CN1658224A - 一种人脸和耳特征组合识别方法 - Google Patents

Abstract

一种人脸和耳特征组合识别方法，包括工艺步骤有：获取人脸正面和侧面图象，由人脸正面图象提取面部结构特征参数和耳廓大小特征参数，由人脸侧面图象提取耳廓形状特征参数，由人脸侧面图象提取耳廓结构特征参数，组合特征识别。本发明具有获取图象方便、设备造价低，利用的特征稳定，识别准确等优点。

Description

一种人脸和耳特征组合识别方法

技术领域

本发明属于基于人体生物特征识别的个人身份鉴别技术，特别涉及耳特征及脸特征的测量与组合识别。

背景技术

身份确认是每个人经常遇到的一个基本问题。身份鉴别主要用在银行、海关、公安、电子商务、电子政务、网络安全等一切需要验证个人身份的场合。

传统身份验证主要有如下两种方式：(1)通过各种证件，如身份证、工作证、信用卡、储蓄卡、电话卡等；(2)通过个人识别号码和密码。其主要缺点是容易被窃取，而且前者容易丢失，后者容易忘记，都不够保险。

基于人体生物特征识别的身份确认所依据的是人类自身所固有的生理或行为特征，因此，与传统的身份识别方法比较，更加安全可靠，使用方便。

目前，生物特征识别技术备受世界各国的重视，特别是在“911”恐怖袭击之后，以美国为首的西方国家都将生物特征识别作为关系国家安全的关键技术加以发展。美国连续发布了三个法案，强调在边检、执法、民用航空等领域应用生物特征识别技术。2003年6月，在国际民用航空组织(ICAO)发布的规划中，也建议其188个成员国在护照上加入生物特征识别技术。大部分西方国家已经立法支持ICAO这项规划。我国幅员辽阔，人口众多，是未来生物特征识别技术的应用大国，开展生物特征识别技术的研究对信息安全和国家的战略安全具有重要意义。

生物特征识别主要包括指纹识别、虹膜识别、人脸识别、掌纹识别等，耳识别是一种新的生物特征识别技术，99年才开始有相关的研究论文发表。耳识别与其它生物特征识别比较有其独特的优势，与指纹识别和掌纹识别比较，它具有非接触信息采集方式容易被人接受的优点；与虹膜识别比较，它具有信息采集方便、采集设备成本低廉的优点；与人脸识别比较，它具有生物特征稳定不变的优点。

现有的人耳自动识别技术主要依据通过摄像机拍摄的耳廓图象中耳廓形状和耳廓结构这两个特征。主要有以下几个基本类型：第一种方法是测量耳廓的形状，并与已存在耳廓图库里的标准耳廓进行相似性对比，由于耳廓图象的采集受摄像机拍摄距离，拍摄角度的影响，耳廓在图象中的大小和角度是不确定的。因此，尽管有各种对比方法，但是计算过程都比较复杂。第二种方法是测量耳廓的结构，在耳廓图象中建立一个坐标系，并根据这个坐标系来测量耳廓若干个结构点的位置，并根据这些结构点的位置组成一组特征向量。通过计算两个特征向量的距离来确定两个耳廓的相似度。这里的一个重要问题是，如何准确地定位坐标系的原点和方向。目前给出的方法还不够精确和稳定，与图象预处理效果有直接关系。第三种方法是采用一些数学手段，计算耳郭图象的整体信息，包括了耳廓形状和结构信息。这种方法的计算量通常很大。

分析头部图象发现，暴露在外面的器官包括眼、鼻、嘴、耳，此外，胡须、睫毛、眼眉、头发等毛发也是人的一个特征信息，但是毛发信息是一个不稳定的信息，不能作为特征来识别。在器官中，耳是一个不随人的年龄，表情而变化的特征，而眼、鼻、嘴与人的表情关系密切。但是，当人没有表情变化时，这些器官的位置将基本上，或在相当长一端时间内不随年龄发生变化，因此可以作为人体生物特征来识别。

