[发明专利]一种应用于自适应驾座的人脸识别方法

权利要求书

1.一种应用于自适应驾座的人脸识别方法，其特征在于，包括以下步骤：

S1：加载人脸身份特征头像库；

S2：创建人脸识别模型，训练已加载的人脸识别库；

S3：在摄像头中获取视频图像；

S4：用级联分类器检测视频图像中是否包括人脸特征信息；

S5：若不存在人脸特征信息，则返回步骤S3；若存在人脸特征信息，则将人脸部分提取出来，生成人脸图像，作为特征头像；

S6：将所提取的特征头像进行尺寸归一化；

S7：对归一化后的特征头像进行直方图均衡化处理；

S8：利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取；

S9：将提取的特征放在人脸识别库中进行比对，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则，若相似度低于预设阈值，询问是否录入人脸身份；

S10：若不录入人脸身份，则返回步骤S3；若需要录入人脸身份，则对经过处理的人脸头像进行尺寸归一化，并保存至人脸身份特征头像库。

2.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，所述步骤S3获取视频图像的过程为：摄像头每一秒获取到60帧的视频资源，组成视频流，将视频流中的图像如数提取，用事先定义好的Mat类向量承载，比对60张图像，根据比对结果进行提取：当所有图像相似度达到93％以上时，仅提取第1帧、第30帧及第60帧作为样本图像进入后续处理；当不是所有图像的相似度均达到93％时，选取其中相似度达到98％或以上的帧数，并提取其中一帧作为样本图像，剩余相似度低于98％的图像都被提取为样本图像进入后续处理。

3.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，所述步骤S3获取视频图像过程中，当某一秒的图像出现失真现象时，对每一帧进行轮廓提取；并将所有帧数图像中相同位置的像素点的数值进行自适应加权平均：求取各组数据的均值和标准差，计算各组数据和标准差之间的模糊贴近度，根据模糊贴近度分配权重，得出相对权重；并根据相对权重计算加权均值，将所有的加权均值放入Mat类向量中，得出平均向量作为样本图像进入后续处理。

4.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S3所述摄像头旁设有用于测量摄像头所接收到的光照强度值的光照传感器。

5.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S7所述直方图均衡化处理的过程为：

-统计原始图像的所有灰度级和各个灰度级的像素数；

-计算原始图像的直方图与累积直方图；

-计算局部对比度实现均衡化并得出新的直方图。

6.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S8还在频率域中实现图像增强：首先计算人脸图像的傅里叶变换S(u，v)，将傅里叶变换S(u，v)与一个预先设计的转移函数Y(u，v)相乘，再将相乘结果H(u，v)傅里叶反变换得到增强后的图像。

7.根据权利要求6所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S8在频率域中对图像进行平滑滤波，所述转移函数Y使用n阶BLPF转移函数Y(u,v)＝1/1+[D(u,v)/D_o]²ⁿ，其中D_o为截断频率。