[发明专利]一种基于现实世界图像的面部识别方法

说明书

技术领域

本发明涉及面部识别领域，尤其涉及一种基于现实世界图像的面部识别方法，本方法 能适应现实世界，通过较少训练示例进行高效面部识别。

背景技术

面部识别是成像研究中最突出的领域之一，在现实世界中具有广泛应用。包括：监视、 访问控制、身份认证和照片管理^[1]。面部识别系统不仅能够进行面部验证，例如：将一对 图片分类为相同个体或不同个体；执行面部识别，在不认识的脸上贴标签。尽管如此，当 训练示例很少并且捕获条件自由时，面部识别变得非常具有挑战性，面部图像在不同的方 向、描述、以及光照条件下呈现多样性。

最初面部识别的方法使用面部个体特征，例如：眼睛、嘴或鼻子，然而由于姿势可变、 以及使用信息量较少导致识别的结果并不好^[2]。

从90年代开始，开始使用面部全局特征，例如：

1、使用主成分分析PCA(Principal Component Analysis)^[3]的特征脸识别方法；

2、从面部图像提取特征，并使用欧几里得距离进行最近邻识别的方法^[4]；

3、基于稀疏表达的分类SRC(Sparse Representation based Classification)的方法^[[5]；

4、基于字典学习的方法来识别面部，将稀疏编码的想法应用于面部识别。该方法更 加具有鲁棒性，并且能够处理面部图像的遮挡和破坏。

上述面部全局特征存在：人为设计的特征时间代价大，劳动成本高，而算法得到的结 果具有不稳定等缺点。

近年来，深度学习方法已经可以适应面部识别问题，并取得了比较好的识别率，并且 明显优于上述面部个体特征和面部全局特征算法。然而，深度学习方法通常需要大量数据 和专门硬件，这难以训练、且不适合嵌入式以及低功率设备。

发明内容

本发明提供了一种基于现实世界图像的面部识别方法，本发明实现了在任意的环境中 捕获面部，自动执行面部对齐，实现了高精度、快速地对待检测面部进行识别，详见下文 描述：

一种基于现实世界图像的面部识别方法，所述面部识别方法包括以下步骤：

对输入的面部图像进行网格化，使得面部图像特征与基于三角网格的参考面部的对 应特征匹配；

采用回归树对面部进行若干个面部关键特征点检测，获取位于眼睛、鼻子和嘴的关 键特征点；

根据关键特征点、结合面部德洛内三角网格、以及面部三角剖分网格对面部图像进 行变形处理；对变形后的面部图像进行对齐处理；

通过改进后的稀疏表达的分类方法实现对对齐处理后的面部识别。

其中，所述根据关键特征点、结合面部德洛内三角网格、以及面部三角剖分网格对 面部图像进行变形处理的步骤具体为：

将用作参考的面部三角剖分网格进行复制，弯曲面部德洛内三角网格中的每个三角形， 使得每个三角形可以映射到面部三角剖分网格的三角形上；

通过旋转、缩放和平移构成的仿射变换来完成，以便将输入的面部图像上的点映射到 参考面上。

其中，所述对变形后的面部图像进行对齐处理的步骤具体为：

通过处理，使得2眼之间的间距、以及下巴到眼睛的距离是大致相同的。

其中，所述改进后的稀疏表达的分类方法具体为：

其中，D为字典矩阵；b为给定的未知图像；a为权重；W为对角线权重矩阵；λ为参 数。

本发明提供的技术方案的有益效果是：

1、本方法不需要对人进行特殊限制，在现实生活中正常获取即可，可以在不受控制 的环境中捕获面部，现实世界的图像在方向、表达和照明条件上千变万化，因而该技术在 现实生活中具有广泛应用；

2、本方法能够自动对齐面部，高精度、快速地对待检测面部进行识别；

3、本方法使用最少的图像进行训练，大大提高了识别速度。

附图说明

图1为一种基于现实世界图像的面部识别方法的流程图；

图2为本发明对户外脸部检测LFW(Labeled Faces in the Wild)数据集上的样本图进 行对齐的示意图；

其中，从左至右分别为：参考面部；三角网格；LFW样本；面部关键特征点；网格变 形；对齐后图像。

图3为对照片进行网格扭曲的示意图。

其中，第一列为原始图像；第二列为三角剖分；第三列为弯曲变形。