[发明专利]一种用于智能机器人的人脸识别方法及系统

说明书

技术领域

本申请涉及智能机器人技术领域，尤其涉及一种用于智能机器人的人脸识别方法及系统。

背景技术

随着信息技术的飞速发展，特别是Internet的发展，数据信息化的不断深入。越来越多的事务，可以通过智能机器人来办理，例如：在公共安全领域的用于智能门禁、智能视频监控、公安布控、海关身份验证、实际驾照验证等的智能机器人；在民事和经济领域对各类银行卡、金融卡、信用卡、存蓄卡的持卡人进行身份验证的智能机器人。为了信息安全，办理业务之前通常需要通过验证人员身份后，智能机器人才能为其办理所请求的业务。

传统的身份验证方法是根据预先设置的密码或特定的身份标识物，如：证件，来鉴别不同用户。这种方法存在明显的缺点，如：个人的身份标识物容易丢失或被伪造，密码容易遗忘或者被破译。更为严重的是，这些系统无法区分真正的拥有者和取得身份标识物的冒充者。为了克服传统身份验证的缺陷，结合人类鉴别不同个体的方法和特点以及人类自身的一些生理和行为特征，如：面像、指纹等，其中指纹也容易被窃取后套模。因而，越来越多的智能机器人采用人脸鉴别技术来鉴别用户身份。

人脸鉴别，就是将待识别的人脸与数据库中的已知人脸进行比较，得出相关信息，这一过程的核心是选择适当的人脸表示方式和匹配策略。通常，将人脸鉴别成为人脸识别。

通常，以一些身份证件，如：身份证、护照等照片或者录入的可信照片，作为身份鉴别中人脸识别的比对版本。由于身份证件都是具有一定有效期的，如：成人身份证通常有效期为20年、老年人身份证为长期、幼儿身份证有效期为5年等。那么在证件有效期内，人员的照片将不会更换。此外，由于采集照片时的亮度、人员肤色等信息都会影响人脸识别的准确度。由此带来了，随着时间推移或者采集环境或者人员身体状态不同，身份鉴别的准确率逐步下降，即使是本人也不同通过智能机器人的身份鉴别验证的问题。而如果在一段时间就要求所有人员更新照片，这样的成本太高，需要耗费太多的人力和物力。

发明内容

有鉴于此，本申请提供一种用于智能机器人的人脸识别方法及系统，为了避免由于时间跨度较大或其他环境因素而引起人脸面部特征发生变化而降低识别准确率的问题，智能机器人能以高准确率地进行人员身份鉴别。

本申请提供一种用于只能机器人的人脸识别方法，所述方法包括步骤：

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。

根据在本申请一具体实施例中，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。

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。

根据在本申请一具体实施例中，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。

根据在本申请一具体实施例中，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。

根据在本申请一具体实施例中，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’。

根据在本申请一具体实施例中，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。

根据在本申请一具体实施例中，所述通过d_i，j进行特征判定包括：