[发明专利]一种人脸识别方法

权利要求书

1.一种人脸识别方法，其特征在于，包括步骤：

S10：对采集的待识别用户的人脸图像中关键点提取特征，由各关键点的特征构成特征向量；

S11：将所述特征向量与训练矩阵运算，生成模型，所述训练矩阵由样本人脸图像经过提取特征后得到的特征向量，输入联合贝叶斯模型进行训练得到的协方差矩阵构成；

S12：将所述模型与样本库中人脸图像进行比对，识别用户；

还包括：采用联合贝叶斯模型进行模型训练，基本思想为，将人脸分为两个部分，其中a部分表示不同人脸同一部位特征的差异，b部分表示同一人同一部位特征在不同环境下的差异，变量a、变量b分别服从高斯分布N(0，Sa)、N(0，Sb)；通过计算Sa、Sb的协方差矩阵得到两个人脸的对数似然比R(x1,x2)，设Hs表示两张人脸为同一人，Hd表示两张人脸为不同人，采用对数似然比判别两张人脸的相似度，其公式描述为：

其中，A＝(Sa+Sb)^-1-(F+G)，F＝Sb^-1，G＝-(2Sa+Sb)^-1SaSb^-1；

在进行训练时，基于样本人脸图像，根据样本人脸图像的标签随机生成数千相同人及不同人的数据对，采用迭代算法计算协方差矩阵。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述步骤S10具体包括：

对人脸图像进行多尺度缩放，对于同一关键点在各尺度的人脸图像中提取特征并连接，再将各关键点的特征连接，构成所述特征向量。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述步骤S10还包括：对所述特征向量进行维度压缩。

4.根据权利要求1-3任意一项 所述的人脸识别方法，其特征在于，对人脸图像中关键点提取特征具体包括：

在人脸图像中选取多个关键点，提取各关键点处的局部二值模式特征。

5.根据权利要求4所述的人脸识别方法，其特征在于，提取关键点处的局部二值模式特征描述为：

其中，g_c表示中心点亮度，g_p表示邻域点亮度，P表示邻域点数，R表示邻域半径，并定义函数：

6.根据权利要求3所述的人脸识别方法，其特征在于，对所述特征向量进行维度压缩处理中，在进行矩阵乘法运算时控制运算芯片优先访问连续的内存区域，并进行并行运算。

7.根据权利要求1所述的人脸识别方法，其特征在于，采集待识别用户的人脸图像包括：

根据平均人脸模型计算采集到的人脸图像的投影矩阵，根据所述投影矩阵计算人脸角度，从采集的人脸图像中选取人脸角度位于预设范围内的人脸图像作为输入的人脸图像。

8.根据权利要求1所述的人脸识别方法，其特征在于，将所述模型与样本库中人脸图像进行比对，识别用户通过评价函数实现，具体为：

构造：其中th表示阈值；

其中，Xi表示第i个人，N(Xi)表示第i个样本人脸图像；

评价函数表示为：