一種遮擋或光源自適應(yīng)人臉識(shí)別方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種遮擋自適應(yīng)人臉識(shí)別方法，包括：步驟1，針對(duì)人臉圖片訓(xùn)練集中每一樣本提取遮擋特征；步驟2，基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型，用于檢測(cè)圖片中是否存在遮擋；步驟3，對(duì)模板圖片進(jìn)行注冊(cè)，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行遮擋檢測(cè)，保存遮擋檢測(cè)結(jié)果；步驟4，對(duì)待識(shí)別圖片進(jìn)行識(shí)別，獲得識(shí)別結(jié)果；步驟5，利用所述遮擋檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行遮擋檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)上述識(shí)別結(jié)果進(jìn)行調(diào)整。利用本發(fā)明的方案可以提高遮擋環(huán)境變化時(shí)的識(shí)別率和通過率。
【專利說明】一種遮擋或光源自適應(yīng)人臉識(shí)別方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)圖像處理和模式識(shí)別領(lǐng)域，特別涉及一種遮擋或光源自適應(yīng)人臉識(shí)別方法和裝置。
【背景技術(shù)】
[0002]作為身份識(shí)別的有效技術(shù)，近年來人臉識(shí)別技術(shù)得到迅速發(fā)展和廣泛應(yīng)用。在過去的幾十年里，人臉識(shí)別已在商業(yè)和執(zhí)法部門得到廣泛應(yīng)用，例如刑事鑒定、信用卡識(shí)別、安全系統(tǒng)、現(xiàn)場(chǎng)監(jiān)控、門禁考勤等。
[0003]隨著在實(shí)際中應(yīng)用的推廣，人臉識(shí)別存在的問題和難點(diǎn)也逐漸凸顯出來。眼鏡、劉海和胡子等人臉遮擋物的變化，會(huì)導(dǎo)致一個(gè)人的不同環(huán)境下的差異性大于不同人相同環(huán)境下的差異性。此外，光照、化妝及年齡等因素也會(huì)增加人臉識(shí)別的困難。
[0004]在無約束場(chǎng)景應(yīng)用中，人臉遮擋物的變化在增加識(shí)別困難的同時(shí)，也會(huì)影響不同場(chǎng)景中閾值規(guī)則的設(shè)定。如待識(shí)別圖片戴眼鏡，對(duì)應(yīng)的模板圖片不戴眼鏡，與待識(shí)別圖片相似度最高的有可能為模板庫(kù)中的戴眼鏡圖片，而其對(duì)應(yīng)的正確的模板圖片在前N選中，若只根據(jù)首選進(jìn)行識(shí)別判斷，就會(huì)降低此類情況下的識(shí)別性能。同時(shí)，待識(shí)別圖片與模板圖片的遮擋環(huán)境一致時(shí)的識(shí)別得分分布，和待識(shí)別圖片與模板圖片的遮擋環(huán)境不一致時(shí)的識(shí)別得分分布也是不相同的，進(jìn)而要求有不同的識(shí)別通過閾值。因此在無約束環(huán)境下的人臉識(shí)另O，在保證人臉識(shí)別正確的同時(shí)，需要盡可能的提升應(yīng)用場(chǎng)景變化下的通過率。
[0005]圖1為不同遮擋下的人臉圖像，遮擋分別為眼鏡遮擋、眼鏡反光、劉海和胡須遮擋，圖2為兩種識(shí)別環(huán)境下的得分分布圖，兩條曲線分別為戴眼鏡注冊(cè)戴眼鏡識(shí)別的得分分布曲線和不戴眼鏡注冊(cè)戴眼鏡識(shí)別下的得分分布曲線。
[0006]此外，在人臉識(shí)別中，光源差異導(dǎo)致的人臉識(shí)別問題也逐漸凸顯出來，在安防和現(xiàn)場(chǎng)監(jiān)控等問題中，模板庫(kù)中數(shù)萬張的人臉圖片本身就存在光源差異，即采集設(shè)備迥異導(dǎo)致圖片質(zhì)量存在重大差異，而監(jiān)控設(shè)備采集到的圖片又是另外一種光源條件下的圖片，這種光源差異導(dǎo)致人臉識(shí)別幾乎不可能。異源人臉圖像識(shí)別也成為當(dāng)前人臉識(shí)別中的重要研究課題。在圖3中給出了不同光源下同一個(gè)人的人臉圖片，三張圖片分別為紅外人臉圖像，專業(yè)相機(jī)下的證件照，普通可見光攝像頭采集的人臉圖像。從圖中可以看出，光源的差異導(dǎo)致圖片成像的差異，進(jìn)而為識(shí)別帶來了困難。

