CN108288040A - 基于面部轮廓的多参数人脸识别系统 - Google Patents
基于面部轮廓的多参数人脸识别系统 Download PDFInfo
- Publication number
- CN108288040A CN108288040A CN201810077435.4A CN201810077435A CN108288040A CN 108288040 A CN108288040 A CN 108288040A CN 201810077435 A CN201810077435 A CN 201810077435A CN 108288040 A CN108288040 A CN 108288040A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- eye
- unit
- carrying
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 12
- 210000001747 pupil Anatomy 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 210000000887 face Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明的主要目的在于提供一种克服人类个体相似性和易变性的一种生物特征采集方法，特别是提供了一种基于面部轮廓的多参数人脸识别系统，具体是通过在人脸识别过程中加入对眼部的识别，眼睛检测和瞳孔定位，以及对图像进行相应处理，以达到准确人脸识别的目的。
Description
技术领域
本发明属于生物特征采集领域，具体涉及一种基于面部轮廓的多参数人脸识别系统。
背景技术
生物特征识别及采集技术就是，通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。将生理特征和行为特征统称为生物特征。用于身份鉴定的生物特征具有普遍性、唯一性、可测量性、稳定性，且对人体无伤害，在很大程度上提高了认证的便捷性和安全性，克服了传统的基于口令、密码、card等的身份认证中存在的繁多复杂、易丢失易遗忘易攻击等不足，因此目前，生物特征识别及采集已经广泛引用到各个领域。
现在常用的生物特征有：指纹识别、掌纹识别、指静脉识别、掌静脉识别、人脸识别、虹膜识别、眼部识别、声音识别等。目前来看，指纹识别、人脸识别、眼部识别是应用最为广泛的生物特征识别和采集技术。人脸识别方法成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现。
然而，对于人脸识别算法，也存在很多技术难点，首先是不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。其次，脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件(例如白天和夜晚，室内和室外等)人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)年龄等多方面因素的影响。
发明内容
鉴于以上分析，本发明的主要目的在于克服上述缺陷，提供一种克服人类个体相似性和易变性的一种生物特征采集方法，特别是提供了一种基于面部轮廓的多参数人脸识别系统，具体是通过在人脸识别过程中加入对眼部的识别，眼睛检测和瞳孔定位，以及对图像进行相应处理，达到准确人脸识别的目的。
本发明的目的是通过以下技术方案实现的：
一种基于面部轮廓的多参数人脸识别系统，包括：
参数采集子系统，用于基于待识别人员的人脸图像采集多个生物特征参数；
人脸识别子系统，用于根据参数采集子系统得到的生物特征参数进行人脸识别。
进一步地，所述参数采集子系统包括：
直方归一化单元，用于对输入的脸部图像进行直方归一化处理；
人脸区域划分单元，用于利用人脸检测类别划分器得到人脸区域；
眼睛定位单元，用于通过眼睛检测与瞳孔定位方法定位眼睛；
有效区域定位单元，用于对输入图像进行人脸姿态矫正和模板处理，得到人脸有效区域；
特征采集单元，用于对人脸有效区域以8×8的采样率进行特征提取，得到对应于人脸有效区域的特征。
进一步地，所述直方归一化单元包括：
眼部水平单元，用于进行图像的旋转，使得左眼和右眼的连线保持水平；
裁切单元，用于根据人类脸部比例关系，进行图像裁切。
图像归一化单元，用于进行图像缩放处理，得到统一大小的归一化图像，规定图像的大小为128×128像素点，使两眼之间的距离为64个像素定长。
进一步地，还包括：
检测与多参数采集单元，用于人眼检测、人眼特征提取、人眼级联分类器检测、人眼区域定位、色度空间变换、瞳孔中心定位；
其中，人眼特征为人眼区别于人脸其他器官的显著特征，利用积分图像实现人眼特征的快速计算，人眼级联分类器采用简化支持向量机作为弱分类器，通过训练若干简化支持向量机作为强分类器；
其中，瞳孔中心定位包括从左右眼睛区域中检测反射光点，利用位置和亮度信息进行眼睛块的检测，从左右眼睛区域中删除亮度较高的连通块，选择位于最低位置的连通块作为眼睛块，如果没有检测到反射光点，则用像素的亮度值进行眼睛定位，利用眼睛块的边界信息，从灰度图像分割灰度眼睛图像；
