户外人脸识别方法及系统

暂无

户外人脸识别方法及系统\n技术领域\n[0001] 本发明涉及模式识别领域，特别涉及一种户外人脸识别方法及系统。\n背景技术\n[0002] 近年来，人脸识别技术越来越多的应用在各种领域，如公安系统的罪犯身份识别，各种证件与实际持证人的核对，银行的安全系统，海关的监控系统及自动门卫系统等。\n[0003] 目前的人脸识别方法和系统都是针对室内条件提出的，在实际应用中面临很多严峻的问题，例如：\n[0004] 光照变化问题：大量的识别系统需要在户外全天候工作，摄像时的光照条件必然有剧烈的变化，使得识别系统的性能随光照环境的变化而急剧下降；\n[0005] 姿态变化问题：目前多数的人脸识别系统都是针对正面人脸，但是实际应用中并不能保证输入的人脸是准正面；\n[0006] 特征定位的准确度问题：面部关键特征的自动定位是人脸识别系统的关键环节之一，在很大程度上影响着人脸建模的精度和识别系统的识别性能。而现有的多数特征定位算法的定位精度都随着光照、姿态等外界条件的变化而快速下降；以及\n[0007] 人脸采集设备的问题：目前主流的人脸采集设备为摄像头，由于其采集时刻的焦距、光圈、增益、白平衡等参数设置区别很大，使得获取的人脸图像数据的变化很大。\n[0008] 因此，需要一种方法解决上述问题。\n发明内容\n[0009] 本发明的目的旨在至少解决上述技术问题之一，特别是解决在户外进行人脸识别时，光照变化容易导致人脸识别性能下降的缺陷。\n[0010] 为了实现上述目的，本发明一个实施例提出了一种户外人脸识别方法，包括人脸分类器训练和人脸识别两大步骤。所述人脸分类器训练用于训练生成各种光照情况的人脸分类器，具体地包括以下步骤：采集至少两种光照情况下的人脸图片；根据所述人脸图片提取人脸特征；根据所述人脸特征训练生成每种光照情况的人脸分类器，并计算所述每种光照情况人脸分类器的阈值进行存储。所述人脸识别用于选择最佳的人脸分类器进行人脸识别，具体地包括以下步骤：采集人脸图片；根据所述人脸图片提取人脸特征；根据所述人脸特征计算所述采集时光照情况的阈值，与所述保存的每种光照情况人脸分类器的阈值进行比较，选择最佳的人脸分类器；利用所述最佳人脸分类器进行人脸识别，输出识别结果。\n[0011] 作为本发明的一个实施例，所述至少两种光照情况优选为五种光照情况，分别包括：光线均匀非直射在人脸、光线直射在人脸、光线从后侧照射在人脸、光线从左侧照射在人脸、以及光线从右侧照射在人脸。\n[0012] 作为本发明的一个实施例，所述采集人脸图片时，人脸适当偏转。\n[0013] 作为本发明的一个实施例，所述计算每种光照情况人脸分类器的阈值，包括：统计每张人脸图片的灰度值；对于每种光照情况，统计所有正样本的灰度值的均方差作为所述每种光照情况分类器的阈值。其中，对于光线均匀非直射在人脸、光线直射在人脸、以及光线从后侧照射在人脸的人脸图片，统计整个脸的灰度值；对于光线从左侧照射在人脸的人脸图片，统计左脸的灰度值；对于光线从右侧照射在人脸的人脸图片，统计右脸的灰度值。\n[0014] 本发明另一方面还提出一种户外人脸识别系统，包括人脸图片采集模块、特征提取模块、训练模块、选择模块和识别模块。所述人脸图片采集模块用于采集人脸图片；所述特征提取模块用于根据所述人脸图片提取人脸特征；所述训练模块用于根据所述人脸特征训练生成每种光照情况的人脸分类器，并计算所述每种光照情况人脸分类器的阈值进行存储；所述选择模块用于人脸识别时选择最佳的人脸分类器；所述识别模块用于利用所述选择模块选择的最佳人脸分类器进行人脸识别，输出识别结果。\n[0015] 本发明提出的户外人脸识别方法及系统，对于户外人脸识别时剧烈的光照变化有很好的鲁棒性，识别性能好，识别效率高。\n[0016] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。\n附图说明\n[0017] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：\n[0018] 图1为本发明一个实施例的户外人脸识别方法的流程图；\n[0019] 图2显示了根据本发明的一个实施例的人脸特征提取方法的流程图；以及[0020] 图3为本发明实施例的户外人脸识别系统的结构图。\n具体实施方式\n[0021] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。\n[0022] 如图1所示，为本发明一个实施例的户外人脸识别方法的流程图，包括人脸分类器训练和人脸识别两部分。\n[0023] 其中，人脸分类器训练包括以下步骤：\n[0024] 步骤S101，采集五种光照情况的人脸样本。\n[0025] 在本发明实施例中，通过宽动态摄像机及自动光圈镜头获得人脸图片，当然也可采用其他摄像头获得人脸图片。每个人采集五组图片：光线均匀非直射在人脸的图片、光线直射在人脸的图片、光线从后侧照射在人脸的图片、光线从左侧照射在人脸的图片、以及光线从右侧照射在人脸的图片。采集人脸图片时，头像可以适当偏转。