【發(fā)明內(nèi)容】

[0007]為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供了 一種遮擋或光源自適應(yīng)人臉識(shí)別方法和裝置。
[0008]本發(fā)明提供的遮擋自適應(yīng)人臉識(shí)別方法包括:步驟1，針對(duì)人臉圖片訓(xùn)練集中每一樣本提取遮擋特征；步驟2，基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型，用于檢測(cè)圖片中是否存在遮擋；步驟3，對(duì)模板圖片進(jìn)行注冊(cè)，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行遮擋檢測(cè)，保存遮擋檢測(cè)結(jié)果；步驟4，提取待識(shí)別圖片的識(shí)別特征，與模板圖片集的識(shí)別特征進(jìn)行比對(duì)，選取前N選最高相似度的模板圖片和相似度得分，其中N> I ;步驟5，利用所述遮擋檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行遮擋檢測(cè)，并將選取的前N選的模板圖片的遮擋檢測(cè)結(jié)果與待識(shí)別圖片的遮擋檢測(cè)結(jié)果進(jìn)行比對(duì)，若比對(duì)結(jié)果不同，則對(duì)所述相似度得分進(jìn)行調(diào)整，并將調(diào)整后的得分重新排序，選取修正后最高得分對(duì)應(yīng)的模板圖片作為識(shí)別結(jié)果。
[0009]可選地，所述遮擋是單遮擋因素或者是多種遮擋因素的組合。
[0010]可選地，所述人臉圖片訓(xùn)練集采集不同遮擋條件下的樣本圖片，并根據(jù)遮擋環(huán)境的不同，對(duì)訓(xùn)練圖片集進(jìn)行標(biāo)注。
[0011]可選地，步驟5進(jìn)一步包括根據(jù)得分修正函數(shù)對(duì)得分進(jìn)行調(diào)整，以將不同遮擋下的相似度得分變換到同一種分布上。
[0012]本發(fā)明還提供了一種遮擋自適應(yīng)的人臉識(shí)別裝置，該裝置包括:遮擋特征提取單元，用于針對(duì)人臉圖片訓(xùn)練集中每一樣本提取遮擋特征；遮擋檢測(cè)模型建立單元，用于基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型，以檢測(cè)圖片中是否存在遮擋；遮擋檢測(cè)單元，用于對(duì)人臉圖片進(jìn)行遮擋檢測(cè)；模板圖片注冊(cè)單元，用于對(duì)模板圖片進(jìn)行注冊(cè)，以提取和保存模板圖片的識(shí)別特征，并根據(jù)遮擋檢測(cè)單元對(duì)圖片進(jìn)行遮擋檢測(cè)，保存檢測(cè)結(jié)果；圖片識(shí)別單元，計(jì)算待識(shí)別圖片與模板圖片間的相似度，并選取前N選最高相似度的模板圖片和相似度得分，其中N> I ;得分修正單元，根據(jù)待識(shí)別圖片與模板圖片的遮擋檢測(cè)結(jié)果對(duì)相似度進(jìn)行調(diào)整，并對(duì)調(diào)整后的相似度重新排序，選擇相似度最高的圖片作為識(shí)別結(jié)果O
[0013]本發(fā)明還提供了一種光源自適應(yīng)人臉識(shí)別方法，該方法包括如下步驟:步驟1，針對(duì)人臉圖片訓(xùn)練集中每一樣本提取光源特征；步驟2，基于光源特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立光源檢測(cè)模型，用于檢測(cè)圖片中的光源環(huán)境類型；步驟3，對(duì)模板圖片進(jìn)行注冊(cè)，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行光源檢測(cè)，保存光源檢測(cè)結(jié)果；步驟4，提取待識(shí)別圖片的識(shí)別特征，與模板圖片集的識(shí)別特征進(jìn)行比對(duì)，選取前N選最高相似度的模板圖片和相似度得分，其中N > I ;步驟5，利用所述光源檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行光源檢測(cè)，并將選取的前N選的模板圖片的光源檢測(cè)結(jié)果與待識(shí)別圖片的光源檢測(cè)結(jié)果進(jìn)行比對(duì)，若比對(duì)結(jié)果不同，則對(duì)所述相似度得分進(jìn)行調(diào)整，并將調(diào)整后的得分重新排序，選取修正后最高得分對(duì)應(yīng)的模板圖片作為識(shí)別結(jié)果。
