[发明专利]一种基于图像处理和机器学习的人脸识别方法及系统

说明书

本发明公开了一种基于图像处理和机器学习的人脸识别方法及系统，属于图像处理领域，本发明要解决的技术问题为忽略许多重要的人脸特征，造成人脸识别不准确，技术方案为：①该方法具体如下：读入待识别人脸图像；读入待比对人脸图像；计算出特征脸矩阵；计算出待识别新行向量；计算出待比对新行向量；识别图像；显示识别结果：将待识别人脸图像和从人脸图像库中比对出的待比对人脸图像在结果显示图形用户界面上同时显示。②该系统包括待识别图形用户界面单元、结果显示图形用户界面单元、待识别人脸图像读入单元、待比对人脸图像读入单元、特征脸矩阵计算单元、待识别新行向量计算单元、待比对新行向量计算单元、识别单元和识别结果显示单元。

技术领域

本发明涉及图像处理领域，具体地说是一种基于图像处理和机器学习的人脸识别方法及系统。

背景技术

随着科学技术的进步，保护个人身份信息的安全便顺理成章的上升为了现在讨论的热门话题。传统的身份识别方法虽然盛行一时，但是现在这些传统的身份识别方法容易仿造，反而变得不安全。现如今根据生物特征进行识别的技术变得越来越火热，它不仅比传统的识别方法更安全，而且比传统的识别方法更便捷。

当今比较火的根据生物特征进行识别的技术包括根据语音进行识别的技术、根据指纹进行识别的技术、根据人脸进行识别的技术等。其中有的技术已经基本成熟，在考虑到多方面的因素后，人脸识别技术变得越来越火热。根据人脸进行识别的技术与传统的识别方法相对比，存在安全方便、不易被仿造等优点；根据人脸进行识别的技术与根据其他生物特征进行识别的技术相对比，存在不需要当事人同意、不需要当事人合作等特点。因为这些特点的存在，人脸识别技术已被使用在很多地方。例如在智慧城市中，管理小区人员的进出是保证小区安全的重要事情，之前门卫需要根据出入人员的身份证件进行辨认身份，而且人工进行辨认身份往往会有一些不准确的因素，但是在智慧城市中使用人脸识别技术就可以解决这个问题，系统在小区门口辨认身份后，可以根据之前采集的库进行比对，若是小区的业主时便可自由出入，若不是小区的业主时则需要提交申请或者登记才能进入。

目前在科学研究中，对于人脸识别技术提取特征这一块，还局限于提取具体数量的特征向量，忽略许多重要的人脸特征，造成识别不准确。

专利号为CN101482917B的专利文献公开了一种基于二阶二维主分量分析的人脸识别系统和方法，属于图像处理、计算机视觉、模式识别技术领域。本发明提供了一种计算复杂度低的基于二阶二维主分量分析的人脸识别方法。该法研究了光照变化条件下的人脸识别问题，提出一种二阶二维主分量分析的人脸识别方法，将(2D)2PCA技术分别应用到原始图像矩阵集和剩余图像矩阵集。得到一阶特征脸矩阵和二阶特征脸矩阵，由此确定样本图像的重建图像和剩余图像的重建图像；将两重建图像进行迭加，得到原始图像的重建图像。该技术方案直接对采集的原始图像进行(2D)²PCA方法进行处理，存在计算量大且准确度低的缺点。

专利号为CN102982322A的专利文献公开了一种基于PCA图像重构和LDA的人脸识别方法，基于主成分分析算法，以类内协方差矩阵作为产生矩阵获取单个人的人脸特征子空间，然后将待识别图像对每个特征子空间进行映射提取特征，并以此特征值进行图像重构，然后对残差图像运用线性判别分析方法，最后采用最小距离分类识别算法实现人脸识别。该技术方案存在操作复杂且准确度低的缺点。

专利号为CN106096517A的专利文献公开了一种基于低秩矩阵与特征脸的人脸识别方法，首先采集人脸样本图片并建立样本库。其次是训练阶段：通过计算样本均值、特征值、特征向量等操作构建特征向量空间；投影特征向量得到特征脸。最后是测试阶段：对测试样本其进行PCA投影得到特征向量；计算该特征向量与特征脸的距离；取其中距离最小的作为识别结果；输出识别结果。该技术方案存在资源占用大，影响人脸识别速度及人脸识别准确性的缺点。

发明内容

本发明的技术任务是提供一种基于图像处理和机器学习的人脸识别方法及系统，来解决现有技术中忽略许多重要的人脸特征，造成人脸识别不准确的问题。