TW201701192A - 臉部識別系統及臉部識別方法 - Google Patents

Abstract

本發明涉及身份識別領域，尤其涉及一種臉部識別系統及臉部識別方法，主要包括光照預處理模組、特徵生成模組、人臉特徵庫模組以及特徵匹配與識別模組。該臉部識別方法首先通過光照預處理模組對輸入的人臉圖像進行光線差異度優化，然後通過特徵生成模組生成該人臉圖像的特徵向量，再將待識別的特徵向量與特徵庫中的所有特徵向量進行匹配計算，給出待識別的特徵向量對應的身份結果。本發明的技術方案可以在計算資源較爲有限的系統上實時判斷出待識別的人臉圖像的身份，耗時短準確率高。

Description

臉部識別系統及臉部識別方法

本發明涉及身份識別領域，尤其涉及一種臉部識別系統及臉部識別方法。

現有技術中，應用在門禁系統中的人臉識別技術方案解決的是特定位置、特定光線條件下採集的特定角度的人臉圖像的身份識別問題。這一方案可以部署在高性能的計算機上，也可以部署在低計算資源的嵌入式計算機上。由於門禁系統允許結果反應有長至1秒甚至更長的延時，而且一般是一次性的身份驗證需求，很少有連續處理的應用場景，所以必須使用計算複雜度較高的演算法。

門禁系統使用的人臉識別技術方案具有以下缺陷：1、需要通過補償光源來固定光線條件，對光線非常敏感；2、要求採集固定的人臉姿勢，例如正臉；3、通常計算複雜度較高，給出一次結果耗時較多，連續檢測時達不到即時反應需求。

鑒於上述問題，本發明提供一種應用在機器人視覺系統的臉部識別系統及臉部識別方法，實現檢測到人臉區域以後的人臉身份識別功能，可以運用於各種光照條件，包括偏光或者無補償光源的情況，且能識別多姿勢的人臉，例如左側、右側、上仰、下俯甚至歪向一邊的人臉，同時能降低計算複雜度使計算資源消耗降低到可以實時識別出現在機器人視野中的人臉，對響應速度要求較高，而且在人臉身份變化時通過連續識別實現即時回饋。

本發明解決上述技術問題所採用的技術方案爲：提供一種臉部識別系統，包括：光照預處理模組，該模組接收輸入的待識別人臉圖像，對所述待識別人臉圖像進行光照差異度的優化後，將經過光照預處理的待識別人臉圖像輸出至下一模組；特徵生成模組，與所述光照預處理模組連接，以接收所述經過光照預處理的待識別人臉圖像，並進行特徵生成後，輸出用於描述人臉細節特點的待識別的特徵向量；人臉特徵庫模組，預存儲有已知人臉的特徵向量；特徵匹配與識別模組，與所述特徵生成模組以及人臉特徵庫模組連接，以將所述特徵生成模組輸出的待識別的特徵向量與所述特徵庫中的所有特徵向量進行匹配計算，輸出所述待識別的特徵向量對應的身份結果。

於一較佳實施例中，上述的臉部識別系統，其中，所述光照預處理模組使用高斯差分的方法對所述待識別人臉圖像進行處理。

於一較佳實施例中，上述的臉部識別系統，其中，所述特徵生成模組採用局部二值模式特徵來描述所述人臉細節特點的特徵向量。

於一較佳實施例中，上述的臉部識別系統，其中，所述人臉特徵庫模組還提供新的人臉特徵添加介面，通過該介面可以向所述人臉特徵庫模組加入已知身份的人的新人臉特徵或未知身份的新人的人臉特徵。

本發明還提供一種臉部識別方法，基於權利要求1-4中任意一項所述的臉部識別系統，所述方法包括以下步驟：S1，初始化所述人臉特徵庫模組，以使所述人臉特徵庫模組中預存儲已知的人臉特徵向量；S2，所述光照預處理模組接收輸入的待識別人臉圖像，對所述待識別人臉圖像進行光照差異度的優化後，將經過光照預處理的待識別人臉圖像輸出；S3，所述特徵生成模組接收經過所述光照預處理模組處理過的待識別人臉圖像，並對該待識別人臉圖像進行特徵生成操作後，輸出用於描述人臉細節特點的特徵向量；S4，所述特徵匹配與識別模組將所述特徵生成模組輸出的待識別的特徵向量與所述特徵庫中的所有特徵向量進行匹配計算，輸出所述待識別的特徵向量對應的身份結果。

於一較佳實施例中，上述的臉部識別方法，其中，在所述S2中，所述光照預處理模組使用高斯差分的方法對所述人臉圖像進行處理。

於一較佳實施例中，上述的臉部識別方法，其中，在所述S3中，採用局部二值模式特徵描述所述人臉細節特點的特徵向量。

於一較佳實施例中，上述的臉部識別方法，其中，所述S4中，若所述特徵匹配與識別模組判定待識別人臉爲未知人臉，則輸出未知識別結果，並將該未知人臉的特徵向量存儲至人臉特徵庫模組中。

