專利名稱：人臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人臉識(shí)別方法，特別涉及一種結(jié)合姿勢(shì)魯棒和光照處理的人臉識(shí)別方法。
背景技術(shù)：
現(xiàn)有的自動(dòng)人臉識(shí)別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果；但是，當(dāng)用戶不配合，采集條件不理想(如光照惡劣，姿態(tài)變化等)時(shí)，現(xiàn)有系統(tǒng)的識(shí)別效果會(huì)急劇下降。因此，人臉識(shí)別技術(shù)遠(yuǎn)未達(dá)到實(shí)用水平，還存在許多挑戰(zhàn)性問(wèn)題
需要解決。
到目前為止，還沒(méi)有一套比較成熟的人臉識(shí)別方案能夠很好的解決姿態(tài)變化和光照惡劣導(dǎo)致識(shí)別率降低的問(wèn)題。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的上述缺點(diǎn)與不足，本發(fā)明的目的在于提供一種結(jié)合姿勢(shì)魯棒和光照處理的識(shí)別率高的人臉識(shí)別方法。本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)人臉識(shí)別方法，包括以下步驟SI檢測(cè)視頻序列中是否存在用戶設(shè)定的特定手勢(shì)；若是，進(jìn)行S2 ;否則，重復(fù)步驟SI ；S2檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，若是，進(jìn)行步驟S3，否則重復(fù)步驟S2 ；S3對(duì)步驟S2檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤，并將得到的用戶人臉圖像進(jìn)行可靠性分析，丟棄不可靠圖像，得到待識(shí)別人臉圖像；S4對(duì)步驟S3得到的待識(shí)別人臉圖像提取光照不敏感特征，具體為S4. I將待識(shí)別人臉圖像分成多個(gè)子窗口，分別從每個(gè)子窗口中提取待識(shí)別子LBP直方圖；S4. 2將步驟4. I得到的子LBP (局部二值模式)直方圖連接成一個(gè)直方圖，用此直方圖來(lái)描述人臉；S5采用貝葉斯概率統(tǒng)計(jì)模型對(duì)步驟S4. I得到的子LBP直方圖的變化規(guī)律進(jìn)行模擬以實(shí)現(xiàn)人臉的姿勢(shì)魯棒；S6人臉識(shí)別過(guò)程，具體為S6. I將樣本庫(kù)中的樣本分為多個(gè)子窗口，從每個(gè)子窗口中提取出樣本子LBP直方圖；S6. 2計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的相似度；根據(jù)相似度判斷待識(shí)別人臉圖像與人臉庫(kù)中的樣本是否同屬一個(gè)人，若是，識(shí)別過(guò)程結(jié)束，系統(tǒng)執(zhí)行用戶指定操作；若否，進(jìn)行步驟S7 ；S7詢問(wèn)用戶是否是第一次使用系統(tǒng)；
若是，新建樣本庫(kù)，并標(biāo)注用戶名；若否，詢問(wèn)用戶是否更替樣本庫(kù)，若是，將待識(shí)別人臉圖像代替樣本庫(kù)中的原有樣本，否則結(jié)束操作。步驟S2所述檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，具體包括以下步驟S2. I通過(guò)積分圖像計(jì)算出輸入圖像的Haar-Iike特征；S2. 2利用AdaBoost算法選擇步驟S2. I得到的Haar-Iike特征中具有強(qiáng)分類能力的 Haar-Iike 特征；S2. 3構(gòu)造出步驟S2. 2得到的特征對(duì)應(yīng)的弱分類器；S2. 4通過(guò)加權(quán)求和步驟S2. 3得到的弱分類器整合成強(qiáng)分類器；

