[发明专利]一种人脸识别方法

说明书

技术领域

本发明涉及一种生物特征识别技术，特别涉及一种人脸识别方法。 

背景技术

现有的人脸识别方法和系统在实际应用中，性能却并不理想。其主要原因是因为，在实际应用中，光照条件、人脸旋转角度、表情、发型和背景等因素的变化造成了人脸模型数据库和待识别人脸图像间的失配，从而极大程度地影响了人脸识别方法的性能。除此之外，人脸图像局部扭曲(partial distortion)和闭塞(occlusion)也造成了现有的人脸识别系统性能的下降。这些人脸图像的局部扭曲或闭塞往往是由墨镜、围巾等装饰物所引起，而这些装饰物的存在又是不可避免的，特别是在反恐中的应用，大多恐怖分子都会带一些伪装物掩饰自己。但是作为一种最广泛和最自然的生物特征识别技术，人脸识别认证将被广泛应用于复杂环境条件下的身份认证、网络安全防范、网上银行、网上贸易、电子商务的安全交易、多媒体信息获取等领域，其要求识别系统具有在各种环境条件复杂变换和人脸图像局部扭曲或闭塞情况下仍然具有稳定的识别性能。因此，如何解决复杂光线和人脸图像存在局部扭曲或闭塞情况下的人脸识别问题已经成为当今人脸识别技术的一个亟待解决的技术问题。 

发明内容

本发明的目的就是要提供一种人脸识别方法，解决复杂光线和人脸图像存在局部扭曲或闭塞情况下的人脸识别问题。 

为了实现本发明的目的，使用了如下方案：一种人脸识别方法，包括以下步骤： 

S1.商图计算：从参考人脸图像数据库计算出人脸光线模型并储存； 

S2.光线补偿：根据原始训练人脸图像数据库和人脸光线模型合成不同光线条件下的人脸图像并储存，构成光线补偿人脸图像数据库； 

S3.特征提取：对光线补偿人脸图像数据库的每一幅人脸图像划分子块并进行特征提取； 

S4.模型训练：基于步骤S3中提取的特征训练不同光线条件下的人脸模型并储存，构成人脸模型数据库； 

S5.特征提取：对待识别人脸图像划分子块并进行特征提取； 

S6.人脸识别：根据已经构成的人脸模型数据库和步骤S5中提取的特征进行计算匹配，选择出最佳匹配结果； 

S7.后续处理：将最佳匹配结果与预先设定的判断阈值进行比较，输出判断结果。 

上述方法中，人脸识别的步骤S6又包括以下分步骤： 

S61.计算待识别人脸图像的每个子块与人脸模型数据库中的每一种光线条件下的每类人的每个子模型的相应子块的子块似然度； 

S62.计算待识别人脸图像与人脸模型数据库中的每一种光线条件下的每类人的每个子模型的联合子块似然度； 

S63.将每种光线条件下每类人的每个子模型的联合子块似然度进行融合得到每种光线条件下每类人与待识别人脸图像的联合模型似然度； 

S64.将每类人所有光线条件下的联合模型似然度进行融合获得每类人与待识别人脸图像的整体似然度； 

S65.选取具有最大整体似然度的值对应的那类人为识别结果。 

本发明的有益效果：由于本发明该系统首先根据一预先给定的在不同光线条件下采集到的参考人脸图像数据库构建了人脸光线模型，并根据此人脸光线 模型和初始设定的原始训练人脸图像数据库形成了一个新的光线补偿人脸图像数据库。光线补偿人脸图像数据库是包含了原始训练人脸图像数据库中的数据和由人脸光线模型所合成的新的代表了不同光线条件的人脸图像的集合。再分别对待识别人脸图像和光线补偿人脸图像数据库中的人脸图像进行特征提取，在人脸识别步骤中自动的选择每种光线条件下与待识别图像最匹配的特征，并只基于这些最匹配的特征来进行识别，即在对与待识别图像的光线最匹配的人脸模型数据库的人脸模型的局部特征选择的同时也选择了未被污染的特征，因而本发明抑制了局部图像污染造成的局部特征失配对识别率的影响。从而解决了解决复杂光线和人脸图像存在局部扭曲或闭塞情况下的人脸识别问题。 

附图说明

图1是本发明的人脸识别的流程图。 

图2是对原始训练人脸图像数据库进行光线补偿时的效果示意图。 

图3是对模型训练步骤的流程图。 

图4是对人脸识别步骤的流程图。 

图5模型w_lm(n)与w_lm对应关系图。 

具体实施方式