[发明专利]人脸识别系统及其方法

说明书

技术领域

本发明涉及一种人脸识别系统及其方法，更具体地，涉及一种用于自动识别汽车中的驾驶者身份的人脸识别系统及其方法。

背景技术

人脸识别(Face Recognition)是一种依据人的面部特征，自动进行身份鉴别的一项新兴生物识别技术。它广泛地采用区域特征分析算法，融合计算机图像处理技术从视频中提取人像特征点，利用相关原理进行分析建立数学模型，从而进行人脸识别。

一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认)四大部分。首先，读入摄像头获取的图像，从中提取人脸图像，通过对人脸图像的预处理生成数学模型，然后，对人脸库中储存的人脸图像相应的数学模型进行比对，而其输出结果则是相似值，可表明待识别的人脸的身份。

发明内容

本发明要解决的技术问题在于提供一种人脸识别系统及其方法，以减小传统人脸识别系统中的计算量以及存储量，同时又保证识别结果的精确性。

根据本发明的第一方面，提供一种人脸识别系统，包括灰阶摄像头、红外摄像头以及计算装置，其中，所述灰阶摄像头用于采集人脸的灰阶图像，并发送至所述计算装置；所述红外摄像头用于同步采集所述人脸的红外图像，并发送至所述计算装置；所述计算装置用于接收由所述两个摄像头采集的图像，并由所述红外图像对灰阶图像进行修正，将修正后的图像转换为特征矩阵并计算所述特征矩阵与预设的人脸信息特征矩阵库的相似度，以得到识别结果。

在第一方面中，优选的是，所述预设的人脸信息特征矩阵库预先存储在特征库中。

优选的是，所述灰阶摄像头的图像采集频率为每秒钟2至3帧。

优选的是，所述红外摄像头的图像采集频率为每秒钟2至3帧。

优选的是，所述人脸识别系统设置在汽车中，用于自动识别汽车中的驾驶者的身份。进一步优选的是，所述灰阶摄像头和红外摄像头安装在汽车的方向盘上。

根据第二方面，提供一种人脸识别方法，其特征在于，包括以下步骤：通过灰阶摄像头和红外摄像头同步采集人脸的图像，并将所采集的灰阶图像和红外图像发送至计算装置；通过所述计算装置，由接收的红外图像对灰阶图像进行修正，将修正后的图像转化为特征矩阵；通过所述计算装置计算所述特征矩阵与预设的人脸信息特征矩阵库的相似度，以得到识别结果。

在第二方面中，优选的是，所述预设的人脸信息特征矩阵库预先存储在特征库中。

优选的是，所述灰阶摄像头以每秒钟2至3帧的频率采集图像。

优选的是，所述红外摄像头以每秒钟2至3帧的频率采集图像。

优选的是，所述人脸识别方法用于自动识别汽车中的驾驶者的身份。

按照本发明的人脸识别系统及其方法，由于在图像采集阶段创新地采用两个摄像头进行协同图像采集，从而保证了所采集图像的正确性，且减小了传统人脸识别系统中的计算量及存储量。而在矩阵计算的过程中，根据两个摄像头采集的图像转化后的两个矩阵来选取特征矩阵，这样，最大限度地保证了识别结果的精确性。

附图说明

为更好地理解本发明，下文以实施例结合附图对本发明作进一步说明。附图中：

图1为本发明人脸识别系统的示意性结构框图；

图2示出了本发明的人脸识别流程；

图3示出了本发明的人脸识别系统在汽车中的应用场景；

图4进一步示出了本发明的人脸识别系统在汽车中的应用场景。

具体实施方式

参照图1，图1为本发明人脸识别系统的示意性结构框图。根据本发明的人脸识别系统10，包括灰阶摄像头11、红外摄像头12、计算装置13以及特征库14。

其中，灰阶摄像头11用于采集人脸的灰阶图像，并将采集到的灰阶图像发送至计算装置13。本发明中，采用灰阶摄像头，能够有效地减小人脸识别系统中的计算量以及存储量，而又不影响识别结果的正确性。优选地，灰阶摄像头11以每秒钟2至3帧的频率采集灰阶图像。

由于在单纯的灰阶摄像头采集图像的过程中，对于光线的要求较高，而光线不同，所生成图像的灰度也大不相同，因而会影响面部识别结果。考虑到这一点，根据本发明，人脸识别系统10特别采用红外摄像头12来同步采集人脸的红外图像，以与灰阶摄像头11协同进行图像采集，并且，将采集到的红外图像也发送至计算装置13。优选地，红外摄像头12以每秒钟2至3帧的频率采集红外图像。

本领域技术人员了解，红外摄像头的成像原理不依靠光线，这样，两个摄像头所采集的图像同时回传至计算装置进行处理，可规避光线对图像造成的误差，使得识别结果更加精确。