现有识别方法存在的主要问题是：

(1)人耳的一个显著特征、也是人们直观最容易发觉的特征是耳廓的大小和相对头部的夹角(例如兜风耳相对头部的夹角就比较大)。而这一特征在目前的人耳识别方法研究中并没有被利用。

(2)在耳廓形状和结构测量中，参考坐标的确定十分重要，目前的参考坐标确定方法还不够精确和稳定，直接影响耳廓形状和结构测量结果，导致耳识别率不高。

(3)人脸与耳廓有着密切的连带关系，它们可以采用同样的信息获取方式，同时获取面部和耳部图象信息。如果能够提取面部相对不变的特征信息，并与耳部特征信息一起构成特征向量，将明显改善独立对耳部信息进行识别的正确率。当它的识别率接近指纹识别，甚至虹膜识别时，将由于其图象采集方便，易于被人接受，设备成本低廉的优势，而成为指纹识别和虹膜识别的强力竞争对手。但资料检索表明，目前尚没有这方面的研究成果报道。

发明内容

针对上述耳识别方法存在的不足，本发明提供一种人脸和耳特征组合识别方法。

利用两部摄像机，分别同时拍摄人脸正面与侧面图象，在人脸正面图象中提取瞳孔、嘴、脸侧面边界点、耳廓高度和宽度信息，在人脸侧面图象中提取耳廓形状和结构信息。组合这些信息，构成特征向量，计算两个特征向量的匹配度，以此作为人体生物特征识别的依据。本发明包括如下步骤：

步骤一：获取人脸正面和侧面图象

采用两部或两组位置固定的摄像机，与人形成一定的角度关系；或者采用一部或两部位置可移动摄像机，分别同时拍摄人脸正面和侧面图象序列，选择其中最佳正面图象和最佳侧面图象。

步骤二：由人脸正面图象提取面部结构特征参数和耳廓大小特征参数

面部特征参数包括嘴相对高度(即嘴与瞳孔的垂直距离与两个瞳孔之间的水平距离之比)，脸相对宽度(即在与嘴同一条水平线上的脸两侧宽度与两个瞳孔之间的水平距离之比)。耳廓大小特征参数包括耳廓相对宽度(即耳廓水平方向最大宽度与两个瞳孔之间水平距离之比)，耳廓相对高度(即耳廓垂直方向最大高度与嘴与瞳孔垂直距离之比)。

步骤三：由人脸侧面图象提取耳廓形状特征参数；

在耳廓图象中，沿耳廓边界不同的特定高度上测量水平方向的宽度，在将这些宽度分别除以耳廓的最大高度，分别获得这些特定点的耳廓相对宽度。这些特定点的相对宽度决定了耳廓的形状。

步骤四：由人脸侧面图象提取耳廓结构特征参数

以耳廓外边界点(最大宽度)与下边界点(耳廓与脸的相交点)之间的某一点作为耳廓横坐标原点，以耳廓上边界点(最大高度)与下边界点(耳廓与脸的相交点)之间的某一点作为耳廓的纵坐标原点，从而获得耳廓坐标系。通过坐标原点，分别作与横坐标成45°和135°两条斜线。上述两条斜线以及横坐标和纵坐标分别与耳轮，耳垂，对耳轮，外耳门，耳屏，对耳屏，耳轮脚，三角窝和屏间切迹边界相交，测量所有相交点的位置，以及与原点之间的距离，从而获得一组耳结构特征参数。

