[发明专利]一种人脸识别方法及装置

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种人脸识别方法及装置。

背景技术

随着技术的不断发展，人脸识别已经被广泛的应用于各种领域。现有的人脸识别方法主要是针对一个正面的人脸进行特征提取和对比，因此在现有的人脸识别方法中，样本图像库中的人脸图像基本都是人脸的正面图像，而在实际情况中采集到的人脸图像却并非都是正面的人脸。因此，当将采集到的非正面的人脸图标与样本图像库中正面的人脸图像进行识别很可能会因单个人脸多角度下的人脸特征，使得人脸特征匹配混乱，错误的识别出人脸。

发明内容

本发明实施例的目的在于提供一种人脸识别方法及装置，旨在解决现有的人脸识别方法在采集到的非正面人脸图像与样本图像库中的正面人脸进行识别时容易识别错误问题。

本发明实施例是这样实现的，一种人脸识别方法，所述方法包括：

从测试图像中获取指定的若干特征点的坐标；

将所述若干特征点分为多组；

根据所述若干特征点坐标计算出各组特征点的距离，并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息；

将所述测试图像与预先存储的偏移信息相同的样本图像进行比较，识别所述测试图像与所述样本图像的相似度。

本发明实施例的另一目的在于提供一种人脸识别装置，所述装置包括：

特征点提取单元，用于从测试图像中获取指定的若干特征点的坐标；

特征点分组单元，用于将所述若干特征点分为多组；

偏移信息判定单元，用于根据所述若干特征点坐标计算出各组特征点的距离，并通过比较所述各组特征点的距离判定测试图像中人脸的偏移信息；

人脸识别单元，用于将所述测试图像与预先存储的偏移信息相同的样本图像进行比较，识别所述测试图像与所述样本图像的相似度。

在本发明实施例中，获取测试图像中提取的特征点的坐标后，对特征点进行分组，并根据各特征点的坐标计算出各组特征点的距离，通过比较各组特征点的距离判定测试图像的偏移信息，随后将测试图像与预先存储的偏移信息相同的样本图像进行比较，识别所述测试图像与所述样本图像的相似度，因此不管采集到的人脸图像中人脸如何偏移，都能在判定测试图像的人脸偏移信息后与样本图像库中偏移信息相同的样本图像进行识别，大大增强了人脸识别的准确性。

附图说明

图1是本发明一种人脸识别方法的第一实施例提供的流程图；

图2是本发明一种人脸识别方法的第一实施例提供的判定测试图像中人脸的偏移信息的一个具体示例；

图3是本发明一种人脸识别方法的第二实施例提供的流程图；

图4是本发明一种人脸识别装置的第一实施例提供的人脸识别装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

如图1所示为本发明一种人脸识别方法的第一实施例提供的流程图，为了便于说明，仅示出了与本发明实施例相关的部分。

在步骤S101中，从测试图像中获取指定的若干特征点的坐标。

在本发明实施例中，首先对需要识别的人脸图像采用adaboost算法对图像进行检测，获取到测试图像test_face。随后，通过AAM算法从测试图像中获取预先指定的若干特征点的坐标。

具体的，先在测试图像中标记出指定的若干个特征点，获知上述若干特征点的位置信息，然后根据若干特征点的位置信息建立AAM形状模型。其中，指定的若干个特征点是开发人员根据人脸表观确定的。

其中，根据标记好的若干个特征点的位置信息组成形状向量S{x₁,y₁,x₂,y₂......,x_v,y_v}(假设标记了V个特征点)，由于形状向量S中含有平移、缩放和旋转变换作用的效果，为了消除这些变换的效果以便对形状向量S进行全局变换，因此采用主成分分析PCA方法对形状向量S进行降维，则任意形状的样本均可以被表达为基本形状S₀与n个形状矢量S_i的线性组合。因此，AAM形状模型可采用下述公式表示：