上述技術方案具有如下優點或有益效果：本發明的技術方案可以實現檢測到人臉區域以後的人臉身份識別功能，可以運用於各種光照條件，包括偏光或者無補償光源的情況，且能識別多姿勢的人臉，例如左側、右側、上仰、下俯甚至歪向一邊的人臉，同時能降低計算複雜度使計算資源消耗降低，響應速度較高，從而可以實時識別出現在機器人視野中的人臉，而且在人臉身份變化時通過連續識別實現實時回饋。

下面結合附圖和具體的實施例對本發明作進一步的說明，但是不作爲本發明的限定。

如圖1所示，本發明的臉部識別系統，主要應用於機器人的視覺系統，主要由光照預處理模組1、特徵生成模組2、人臉特徵庫模組3以及特徵匹配與識別模組4組成。

其中，光照預處理模組1對輸入的待識別人臉圖像進行光照差異度的優化，減少光照變化對系統識別率的影響。該模組使用高斯差分的方法對圖像進行處理。光照變化在同一人臉圖像上的影響可被視爲在該圖像上疊加了一個低頻的信號，而對人臉圖像進行高斯摺積運算可被視爲進行低通濾波，利用兩個不同大小摺積核的高斯摺積運算可以構造一個高斯差分運算，效果可視爲一個帶通濾波器，由於用於人臉識別的有效特徵的頻率通常比光照信號的頻率高，所以適當選擇兩個摺積核的大小組成差分濾波器可以除去人臉圖像中光線變化的影響。圖像處理或圖像增強技術中用於對光線變化進行處理的方法超過10種，在綜合效果和計算資源後，在本實施例中選用了高斯差分的方法。特徵生成模組2與光照預處理模組1連接，用以對光照預處理模組1輸出的經過光照預處理的人臉圖像進行特徵生成，並輸出描述人臉細節特點的特徵向量。目前用來描述人臉的特徵類型有主要成分分析（PCA）、獨立成分分析（ICA）、局部二值模式特徵（LBP）以及深度神經網絡訓練出的特徵等幾種，針對我們的應用需求，LBP是最佳的選擇。LBP的優勢有兩點，第一是純定點計算，計算量較其他特徵大爲減少，特別是在ARM（一種精簡指令集的微處理器，這裏也指利用該處理器進行搭建的計算系統）框架無浮點計算能力的處理器上，計算量優勢更爲明顯；第二點是LBP本質上是一個類似差分的特徵，能抵抗一定的光線變化。這樣可以繼續弱化光線預處理模組中未能消除的光線變化資訊對系統識別率的不利影響。在特徵生成模組2對待識別的人臉圖像進行特徵生成後，就將待識別的特徵向量存儲至人臉特徵庫模組3中，人臉特徵庫模組3中預存儲有已知人臉的特徵向量。當需要識別人臉圖像時，系統識別邏輯是把需要識別的人臉圖像的特徵向量與人臉特徵庫模組3中已知身份的人臉特徵向量進行比對，找出特徵最相似的人臉。這時需要通過查詢人臉特徵庫模組3來完成識別步驟。由於單人臉圖片的LBP特徵只能被用於識別角度範圍很小的人臉圖片，因此本發明的技術方案通過收集更多角度的人臉圖像特徵，來管理同一個人不同角度的特徵向量集。特徵匹配與識別模組4與人臉特徵庫模組3和特徵生成模組2連接，當有識別請求到來時，特徵匹配與識別模組4將特徵生成模組2輸出的待識別的人臉特徵向量與人臉特徵庫模組3中的所有特徵向量進行匹配計算，找出最接近的一個特徵向量並給出相似度值，根據相似度值的預設閾值判定待識別的人臉是否就是特徵最接近的那個人臉。若是，給出相應的身份結果；若否，判定待識別人臉爲未知人臉，如果此時有需求，可以將該未知人臉的特徵向量添加到人臉特徵庫模組3中，同時需要添加身份資訊，以便下次識別。

上述的功能模組組成了臉部識別系統。現有的技術中還有一個人臉姿勢矯正的技術可以用來減少人臉圖像採集時不同的人臉姿勢對識別精度的影響，但是要達到較好的效果，該功能模組需要較多的計算資源，使得計算量超出低資源系統的實時處理能力，所以我們用採集更多角度的人臉，同時通過特徵匹配與識別模組4中的匹配方法使得匹配結果仍然能夠解決不同姿勢的人臉識別問題，達到相近的效果。

下麵結合一具體實施例對本發明的一種臉部識別系統及臉部識別方法作詳細說明。

本發明的低資源需求的臉部識別系統，可運用於機器人板載視覺系統的臉部識別，在本實施例中所用的硬體資源爲三星Exynos 5410處理平臺，所用的軟件方案爲基於c++語言實現方案的所有功能模組，固化到處理平臺上。然後對人臉特徵庫模組3做初始化，即採集每個已知身份人臉左2、左1、中、右1和右2這5個位置，上、中下、這3個位置共8個位置的人臉圖像的特徵向量，存儲到人臉特徵庫模組3中，然後任意輸入一個人臉圖像，判斷出該人臉圖像的身份。其識別速度大約在200毫秒，滿足機器人交互的應用場景。

