一种人脸识别方法及其系统

1.一种人脸识别方法，其特征在于，包括以下步骤：
S1检测器检测帧序列中是否有人脸；若是，进行步骤S2，若否，重复步骤S1；
S2跟踪器对检测到的人脸进行跟踪；
S3收集器收集人脸图像；
S4分析器分析收集到的人脸图像是否为可靠样本；若是，进行步骤S5，若否，重复步骤S2～S4；
S5分析器对可靠样本中的目标人脸提取形状参数和纹理参数，分别对目标人脸的形状和纹理进行建模，通过模型融合得到目标人脸的平均脸，具体包括以下步骤：
S5.1对可靠样本中的目标人脸进行描点；
S5.2对人脸的形状进行建模：首先将描点后的人脸图像两两进行Procrustes变换，得到平均形状人脸，再通过主元分析降维得到形状参数和形状模型；
S5.3对人脸的纹理进行建模：先将平均形状人脸进行delaunay三角划分，再用分片仿射法进行纹理填充，最终用主元分析法降维得到平均纹理模型和纹理参数；
S5.4将形状参数和纹理参数进行加权组合，采用主元分析法降维得到融合参数，最终得到平均脸；
S6识别器通过线性判别特征脸方法得到平均脸与人脸类库中的最接近人脸类的匹配度C；
若CA，识别用户身份，识别结束；若B否则，进行步骤S7；A、B的值由用户根据经验确定；
S7在线学习模块在人脸类库中新建一个人脸类，将目标人脸的平均脸添加到新建的人脸类中并标注用户名，并将该人脸类传给识别器，进行步骤S9；
S8在线学习模块更新用户输入的名字所对应的人脸类，并将更新的人脸类传给识别器；进行步骤S9；
S9识别器更新人脸类库。
2.根据权利要求1所述的人脸识别方法，其特征在于，步骤S6所述线性判别特征脸方法，包括以下步骤：
S6.1对分析器传来的平均脸与人脸类库中的人脸类通过类间、类内最近邻样本算法，得到类间和类内差异的度量；
S6.2根据每个人脸类得到的类间和类内的差异，得到类间散布矩阵和类内散布矩阵；
S6.3根据步骤S6.2得到的类间散布矩阵和类内散布矩阵，利用Fisher鉴别准则得到最优鉴别矢量集；
S6.4将分析器传来的平均脸向最优鉴别矢量集做投影，得到低维的特征数据；
S6.5根据最邻近匹配原则，得到平均脸与人脸类库中的最接近人脸类的匹配度C。
3.根据权利要求1所述的人脸识别方法，其特征在于，步骤S5.1所述对可靠样本中的目标人脸进行描点，具体为：
对可靠样本中的目标人脸的轮廓、眉毛、眼睛、鼻子、嘴唇部位进行描点，将点的坐标位置写成向量形式。
4.根据权利要求1所述的人脸识别方法，其特征在于，步骤S8所述在线学习模块更新用户输入的名字所对应的人脸类，具体为：
在线学习模块计算分析器传过来的平均脸与用户输入的名字所对应的人脸类中的所有的人脸样本的差值，如果差值超过类内距离，则更新该人脸类，否则不更新。
5.实现权利要求1～4任一项所述人脸识别方法的人脸识别系统，其特征在于，包括检测器、跟踪器、收集器、分析器、在线学习模块、识别器及人机交互模块，所述检测器、跟踪器、收集器、分析器、识别器、人机交互模块、在线学习模块依次连接；所述在线学习模块还与识别器连接。

一种人脸识别方法及其系统\n技术领域\n[0001] 本发明涉及人机交互技术，特别涉及一种人脸识别方法及其系统。\n背景技术\n[0002] 人机交互是目前国际上计算机科学研究领域中的一个热点。在人机交互技术中，人脸识别以其作为计算机识别用户并提供个性化服务的最便捷的方法逐步被应用于智能家居等场合。基于计算机视觉的人脸识别，其核心是利用计算机视觉，图像处理等技术对图像采集设备采集到的视频序列进行处理，并对用户进行分类，从而进行相应的响应。\n[0003] 在现有的人脸识别技术中，已经分别实现了对人脸进行检测，对检测到的人脸跟踪，对给定的图像或视频序列进行人脸特征提取并与人脸库数据进行比对从而对用户进行识别,在此,我们把可以将这三部分模块结合在一起的人脸识别方法称为传统人脸识别系统。然而，目前传统人脸识别系统并不能把一些效果比较好的技术进行模块的融合，因而存在如下问题：\n[0004] （1）效果差。由于传统人脸识别系统不能把人脸识别系统各个模块进行有效地融合，传统人脸识别系统易产生人脸跟踪不到，跟踪漂移，识别不出、不确定甚至出错等问题，严重影响到人脸识别效果。\n[0005] （2）交互性差。传统人脸识别系统不能很好的与人进行交互。当出现人脸识别不出、不确定甚至出错时，系统不能很好的与人进行交互，因此在识别不准确的时候系统不能及时得到用户的反馈，性能得不到改善；甚至在识别不准确时由于系统认为自身识别正确从而用识别的结果修改系统中的原有参数（即自学习），导致系统越用越差。\n[0006] （3）适应性差。传统人脸识别系统易受光照、胡须、眼镜、发型、表情等各种外界条件的影响，使识别率降低。因此，系统实用性不强。\n发明内容\n[0007] 为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种人脸识别方法，具有自学习功能、时空特性，抗干扰能力强。\n[0008] 本发明的另一目的在于提供实现上述人脸识别方法的人脸识别系统。\n[0009] 本发明的目的通过以下技术方案实现：\n[0010] 一种人脸识别方法，包括以下步骤：\n[0011] S1检测器检测帧序列中是否有人脸；若是，进行步骤S2，若否，重复步骤S1；\n[0012] S2跟踪器对检测到的人脸进行跟踪；\n[0013] S3收集器收集人脸图像；\n[0014] S4分析器分析收集到的人脸图像是否为可靠样本；若是，进行步骤S5，若否，重复步骤S2~S4；\n[0015] S5分析器对可靠样本中的目标人脸提取形状参数和纹理参数，分别对目标人脸的形状和纹理进行建模，通过模型融合得到目标人脸的平均脸；\n[0016] S6识别器通过线性判别特征脸方法得到平均脸与人脸类库中的最接近人脸类的匹配度C；\n[0017] 若CA，识别用户身份，识别结束；若B