CN110852221A - 基于块结合的人脸智能识别方法、终端和存储介质 - Google Patents

Abstract

本发明公开了一种基于块结合的人脸智能识别方法，包括以下步骤：检测到人脸图像，获取所述人脸图像的几何信息和像素信息；根据所述几何信息和所述像素信息构建待识别人脸图像；将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。本发明还公开了一种终端和存储介质。本发明基于几何信息和像素信息构建待识别人脸图像，通过几何对齐以及像素对齐识别人脸，识别精度和准确度更高。

Description

基于块结合的人脸智能识别方法、终端和存储介质

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于块结合的人脸智能识别方法、终端和存储介质。

背景技术

随着科技的进步，人脸识别技术已经应用得越来越广泛，人脸识别技术是通过计算机提取人脸特征，并根据这些特征进行身份识别的一种技术，具有操作简单、结果直观等优点，在信息安全等领域中具有广泛的应用前景。

人脸识别技术是基于预存的人脸信息与采集的人脸信息进行对比和确认，以识别身份。现有的身份识别方式通常通过采集人的眼睛进行对齐，根据眼睛特征识别人的身份，这种识别方式准确度不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于块结合的人脸智能识别方法、终端和存储介质，旨在解决现有人脸识别身份的方式准确度不高的技术问题。

为了实现上述目的，本发明提供一种基于块结合的人脸智能识别方法，所述基于块结合的人脸智能识别方法包括以下步骤：

检测到人脸图像，获取所述人脸图像的几何信息和像素信息；

根据所述几何信息和所述像素信息构建待识别人脸图像；

将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。

可选地，所述根据所述几何信息和所述像素信息构建待识别人脸图像的步骤包括：

将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓；

将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像。

可选地，所述人脸图像中存在翘曲面部时，所述将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓的步骤包括：

创建与未有翘曲面部的人脸图像对应的辅助矩阵；

根据所述辅助矩阵获取所述翘曲面部对应的几何信息；

将所有所述几何信息插入所述参考轮廓上，形成目标轮廓。

可选地，所述根据所述辅助矩阵获取所述翘曲面部对应的几何信息的步骤包括：

获取所述翘曲面部的标志点的几何信息；

根据所述辅助矩阵以及所述标志点的几何信息将所述标志点插入所述未有翘曲面部的人脸图像中；

基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

可选地，所述基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息的步骤包括：

对各个所述标志点进行三角剖分，以获取各个所述标志点对应的三角面；

根据所述三角面以及几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

可选地，所述将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像的步骤包括：

获取所述人脸图像的各个像素点在所述目标轮廓的对应位置；

获取像素变形的强度插值；

根据所述强度插值将所述各个像素点的像素映射到所述目标轮廓的对应位置上，形成待识别人脸图像。

可选地，所述将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息的步骤包括：

获取所述待识别人脸图像的多个区域的特征点集；

根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像；

根据所述预设人脸图像对应的用户信息识别所述待识别人脸图像。

可选地，所述根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像的步骤包括：

分别查找所述各个区域的特征点集在各个预设人脸图像上的分值；

将分值最高的预设人脸图像作为与所述多个区域的特征点集相识度最大的预设人脸图像。

为了实现上述目的，本发明还提供一种终端，所述终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如上所述的基于块结合的人脸智能识别方法的各个步骤。

此外，本发明还提供一种存储介质，所述存储介质上存储有人脸识别程序，所述人脸识别程序被处理器执行时实现如上所述的基于块结合的人脸智能识别方法的步骤。

本发明实施例提出的一种基于块结合的人脸智能识别方法、终端和存储介质，通过采集所述人脸图像的几何信息和像素信息；进而根据所述几何信息和所述像素信息构建待识别人脸图像；将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息，相对于采用眼睛对齐的方式，本实施例基于几何信息和像素信息的对齐识别，识别精度和准确度更高。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2是本发明基于块结合的人脸智能识别方法一实施例的流程示意图；

图3是图2中步骤S20进一步细化的流程示意图；

图4是图3中步骤S21进一步细化的流程示意图；

图5是图4中步骤S212进一步细化的流程示意图；

图6是图3中步骤S22进一步细化的流程示意图；

图7是人脸图像处理前和经过处理后的示意图；

图8是图2中步骤S30进一步细化的流程示意图。

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。

本发明实施例的主要解决方案是：检测到人脸图像，获取所述人脸图像的几何信息和像素信息；根据所述几何信息和所述像素信息构建待识别人脸图像；将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是智能手机、平板电脑、摄像机、摄影机、服务器、门禁设备等具有人脸识别功能的终端设备，另外所述终端还可以是应用于公共安全的终端设备，如公安人脸认证系统终端等。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，摄像头1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可以理解的是，所述终端还可以包括用户接口，所述用户接口可以包括显示屏(Display)如智能手机或平板电脑的显示屏、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。