綜上所述，本發明公開了一種臉部識別系統及臉部識別方法，解決了在光照和拍攝角度明顯變化，而計算資源又較爲有限時的人臉識別問題，本發明的技術方案可以在計算資源較爲有限的系統上實時判斷出待識別人臉最可能的身份，並給出置信率；該方案支持20～50個人的識別。當限定以下光照條件爲在人臉圖像上的光照亮度均勻變化，即不同人臉圖像中亮度可以不同，但一張人臉圖像中各處要同光照而非有明暗的側光情況，角度條件爲左右偏轉各40度以內，上下偏轉各30度以內時，20人識別準確率達90%以上，50人準確率達80%以上。

本領域技術人員應該理解，本領域技術人員在結合現有技術以及上述實施例可以實現所述變化例，在此不做贅述。這樣的變化例並不影響本發明的實質內容，在此不予贅述。

以上對本發明的較佳實施例進行了描述。需要理解的是，本發明並不局限於上述特定實施方式，其中未盡詳細描述的設備和結構應該理解爲用本領域中的普通方式予以實施；任何熟悉本領域的技術人員，在不脫離本發明技術方案範圍情況下，都可利用上述揭示的方法和技術內容對本發明技術方案做出許多可能的變動和修飾，或修改爲等同變化的等效實施例，這並不影響本發明的實質內容。因此，凡是未脫離本發明技術方案的內容，依據本發明的技術實質對以上實施例所做的任何簡單修改、等同變化及修飾，均仍屬於本發明技術方案保護的範圍內。

1‧‧‧光照預處理模組
2‧‧‧特徵生成模組
3‧‧‧人臉特徵庫模組
4‧‧‧特徵匹配與識別模組

通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明及其特徵、外形和優點將會變得更加明顯。在全部附圖中相同的標記指示相同的部分。並未依照比例繪製附圖，重點在於示出本發明的主旨。 圖1是本發明的臉部識別系統的功能模組圖。

1‧‧‧光照預處理模組

2‧‧‧特徵生成模組

3‧‧‧人臉特徵庫模組

4‧‧‧特徵匹配與識別模組

Claims (8)

1. 一種臉部識別系統，包括： 光照預處理模組，該模組接收輸入的待識別人臉圖像，對所述待識別人臉圖像進行光照差異度的優化後，將經過光照預處理的待識別人臉圖像輸出至下一模組； 特徵生成模組，與所述光照預處理模組連接，以接收所述經過光照預處理的待識別人臉圖像，並進行特徵生成後，輸出用於描述人臉細節特點的待識別的特徵向量； 人臉特徵庫模組，預存儲有已知人臉的特徵向量； 特徵匹配與識別模組，與所述特徵生成模組以及人臉特徵庫模組連接，以將所述特徵生成模組輸出的待識別的特徵向量與所述特徵庫中的所有特徵向量進行匹配計算，輸出所述待識別的特徵向量對應的身份結果。
2. 如申請專利範圍第1項所述的臉部識別系統，其中所述光照預處理模組使用高斯差分的方法對所述待識別人臉圖像進行處理。
3. 如申請專利範圍第1項所述的臉部識別系統，其中所述特徵生成模組採用局部二值模式特徵來描述所述人臉細節特點的特徵向量。
4. 如申請專利範圍第1項所述的臉部識別系統，其中所述人臉特徵庫模組還提供新的人臉特徵添加介面，通過該介面可以向所述人臉特徵庫模組加入已知身份的人的新人臉特徵或未知身份的新人的人臉特徵。
5. 一種臉部識別方法，基於申請專利範圍第1-4項中任意一項所述的臉部識別系統，所述方法包括以下步驟： S1，初始化所述人臉特徵庫模組，以使所述人臉特徵庫模組中預存儲已知的人臉特徵向量； S2，所述光照預處理模組接收輸入的待識別人臉圖像，對所述待識別人臉圖像進行光照差異度的優化後，將經過光照預處理的待識別人臉圖像輸出； S3，所述特徵生成模組接收經過所述光照預處理模組處理過的待識別人臉圖像，並對該待識別人臉圖像進行特徵生成操作後，輸出用於描述人臉細節特點的特徵向量； S4，所述特徵匹配與識別模組將所述特徵生成模組輸出的待識別的特徵向量與所述特徵庫中的所有特徵向量進行匹配計算，輸出所述待識別的特徵向量對應的身份結果。
6. 如申請專利範圍第5項所述的臉部識別方法，其中在所述S2中，所述光照預處理模組使用高斯差分的方法對所述人臉圖像進行處理。
7. 如申請專利範圍第5項所述的臉部識別方法，其中在所述S3中，採用局部二值模式特徵描述所述人臉細節特點的特徵向量。
8. 如申請專利範圍第5項所述的臉部識別方法，其中所述S4中，若所述特徵匹配與識別模組判定待識別人臉爲未知人臉，則輸出未知識別結果，並將該未知人臉的特徵向量存儲至人臉特徵庫模組中。