S2. 5使用步驟S2. 4得到強(qiáng)分類器檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉。步驟S3所述對(duì)步驟S2檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤，具體為S3. I人臉特征定位先建立人臉膚色模型，獲得膚色相似度圖和人臉區(qū)域的二值圖像；根據(jù)膚色相似度圖上排除圖像中非人臉區(qū)域，得到人臉區(qū)域，所述人臉區(qū)域包括人臉及頸部；再通過(guò)似合下巴曲線分離人臉和頸部；最后根據(jù)二值圖像將人臉?lè)崔D(zhuǎn)，根據(jù)灰度值確定左右內(nèi)眼點(diǎn)和左右嘴角點(diǎn)的位置，再根據(jù)左右內(nèi)眼點(diǎn)的中線與鼻子水平交線確定鼻尖的位置；S3. 2人臉姿態(tài)估計(jì)根據(jù)計(jì)算得到的平面偏轉(zhuǎn)角度、側(cè)深度偏轉(zhuǎn)角度和步驟S3. I得到的鼻尖位置，計(jì)算得到擬合中心初始位置并選擇模型實(shí)例，最后對(duì)人臉進(jìn)行三維姿態(tài)估計(jì)；S3. 3采用基于反向組合算法的AAM(主動(dòng)外觀模型)擬合方法對(duì)三進(jìn)維姿態(tài)行擬合，從而提高擬合的準(zhǔn)確性和速度。所述計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的相似度，具體為計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的距離的平方，并將這些距離平方加權(quán)。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)和有益效果(I)本發(fā)明通過(guò)對(duì)待識(shí)別的人臉圖像進(jìn)行光照處理，提取人臉圖像對(duì)光照不敏感特征，過(guò)濾光照不均、人臉定位的誤差等帶來(lái)的不良影響，提高識(shí)別準(zhǔn)確率。(2)本發(fā)明通過(guò)膚色模型對(duì)人臉圖像的面部特征點(diǎn)進(jìn)行精確定位，采用貝葉斯概率統(tǒng)計(jì)模型的姿勢(shì)魯棒算法很好地模擬出真實(shí)的人臉圖像，解決了因人臉姿勢(shì)變化而導(dǎo)致無(wú)法識(shí)別的問(wèn)題。(3)本發(fā)明人機(jī)交互性好，當(dāng)用戶第一次使用該系統(tǒng)時(shí)，系統(tǒng)對(duì)用戶先建立樣本庫(kù)；否則，當(dāng)出現(xiàn)識(shí)別錯(cuò)誤時(shí)，可由用戶決定是否更替原樣本和重新建立樣本。


圖I為本發(fā)明的人臉識(shí)別方法的流程圖。
具體實(shí)施例方式下面結(jié)合實(shí)施例及附圖，對(duì)本發(fā)明作進(jìn)一步地詳細(xì)說(shuō)明，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例本發(fā)明的人臉識(shí)別方法，包括以下步驟SI檢測(cè)視頻序列中是否存在用戶設(shè)定的特定手勢(shì)；若是，進(jìn)行S2 ;否則，重復(fù)步驟SI。S2檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，若是，進(jìn)行步驟S3，否則重復(fù)步驟S2，具體包括以下步驟S2. I通過(guò)積分圖像計(jì)算出輸入圖像的Haar-Iike特征；S2. 2利用AdaBoost算法選擇步驟S2. I得到的Haar-Iike特征中具有強(qiáng)分類能力的 Haar-Iike 特征； S2. 3構(gòu)造出步驟S2. 2得到的特征對(duì)應(yīng)的弱分類器；S2. 4通過(guò)加權(quán)求和步驟S2. 3得到的弱分類器整合成強(qiáng)分類器；S2. 5使用步驟S2. 4得到強(qiáng)分類器檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉。S3對(duì)步驟S2檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤，并將得到的用戶人臉圖像進(jìn)行可靠性分析，丟棄不可靠圖像，得到待識(shí)別人臉圖像，具體為S3. I人臉特征定位先建立人臉膚色模型，獲得膚色相似度圖和人臉區(qū)域的二值圖像；根據(jù)膚色相似度圖上排除圖像中非人臉區(qū)域，得到人臉區(qū)域，所述人臉區(qū)域包括人臉及頸部；再通過(guò)似合下巴曲線分離人臉和頸部；最后根據(jù)二值圖像將人臉?lè)崔D(zhuǎn)，根據(jù)灰度值確定左右內(nèi)眼點(diǎn)和左右嘴角點(diǎn)的位置，再根據(jù)左右內(nèi)眼點(diǎn)的中線與鼻子水平交線確定鼻尖的位置；S3. 