可选地，终端为手机或平板电脑时，还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及人脸识别程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的人脸识别程序，并执行以下操作：

检测到人脸图像，获取所述人脸图像的几何信息和像素信息；

根据所述几何信息和所述像素信息构建待识别人脸图像；

将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓；

将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

创建与未有翘曲面部的人脸图像对应的辅助矩阵；

根据所述辅助矩阵获取所述翘曲面部对应的几何信息；

将所有所述几何信息插入所述参考轮廓上，形成目标轮廓。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

获取所述翘曲面部的标志点的几何信息；

根据所述辅助矩阵以及所述标志点的几何信息将所述标志点插入所述未有翘曲面部的人脸图像中；

基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

对各个所述标志点进行三角剖分，以获取各个所述标志点对应的三角面；

根据所述三角面以及几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

获取所述人脸图像的各个像素点在所述目标轮廓的对应位置；

获取像素变形的强度插值；

根据所述强度插值将所述各个像素点的像素映射到所述目标轮廓的对应位置上，形成待识别人脸图像。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

获取所述待识别人脸图像的多个区域的特征点集；

根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像；

根据所述预设人脸图像对应的用户信息识别所述待识别人脸图像。

进一步地，处理器1001可以调用存储器1005中存储的人脸识别程序，还执行以下操作：

分别查找所述各个区域的特征点集在各个预设人脸图像上的分值；

将分值最高的预设人脸图像作为与所述多个区域的特征点集相识度最大的预设人脸图像。

基于人脸的多变性和复杂性，人脸识别的精度不高，且人脸识别的计算数据庞大，依赖于在线计算或庞大的数据库，基于此本发明提供的基于块结合的人脸智能识别方法，提高人脸识别的准确度，同时减小数据处理过程，降低计算压力，提高人脸识别速度。

参照图2，一实施例中，所述基于块结合的人脸智能识别方法包括以下步骤：

步骤S10，检测到人脸图像，获取所述人脸图像的几何信息和像素信息；

步骤S20，根据所述几何信息和所述像素信息构建待识别人脸图像；

步骤S30，将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。

本实施例应用于人脸识别系统或身份识别系统，其中，所述人脸识别系统或身份识别系统可以运行于智能手机、平板电脑等电子终端上，还可以应用于安检设备、门锁等安全终端上，所述人脸识别系统运行于上述终端中时，实现本实施例所述的基于块结合的人脸智能识别方法。

具体地，上述设备设有扫描装置，所述扫描装置为相机或具有AR功能的相机，在人脸识别过程中，通过所述扫描装置扫描用户的人脸，以获取人脸图像，所述扫描装置扫描人脸过程中，可以获取多维度人脸图像，也可以获取单一维度人脸图像，本实施例采用多维度图像以及单一维度图像均可以实现，本实施例以单一维度人脸图像进行说明。

终端检测到人脸图像后，获取所述人脸图像的几何信息和像素信息，具体先获取单一维度的人脸图像，再根据所述人脸图像获取人脸的几何信息以及人脸的所有像素信息，进而根据所述几何信息和所述像素信息构建人脸，所构建的人脸为待识别人脸图像。其中，所述几何信息包括形成人脸轮廓的各个点的坐标以及形成脸部各个预设位置的坐标中的至少一种，所述坐标包括X轴坐标以及Y轴坐标，所述预设位置包括面部区域、嘴唇区域、眼睛区域、鼻子区域中的至少一个。本实施例较优实施例中，采用多个预设位置均时采用几何信息对齐以及像素信息对齐的方式构建所述待识别人脸图像，通过块结合集成所述待识别人脸图像。

获取到所述待识别人脸图像后，从预先存储于数据库中的预存人脸图像进行比对，以识别所述待识别人脸图像对应的用户信息。具体的识别方式有多种，如通过从数据库中查找与用户对应的预存的人脸图像进行对比，若相识度大于预设相识度，则判定所采集的人脸图像与该用户的用户信息匹配，识别所述用户信息。

或者，本实施例还可以通过查找数据库中与所述待识别人脸图像信息匹配度最高的预存的人脸图像，进而识别所述预存的人脸图像对应的用户信息是否与所述待识别人脸图像信息对应的用户一致，以识别用户信息。

