[发明专利]人脸识别方法和人脸识别系统

说明书

技术领域

本发明涉及人脸识别领域，特别涉及一种人脸识别方法、一种人脸识别系统。

背景技术

人机交互技术的应用日益广泛，在人机交互领域中，人脸识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，已经有大量的人脸识别算法被提出。在传统的人脸识别应用中，由于受到采集设备和外界光照干扰等因素的影响，采集的人脸图像通常表示为灰度图像或者红外图像，因而，人脸识别的算法也通常针对单通道灰度图像进行。在图像编码中，灰度图像与彩色图像的RGB通道图像之间的线性融合，将丢失原始人脸图像的部分信息，从而人脸图像信息的描述不够准确，导致最后的人脸识别的不精确，影响到人脸识别的准确性。

发明内容

针对上述现有技术中存在的问题，本发明的一个目的在于提供一种人脸识别方法，本发明的另一个目的在于提供一种人脸识别系统，其可以提高人脸图像信息描述的准确性，且能够在各种人脸验证与识别的场合进行应用。

为达到上述目的，本发明采用以下技术方案：

一种人脸识别方法，包括步骤：

获取待识别原始彩色图像；

抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；

针对各通道彩色图像，分别抽取对应的图像特征；

对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。

一种人脸识别系统，包括：

图像获取单元，用于获取待识别原始彩色图像；

通道图像抽取单元，用于抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；

特征抽取单元，用于针对各所述通道彩色图像，分别抽取对应的两种以上的颜色特征；

降维单元，用于对各所述通道彩色图像的两种以上的颜色特征进行降维处理，获得降维后的图像特征。

根据本发明方案，在获取了待识别原始彩色图像之后，是抽取该待识别原始彩色图像的预设通道类型的通道彩色图像，并针对这些通道类型的通道彩色图像，分别抽取对应的图像特征，并对抽取的图像特征分别进行降维处理，获得降维后的图像特征，这些各通道的降维后的图像特征分别从不同的角度表征了待识别原始彩色图像的不同性能，将这些不同性能进行结合，能够从不同角度来对人脸图像信息进行描述，从而提高了人脸图像信息描述的准确性，便于在各种人脸验证与识别的场合进行应用。

附图说明

图1是本发明的人脸识别方法实施例的流程示意图；

图2是本发明实施例中所提取的8个通道的彩色图像的图像示意图；

图3是本发明实施例中所提取的5个尺度、8个方向的Gabor特征的示意图；

图4是本发明实施例中不同邻域大小的LBP特征及融合后的HLBP特征的示意图；

图5是本发明的人脸识别系统实施例的结构示意图。

具体实施方式

以下结合其中的较佳实施方式对本发明方案进行详细阐述，在下述说明中，首先针对本发明的人脸识别方法的实施例进行说明，再针对本发明的人脸识别系统的实施例进行说明。

图1中示出了本发明的人脸识别方法实施例的流程示意图。如图1所示，本实施例中的方法包括步骤：

步骤S101：获取待识别原始彩色图像；

步骤S102：抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；

步骤S103：针对各通道彩色图像，分别抽取对应的图像特征；

步骤S104：对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。

根据本实施例中的方案，在获取了待识别原始彩色图像之后，是抽取该待识别原始彩色图像的预设通道类型的通道彩色图像，并针对这些通道类型的通道彩色图像，分别抽取对应的图像特征，并对抽取的图像特征进行降维处理，获得降维后的图像特征，这些各通道的降维后的图像特征分别从不同的角度表征了待识别原始彩色图像的不同性能，将这些不同性能进行结合，能够从不同角度来对人脸图像信息进行描述，从而提高了人脸图像信息描述的准确性，便于在各种人脸验证与识别的场合进行应用。

其中，对人脸识别的最常见的一种应用，是将所识别的人脸与数据库中的某一个或者某一些预先存储的人脸进行比较，判断二者的相似性，以判定所识别的人脸是否与预先存储的人脸对应的人物一致，因此，在本发明的该实施例中，在上述步骤S104之后，还可以包括步骤：

步骤S105：分别计算所述待识别原始彩色图像与预设原始彩色图像的各通道彩色图像降维后的图像特征的相似度；