其中，瞳孔中心定位还包括：进行色度空间变换，保留亮度分量，得到人眼区域的亮度图像，对亮度图像进行直方图线性均衡和对比度增强，对眼睛区域实施掩磨处理，消除非瞳孔区域影响；阈值变换，并对阈值变换后的图像进行腐蚀和膨胀处理，对上述处理后的二值人眼区域实施高斯与中值平滑滤波，对平滑后的图像再次进行阈值变换，再进行边缘检测，椭圆拟合并检测轮廓中的圆，检测半径最大的圆即得到瞳孔的中心。
进一步地，所述特征采集单元包括人脸图像计算单元，用于进行如下计算：
其中，
其中，x,y表示人脸图像像素的坐标值，u＝0，1，…，7，K表示总数，v为计算因子，v＝0，1，…，4，k,σ为窗口函数的参数。
进一步地，所述人脸识别子系统包括：
人脸特征参数数据库，用于存储识别人脸所需的参考人脸特征参数；
生物特征比对单元，用于将参数采集子系统得到的人脸有效区域的参数与所述参考人脸特征参数进行比对；
识别信息输出单元，用于根据生物特征比对单元的比对结果输出待识别人员的身份。
本发明的技术方案具有以下优点：
提供一种克服人类个体相似性和易变性的一种生物特征采集方法，特别是提供了一种基于面部轮廓的多参数人脸识别系统，具体是通过在人脸识别过程中加入对眼部的识别，眼睛检测和瞳孔定位，以及对图像进行相应处理，达到准确人脸识别的目的。
附图说明
图1示出了根据本发明的识别系统组成框图。
具体实施方式
如图1所示，一种基于面部轮廓的多参数人脸识别系统，包括：
参数采集子系统，用于基于待识别人员的人脸图像采集多个生物特征参数；
人脸识别子系统，用于根据参数采集子系统得到的生物特征参数进行人脸识别。
所述参数采集子系统包括：包括：
直方归一化单元，用于对输入的脸部图像进行直方归一化处理；
人脸区域划分单元，用于利用人脸检测类别划分器得到人脸区域；
眼睛定位单元，用于通过眼睛检测与瞳孔定位方法定位眼睛；
有效区域定位单元，用于对输入图像进行人脸姿态矫正和模板处理，得到人脸有效区域；
特征采集单元，用于对人脸有效区域以8×8的采样率进行特征提取，得到对应于人脸有效区域的特征。
所述直方归一化单元包括：
眼部水平单元，用于进行图像的旋转，使得左眼和右眼的连线保持水平；
裁切单元，用于根据人类脸部比例关系，进行图像裁切。
图像归一化单元，用于进行图像缩放处理，得到统一大小的归一化图像，规定图像的大小为128×128像素点，使两眼之间的距离为64个像素定长。
还包括：
检测与多参数采集单元，用于人眼检测、人眼特征提取、人眼级联分类器检测、人眼区域定位、色度空间变换、瞳孔中心定位；
其中，人眼特征为人眼区别于人脸其他器官的显著特征，利用积分图像实现人眼特征的快速计算，人眼级联分类器采用简化支持向量机作为弱分类器，通过训练若干简化支持向量机作为强分类器；
其中，瞳孔中心定位包括从左右眼睛区域中检测反射光点，利用位置和亮度信息进行眼睛块的检测，从左右眼睛区域中删除亮度较高的连通块，选择位于最低位置的连通块作为眼睛块，如果没有检测到反射光点，则用像素的亮度值进行眼睛定位，利用眼睛块的边界信息，从灰度图像分割灰度眼睛图像；
其中，瞳孔中心定位还包括：进行色度空间变换，保留亮度分量，得到人眼区域的亮度图像，对亮度图像进行直方图线性均衡和对比度增强，对眼睛区域实施掩磨处理，消除非瞳孔区域影响；阈值变换，并对阈值变换后的图像进行腐蚀和膨胀处理，对上述处理后的二值人眼区域实施高斯与中值平滑滤波，对平滑后的图像再次进行阈值变换，再进行边缘检测，椭圆拟合并检测轮廓中的圆，检测半径最大的圆即得到瞳孔的中心。
所述特征采集单元包括人脸图像计算单元，用于进行如下计算：
其中，
其中，x,y表示人脸图像像素的坐标值，u＝0，1，…，7，K表示总数，v为计算因子，v＝0，1，…，4，k,σ为窗口函数的参数。
所述人脸识别子系统包括：
人脸特征参数数据库，用于存储识别人脸所需的参考人脸特征参数；
生物特征比对单元，用于将参数采集子系统得到的人脸有效区域的参数与所述参考人脸特征参数进行比对；
识别信息输出单元，用于根据生物特征比对单元的比对结果输出待识别人员的身份。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于面部轮廓的多参数人脸识别系统，其特征在于，包括：
参数采集子系统，用于基于待识别人员的人脸图像采集多个生物特征参数；
人脸识别子系统，用于根据参数采集子系统得到的生物特征参数进行人脸识别。
2.如权利要求1所述的基于面部轮廓的多参数人脸识别系统，其特征在于，所述参数采集子系统包括：
直方归一化单元，用于对输入的脸部图像进行直方归一化处理；
人脸区域划分单元，用于利用人脸检测类别划分器得到人脸区域；
眼睛定位单元，用于通过眼睛检测与瞳孔定位方法定位眼睛；
有效区域定位单元，用于对输入图像进行人脸姿态矫正和模板处理，得到人脸有效区域；
特征采集单元，用于对人脸有效区域以8×8的采样率进行特征提取，得到对应于人脸有效区域的特征。
3.如权利要求2所述的基于面部轮廓的多参数人脸识别系统，其特征在于，所述直方归一化单元包括：
眼部水平单元，用于进行图像的旋转，使得左眼和右眼的连线保持水平；
