[发明专利]基于集成学习的混合融合人脸识别方法

说明书

技术领域

本发明涉及自动人脸识别技术领域，具体地说，涉及一种基于集成学习的 混合融合人脸识别方法。

背景技术

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先 判断其是否存在人脸,如果存在人脸，则进一步地给出每个脸的位置、大小等 信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与 已知的人脸进行对比，从而识别每个人脸的身份。

人脸识别的优势在于其自然性和不被被测个体察觉的特点。所谓自然性， 是指该识别方式同人类进行个体识别时所利用的生物特征相同。例如人脸识别， 人类也是通过观察和比较人脸来区分和确认身份的，另外具有自然性的识别还 有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人 类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识 别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注 意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸 图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指 纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从 而更有可能被伪装欺骗。

虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困 难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题 之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉 上的特点是：不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸 器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是 对于利用人脸区分人类个体是不利的；人脸的外形很不稳定，人可以通过脸部 的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外， 人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物 （例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

单一的人脸识别方法存在一定的局限，比如在EER（等错误率）固定的情况 下，降低FAR（错误接受率）将导致FRR（错误拒绝率）骤然升高；若降低FRR （错误拒绝率）则将导致FAR（错误接受率）骤然升高。在现有技术水平下，采 用单一的人脸识别方法无法使两者同时达到最小。

发明内容

本发明所要解决的技术问题是：采用集成学习的思想，提供一种基于集成 学习的混合融合人脸识别方法，将基于ART2的人脸识别方法和特征脸识别方法 进行融合互补，克服单一的人脸识别方法所存在的局限性，提高整体识别性能。

为解决上述技术问题，本发明的技术方案是：基于集成学习的混合融合人 脸识别方法，包括以下步骤：

1.）输入待鉴定身份的人脸图像；

2.）基于ART2人脸识别方法的鉴定，如果ART2网络系统有识别结果返回， 则接收识别结果，鉴定成功；否则，进入下一步骤进行鉴定；

3.）基于特征脸识别方法的鉴定，设定特征脸识别方法的阈值为S，用特征 脸识别方法对人脸图像进行鉴定，得分为s，如果s>S,则接收识别结果，鉴定 成功；否则，进入后续的融合步骤进行鉴定；

4.）融合鉴定步骤，利用ART2人脸识别方法和特征脸识别方法分别给出的 相似度的排序，对这两种识别方法的识别结果进行比较，如果排序中的第一个 相同，则接收识别结果，鉴定成功；否则，鉴定失败。