[发明专利]脸部识别方法、设备和用于执行该方法的计算机可读记录介质

说明书

本公开涉及脸部识别方法、设备以及用于执行该方法的计算机可读记录介质。根据本公开的一些方面，脸部识别方法包含：(a)关键点设置步骤，在输入脸部图像上在指定位置设置关键点；(b)关键点描述符提取步骤，提取每个关键点的每个描述符；以及(c)匹配步骤，使用指定区域内的关键点的描述符来确定输入脸部图像是否匹配预先存储的脸部图像，描述符包含从输入脸部图像获得的每个第一关键点和对应于从输入脸部图像获得的第一关键点的预先存储的脸部图像的第二关键点的每个描述符。

技术领域

本公开涉及用于识别脸部的方法和设备以及用于执行该方法的计算机可读记录介质。更具体地说，本公开涉及为了将诸如尺度不变特征变换(SIFT)等技术应用于脸部识别并改进性能，基于从输入图像的预定位置提取的关键点执行脸部识别，由此允许反映脸部图像改变的高精度识别。

背景技术

生物测定学是用于识别诸如指纹、脸部、虹膜、静脉等物理特征的技术，这些物理特征人和人不同。此类物理特征不像密钥或密码能被其他人偷走或拷贝，并且可用在安全领域等，因为它们没有被改变或丢失的风险。脸部识别是一种生物测定学技术，其包含用于检测视频或图片图像中的脸部区域并标识包含在所检测脸部区域中的脸部的技术。此类脸部识别技术不仅可用在安全领域，而且可用在各种其它应用中，与智能电话时代的进步保持一致。

具体地说，脸部识别是用于通过使用特征点的位置来标识所检测脸部图像中的脸部的技术。特征点可包含眼睛的中心点、每个眼睛的两个端点、眉毛的两个端点和中心点、嘴唇的两个端点等。

尽管在脸部识别技术中传统上已经使用了诸如主成分分析(PCA)、局部描述符分析(LDA)等统计方法，但因为从脸部局部区域提取的特征信息对于检测例如由于姿势或照明改变而引起的脸部图像的改变更可靠，因此在近些日子更常使用LDA。

另一技术，尺度不变特征变换(SIFT)在物体识别上显示出极佳的识别性能，但在脸部识别上未显示出良好的性能，并且在其应用上有限制。为什么此方法在脸部识别上显示出较差性能，存在各种原因。第一，因为脸部图像(不像物体图像)不成角但可变形，并且根据观察方向，甚至同一人的脸部看起来十分不同，因此特征点的位置也相应地改变。然而，SIFT方法不能将此类改变考虑进去以识别脸部。第二，一般在基于描述符的匹配中使用的基于距离的匹配技术或基于区域的匹配技术在强照明下获取的脸部图像或人处于不常见姿势的图像的情况下显示出差的性能。因而，为了将SIFT(其正常情况下用于物体识别)应用于脸部识别，应该解决上面描述的问题。

甚至当通过不同于SIFT的技术(诸如SURF、LESH或GLOH)执行脸部识别时，难以改进脸部识别的性能。

具体描述

技术问题

因此，本公开的目的是解决上面描述的问题。

此外，本公开的另一目的是以解决常规方法的问题的方式通过参考从之前存储的脸部图像和输入脸部图像的分别预定的位置提取的关键点的描述符来识别脸部从而改进脸部识别的性能。

本公开的又一目的是，通过向输入脸部图像的所有关键点分配标识符号并分配最频繁分配的标识符号作为输入脸部图像的标识符号，来显示出良好的脸部识别性能，甚至当输入脸部图像改变时。

技术方案

用于实现以上目的的本公开的代表性配置如下。

根据本公开的一方面，提供了一种脸部识别方法，包含：(a)在输入脸部图像的预定位置设置关键点；(b)提取每一个关键点的描述符；以及(c)基于从输入脸部图像获得的第一关键点的描述符和包含对应于从输入脸部图像获得的第一关键点的每一个之前存储的脸部图像的第二关键点的预定区域中的关键点的描述符来确定输入脸部图像是否匹配之前存储的脸部图像。