[发明专利]一种人脸识别方法

说明书

本发明公开了一种人脸识别方法，包括：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；将特征向量与训练矩阵运算，生成模型，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；将模型与样本库中人脸图像进行比对，识别用户。本发明人脸识别方法通过提取人脸图像关键点的特征构成特征向量，并采用联合贝叶斯模型进行模型训练和识别，与现有基于深度学习的人脸识别算法相比，在进行模型训练时所需样本数量少，计算量少，可提高人脸识别效率。

技术领域

本发明涉及计算机视觉处理技术领域，特别是涉及一种人脸识别方法。

背景技术

人脸识别是基于人的脸部特征信息进行身份认证的一种生物识别技术。通过采集含有人脸的图像或视频流，并在图像中检测和跟踪人脸，进而对检测到的人脸进行匹配与识别。目前，人脸识别的应用领域很广泛，在金融支付、门禁考勤、身份识别等众多领域起到非常重要的作用，给人们的生活带来很大便利。

人脸识别方法有很多，基本上都可以归结为人脸特征提取结合分类算法。在所有算法中，基于深度学习的人脸识别算法能够达到较佳识别效果，近年来也越来越受到关注。但该算法中深度学习模型复杂，想要实现计算规模庞大，并不能适用于所有场合。

发明内容

鉴于此，本发明提供一种人脸识别方法，与现有方法相比，可降低计算量，提高识别效率。

为实现上述目的，本发明提供如下技术方案：

一种人脸识别方法，包括：

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。

可选地，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。

可选地，所述步骤S10还包括：对所述特征向量进行维度压缩。

可选地，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。

可选地，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：

可选地，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。

可选地，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。

可选地，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：