本实施例通过采集所述人脸图像的几何信息和像素信息；进而根据所述几何信息和所述像素信息构建待识别人脸图像；将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息，相对于采用眼睛对齐的方式，本实施例基于几何信息和像素信息的对齐识别，识别精度和准确度更高。

进一步实施例中，参照图3，所述根据所述几何信息和所述像素信息构建待识别人脸图像的步骤包括：

步骤S21，将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓；

步骤S22，将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像。

本实施例中，在根据几何信息以及像素信息构建待识别人脸图像的过程中，先将所几何信息对齐到所述参考轮廓上，形成待识别人脸图像的人脸轮廓(目标轮廓)后，再将像素信息对齐到所述目标轮廓上，以形成所述待识别人脸图像。也即通过几何对齐方式构建好待识别人脸图像的轮廓后，再在轮廓上填充像素，以形成待识别人脸图像。其中，所述目标轮廓包括脸型轮廓、眼睛轮廓、嘴巴轮廓、鼻子轮廓以及面部轮廓中的一种或多种。

具体地，获取到人脸图像的几何信息后，采用几何对齐的方式，将所述人脸的几何信息一一对齐到预设的参考轮廓上，以形成所述用户的目标轮廓。其中，所述参考轮廓是采用多个中性人脸的界标轮廓进行平均化自训练形成的。将采集到的人脸图像的轮廓拟合输入面部之后，将该人脸图像进行几何变换以变换成参考轮廓的几何形状，形成目标轮廓。基于每个像素点的位置确定目标轮廓的目标位置，将所述像素点的像素对齐到该目标位置，进而形成所述待识别人脸图像。

本实施例通过先采用几何对齐以形成人脸图像的目标轮廓，再结合像素对齐以得到待识别人脸图像，通过像素对齐的方式来识别人脸，其精度可以根据各个像素点的匹配度来确定，识别精度高。

参照图4，在其它实施例中，基于人脸多变，在用户做表情或其它情况下采集该用户的人脸时，所采集的人脸图像可能会存在翘曲面部，若所采集的人脸图像存在翘曲面部，采用上述方式识别人脸，则可能会存在误判的情况，因此，本实施例提出若所述人脸图像中存在翘曲面部时，所述将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓的步骤包括：

步骤S211，创建与未有翘曲面部的人脸图像对应的辅助矩阵；

步骤S212，根据所述辅助矩阵获取所述翘曲面部对应的几何信息；

步骤S213，将所有所述几何信息插入所述参考轮廓上，形成目标轮廓。

所述未有翘曲面部的人脸图像是指用户没有做表情或其它面部动作的情况下获取的人脸图像，该人脸图像不存在翘曲面部。为了防止所采集到的人脸图像存在翘曲面出现误判的情况，在检测到人脸图像，并获取到所述人脸图像和像素信息后，创建具有与所述未有翘曲面部的人脸图像大小相同的辅助矩阵，通过该辅助矩阵，获取所述翘曲面部对应的几何信息，进而将所有所述几何信息插入所述参考轮廓上，形成所述目标轮廓。

具体地，所述几何信息包括X坐标以及Y坐标，本实施例中根据所述辅助矩阵依次获取X坐标以及Y坐标，以获取所述翘曲面部对应的几何信息。本实施例为了提高翘曲面部识别的准确度，通过插值程序来获取翘曲面部的几何信息，进而获取待识别人脸图像，参照图5，所述根据所述辅助矩阵获取所述翘曲面部对应的几何信息的步骤包括：

步骤S2121，获取所述翘曲面部的标志点的几何信息；

步骤S2122，根据所述辅助矩阵以及所述标志点的几何信息将所述标志点插入所述未有翘曲面部的人脸图像中；

步骤S2123，基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

所述标志点较佳选取面部翘曲时发生变形发位置，作为面部的界标，如可以是眼睛、眼角处、嘴巴、嘴角处、下巴、耳朵处等。获取所述标志点在翘曲面部上的几何信息，进而基于所述辅助矩阵以及所述标志点的几何信息将所述标志点的插入所述未有翘曲面部的人脸图像中，如获取到标志点A的几何信息为(X’，Y’)，结合所述辅助矩阵将所述标志点A插入所述未有翘曲面部的人脸图像的矩阵的A中，获取所述标志点A在所述未有翘曲面部的人脸图像的A的坐标(X，Y)为所述翘曲面部的标志点在所述人脸图像中的几何信息。

进而使用仿射插值来获取所述翘曲部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息，将所述翘曲面部的几何信息以及所述未有翘曲面部的人脸图像的其它位置的几何信息插入所述参考轮廓上，以形成目标轮廓。