步骤五：特征识别

由面部结构特征参数，耳廓大小特征参数，耳廓形状特征参数和耳廓结构特征参数构成特征向量，计算特征匹配度，建立识别准则。

本发明可将眼、嘴、耳的位置及它们之间的位置关系，耳的形状和结构信息组合在一起，构成头部特征向量，此种方法识别将得到明显的提高。

本发明与其它生物特征识别方法相比，具有如下几个方面的优势：

(1)图象获取方便，不需要人过多的配合，只是眼睛正视摄像机即可。而虹膜图象采集需要测试者与图象采集设备之间保持较密切的配合，反复地调整，瞪大眼睛以便尽可能暴露人眼虹膜部分，对于初试者、特别是眼睛较小的人常感到不适应；指纹图象采集需要测试者与传感器接触，一些人会感到不卫生，特别是需要测试者的手指是清洁的，不潮湿的，不过分干燥的等一些条件。

(2)图象获取设备造价低廉，寿命长，只需要普通的摄像机。而虹膜识别需要专用的摄像机，其设备造价都比较昂贵。指纹识别传感器存在寿命问题。

(3)本发明所利用的耳特征和人脸结构特征是相对稳定的，而人脸采集方式尽管与本发明相同，但人脸识别受面部表情，毛发等因素的影响，使所利用的特征不够稳定可靠。

附图说明

图1为耳识别系统流程图；

图2摄像机与测试对象的位置关系示意图，图中，1为摄像机1，2为摄像机2，3为环形滑道，4为测试对象；

图3为瞳孔检测模板示意图，其中d为内圆直径，D为外圆直径；

图4为头部图象坐标系示意图，其中O为坐标原点，A为嘴中心位置，B为人脸侧面边界点，C为人脸与耳交界点即耳廓下边界点，D为耳廓外边界点，E为耳廓上边界点；

图5为嘴检测模板示意图；

图6为脸侧面边界检测模板示意图；

图7为耳廓形状提取示意图，其中L₁耳垂下边界点，L_m为耳廓上边界点，L_i为耳廓边界上的一点，L_L为耳廓与头部的交界点，L_R为耳廓最外边界点；

图8为耳廓结构测量示意图，分为图(a)耳剖析、图(b)测量法，其中图(a)中1耳轮，2耳垂，3对耳轮，4外耳门，5耳屏，6对耳屏，7耳轮脚，8三角窝，9屏间切迹。

具体实施方式

本发明方法提出的人耳识别流程如图1所示，具体实施步骤如下：

步骤一：获取人脸正面和侧面图象

具体操作是首先设置摄像机

两部摄像机与人的位置关系如附图2所示。摄像机1拍摄人脸正面图象，摄像机2拍摄人脸侧面图象。两部摄像机与人的空间位置关系可以按照固定方式和可变方式来实现。为了方便图象处理，摄像机与人的拍摄距离应该保持恒定，使每次拍摄的图象中，头部的尺寸相对不变。

对于固定方式，摄像机1与人脸正面垂直，摄像机2与人脸形成一定角度，以45°夹角为宜，这是由于耳廓与头部的夹角可以为0°到90°之间。当耳廓与头部形成45°夹角时，它与侧面设置的摄像机2之间的夹角为90°，为最佳拍摄位置。当耳廓与头部平行或垂直时，它与摄像机2之间的夹角分别为125°和45°，这是最差拍摄角度，但都能够兼顾到。当拍摄距离确定时，人在拍摄位置上的一些移动不会影响拍摄图象的效果。

为了使人脸正面图象采集过程更加方便，尽可能减小对测试者配合的要求，同时提高侧面图象的采集质量，可以在正面和侧面分别选择多个摄像机，以适当的角度同时拍摄图象，选择其中最符合要求的图象进行特征提取。

例如，对于正面拍摄情况，可以在图2所示的摄像机1的位置两侧各安装一部摄像机，由三部摄像机组成一个摄像机组。当面部与摄像机1成像面不能严格平行，而是形成一个小的角度时，可以由位于摄像机1左测或者右测的摄像机拍摄到比较理想的正面图象。对于侧面拍摄情况，可以在图2所示的摄像机2的位置两侧各安装一部摄像机，这两部摄像机安装的位置分别与摄像机1形成30°夹角和60°夹角，即图2中的α＝30°和α＝60°。