裁切单元，用于根据人类脸部比例关系，进行图像裁切。
图像归一化单元，用于进行图像缩放处理，得到统一大小的归一化图像，规定图像的大小为128×128像素点，使两眼之间的距离为64个像素定长。
4.如权利要求2所述的基于面部轮廓的多参数人脸识别系统，其特征在于，还包括：
检测与多参数采集单元，用于人眼检测、人眼特征提取、人眼级联分类器检测、人眼区域定位、色度空间变换、瞳孔中心定位；
其中，人眼特征为人眼区别于人脸其他器官的显著特征，利用积分图像实现人眼特征的快速计算，人眼级联分类器采用简化支持向量机作为弱分类器，通过训练若干简化支持向量机作为强分类器；
其中，瞳孔中心定位包括从左右眼睛区域中检测反射光点，利用位置和亮度信息进行眼睛块的检测，从左右眼睛区域中删除亮度较高的连通块，选择位于最低位置的连通块作为眼睛块，如果没有检测到反射光点，则用像素的亮度值进行眼睛定位，利用眼睛块的边界信息，从灰度图像分割灰度眼睛图像；
其中，瞳孔中心定位还包括：进行色度空间变换，保留亮度分量，得到人眼区域的亮度图像，对亮度图像进行直方图线性均衡和对比度增强，对眼睛区域实施掩磨处理，消除非瞳孔区域影响；阈值变换，并对阈值变换后的图像进行腐蚀和膨胀处理，对上述处理后的二值人眼区域实施高斯与中值平滑滤波，对平滑后的图像再次进行阈值变换，再进行边缘检测，椭圆拟合并检测轮廓中的圆，检测半径最大的圆即得到瞳孔的中心。
5.如权利要求2所述的基于面部轮廓的多参数人脸识别系统，其特征在于，所述特征采集单元包括人脸图像计算单元，用于进行如下计算：
其中，
其中，x,y表示人脸图像像素的坐标值，u＝0，1，…，7，K表示总数，v为计算因子，v＝0，1，…，4，k,σ为窗口函数的参数。
6.如权利要求1所述的基于面部轮廓的多参数人脸识别系统，其特征在于，所述人脸识别子系统包括：
人脸特征参数数据库，用于存储识别人脸所需的参考人脸特征参数；
生物特征比对单元，用于将参数采集子系统得到的人脸有效区域的参数与所述参考人脸特征参数进行比对；
识别信息输出单元，用于根据生物特征比对单元的比对结果输出待识别人员的身份。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810077435.4A CN108288040A (zh) | 2018-01-26 | 2018-01-26 | 基于面部轮廓的多参数人脸识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810077435.4A CN108288040A (zh) | 2018-01-26 | 2018-01-26 | 基于面部轮廓的多参数人脸识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108288040A true CN108288040A (zh) | 2018-07-17 |
Family
ID=62835929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810077435.4A Pending CN108288040A (zh) | 2018-01-26 | 2018-01-26 | 基于面部轮廓的多参数人脸识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108288040A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580469A (zh) * | 2019-09-10 | 2019-12-17 | 广州麦仑信息科技有限公司 | 一种基于嵌入式设备的掌脉识别系统及方法 |
| CN112949495A (zh) * | 2021-03-04 | 2021-06-11 | 安徽师范大学 | 一种基于大数据的智能识别系统 |
| CN117240607A (zh) * | 2023-11-10 | 2023-12-15 | 北京云尚汇信息技术有限责任公司 | 一种基于安全计算机的安全认证方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205480A (zh) * | 2015-10-31 | 2015-12-30 | 潍坊学院 | 一种复杂场景中人眼定位方法及系统 |
-
2018
- 2018-01-26 CN CN201810077435.4A patent/CN108288040A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205480A (zh) * | 2015-10-31 | 2015-12-30 | 潍坊学院 | 一种复杂场景中人眼定位方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 宋加涛: "基于二值边缘图像的眼睛定位和人脸识别", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