\n[0026] 应理解，上述五种光照情况仅为本发明的一个优选实施例，当然也可以根据实际应用情况，选择更多或较少种类的光照情况。\n[0027] 步骤S102，根据人脸图片提取人脸特征。\n[0028] 对于根据人脸图片进行人脸特征提取，本发明实施例采用如下的提取方案，当然本领域技术人员还可对下述方案进行其他修改或变化，这些修改或变化均应包含在本发明的包含范围之内。\n[0029] 首先利用OpenCV(Intel公司提供的开源计算机视觉库)的Haar特征进行人脸检测，提取正面人脸，然后提取人脸特征。提取人脸特征时，首先根据人眼瞳孔距离对最佳人脸图片进行归一化，例如，去噪等处理；然后，对图片进行奇异值分解，抛弃细节部分，取对角元素作为人脸特征，如图2所示。\n[0030] 步骤S 103，训练生成每种光照情况下的人脸分类器，并计算每种光照情况下人脸分类器的阈值进行保存。\n[0031] 本发明实施例采用支持向量机SVM作为分类器，每种光照情况下每个人的正样本取50到80个，独立负样本取200个，每种光照情况下得到一个分类器。所谓正样本指的是当前所训练用户的人脸图片，所谓负样本指的是非当前所训练用户的人脸图片。具体的训练过程采用本领域普通技术人员熟知的技术，此处不再详细描述。\n[0032] 值得注意的是，本发明实施例中根据SVM分类器的二分类器特点，对其进行了修改以适应人脸识别的多分类需求。具体地，采用的SVM分类器的类型为C-SVC，核函数为\n2\nexp(-r|u-v|)，其中，C表示对个别样本不能正确分类时的重视程度，r为核函数参数，参数C和r通过交叉验证算法得到。\n[0033] 对于计算每种光照情况下人脸分类器的阈值，本发明实施例提出如下的计算方案，当然本领域普通技术人员还可根据下述方案进行其他修改或变化，这些修改或变化均应包含在本发明的包含范围之内。\n[0034] 首先，统计每张人脸图片的灰度值。具体地，对于光线均匀非直射在人脸、光线直射在人脸、以及光线从后侧照射在人脸的人脸图片，统计整个脸的灰度值；对于光线从左侧照射在人脸的人脸图片，统计左脸的灰度值；对于光线从右侧照射在人脸的人脸图片，统计右脸的灰度值。\n[0035] 然后，对于每种光照情况，统计50到80个样本的灰度值的均方差作为每种光照情况分类器的阈值。\n[0036] 使用时的人脸识别包括以下步骤：\n[0037] 步骤S201，采集人脸图片。\n[0038] 使用上述训练获得的人脸分类器进行人脸识别时，通过宽动态摄像机及自动光圈镜头对待识别的人进行拍照，采集一张人脸图片即可。\n[0039] 步骤S202，根据人脸图片提取人脸特征。\n[0040] 具体的人脸特征提取过程与上述人脸分类器训练时的人脸特征提取过程相同，此处为了简单起见，不再详细描述。同样地，也可对特征提取过程进行其他修改或变化，这些修改或变化也应包含在本发明的包含范围之内。\n[0041] 步骤S203，计算采集待识别的人的人脸图片时的光照情况的阈值，与保存的每种光照情况的分类器的阈值进行比较，判断光照情况，选择最佳分类器。\n[0042] 具体的阈值计算过程与上述的人脸分类器训练时的阈值计算过程相类似，此处为了简单起见，不再详细描述。同样地，也可进行其他修改或变化，这些修改或变化也应包含在本发明的包含范围之内。\n[0043] 在判断光照情况，选择最佳分类器时，选取光照阈值与分类器的阈值最接近的光照情况的分类器作为最佳分类器。\n[0044] 步骤S204，利用最佳分类器进行人脸识别，输出识别结果。\n[0045] 为实施如上所述的方法，本发明提供了一种户外人脸识别系统，如图3中所示。图\n3显示了根据本发明实施例的户外人脸识别系统的结构示意图。该系统包括人脸图片采集模块1、特征提取模块2、训练模块3、选择模块4和识别模块5。人脸图片采集模块1用于采集人脸图片；特征提取模块2用于根据人脸图片提取人脸特征；训练模块3用于根据人脸特征训练生成每种光照情况的人脸分类器，并计算每种光照情况人脸分类器的阈值进行存储；选择模块4用于人脸识别时，比较采集人脸图片时的光照阈值与人脸分类器的阈值，选择最佳的人脸分类器；识别模块5用于利用选择模块4选择的最佳人脸分类器进行人脸识别，输出识别结果。\n[0046] 其中，训练模块3包括分类器训练模块31、计算模块32和保存模块33。分类器训练模块31用于根据人脸特征训练生成每种光照情况的人脸分类器；计算模块32用于计算每种光照情况人脸分类器的阈值；保存模块33用于保存每种光照情况下人脸分类器的阈值。\n[0047] 其中，选择模块4包括比较模块41和判断模块42。比较模块41用于计算采集人脸图片时光照情况的阈值，并将其与每种光照情况人脸分类器的阈值进行比较；判断模块\n42用于根据比较模块41的比较结果判断光照情况，确定最佳的人脸分类器。\n[0048] 本发明提出的户外人脸识别方法及系统，对于户外人脸识别时剧烈的光照变化有很好的鲁棒性，识别性能好，识别效率高。\n[0049] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。