深度感应传感器温度进行校正，获取了更为准确的人脸深度。

优选地，所述肤色检测模块4用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，具体包括：

a.将采集得到的原始图像进行RGB色彩空间与YCgCr色彩空间的转换，变换公式为：

式中，R、G、B分别为原始图像的红色、绿色和蓝色的色彩分量值，Y为转换后的亮度分量，Cg为转换后的绿色色度分量，Cr为转换后的红色色度分量。

b.构建肤色相似度函数，用于验证肤色区域的像素点，定义k为肤色相似度，k值越大，表示越接近肤色，进而认为该像素点属于人脸区域；

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，R为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义T₁为人脸肤色检测阈值，采用以下方法区分像素点属于所述“人脸肤色”或“非人脸肤色”，具体为：

若k≥T₁，则判定为“肤色”，若k＜T₁,则判定为“非肤色”；

有益效果：采用肤色相似度对肤色进行区分，获得更为准确的区分结果。

优选地，所述人脸匹配模块5用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别，具体包括：

a.定义第一特征相似度为D，将采集得到的人脸图像分割成N个区域，则D的表达式为：

式中，M_i(x,y)代表当前人脸图像i区域的LBP特征，ω_i(x,y)代表人脸数据库中的LBP

特征，N代表划分的矩形区域个数，ω_i代表矩形区域的权重；

b.定义第二特征相似度为H，假设当前人脸图像的灰度级为L，则矩形区域i中灰度值为j的像素点为n_j，则矩形区域i的灰度熵值为：

则第二特征相似度H的表达式为：

式中，ω_i代表矩形区域的权重，ρ_i代表矩形区域i的灰度熵值，

代表人脸数据库中的相应矩形区域的灰度熵值,N代表矩形区域个数；

c.构建人脸匹配系数μ，用于根据第一特征相似度和第二特征相似度进行综合分析，进行人脸图像识别，具体为：

式中，D为第一特征相似度，H为第二特征相似度，A₁、A₂分别为第一特征相似度和第二特征相似度的系数，A₁，A₂>0且A₁+A₂＝1；

d.定义δ为人脸识别系数的阈值,根据人脸匹配系数与阈值之间的关系判断是否为同一张人脸，具体为：

则当识别为同一人脸时，结果为1，当判断为非人脸时，结果为0；

本优选实施例结合区域图像的LBP特征和灰度熵值的特征来进行综合人脸识别，使检测结果更加科学，更加准确。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (1)

1.一种改进的人脸检测系统，其特征是，包括人脸采集模块、数据处理模块、人脸定位模块、肤色检测模块和人脸匹配模块，所述人脸采集模块用于采集当前的含有人脸信息的图像，所述数据处理模块用于对采集得到的图像进行去噪处理，所述人脸定位模块用于通过深度感应传感器采集得到的人脸区域的深度信息和彩色信息确定人脸半径，所述肤色检测模块用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，所述人脸匹配模块用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别；所述人脸采集模块采用深度感应传感器进行人脸图像的采集；所述数据处理模块用于对采集得到的图像进行去噪处理，具体包括：

设f₁，f₂，f₃，......，f_n为像素点f₀附近的n个邻域点，则f₀的表达式为：

f₀＝medium(f₁，f₂，f₃，......，f_n)；所述人脸定位模块用于通过深度感应传感器采集人脸区域的深度信息和彩色信息，并通过人脸区域深度信息计算获得人脸半径，具体包括：

a.根据人脸半径和人脸区域平均深度之间的关系，计算初步的人脸半径R：

R＝adep²+bdep+c

其中，R是人脸的半径，dep为人脸区域平均深度，a，b，c为根据最小二乘法设定的常量；

b.所述人脸区域的平均深度dep通过下式得到：

式中，n表示深度感应传感器获取的人脸深度数据个数，D_i表示深度感应传感器获取的第i个人脸深度数据，t为深度感应传感器使用的标准温度，t₀为深度感应传感器测量时的实际环境温度；所述肤色检测模块用于将采集到的肤色样本转换到不同的空间进行比较，从而区分像素点属于“人脸肤色”或“非人脸肤色”，具体包括：

a.将采集得到的原始图像进行RGB色彩空间与YCg Cr色彩空间的转换，变换公式为：

式中，R、G、B分别为原始图像的红色、绿色和蓝色的色彩分量值，Y为转换后的亮度分量，Cg为转换后的绿色色度分量，Cr为转换后的红色色度分量；

b.构建肤色相似度函数，用于验证肤色区域的像素点，定义k为肤色相似度，k值越大，表示越接近肤色，进而认为该像素点属于人脸区域；

其中，

Cg、Cr分别为像素点的绿色和红色色度分量，r为色度分量的均值向量，R为色度分量的协方差矩阵，c_j为第j个像素点的色度向量，n为色度向量的总数；

c.定义T₁为人脸肤色检测阈值，采用以下方法区分像素点属于所述“人脸肤色”或“非人脸肤色”，具体为：

若k≥T₁，则判定为“肤色”，若k＜T₁，则判定为“非肤色”；所述人脸匹配模块用于从当前检测得到的人脸区域中提取人脸特征参数和数据库中存储的人脸区域特征参数进行匹配，从而进行人脸识别，具体包括：

a.定义第一特征相似度为D，将采集得到的人脸图像分割成N个区域，则D的表达式为：

式中，M_i(x，y)代表当前人脸图像i区域的LBP特征，ω_i(x，y)代表人脸数据库中的LBP特征，N代表划分的矩形区域个数，ω_i代表矩形区域的权重；

b.定义第二特征相似度为H，假设当前人脸图像的灰度级为L，则矩形区域i中灰度值为j的像素点为n_j，则矩形区域i的灰度熵值为：

则第二特征相似度H的表达式为：

式中，ω_i代表矩形区域的权重，ρ_i代表矩形区域i的灰度熵值，

代表人脸数据库中的相应矩形区域的灰度熵值，N代表矩形区域个数；

c.构建人脸匹配系数μ，用于根据第一特征相似度和第二特征相似度进行综合分析，进行人脸图像识别，具体为：

式中，D为第一特征相似度，H为第二特征相似度，A₁、A₂分别为第一特征相似度和第二特征相似度的系数，A₁，A₂＞0且A₁+A₂＝1；

d.定义δ为人脸识别系数的阈值，根据人脸匹配系数与阈值之间的关系判断是否为同一张人脸，具体为：

则当识别为同一人脸时，结果为1，当判断为非人脸时，结果为0。

Images