[发明专利]人脸认证方法及系统、人脸模型训练方法及系统

说明书

技术领域

本发明涉及于模式识别技术领域，特别是涉及一种人脸认证方法及系统、一种人脸模型训练方法及系统。

背景技术

基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多种生物认证方法中，基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、不需要被测者特殊配合等优点，得到广泛的关注和重视，具有广泛的应用前景。

人脸认证特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，在智能人机交互、智能视频监控、视频会议和图片及视频检索等各领域有着重要的实用价值。人脸认证是人脸识别的一个分支，当某人进行人脸认证时，通常先声明自己的身份信息，认证系统根据声明的信息从验证数据库中找到该信息对应的分类器模型，采用该分类器模型对该人进行人脸认证，若认证的结果与此人声明的身份信息吻合，则表示认证通过，否则表示认证未通过。

可以看出，人脸认证首先需要利用待认证的人的脸部图像对分类器进行训练，建立该人的分类器模型，现有的人脸认证方法，一般都是直接采用LBP(局部二元模式，Local Binary Patter)或Gabor作为特征，然后直接采用支持向量机或者adaboost(自适应增强，adaptive boosting)算法对人脸区域内的所有特征进行训练得到人脸认证模型。

这些认证方法在提取特征时将人脸作为一个整体，而在实际中，不同人脸其整体往往具有相似性，以此类模型进行认证时，则容易出现误识，从而影响人脸认证的准确度。

因而，目前需要本领域技术人员迫切解决的一个技术问题就是：如何能够创新地提出一种人脸认证的方法，用以提高人脸认证的准确度。

发明内容

本发明所要解决的技术问题是提供一种人脸模型训练及人脸认证的方法及装置，以提高人脸认证的准确度。

为了解决上述技术问题，本发明实施例公开了一种人脸认证方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

本发明实施例还公开了一种人脸模型训练的方法，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。

优选的，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。