本实施例使用仿射变换来执行坐标插值，具体仿射变换使用三个周围点来计算新点处的差值。具体实现方式为：对各个所述标志点进行三角剖分，以获取各个所述标志点对应的三角面；根据所述三角面以及几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

在其他实施例中，参照图6，将像素信息映射到所述目标轮廓的对应位置上的方式具体为：所述将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像的步骤包括：

步骤S221，获取所述人脸图像的各个像素点在所述目标轮廓的对应位置；

步骤S222，获取像素变形的强度插值；

步骤S223，根据所述强度插值将所述各个像素点的像素映射到所述目标轮廓的对应位置上，形成待识别人脸图像。

基于几何对齐获取到人脸图像后，获取所述人脸图像中各个像素点在所述目标轮廓的对应位置，所述对应位置包括对应位置的坐标，如X坐标和Y坐标。在像素对齐过程中，基于像素变形强度差值，将各个像素点的像素映射到所述目标轮廓的对应位置上，以形成所述待识别人脸图像。所形成的所述待识别人脸图像是基于几何变形以及像素对齐之后形成的，对于翘曲面或非正常输入的人脸，通过几何变形和像素对齐后形成的待识别人脸图像与更接近用户的实际人脸图像(预存的人脸图像)，采用所述待识别人脸图像进行人脸识别，准确度更高。具体如图7所示，图7中前一行为翘曲面部，后一行是经过上述实施例中进行翘曲面部转换以及像素转换后的面部，经过翘曲面部转换以及像素转换后的面部更接近去除面部表情或面部姿态后的中性表情，可以极大的改善识别效果。

请参照图8，本实施例是基于上述所有实施例提出的关于用户信息识别方式的另一实施例，具体地，所述将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息的步骤包括：

步骤S31，获取所述待识别人脸图像的多个区域的特征点集；

步骤S32，根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像；

步骤S33，根据所述预设人脸图像对应的用户信息识别所述待识别人脸图像。

本实施例通过获取所述待识别人脸图像的多个区域的特征点集，通过各个区域的特征点集与预存的所述各个区域的特征点集进行对比，以确定所述人脸图像对应的用户身份或用户信息。

其中，所述多个区域包括眼睛、鼻子、下巴、嘴巴等中的一个或多个，每个区域对应具有多个特征点的特征点集，在重新构建好待识别人脸图像后，提取所述待识别人脸图像的多个区域的特征点集，查找所提取的所述多个区域对应的预存的特征点集，将所述多个区域的特征点集以及所述多个区域对应的预存的特征点集进行一一对比，获取与所述多个区域的特征点集相似度最大的预存人脸图像，进而采用所述预存人脸图像对应的用户信息待识别人脸图像。

在人脸识别系统中，先通过证件或账号信息获取用户信息，检测到人脸图像时，获取所述人脸图像的几何信息和像素信息，根据所述几何信息和所述像素信息构建待识别人脸图像后，获取所述待识别人脸图像的多个区域的特征点集，根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像，获取所述预设人脸图像对应的用户信息，将该用户信息与通过证件或账号信息获取的用户信息进行比对，若为同一个用户，则识别用户的人脸识别成功。

为了加快识别速度，同时减少数据库的数据存储量，本实施例中采用的数据库具有多个神经网络节点，每个所述神经网络节点相对映射一地址，该地址映射的存储区域中存储人脸一区域的特征点或特征点集，如所述数据库中划分有眼睛神经网络节点，该神经网络节点映射的地址所指的存储区域中存储有所有用户信息对应的眼睛的特征点或特征点集，查找与所述多个区域的特征点集相识度最大的预设人脸图像的过程中，分别根据各个神经网络节点对应的地址查找与所述神经网络节点对应的区域的特征点集，进而比对所述各个区域的特征点集与预存的特征点集，获取各个神经网络节点中与所述预存的特征点集相似度最大的人脸图像，进而根据各个神经网络节点的识别结果确定所述与所述多个区域的特征点集相似度最大的预设人脸图像。

进一步地，预设不同的匹配对对应的分值不同，在对比各个区域的特征点集中，为了防止一些相似度过高的其它用户的误判，本实施例通过各个区域的特征点集对应的分值的总和来判定预设人脸图，具体地，所述根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像的步骤包括：