| 李外云: "基于ARM架构的嵌入式人脸识别技术研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580469A (zh) * | 2019-09-10 | 2019-12-17 | 广州麦仑信息科技有限公司 | 一种基于嵌入式设备的掌脉识别系统及方法 |
| CN110580469B (zh) * | 2019-09-10 | 2022-08-09 | 广州麦仑信息科技有限公司 | 一种基于嵌入式设备的掌脉识别系统及方法 |
| CN112949495A (zh) * | 2021-03-04 | 2021-06-11 | 安徽师范大学 | 一种基于大数据的智能识别系统 |
| CN117240607A (zh) * | 2023-11-10 | 2023-12-15 | 北京云尚汇信息技术有限责任公司 | 一种基于安全计算机的安全认证方法 |
| CN117240607B (zh) * | 2023-11-10 | 2024-02-13 | 北京云尚汇信息技术有限责任公司 | 一种基于安全计算机的安全认证方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | A new human identification method: Sclera recognition | |
| Zhu et al. | Biometric personal identification based on iris patterns | |
| CN107729820B (zh) | 一种基于多尺度hog的手指静脉识别方法 | |
| Burge et al. | Ear biometrics for machine vision | |
| CN103793692A (zh) | 低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统 | |
| CN106203497B (zh) | 基于图像质量评价的手指静脉感兴趣区域图像筛选方法 | |
| Banerjee et al. | ARTeM: A new system for human authentication using finger vein images | |
| CN109934118A (zh) | 一种手背静脉身份识别方法 | |
| CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
| CN110598574A (zh) | 智能人脸监控识别方法及系统 | |
| Das et al. | Fuzzy logic based selera recognition | |
| CN108288040A (zh) | 基于面部轮廓的多参数人脸识别系统 | |
| Dey et al. | Computer vision based gender detection from facial image | |
| CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
| CN113673460A (zh) | 用于虹膜识别的方法及装置、终端设备、存储介质 | |
| Choraś | Ear biometrics based on geometrical method of feature extraction | |
| Benziane et al. | Dorsal hand vein identification based on binary particle swarm optimization | |
| Akram et al. | Dorsal hand veins based person identification | |
| Priya et al. | Authentication of identical twins using tri modal matching | |
| Abdel-Latif et al. | Achieving information security by multi-modal iris-retina biometric approach using improved mask R-CNN | |
| Latha et al. | A novel method for person authentication using retinal images | |
| Ibrahim | Iris recognition using Haar wavelet transform | |
| Gokul Rajan et al. | A new approach for sclera segmentation using integro differential operator | |
| CN108304792A (zh) | 人体生物特征采集平台 | |
| CN108182422A (zh) | 多参数身份辨识方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180717 |