[发明专利]一种用于智能机器人的人脸识别方法及系统

权利要求书

1.一种用于只能机器人的人脸识别方法，所述方法包括：

步骤一，建立人脸识别数据库；

步骤二，输入待鉴别的人脸图像；

步骤三，计算输入图像的特征向量；

步骤四，进行身份鉴定；

步骤五，输出身份鉴别结果。

2.根据权利要求1所述的方法，其特征在于，所述建立人脸识别数据库包括：采集所有人的可靠图像、可靠图像的人脸特征提取以及在数据库中记录人脸特征信息。

3.根据权利要求2所述的方法，其特征在于，所述采集所有人的可靠图像为采集n个人的可靠图像信息，每个人采集m张可靠图像，m、n为正整数。

4.根据权利要求3所述的方法，其特征在于所述可靠图像的人脸特征提取包括：对于每张输入的可靠图像进行以下处理：

对第i个人的第j张可靠的人脸图像进行预处理，其中0＜i＜n+1，0＜j＜m+1，m、n为正整数；

对所述第i个人的第j张作小波分解，获得低频LL部分子图像，对所述作低频LL部分子图像傅里叶变换，采用其振幅作为该可靠图像的频谱特征S_i，j。

5.根据权利要求4所述的方法，其特征在于，所述对第i个人的第j张可靠的人脸图像进行预处理指的是通过小波变换来对每一张可靠图像进行降维处理。

6.根据权利要求5所述的方法，其特征在于，所述计算输入图像的特征向量包括：

对所述输入图像进行预处理；

所述输入图像作小波分解，获得低频LL部分子图像，对所述作低频LL部分子图像傅里叶变换，采用其振幅作为该输入图像的频谱特征Y’。

7.根据权利要求6所述的方法，其特征在于，所述进行身份鉴定指的是将人脸数据库中每个人脸的特征向量S_i，j与输入图像的特征向量Y’依次进行比较，对于人脸数据中的每个特征向量S_i，j包括以下步骤：

对S_i，j和Y’做归一化处理；

用向量间夹角的余弦值来度量两个向量的相似程度，令相似度d_i，j＝cos(S_i，j，Y′)；

通过d_i，j进行特征判定。

8.根据权利要求7所述的方法，其特征在于，所述通过d_i，j进行特征判定包括：

选取与数据库中所有频谱特征的距离d_i，j的最大值max d_i，j，如果max d_i，j大于或者等于第一阈值，就判定所述输入图像对应于数据库中的第i个人；

将对应人脸数据库中每个人员的m个特征向量分为两组，分成2n个组，每一组取组内的两个最大值做平均，得到向量dd_i，i＝1，...，2n，选择向量dd_i的最大值max d_i，j，如果max d_i，j大于或者等于第二阈值，就判定所述输入图像对应于数据库中的第个人，否则认为所述输入图像不在所述人脸数据库中。

9.根据权利要求8所述的方法，其特征在于，所述第一阈值0.9860和第二阈值为0.9840。

10.一种用于智能计算机的人脸识别系统，其中包括：

人脸识别数据库1，其中存储n个人的人脸图像特征信息；

图像采集模块2，通过在智能机器人上设置的摄像头采集待鉴定人员的人脸图像，将所述待鉴定人员的人脸图像作为人脸识别系统的输入图像；

图像特征提取模块3，提取所述输入图像的特征向量；

识别分析模块4，将所述输入图像的特征向量与所述人脸数据库中存储的人脸特征向量进行比较，得到鉴别结果；

结果输出模块5，输出所述身份鉴别结果。

11.根据权利要求10所述的系统，其特征在于，所述人脸识别数据库的建立过程包括：

采集所有人的可靠图像、可靠图像的人脸特征提取以及在数据库中记录人脸特征信息。

根据在本申请一具体实施例中，所述采集所有人的可靠图像为采集n个人的可靠图像信息，每个人采集m张可靠图像，m、n为正整数。