分别查找所述各个区域的特征点集在各个预设人脸图像上的分值；

将分值最高的预设人脸图像作为与所述多个区域的特征点集相识度最大的预设人脸图像。

也即各个区域的特征点集与预设人脸图像的各个区域的特征点集进行比对时，记录各个区域的比对分值，最终通过将各个区域在各个预设人脸图像上的分值进行相加，分值最高的预设人脸图像则为与所述多个区域的特征点集相识度最大的预设人脸图像。如在比对眼睛的特征点集时，预设人脸图像A的分值为2，预设人脸图像B的分值为3，预设人脸图像C的分值为1；而在比对嘴巴的特征点集时，预设人脸图像A的分值为3，预设人脸图像的分值为2，预设人脸图像C的分值为1，则将预设人脸图像A的各个区域的分值进行相加得到5，将预设人脸图像B的各个区域的分值进行相加得到4，将预设人脸图像C的各个区域的分值进行相加得到2，则判定预设人脸图像A为所述多个区域的特征点集相识度最大的预设人脸图像，采用所述预设人脸图像A对应的用户信息进行识别。

在其它实施例中，由于不同区域的识别精度不同，为了提高识别的准确度，预设各个区域的权重不同，根据所述各个区域的权重以及各个区域的特征点集在各个预设人脸图像上的分值确定与所述多个区域的特征点集相识度最大的预设人脸图像。如眼睛部位相对于其它部位识别精度高，设置眼睛部位的权重大于其它部位的权重，在获取各个区域的特征点集在各个预设人脸图像上的分值后，采用所述分值与对应区域的权重的乘积最大的预设人脸图像作为所述多个区域的特征点集相识度最大的预设人脸图像。

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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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如上所述的一个存储介质(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，平板电脑、相机或摄影机等)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)

1.一种基于块结合的人脸智能识别方法，其特征在于，所述基于块结合的人脸智能识别方法包括以下步骤：

检测到人脸图像，获取所述人脸图像的几何信息和像素信息；

根据所述几何信息和所述像素信息构建待识别人脸图像；

将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息。

2.如权利要求1所述的基于块结合的人脸智能识别方法，其特征在于，所述根据所述几何信息和所述像素信息构建待识别人脸图像的步骤包括：

将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓；

将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像。

3.如权利要求2所述的基于块结合的人脸智能识别方法，其特征在于，所述人脸图像中存在翘曲面部时，所述将所述几何信息几何对齐到人脸的参考轮廓上，形成目标轮廓的步骤包括：

创建与未有翘曲面部的人脸图像对应的辅助矩阵；

根据所述辅助矩阵获取所述翘曲面部对应的几何信息；

将所有所述几何信息插入所述参考轮廓上，形成目标轮廓。

4.如权利要求3所述的基于块结合的人脸智能识别方法，其特征在于，所述根据所述辅助矩阵获取所述翘曲面部对应的几何信息的步骤包括：

获取所述翘曲面部的标志点的几何信息；

根据所述辅助矩阵以及所述标志点的几何信息将所述标志点插入所述未有翘曲面部的人脸图像中；

基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

5.如权利要求4所述的基于块结合的人脸智能识别方法，其特征在于，所述基于几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息的步骤包括：

对各个所述标志点进行三角剖分，以获取各个所述标志点对应的三角面；

根据所述三角面以及几何仿射插值获取所述翘曲面部的其它部位在所述未有翘曲面部的人脸图像的目标位置，以获取所述翘曲面部的几何信息。

6.如权利要求4所述的基于块结合的人脸智能识别方法，其特征在于，所述将所述人脸图像的各个位置的像素信息映射到所述目标轮廓的对应位置上，形成所述待识别人脸图像的步骤包括：

获取所述人脸图像的各个像素点在所述目标轮廓的对应位置；

获取像素变形的强度插值；

根据所述强度插值将所述各个像素点的像素映射到所述目标轮廓的对应位置上，形成待识别人脸图像。

7.如权利要求1所述的基于块结合的人脸智能识别方法，其特征在于，所述将所述待识别人脸图像与预存人脸图像进行比对，以识别所述人脸图像对应的用户信息的步骤包括：

获取所述待识别人脸图像的多个区域的特征点集；

根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像；

根据所述预设人脸图像对应的用户信息识别所述待识别人脸图像。

8.如权利要求7所述的基于块结合的人脸智能识别方法，其特征在于，所述根据所述多个区域的特征点集查找与所述多个区域的特征点集相似度最大的预设人脸图像的步骤包括：

分别查找所述各个区域的特征点集在各个预设人脸图像上的分值；

将分值最高的预设人脸图像作为与所述多个区域的特征点集相识度最大的预设人脸图像。

9.一种终端，其特征在于，所述终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于块结合的人脸智能识别方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有人脸识别程序，所述人脸识别程序被处理器执行时实现如权利要求1至8中任一项所述的基于块结合的人脸智能识别方法的步骤。

Images