[发明专利]用于门禁系统的人脸识别方法

说明书

技术领域

本发明涉及一种人脸识别的方法，尤其涉及一种用于小区门禁的人脸识别方法。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或扫描仪采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列的分析匹配，最终实现识别不同人身份的目的。

随着对人脸识别技术的深入研究，出现了很多的新技术，传统的方法都需要理想的采集条件（光照、正面、无遮挡物）才能够进行人脸识别，当用户不配合，采集条件不理想的时候，现有自动识别系统的识别率比较低，大约只有50%,因此，提高识别成功率成为目前人脸识别技术研究的新方向。

发明内容

为了弥补背景技术中的不足，本发明提供了一种能克服采集条件影响，识别成功率高的人脸识别方法，其特征在于，包括以下步骤：

S1采集所有常住人员的人脸照片；

S2对人脸照片进行预处理得到标准化的人脸照片；

S3基于PCA算法对标准化的人脸照片进行特征提取，创建样本特征脸空间；

S4训练阶段，把特征数据投影到特征脸空间进行训练，得到人脸照片在特征脸空间的参考位置；

S5实时采集人员的脸部图像；

S6检测脸部图像中是否有人脸图像，若是，则在电脑显示器上显示，否则，重复步骤S6；

S7对人脸图像进行预处理得到标准化的人脸图像；

S8对标准化的人脸图像进行人脸定位；

S9基于PCA算法对人脸进行人脸特征提取和投影，得到特征数据；

S10训练过程，把特征数据投影到特征脸空间进行训练，得到待识别人脸图像在特征脸空间的参考位置；

S11识别过程，比对S4和S10中的两个参考位置，匹配成功后发信号给电锁电路，开启门禁；

S12询问用户是否是第一次使用系统，若是，将采集样本加入样本特征脸空间。

本发明一个较佳实施例中，进一步包括所述S2和S6中预处理的步骤为：

1）降低视觉噪声，对人脸照片通过卷积实现高斯平滑处理；

2）光线补偿，使用颜色空间YCrCb肤色分割的方法；

3）归一化，把人脸照片缩放到一样的尺寸，变换灰度值得到标准的人脸照片。

本发明一个较佳实施例中，进一步包括所述S5中人脸检测的步骤为：

3.1）将脸部图像分割成若干个区域，对每个区域基于YCrCb空间进行像素统计；

3.2）用一系列的坐标点来定义每个区域的像素；

3.3）用若干个区域的像素点的集合来定义脸部图像的像素。

本发明一个较佳实施例中，进一步包括所述人脸检测基于Census算法编程。

有益效果：

本发明的人脸识别方法，通过对待识别的人脸图像进行预处理，降低了图像的视觉噪声，滤除高频部分，使得那些本来不明显的低频成分更容易识别，使用颜色空间YCrCb肤色分割的方法对照片进行光线补偿，再归一化，把人脸照片缩放到一样的尺寸，通过旋转、变换灰度值得到标准的人脸照片，使得整个系统能够克服光照变化的影响，进而不管在何种采集环境下都有一个很高的识别率。                                                    

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明的操作流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细的说明。

如图1所示，本发明的用于门禁系统的人脸识别方法主要执行以下步骤：

S1采集所有常住人员的人脸照片；

S2对人脸照片进行预处理得到标准化的人脸照片；

S3基于PCA算法对标准化的人脸照片进行特征提取，创建样本特征脸空间；

S4训练阶段，把特征数据投影到特征脸空间进行训练，得到人脸照片在特征脸空间的参考位置；

S5实时采集人员的脸部图像；

S6检测脸部图像中是否有人脸图像，若是，则在电脑显示器上显示，否则，重复步骤S6；

S7对人脸图像进行预处理得到标准化的人脸图像；

S8对标准化的人脸图像进行人脸定位；

S9基于PCA算法对人脸进行人脸特征提取和投影，得到特征数据；