对于可变方式，可以有如下几种实现方法：

第一种方法是采用两部可移动的摄像机1和2，分别位于以测试对象为中心的圆周上，其位置如附图2所示。两部摄像机均可以沿环形轨道移动，摄像机1在所在位置附近的一个小范围内移动，拍摄人脸正面图象，摄像机2在所在位置附近，拍摄人脸侧面图象。

第二种方法是采用一部可移动的摄像机1，位于以测试对象为中心的圆周上，其位置如附图2所示。摄像机1从人脸正面开始沿环形轨道移动，每隔一定距离拍摄一幅图象，直到与人脸正面垂直的位置。在这些拍摄的图象序列中，寻找最佳正面人脸图象和最佳侧面耳廓图象。这种方法的优点是只使用一部摄像机，但需要在大约90°的范围内做大幅度的滑动。

此外，摄像机也可以安装在一条与人脸正面平行的直线轨道上，从安装角度出发，这是比较方便的方法，与安装在环形轨道上的区别在于，这时的摄像机要具有旋转功能，随着摄像机沿轨道的平移，摄像机不断地旋转角度，使之始终对着测试对象。这种方法的缺点是：(1)摄像机要安装一个旋转机构；(2)所拍摄的角度有限，并且随着角度的增大，摄像机滑动的距离显著增加；(3)由于距离的变化，所拍摄的图象需要进行归一化。因此，这种方法不如环形轨道拍摄方法。

其次，获取头部图象

头部图象的获取与摄像机是固定方式还是可变方式有关。

对于固定方式，两个摄像机1和2同时拍摄正面和侧面头部图象，要求两眼平视，使两眼大致在一条水平线上，暴露耳廓部分和人眼部分，使两个耳廓大致对称。这个过程可以通过在拍摄正面图象的摄像机1上面或下面安装一个光学反射镜，就像照标准像一样，通过反射镜调整自己的头部。拍摄图象时，除拍摄对象之外，没有其他人或移动物体在拍摄视线中。

在这种方式中，正如第一步所介绍的那样，两部摄像机1和2可以分别由两组摄像机1和2取代。这样，人脸正面图象和侧面图象均由多幅图象组成。例如，每组采用3部摄像机，则正面图象和侧面图象均为三幅图象。在正面拍摄的三幅图象中，选择左右脸或者左右耳对称的那一幅图象作为特征提取图象。在侧面拍摄的三幅图象中，选择耳廓暴露最多(或者耳廓最宽)的那一幅图象作为特征提取图象。同时记录所采用图象所对应的摄像机与测试对象之间的夹角，作为耳廓的角度特征信息。

对于可变方式，无论是采用一部摄像机，还是采用两部摄像机，其结果是获得一系列人脸正面和侧面图象。按照前面介绍的方法，对于人脸正面图象序列和侧面图象序列分别进行测量，选择最佳的正面图象和侧面图象，作为特征提取图象。同时记录侧面图象的拍摄角度，获得耳廓角度特征信息。

无论摄像机是固定方式还是可变方式采集图象，在采集头部图象之前，先采集一次背景图象，也就是，在测试对象不在的情况下，采集一次图象，作为背景图象。

步骤二：由人脸正面图象提取面部结构特征参数和耳廓大小特征参数。

第一，分割头部区域图象

头部图象包含了背景信息，背景信息将影响特征的提取，因此，必须从图象中分割出去。按照第一步的要求，拍摄图象的背景是静止不变的。在拍摄人头图象之前，先拍摄一次背景图象。当拍摄人头图象时，与事先拍摄的背景图象相减，即可从人头图象中分割出人头轮廓。

第二，获取人眼瞳孔位置

在人头轮廓所包含的头部区域中，包含的头发，人脸和耳廓。其中头发，眼眉，睫毛，胡须和瞳孔具有较低的灰度，可以作为提取瞳孔的一个特征。而瞳孔除了具有较低的灰度级之外，还具有与上述其他部位不同的特征，即瞳孔是一个圆，瞳孔的周围是一个环形的虹膜，虹膜的灰度高于瞳孔。这一特征是唯一的，可用来确定瞳孔的位置。