2人臉姿態(tài)估計(jì)根據(jù)計(jì)算得到的平面偏轉(zhuǎn)角度、側(cè)深度偏轉(zhuǎn)角度和步驟S3. I得到的鼻尖位置，計(jì)算得到擬合中心初始位置并選擇模型實(shí)例，最后對(duì)人臉進(jìn)行三維姿態(tài)估計(jì)；S3. 3采用基于反向組合算法的AAM擬合方法對(duì)三進(jìn)維姿態(tài)行擬合。S4對(duì)步驟S3得到的待識(shí)別人臉圖像提取光照不敏感特征，具體為S4. I將待識(shí)別人臉圖像分成多個(gè)子窗口，分別從每個(gè)子窗口中提取待識(shí)別子LBP直方圖；S4. 2將步驟4. I得到的子LBP直方圖連接成一個(gè)直方圖，用此直方圖來(lái)描述人臉;S5采用貝葉斯概率統(tǒng)計(jì)模型對(duì)步驟S4. I得到的子LBP直方圖的變化規(guī)律進(jìn)行模擬以實(shí)現(xiàn)人臉的姿勢(shì)魯棒；S6人臉識(shí)別過(guò)程，具體為S6. I將樣本庫(kù)中的樣本分為多個(gè)子窗口，從每個(gè)子窗口中提取出樣本子LBP直方圖；S6. 2計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的相似度(即步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的距離的平方，并將這些距離平方加權(quán)；根據(jù)相似度判斷待識(shí)別人臉圖像與人臉庫(kù)中的樣本是否同屬一個(gè)人，若是，識(shí)別過(guò)程結(jié)束，系統(tǒng)執(zhí)行用戶指定操作；若否，進(jìn)行步驟S7 ；S7詢問(wèn)用戶是否是第一次使用系統(tǒng)；
若是，新建樣本庫(kù)，并標(biāo)注用戶名；若否，詢問(wèn)用戶是否更替樣本庫(kù)，若是，將待識(shí)別人臉圖像代替樣本庫(kù)中的原有樣本，否則結(jié)束操作。 上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受所述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化 ，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.人臉識(shí)別方法，其特征在于，包括以下步驟 SI檢測(cè)視頻序列中是否存在用戶設(shè)定的特定手勢(shì)；若是，進(jìn)行S2 ;否則，重復(fù)步驟SI ； S2檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，若是，進(jìn)行步驟S3，否則重復(fù)步驟S2 ； S3對(duì)步驟S2檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤，并將得到的用戶人臉圖像進(jìn)行可靠性分析，丟棄不可靠圖像，得到待識(shí)別人臉圖像； S4對(duì)步驟S3得到的待識(shí)別人臉圖像提取光照不敏感特征，具體為 S4. I將待識(shí)別人臉圖像分成多個(gè)子窗口，分別從每個(gè)子窗口中提取待識(shí)別子LBP直方圖； S4. 2將步驟4. I得到的子LBP直方圖連接成一個(gè)直方圖，用此直方圖來(lái)描述人臉； S5采用貝葉斯概率統(tǒng)計(jì)模型對(duì)步驟S4. I得到的子LBP直方圖的變化規(guī)律進(jìn)行模擬以實(shí)現(xiàn)人臉的姿勢(shì)魯棒； S6人臉識(shí)別過(guò)程，具體為 S6. I將樣本庫(kù)中的樣本分為多個(gè)子窗口，從每個(gè)子窗口中提取出樣本子LBP直方圖；S6. 2計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的相似度；根據(jù)相似度判斷待識(shí)別人臉圖像與人臉庫(kù)中的樣本是否同屬一個(gè)人，若是，識(shí)別過(guò)程結(jié)束，系統(tǒng)執(zhí)行用戶指定操作；若否，進(jìn)行步驟S7 ； S7詢問(wèn)用戶是否是第一次使用系統(tǒng)； 若是，新建樣本庫(kù)，并標(biāo)注用戶名； 若否，詢問(wèn)用戶是否更替樣本庫(kù)，若是，將待識(shí)別人臉圖像代替樣本庫(kù)中的原有樣本，否則結(jié)束操作。
