[发明专利]人脸认证方法及系统、人脸模型训练方法及系统

权利要求书

1.一种人脸认证方法，其特征在于，包括：

获得待认证用户的有效人脸图像；

将所述有效人脸图像与对应的人脸模型进行匹配，所述人脸模型为依据待认证用户人脸样本图像中多个特定子区域的纹理特征所构造的分类器，所述匹配的过程包括：

提取所述有效人脸图像中相应特定子区域的纹理特征；

将所述特定子区域的纹理特征输入到所述人脸模型中，输出是否匹配的认证结果。

2.如权利要求1所述的方法，其特征在于，所述获得待认证用户的有效人脸图像的步骤包括：

采集待认证用户的人脸图像；

标定所述人脸图像中器官特征点的位置；

根据所述器官特征点的位置，对所述人脸图像进行尺寸和灰度归一化；

从所述归一化后的人脸图像中割取预设大小的图像为有效人脸图像。

3.如权利要求1所述的方法，其特征在于，所述人脸模型为通过以下步骤获得的人脸模型：

在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交叠且大小不一的子区域；

分别提取所述子区域的纹理特征；

依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型；

组合有效人脸图像中所有子区域的训练模型形成作为待认证用户人脸模型的分类器。

4.如权利要求1所述的方法，其特征在于，所述纹理特征为LBP直方图特征，所述提取有效人脸图像中相应特定子区域的纹理特征的步骤包括：

计算所述有效人脸图像的LBP特征；

在所述有效人脸图像中确定对应的多个特定子区域；

分别提取所述特定子区域的LBP直方图特征。

5.如权利要求1所述的方法，其特征在于，所述纹理特征为Gabor-LBP特征，所述提取有效人脸图像中相应特定子区域的纹理特征的步骤包括：

获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像；

计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征；

在所述有效人脸图像中确定对应的多个特定子区域；

分别提取所述特定子区域的Gabor-LBP特征。

6.一种人脸模型训练的方法，其特征在于，包括：

在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交叠且大小不一的子区域；

分别提取所述子区域的纹理特征；

依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型；

组合有效人脸图像中所有子区域的训练模型形成待认证用户的人脸模型的分类器。

7.如权利要求6所述的方法，其特征在于，所述纹理特征为LBP直方图特征，在划分多个相互交叠且大小不一的子区域的步骤之前，还包括：

计算所述有效人脸图像的LBP特征。

8.如权利要求6所述的方法，其特征在于，所述纹理特征为Gabor-LBP特征，在划分多个相互交叠且大小不一的子区域的步骤之前，还包括：

获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像；

计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征。

9.如权利要求6所述的方法，其特征在于，所述依据所有有效人脸图像中相应子区域的纹理特征构造该子区域训练模型的步骤包括：

构造子区域特征训练集{(x_i，y_i)}，其中，i＝1，...，n，x_i为某一有效人脸图像中相应子区域的LBP直方图特征，y_i为该有效人脸图像所属的样本图像类别；

针对所述子区域特征训练集，训练获得作为所述子区域的训练模型的支持向量机模型其中，sgn为符号函数，b^*为分类阈值，为训练得到的最优分类参数。

10.如权利要求9所述的方法，其特征在于，所述组合有效人脸图像中所有子区域的训练模型形成作为待认证用户人脸模型的分类器的步骤包括：

将各子区域支持向量机模型的输出作为弱分类器；

采用adaboost算法对所述弱分类器进行选择和训练，获得作为待认证用户人脸模型的强分类器。