[发明专利]结合原始和对称脸人脸图像的人脸识别方法及考勤系统

说明书

技术领域

本发明涉及一种模式识别方法，尤其涉及一种人脸识别方法。

背景技术

人脸识别是对人的脸部特征信息进行身份认证的生物特征识别技术。近年来，随着欧美发达国家人脸识别技术开始进入实用阶段后，人脸识别迅速成为近年来全球的一个市场热点，它具有如下显著优点：

◆非接触，智能交互，用户接受程度高。

◆直观性突出，符合人“以貌识人”的认知规律。

◆适应性强，不易仿冒，安全性好。

◆摄像头的大量普及，易于推广使用。

◆人脸识别杜绝代打卡

◆方便快捷识别时间少于1秒

◆非接触更卫生不怕细菌传播

◆通讯方式U盘、网络

目前绝大多数单位用的主要是指纹或刷卡考勤，考勤存在如上所述诸多不便，而采用人员识别考勤系统，既彻底杜绝了代打卡考勤事件的发生，解决了传统打卡考勤系统“只认卡不认人”的弊端；又消除了指纹考勤系统“必须用手按”的尴尬情况，非接触，直观友好。中控人像识别考勤系统作为人性化的新一代高科技考勤系统，可广泛替代现有的打卡考勤系统、指纹考勤系统，充分展现现代企事业单位的高科技形象，体现考勤管理制度的方便性、高效性、公正性。

正如我们所知，人脸识别的主要挑战是人脸图像可能会有严重的变化，比如不同姿势，面部表情以及光照的变化。一个人脸识别方法大大遭受这些挑战。另一方面，如果一个人脸的可用的训练样本可以充分地显示出可能的姿势、面部表情和光照的变化，我们将可能得到高的准确率。不幸的是，在现实世界的应用中，人脸通常只有一个非常少的训练样本，这并不能传达很多人脸的变化。

为了克服一个人脸的训练样本不能传达足够的人脸变化的问题，以前的文献已经提出一些方法来生成新的（即虚拟的或合成的）的人脸图像，并放大训练样本集的大小。例如，Tang等人利用圆形人脸和光流来获得“虚拟”的面部表情。Jung等人利用噪声获得新的人脸样本。Thian等人利用简单几何变换来生成虚拟样本。Ryu等人利用训练样本的分布来生成人脸的虚拟训练样本。Sharma等人从一个单一的人脸图像中生成不同姿势和光照的多种虚拟视角来扩展训练样本。Beymer等人和Vetter等人也着眼于这个问题，他们用虚拟视角生成新的样本。

发明内容

针对现有技术中存在的问题，本发明提出了一种人脸识别的方法，通过生成对称的人脸图像，即分别利用原始人脸图像的左半边脸和右半边脸生成轴对称的虚拟人脸图像，分别称为“左对称脸”和“右对称脸”，并利用原始的和左、右对称的人脸图像来识别对象。

本发明通过如下技术方案实现：

一种结合原始和对称脸人脸图像的人脸识别方法，该方法包括以下步骤：

S1:每人有n个n原始人脸图像，用表示第i个人的第k个原始人脸图像（k=1,...,n）。每张原始人脸生成两张对称脸，对于第i个人的第k个原始人脸图像，对称脸（k=1,...,2n）是分别利用原始人脸的左半边脸和右半边脸生成轴对称的虚拟人脸图像；

S2:对于第i类（即第i个人），令X_i=[x_(i-1)*n+1...x_i*n y_(i-1)n+1...y_i*2n]，定义X为X=[X₁...X_c]。x_(i-1)n+k是由转换而成的列矢量，y_(i-1)n+k是由转换而成的列矢量。

S3:采用LRC算法。令z为测试样本。LRC关于z和第i类（即第i个人）的方程为z=X_iA_i。A_i表示解向量，其求解公式为测试样本和第i类之间的偏差得分为

S4:当d_i≥thresholdd1，那么认为测试样本不属于任何已知的任何类别，应拒识，其它步骤不再实现，否则，转入S5；

S5:采用其他的RBC算法。令表示该算法的解向量，表示对应于x_(i-1)*n+1,...,x_i*n,y_(i-1)n+1,...,y_i*2n的项组成的解向量。简单地，可令算法对应的方程为z=XB，B的求解公式为μ是一个小的正的常数，I是单位矩阵。测试样本相对于第i类训练样本的的偏差为