2.根據(jù)權(quán)利要求I所述的人臉識(shí)別方法，其特征在于，步驟S2所述檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，具體包括以下步驟 S2. I通過(guò)積分圖像計(jì)算出輸入圖像的Haar-Iike特征； S2. 2利用AdaBoost算法選擇步驟S2. I得到的Haar-Iike特征中具有強(qiáng)分類能力的Haar-Iike 特征； S2. 3構(gòu)造出步驟S2. 2得到的特征對(duì)應(yīng)的弱分類器； S2. 4通過(guò)加權(quán)求和步驟S2. 3得到的弱分類器整合成強(qiáng)分類器； 52.5使用步驟S2. 4得到強(qiáng)分類器檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉。
3.根據(jù)權(quán)利要求I所述的人臉識(shí)別方法，其特征在于，步驟S3所述對(duì)步驟S2檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤，具體為 S3.I人臉特征定位先建立人臉膚色模型，獲得膚色相似度圖和人臉區(qū)域的二值圖像；根據(jù)膚色相似度圖上排除圖像中非人臉區(qū)域，得到人臉區(qū)域，所述人臉區(qū)域包括人臉及頸部；再通過(guò)似合下巴曲線分離人臉和頸部；最后根據(jù)二值圖像將人臉?lè)崔D(zhuǎn)，根據(jù)灰度值確定左右內(nèi)眼點(diǎn)和左右嘴角點(diǎn)的位置，再根據(jù)左右內(nèi)眼點(diǎn)的中線與鼻子水平交線確定鼻尖的位置； S3. 2人臉姿態(tài)估計(jì)根據(jù)計(jì)算得到的平面偏轉(zhuǎn)角度、側(cè)深度偏轉(zhuǎn)角度和步驟S3. I得到的鼻尖位置，計(jì)算得到擬合中心初始位置并選擇模型實(shí)例，最后對(duì)人臉進(jìn)行三維姿態(tài)估計(jì)； S3. 3采用基于反向組合算法的AAM擬合方法對(duì)三進(jìn)維姿態(tài)行擬合。
4.根據(jù)權(quán)利要求I所述的人臉識(shí)別方法，其特征在于，所述計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的相似度，具體為 計(jì)算步驟S5處理后的待識(shí)別子LBP直方圖與其對(duì)應(yīng)的樣本子LBP直方圖之間的距離的平方，并將這些距離平方加權(quán)。
全文摘要
本發(fā)明公開(kāi)了人臉識(shí)別方法，包括以下步驟S1判斷檢測(cè)視頻序列中是否存在用戶設(shè)定的特定手勢(shì)；若是，進(jìn)行S2；否則，重復(fù)步驟S1；S2檢測(cè)視頻區(qū)間內(nèi)是否有用戶人臉，若是，進(jìn)行步驟S3，否則重復(fù)步驟S2；S3對(duì)檢測(cè)到的用戶人臉進(jìn)行實(shí)時(shí)跟蹤；S4對(duì)用戶人臉圖像提取光照不敏感特征；S5模擬用戶姿勢(shì)變化規(guī)律；S6人臉識(shí)別過(guò)程，判斷待識(shí)別人臉圖像與人臉庫(kù)中的樣本是否同屬一個(gè)人，若是，識(shí)別過(guò)程結(jié)束，系統(tǒng)執(zhí)行用戶操作；若否，進(jìn)行步驟S7；S7詢問(wèn)用戶是否是第一次使用系統(tǒng)；若是，新建樣本庫(kù)，若否，詢問(wèn)用戶是否更替樣本庫(kù)，若是，將該用戶人臉圖像代替人臉庫(kù)中的原有樣本，否則結(jié)束操作。本發(fā)明結(jié)合姿勢(shì)魯棒和光照處理，識(shí)別更加準(zhǔn)確。
文檔編號(hào)G06K9/00GK102831408SQ20121031372
公開(kāi)日2012年12月19日 申請(qǐng)日期2012年8月29日 優(yōu)先權(quán)日2012年8月29日
發(fā)明者羅夢(mèng)娜, 徐向民, 吳丹丹, 羅雅愉 申請(qǐng)人:華南理工大學(xué)