为此设计一个环形的模板，如附图3所示。其中d为内圆直径，D为外圆直径。内环直径的设计原则是略小于瞳孔直径的平均值。当人与摄像机的位置确定之后，瞳孔的大小也基本在一个范围内。由于人与摄像机的距离变化不会使人头在拍摄的图象中有显著的变化，因此，瞳孔的直径也不会有明显的变化。

用该模板逐点扫描分割后的人头图象，分别计算模板内圆区域(即d范围内)和环形区域(即D-d范围内)各像素灰度的平均值g和G，如果在整幅图象内存在一像素点，使模板在该点计算出的灰度差G-g达到最大值，则该点像素落在瞳孔内。用此方法可以获得两个瞳孔的中心位置。

第三，纠正头部在与摄像机成像面平行的平面内的倾斜

当头部在与摄像机成像面平行的平面内倾斜时，造成左右眼不在一条水平线上。为此纠正方法如下：计算右眼与左眼瞳孔中心纵坐标之差Δy和横坐标之差Δx，获得两个瞳孔之间的倾角α：

$\mathrm{\α}=\arctan \frac{\mathrm{\Δy}}{\mathrm{\Δx}}$

如果α大于零，表明右眼高于左眼，否则左眼高于右眼。

以右眼高于左眼为例，将图象中所有像素向下平移Δy’的距离：

Δy′＝xtanα

其中x为当前图象的水平位置。

第四，确定头部图象坐标原点

为了测量各特征点的位置，需要一个坐标系。根据两个眼瞳孔的横坐标位置，可以定义头部图象的横坐标原点为

$x_0=\frac{1}{2}\mathrm{\Δx}$

坐标系的纵坐标原点y₀位于眼瞳孔纵坐标一条水平线上。

头部图象坐标系如附图4所示。其中O为坐标原点，A为嘴中心位置，B为人脸侧面边界点，C为人脸与耳交界点即耳廓下边界点，D为耳廓外边界点，E为耳廓上边界点。

第五，确定嘴的中心位置

根据人脸布局规则，嘴位于所建立的坐标原点正下方，呈变平形状，颜色较脸部暗淡，在图象中表现为其灰度级低于周围区域，这是与鼻子相区别之处。

为此设计一个嘴检测模板，如附图5所示。其中O为模板中心坐标。模板沿纵向被分成L₁，L₂，L₃三个区域。其中L₁的高度略大于嘴闭合时的平均高度，宽度略小于最闭合时的平均宽度，根据实验确定。分别计算三个区域各像素灰度平均值P(L₁)、P(L₂)、P(L₃)，

如果P(L₂)＜P(L₁)，或者P(L₃)＜P(L₁)，则将检测模板中心坐标所对应的图象像素标记为0。

如果P(L₂)＞P(L₁)，并且P(L₃)＞P(L₁)，计算P(L₂)和P(L₃)中的较低灰度级P_min＝min{P(L₂)，P(L₃)}，计算灰度差ΔP＝P_min-P(L₁)。将检测模板中心坐标所对应的图象像素标记为ΔP。从坐标原点出发，在图象范围内，沿纵坐标轴向下搜索，将模板强度值ΔP或0标记在所搜索的各点像素位置上，得到一个灰度差序列

{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

取该序列中的最大值

ΔP_max＝max{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

所对应的像素为嘴的中心位置，如附图4中的A所示。

第六，确定侧脸边界的位置

从嘴中心位置出发，分别沿水平方向向左右搜索，寻找脸两侧边界的位置。以向右侧搜索为例进行说明，如附图4所示

脸侧面边界的特点是边界方向趋向垂直，即与横坐标夹角大于45°。这是与嘴相区别之处。为此设计一个方向边界检测模板，如附图6所示。其中O为模板中心位置，纵坐标轴将模板分为L₁和L₂两部分。分别计算两个区域各像素灰度平均值P(L₁)和P(L₂)，得到两个区域灰度差

