專利名稱：基于多分類器融合的人臉識別方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于多分類器融合的人臉識別方法及系統(tǒng)。
背景技術(shù)：
分類器在所有的樣本特征上的區(qū)分能力對人臉識別系統(tǒng)的性能有著致命的影響，在實際的監(jiān)控系統(tǒng)應(yīng)用過程中，數(shù)據(jù)源大多是基于攝像機(jī)采集到的動態(tài)視頻流，采集到的人臉圖像往往存在姿態(tài)隨意性較大的問題，而傳統(tǒng)的人臉識別方法或系統(tǒng)通常只用一個分類器來進(jìn)行識別，這就導(dǎo)致僅僅依靠一個分類器是很難達(dá)到較高的識別率，從而限制人臉識別系統(tǒng)在監(jiān)控中的應(yīng)用的問題。因此，如何考慮姿態(tài)變化對人臉識別其產(chǎn)生的影響，提高人臉識別準(zhǔn)確率是目前亟待解決的問題
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于多分類器融合的人臉識別方法及系統(tǒng)，能夠?qū)⒌谝槐葘Y(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行有效的融合，實時、有效的處理應(yīng)用環(huán)境中人臉姿態(tài)變化的情況，提高多姿態(tài)的人臉識別的準(zhǔn)確率和魯棒性。為解決上述問題，本發(fā)明提供一種基于多分類器融合的人臉識別方法，包括第一分類器從視頻圖像中獲取某一人的人臉圖像，并篩選此人姿態(tài)范圍為[-90，+90]的人臉圖像作為第一篩選結(jié)果；通過第二分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-90，-15]的向左旋轉(zhuǎn)人臉圖像；通過第三分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-15，+15]的正面人臉圖像；通過第四分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[+15，+90]的向右旋轉(zhuǎn)人臉圖像；將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果，將所述正面人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的正面姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果，將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果，將姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行融合獲取識別結(jié)果；判斷所述識別結(jié)果是否識別為姿態(tài)模塊數(shù)據(jù)庫中存在的被比較人，若是，則顯示識別到的被比較人的相應(yīng)信息，若否，則將所述向左旋轉(zhuǎn)人臉圖像、正面人臉圖像和向右旋轉(zhuǎn)人臉圖像分別作為左側(cè)姿態(tài)模板、正面姿態(tài)模板和右側(cè)姿態(tài)模板存儲入所述姿態(tài)模塊數(shù)據(jù)庫。進(jìn)一步的，在上述方法中，將姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行融合獲取識別結(jié)果步驟中，將所述第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果中的任意兩個相同的結(jié)果作為所述識別結(jié)果。進(jìn)一步的，在上述方法中，利用AdaBoost訓(xùn)練算法將所述第一分類器、第二分類器、第三分類器和第四分類器進(jìn)行組合。進(jìn)一步的，在上述方法中，采用BP神經(jīng)網(wǎng)絡(luò)將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果。
進(jìn)一步的，在上述方法中，所利用支持向量機(jī)分類法將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果。進(jìn)一步的，在上述方法中，利用相關(guān)系數(shù)分類法并將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果。進(jìn)一步的，在上述方法中，所述相關(guān)系數(shù)分類法的計算公式如下
權(quán)利要求
1.一種基于多分類器融合的人臉識別方法，其特征在于，包括 第一分類器從視頻圖像中獲取某一人的人臉圖像，并篩選此人姿態(tài)范圍為[-90，+90]的人臉圖像作為第一篩選結(jié)果； 通過第二分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-90，-15]的向左旋轉(zhuǎn)人臉圖像； 通過第三分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-15，+15]的正面人臉圖像； 通過第四分類器從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[+15，+90]的向右旋轉(zhuǎn)人臉圖像； 將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果，將所述正面人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的正面姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果，將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果，將姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行融合獲取識別結(jié)果; 判斷所述識別結(jié)果是否識別為姿態(tài)模塊數(shù)據(jù)庫中存在的被比較人，若是，則顯示識別到的被比較人的相應(yīng)信息，若否，則將所述向左旋轉(zhuǎn)人臉圖像、正面人臉圖像和向右旋轉(zhuǎn)人臉圖像分別作為左側(cè)姿態(tài)模板、正面姿態(tài)模板和右側(cè)姿態(tài)模板存儲入所述姿態(tài)模塊數(shù)據(jù)庫。
2.如權(quán)利要求I所述的基于多分類器融合的人臉識別方法，其特征在于，將姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行融合獲取識別結(jié)果步驟中，將所述第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果中的任意兩個相同的結(jié)果作為所述識別結(jié)果。
