[发明专利]一种自主学习的身份识别方法

说明书

本发明涉及一种类似家庭环境下成员身份识别的方法，具体步骤包括：一是自动进行人脸图像质量筛选，初步完成家庭成员注册；二是在近距离、光线较好的条件下通过人脸识别身份；三是，跟踪人脸，并获得同一人的身高、体型、服饰等信息，并根据人脸信息为这些样本加上标签；四是，根据跟踪人脸、身高等信息，通过聚类方法，得到多维带标签样本；五是利用多维带标签样本训练目标环境分类器。本文发明能根据环境，跟踪学习原始无标签数据，弥补了人脸识别在人脸小、光线差、人脸角度过大条件下识别率低的问题，大大提高家庭身份识别实用性。

技术领域

本发明属于计算机模式识别技术领域，特别是涉及一种自主学习的身份识别方法。

背景技术

目前，对于家庭环境下身份识别，主要使用深度学习得到的人脸特征进行认证识别，由于训练集与家庭环境下的对象的分布差距，而且家庭环境下光线条件欠佳，加上使用场景并不适于人工得到质量高的人脸图像进行注册，人脸角度变化非常大，从而导致人脸对齐不稳定以及人脸识别在实际使用中可靠性低的问题，且对这些问题一直没有稳定有效的解决方案。

中国专利申请201610544157.X公开了一种人脸识别方法，通过对人脸图像进行Gamma校正，提高人脸图像中灰度值较低的阴影区域的灰度值，并采用Gaussain差分滤波进行带通滤波处理噪声和局部阴影的影响，随后进行对比度归一化，将整个图像的灰度值限制在一个较小的区域，用Garbor滤波器得到各个角度的人脸增强图像的直方图序列进行识别。然而家庭环境中，光线可能非常弱，并且人在家庭环境中非常放松，人脸角度变化很大，极有可能出现遮挡等情况，人脸质量较低，无法满足自动注册识别的要求，该方法在实际场景中不太实际，低质量和大角度人脸图像影响最后的识别效果；而且还存在训练集与目标集分布不同的问题，迁移损失非常大，即使实验性能达到很高的水平，实际使用中仍然无法满足要求。

综上所述，如何克服现有技术所存在的不足已成为当今计算机模式识别技术领域中亟待解决的重大难题之一。

发明内容

本发明的目的是为克服现有技术的不足而提供一种类似家庭环境下自主学习的身份识别方法，本发明所针对的类似家庭环境指的是人员相对固定，光线条件、人脸角度不满足人脸识别要求的环境，通常包括家庭、办公室之类场所。

本发明能够根据类似家庭环境中目标人的行为连续性和一般人脸识别来自主学习身份识别，以大大提高类似家庭环境下的身份识别的效率。

根据本发明提出的一种家庭环境下自主学习的身份识别方法，包括如下具体步骤：

获取目标环境下每个成员的人脸图像，完成每个成员的预注册；

在特定采集条件下获得成员的人脸图像，通过人脸识别确定该成员的身份，并对该成员进行跟踪采集，获得该成员的人体特征信息，将所述人体特征信息作为该成员的附加标签；

根据人脸及所述人体特征信息进行聚类，得到多维特征数据；

利用所述多维特征数据训练目标环境分类器；

基于训练好的目标环境分类器进行所述目标环境下成员的身份识别。

进一步地，所述预注册是指在没有干预的情况下，机器自主完成的人脸注册。

进一步地，还包括在预注册之前对所述人脸图像进行质量筛选。

进一步地，所述人脸图像质量筛选包括对图像模糊度、人脸角度进行量化估计，并进行筛选。

进一步地，所述图像模糊度，包括对图像进行Haar小波变换，得到金字塔结构的特征；所述人脸角度包括利用人脸特征点和3D标准人脸模型估算人脸的角度，对角度过大的人脸进行过滤，使之无法进行注册，以此减小自动学习的训练集噪声。

进一步地，还包括设定图像模糊度和人脸角度的阈值，超过所述阈值的图像则舍弃，以此保证注册图像的质量。