ΔP＝|P(L₁)-P(L₂)|

从图4所示的嘴中心A出发，沿水平方向向右逐点扫描，计算模板灰度差ΔP，将模板中心所对应的图象像素值用模板灰度差取代，从而获得一个灰度差序列

{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

取该序列中的最大值

ΔP_max＝max{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

所对应的像素坐标为脸侧面边界的位置，如附图4中的B所示。

第七，做边缘检测，提取耳廓边界信息

前面三个步骤都是在灰度图象下进行特征点测量的。其中步骤一确定了眼的位置，步骤三确定了脸侧面边界点的位置。根据一般规律，耳廓最高端的位置略高于眼，耳廓最低端的位置高于脸侧面边界点B的位置。耳廓左端点不超过眼与脸侧面边界点B中间点的位置。耳廓右端的位置不超过头部轮廓右边界。根据上面的几个点，可以确定一个耳廓的大致区域，对这个区域进行边缘检测，获得耳廓的边界。

采用经典的边缘检测算子，例如Canny算子，能够检测到上述区域的边缘，再通过阈值进行两值化，即将灰度图象转化为0和1的二值图象，1表示的是耳廓的边界。

第八，确定耳廓下边界点

这里耳廓下边界点指的是耳廓与脸侧面交界点，而不是指耳垂下边界点。由于每个人的耳垂结构差异较大，因此，一些人的耳垂下边界点实际上就是这里所说的耳廓的下边界点。

人在正面平视拍摄图象时，嘴的位置通常低于耳廓下边界点的位置。因此，步骤三给出的脸侧面边界点B的位置应该位于耳廓下边界点之下。有了这样一个先验知识，只需要从图4中的B点向上搜索，即可找到耳廓下边界点C的位置。

根据第一步获得的耳廓边界图，从B点出发，沿着边界线向上搜索，如果边界线不出现分叉点，继续向上搜索。如果边界线出现分叉点，表明该点为耳廓下边界点，如附图4中的C点所示。第九，确定耳廓的外边界点，上边界点

根据第二步，当出现分叉点时，左侧分叉点为脸侧面边界点，右侧分叉点为耳廓边界点。因此沿着右侧分叉点搜索，每搜索一点，记录相应的坐标，直到再次搜索到分叉点为止。在所记录的坐标序列中，按照横坐标和纵坐标分别排列顺序，横坐标最靠近右侧的一点为耳廓外边界点，如附图4中的D点。纵坐标最靠近上端的一点为耳廓上边界点，如附图4中的E点。

第十，提取面部特征参数和耳廓大小特征参数

当测量耳廓大小时，受如下两个因素的制约。首先，当拍摄距离不同时，耳廓在所拍摄图象中的大小是不相同的。其次，头部在其与摄像机所形成的平面内变化是难以控制和量化的，因此，耳廓的高度将随着头部倾角不同而变化。为此给出如下解决方案。

人脸在无任何表情、两眼平视前方的状态下，两个瞳孔之间的水平距离是一个相对不变量，瞳孔与嘴的垂直距离也是一个相对不变量。这两个距离可以作为衡量耳廓大小的一个参照系。