3.如權(quán)利要求I所述的基于多分類器融合的人臉識別方法，其特征在于，利用AdaBoost訓(xùn)練算法將所述第一分類器、第二分類器、第三分類器和第四分類器進(jìn)行組合。
4.如權(quán)利要求I所述的基于多分類器融合的人臉識別方法，其特征在于，采用BP神經(jīng)網(wǎng)絡(luò)將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果。
5.如權(quán)利要求I所述的基于多分類器融合的人臉識別方法，其特征在于，利用支持向量機(jī)分類法將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果。
6.如權(quán)利要求I所述的基于多分類器融合的人臉識別方法，其特征在于，利用相關(guān)系數(shù)分類法并將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果。
7.如權(quán)利要求6所述的基于多分類器融合的人臉識別方法，其特征在于，所述相關(guān)系數(shù)分類法的計算公式如下
8.一種基于多分類器融合的人臉識別系統(tǒng)，其特征在于，包括 第一分類器，用于從視頻圖像中獲取某一人的人臉圖像，并篩選此人姿態(tài)范圍為[-90，+90]的人臉圖像作為第一篩選結(jié)果； 第二分類器，用于從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-90，-15]的向左旋轉(zhuǎn)人臉圖像； 第三分類器，用于從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[-15，+15]的正面人臉圖像； 第四分類器，用于從所述第一篩選結(jié)果中獲取姿態(tài)范圍為[+15，+90]的向右旋轉(zhuǎn)人臉圖像； 第一比對模塊，用于將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果； 第二比對模塊，用于將所述正面人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的正面姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果； 第三比對模塊，用于將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果； 融合模塊，用于將姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果進(jìn)行融合獲取識別結(jié)果；判斷模塊，用于判斷所述識別結(jié)果是否識別為姿態(tài)模塊數(shù)據(jù)庫中存在的被比較人； 顯示模塊，用于當(dāng)所述識別結(jié)果識別為姿態(tài)模塊數(shù)據(jù)庫中存在的人時，顯示識別到的被比較人的相應(yīng)信息； 存儲模塊，用于當(dāng)所述識別結(jié)果未識別為姿態(tài)模塊數(shù)據(jù)庫中存在的人，將所述向左旋轉(zhuǎn)人臉圖像、正面人臉圖像和向右旋轉(zhuǎn)人臉圖像分別作為左側(cè)姿態(tài)模板、正面姿態(tài)模板和右側(cè)姿態(tài)模板存儲入所述姿態(tài)模塊數(shù)據(jù)庫。
9.如權(quán)利要求8所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，所述融合模塊將所述第一比對結(jié)果、第二比對結(jié)果和第三比對結(jié)果中的任意兩個相同的結(jié)果作為所述識別結(jié)果。
10.如權(quán)利要求8所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，利用AdaBoost訓(xùn)練算法將所述第一分類器、第二分類器、第三分類器和第四分類器進(jìn)行組合。
11.如權(quán)利要求8所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，所述第一比對模塊采用BP神經(jīng)網(wǎng)絡(luò)將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第一比對結(jié)果。
12.如權(quán)利要求8所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，所述第二比對模塊利用支持向量機(jī)分類法將所述向左旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的左側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第二比對結(jié)果。
13.如權(quán)利要求8所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，所述第三比對模塊利用相關(guān)系數(shù)分類法并將所述向右旋轉(zhuǎn)人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中每一個被比較人的右側(cè)姿態(tài)模板進(jìn)行人臉比對以獲取第三比對結(jié)果。
14.如權(quán)利要求13所述的基于多分類器融合的人臉識別系統(tǒng)，其特征在于，所述相關(guān)系數(shù)分類法的計算公式如下
全文摘要
本發(fā)明涉及一種基于多分類器融合的人臉識別方法及系統(tǒng)，所述方法包括第二分類器獲取姿態(tài)范圍為[-90，-15]的向左旋轉(zhuǎn)人臉圖像，第三分類器獲取姿態(tài)范圍為[-15，+15]的正面人臉圖像，第四分類器獲取姿態(tài)范圍為[+15，+90]的向右旋轉(zhuǎn)人臉圖像，并將上述人臉圖像進(jìn)行人臉比對；將上述人臉圖像與姿態(tài)模塊數(shù)據(jù)庫中同一被比較人的比對結(jié)果進(jìn)行融合獲取識別結(jié)果，顯示識別到的被比較人的相應(yīng)信息或?qū)⑺鱿蜃笮D(zhuǎn)人臉圖像、正面人臉圖像和向右旋轉(zhuǎn)人臉圖像存儲入所述姿態(tài)模塊數(shù)據(jù)庫。本發(fā)明能夠?qū)⒌谝弧⒌诙偷谌葘Y(jié)果進(jìn)行有效的融合，實時、有效的處理應(yīng)用環(huán)境中人臉姿態(tài)變化的情況，提高多姿態(tài)的人臉識別的準(zhǔn)確率和魯棒性。
文檔編號G06K9/64GK102831413SQ20121033530
公開日2012年12月19日 申請日期2012年9月11日 優(yōu)先權(quán)日2012年9月11日
發(fā)明者秦瀚, 朱同輝, 姚廣輝, 劉崎峰 申請人:上海中原電子技術(shù)工程有限公司