[0014]本發(fā)明還提供了一種光源自適應(yīng)的人臉識(shí)別裝置，該裝置包括:光源特征提取單元，用于針對(duì)人臉圖片訓(xùn)練集中每一樣本提取光源特征；光源檢測(cè)模型建立單元，用于基于光源特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立光源檢測(cè)模型，以檢測(cè)圖片中的光源環(huán)境類型；遮擋檢測(cè)單元，用于對(duì)人臉圖片進(jìn)行光源檢測(cè)；模板圖片注冊(cè)單元，用于對(duì)模板圖片進(jìn)行注冊(cè)，以提取和保存模板圖片的識(shí)別特征，并根據(jù)光源檢測(cè)單元對(duì)圖片進(jìn)行光源檢測(cè)，保存檢測(cè)結(jié)果；圖片識(shí)別單元，計(jì)算待識(shí)別圖片與模板圖片間的相似度，并選取前N選最高相似度的模板圖片和相似度得分，其中N> I ;得分修正單元，根據(jù)待識(shí)別圖片與模板圖片的遮擋檢測(cè)結(jié)果對(duì)相似度進(jìn)行調(diào)整，并對(duì)調(diào)整后的相似度重新排序，選擇相似度最高的圖片作為識(shí)別結(jié)果。
[0015]本發(fā)明提出的遮擋自適應(yīng)人臉識(shí)別方法和裝置，在提升遮擋條件下的人臉識(shí)別性能的同時(shí)，也解決了不同遮擋變化下的閾值設(shè)定問題。此外，本發(fā)明提出的遮擋環(huán)境自適應(yīng)識(shí)別方案，也可以應(yīng)用于光源環(huán)境自適應(yīng)識(shí)別中。
【專利附圖】

【附圖說明】
[0016]圖1示出了不同遮擋條件下的人臉圖片；
[0017]圖2為利用現(xiàn)有技術(shù)的識(shí)別方法在兩種不同環(huán)境下進(jìn)行人臉識(shí)別的得分曲線圖；
[0018]圖3為不同光源條件下同一個(gè)人的人臉圖像；
[0019]圖4為根據(jù)本發(fā)明的遮擋自適應(yīng)人臉識(shí)別方法流程圖；
[0020]圖5為利用本發(fā)明的方法在注冊(cè)和識(shí)別眼鏡環(huán)境相同的情況下歐氏距離得分分布曲線圖；
[0021]圖6為利用本發(fā)明的方法在注冊(cè)和識(shí)別眼鏡環(huán)境不同的情況下歐氏距離得分分布曲線圖；
[0022]圖7為根據(jù)本發(fā)明的遮擋自適應(yīng)人臉識(shí)別裝置結(jié)構(gòu)框圖；
[0023]圖8為根據(jù)本發(fā)明光源自適應(yīng)人臉識(shí)別方法的流程圖；
[0024]圖9為根據(jù)本發(fā)明的光源自適應(yīng)人臉識(shí)別裝置結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0025]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。
[0026]本發(fā)明提供了一種遮擋自適應(yīng)人臉識(shí)別方法，該方法的基本原理是:首先針對(duì)圖片訓(xùn)練集提取遮擋特征，基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型。在遮擋檢測(cè)過程中，對(duì)圖片提取遮擋特征，根據(jù)遮擋檢測(cè)模型輸出檢測(cè)結(jié)果。在注冊(cè)過程中，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行遮擋檢測(cè)，保存遮擋檢測(cè)結(jié)果。在識(shí)別過程中，首先提取待識(shí)別圖片的識(shí)別特征，與模板圖片集的識(shí)別特征進(jìn)行比對(duì)，選取前N(N > I)選最高相似度的模板圖片和相似度得分；然后對(duì)待識(shí)別圖片進(jìn)行遮擋檢測(cè)，并將選取的前N選的模板圖片的遮擋檢測(cè)結(jié)果與待識(shí)別圖片的檢測(cè)結(jié)果進(jìn)行比對(duì)，若遮擋不同，則根據(jù)遮擋檢測(cè)的結(jié)果差異，進(jìn)行得分調(diào)整；最后將調(diào)整后的得分重新排序，選取修正后最高得分對(duì)應(yīng)的模板圖片作為識(shí)別結(jié)果。