当拍摄距离和头部倾角不同时，耳廓相对头部的比例关系并不发生变化。利用这样一个比例关系，可以测量耳廓相对大小。

将耳廓上边界点与下边界点的垂直距离(即耳廓的绝对高度)与瞳孔与嘴的垂直距离之比定义为耳廓的相对高度。

将耳廓的外边界点与下边界点的水平距离(即耳廓的绝对宽度)与左右两个瞳孔之间的水平距离之比定义为耳廓的相对宽度。

将瞳孔与嘴之间的垂直距离与两个瞳孔之间水平距离之比定义为嘴相对高度。

将与嘴在一个水平线上的脸两侧边界点之间的距离与两个瞳孔之间的水平距离之比定义为脸相对宽度。

步骤三：由人脸侧面图象提取耳廓形状特征参数

第一，侧面头部图象中耳廓区域的提取

侧面头部图象中的有用信息是耳廓。如果能够侧面头部图象中找到耳廓的上下左右边界点，即可以从侧面头部图象中提取耳廓区域图象。这里提供一种耳廓区域提取方法。

用所拍摄的侧面图象减去事先拍摄的背景图象，获得侧面头部区域图象，由此得到侧面头部图象搜索耳廓的左右界限。

从步骤三的正面图象特征提取过程中，已经找到了耳廓的上下边界点。由于正面摄像机与侧面摄像机位于同一个水平面上，为侧面图象确定耳廓上下边界提供了依据。在侧面图象中，将正面图象提取的耳廓上下边界作为耳廓上下界限。

这样，下一步的工作只需要在上面的图象限定范围内沿水平方向搜索耳廓区域。具体解决办法是对图象做边缘检测，可以采用经典的Canny边缘检测算子实现耳廓边界提取。在二值化的边缘检测图象中，统计各线条的长度，沿垂直方向最长的一条线为耳廓的外边界线。沿着外边界线跟踪，可以找到耳廓与头部的上下两个交界点。将下边界点作为耳廓的内边界。从而可以提取耳廓区域图象。

第二，提取耳廓形状特征参数

将耳廓沿垂直方向(m-1)做等分线，与耳廓外边界形成m个相交点，其中L₁为耳垂下边界点，L_m为耳廓上边界点，L_i为耳廓边界上的一点，如附图7所示。

首先沿耳廓下边界点，即图7中耳廓与头部的交界点L_L，出发，沿耳廓边界线搜索到耳垂的下边界点L₁。再从耳垂的下边界点跟踪到耳廓边界与所有等分线的交界点。

计算所有等分线与耳廓边界相交点与耳廓下边界点的水平距离，

ΔL_i(x)＝L_i(x)-L_L(x)，其中i＝1，2，…m

再将这些水平距离除以耳廓最外边界点(图7中的L_R点)与耳廓下边界点的水平距离(即耳廓的最大宽度)，分别获得耳廓各等分线上的相对宽度，

${\mathrm{\δ}}_i\left(x\right)=\frac{\mathrm{\Δ}{L}_i\left(x\right)}{L_R\left(x\right)-L_L\left(x\right)}=\frac{L_i\left(x\right)-L_L\left(x\right)}{L_R\left(x\right)-L_L\left(x\right)},$ 其中i＝1，2，…m

这些相对宽度即可作为耳廓形状特征参数。

步骤四：由人脸侧面图象提取耳廓结构特征参数

第一，确定耳廓结构特征提取坐标系

以耳廓外边界点与下边界点之间的某一点作为耳廓横坐标原点，以耳廓上边界点与下边界点之间的某一点作为耳廓的纵坐标原点，从而获得耳廓结构特征提取坐标系，如附图8(b)所示。

第二，获取耳廓结构特征参数

通过坐标原点，分别作与横坐标成45°和135°两条斜线。上述两条斜线以及横坐标和纵坐标分别与耳轮，耳垂，对耳轮，外耳门，耳屏，对耳屏，耳轮脚，三角窝和屏间切迹边界相交，测量所有相交点的位置，可以获得一组耳结构特征参数，如附图8(b)中的标号1-12所示。

上述12个测量结果为绝对值，考虑到可比性，将这12个结果分别除以耳廓的高度，获得12个相对宽度值。这些相对特征值即作为耳廓结构特征参数。

步骤五：特征识别

按照以上步骤，分别获得如下特征参数：

面部结构特征参数：嘴相对高度F₁，脸两侧相对宽度F₂；

耳廓大小特征参数：耳廓相对高度D₁，耳廓相对宽度D₂；

耳廓形状特征参数：m个耳廓边界特征点相对宽度S₁-S_m；

耳廓结构特征参数：12个耳廓结构点相对宽度C₁-C₁₂；

可以采用多种特征匹配方法，这里给出一种利用欧几里德距离判别函数实现匹配的方案。

面部结构特征参数的距离函数为

$D_F=\frac{1}{2}\sqrt{\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{(F_i-{F^{\′}}_i)}^2}$

其中F’为已经注册的面部结构特征参数，F为登陆的面部结构特征参数。

耳廓大小特征参数的距离函数为

$D_D=\frac{1}{2}\sqrt{\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{(D_i-{D^{\′}}_i)}^2}$

其中D’为已经注册的耳廓大小特征参数，D为登陆的耳廓大小特征参数。

耳廓形状特征参数的距离函数为

$D_S=\frac{1}{m}\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(S_i-{S^{\′}}_i)}^2}$

其中S’为已经注册的耳廓形状特征参数，S为登陆的耳廓形状特征参数。

耳廓结构特征参数的距离函数为

$D_C=\frac{1}{12}\sqrt{\underset{i=1}{\overset{12}{\mathrm{\Σ}}}{(C_i-{C^{\′}}_i)}^2}$

其中C’为已经注册的耳廓结构特征参数，C为登陆的耳廓结构特征参数。

总体特征参数的距离函数为

D＝k_FD_F+k_DD_D+k_SD_S+k_CD_C

其中k_F、k_D、k_S、k_C分别表示面部结构特征、耳廓大小特征、耳廓形状特征和耳廓结构特征的权重系数。

该距离越小，表明两个特征向量越贴近。根据实验，可以确定当该距离小于某个阈值(例如0.5)，即可认为两者达到匹配。

Claims (6)

1.一种人脸和耳特征组合识别方法，采用摄像机获取图象信息，通过计算机进行处理，其特征在于包括以下步骤：

(1)获取人脸正面和侧面图象；

(2)由人脸正面图象提取面部结构特征参数和耳廓大小特征参数；

(3)由人脸侧面图象提取耳廓形状特征参数；

(4)由人脸侧面图象提取耳廓结构特征参数；

(5)组合特征识别。

2.如权利要求1所述的人脸和耳特征组合识别方法，其特征在于步骤(1)是采用两部或两组位置固定的摄像机，与人形成一定的角度关系；或者采用一部或两部位置可移动摄像机，分别拍摄人脸正面和侧面图象序列，选择其中最佳正面图象和最佳侧面图象。

3.如权利要求1所述的人脸和耳特征组合识别方法，其特征在于步骤(2)所述面部特征参数包括嘴相对高度、脸相对宽度，所述耳廓大小特征参数包括耳廓相对宽度和耳廓相对高度。

4.如权利要求1所述的人脸和耳特征组合识别方法，其特征在于步骤(3)是在耳廓图象中，沿耳廓边界不同的特定高度上测量水平方向的宽度，再将这些宽度分别除以耳廓的最大高度，分别获得决定耳廓形状的这些特定点的耳廓相对宽度。

5.如权利要求1所述的人脸和耳特征组合识别方法，其特征在于步骤(4)是以耳廓外边界与下边界之间的某一点作为耳廓横坐标原点，以耳廓上边界点与下边界点之间的某一点作为耳廓的纵坐标原点，从而确定耳廓坐标系；通过坐标原点，分别作与横坐标成45°和135°两条斜线，上述两条斜线以及横坐标和纵坐标分别与耳轮、耳垂、对耳轮、外耳门、耳屏、对耳屏、耳轮脚、三角窝和屏间切迹边界相交，测量所有相交点的位置，以及与原点之间的距离，获得一组耳结构特征参数。

6.如权利要求1所述的人脸和耳特征组合识别方法，其特征在于步骤(5)是由面部结构特征参数，耳廓大小特征参数，耳廓形状特征参数和耳廓结构特征参数构成特征向量，计算特征匹配度，建立识别准则。

Images