[0027]本發(fā)明中提到的遮擋，可以是單遮擋因素，如是否戴眼鏡，或眼鏡反光變化，或者劉海變化，也可以是多種遮擋的組合，如將是否戴眼鏡和眼鏡反光結(jié)合、或者將胡子和劉海結(jié)合，或者將眼鏡、劉海、胡子等遮擋結(jié)合。當(dāng)光源發(fā)生變化時(shí)，人臉識(shí)別的相似度得分分布也會(huì)發(fā)生變化，所以本發(fā)明提出的遮擋自適應(yīng)識(shí)別方案也可應(yīng)用于光源自適應(yīng)識(shí)別。
[0028]本發(fā)明提出的遮擋自適應(yīng)人臉識(shí)別方法，在提升遮擋條件下的人臉識(shí)別性能的同時(shí)，也解決了不同遮擋變化下的閾值設(shè)定問題。此外，本發(fā)明提出的遮擋環(huán)境自適應(yīng)識(shí)別方案，也可以應(yīng)用于光源環(huán)境自適應(yīng)識(shí)別中。圖4為根據(jù)本發(fā)明一實(shí)施例提出的遮擋自適應(yīng)人臉識(shí)別方法的流程圖。其中以眼鏡和眼鏡反光組合為遮擋因素為例來進(jìn)行說明。參照?qǐng)D4，該方法包括:步驟I，建立遮擋模型；步驟2，模板注冊(cè)；步驟3，圖片識(shí)別。
[0029]其中步驟I的建立遮擋模型步驟進(jìn)一步包括:步驟1.1，收集不同遮擋條件下的訓(xùn)練圖片，根據(jù)遮擋條件的不同形成不同的樣本集。
[0030]由于不同遮擋條件下，人臉識(shí)別的相似度分布不同。為解決遮擋條件下的人臉識(shí)別問題，建立不同遮擋下的統(tǒng)計(jì)學(xué)習(xí)模型，需要采集不同遮擋條件下的樣本圖片，提取其遮擋特征。以眼鏡和眼鏡反光的遮擋組合為例，需要采集不戴眼鏡、戴眼鏡、戴眼鏡但無反光、戴眼鏡但有反光等條件下的人臉圖片，構(gòu)建遮擋統(tǒng)計(jì)學(xué)習(xí)模型的訓(xùn)練圖片集，并對(duì)訓(xùn)練圖片集進(jìn)行標(biāo)注。根據(jù)遮擋環(huán)境的不同，分別標(biāo)注為眼鏡檢測(cè)正樣本集，眼鏡檢測(cè)負(fù)樣本集，眼鏡反光檢測(cè)正樣本集，眼鏡反光檢測(cè)負(fù)樣本集。其中戴眼鏡的人臉圖片為眼鏡檢測(cè)正樣本，不戴眼鏡的人臉圖片為眼鏡檢測(cè)負(fù)樣本；戴眼鏡且眼鏡有大面積反光的為眼鏡反光檢測(cè)正樣本，戴眼鏡無反光則為眼鏡反光檢測(cè)負(fù)樣本。在該示例中，k = 2，Cl = I表示戴眼鏡，Cl = -1表示不戴眼鏡，C2 = I表示眼鏡有反光，C2 = -1表示無眼鏡反光。
[0031]步驟1.2，提取在步驟1.1中形成的各樣本集中的圖片的遮擋特征。
[0032]在該步驟，針對(duì)步驟1.1中標(biāo)注的各樣本集，對(duì)樣本集中的每一個(gè)圖片都提取遮擋特征。對(duì)于眼鏡檢測(cè)樣本提取眼鏡特征，對(duì)于眼鏡反光樣本提取眼鏡反光特征。因?yàn)檠坨R的外觀特征與眼鏡反光的外觀特征不同，所以在提取遮擋特征時(shí)，需要分別提取兩組特征，即眼鏡特征和眼鏡反光特征，并分別建立兩個(gè)統(tǒng)計(jì)學(xué)習(xí)模型，即眼鏡檢測(cè)模型和眼鏡反光模型。
[0033]只要能反映出是否帶眼鏡的差異性的特征都可以用于遮擋模型的建立，如提取眼鏡輪廓邊緣的梯度特征、反映眼鏡區(qū)域灰度變換的局部二值模式(LBP，Local BinaryPattern) LBP特征或簡(jiǎn)單的灰度特征，都可用于遮擋統(tǒng)計(jì)學(xué)習(xí)模型的建立。
[0034]本發(fā)明以LBP 特征為例，描述一種眼鏡特征的提取過程:在定位到人臉眼睛位置后，根據(jù)眼睛位置來獲取眼鏡檢測(cè)區(qū)域。設(shè)人眼位置為左眼(Lx，Ly)，右眼(Rx，Ry)，計(jì)算兩
眼間的歐式距離
【權(quán)利要求】
1.一種遮擋自適應(yīng)人臉識(shí)別方法，該方法包括如下步驟: 步驟1，針對(duì)人臉圖片訓(xùn)練集中每一樣本提取遮擋特征； 步驟2，基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型，用于檢測(cè)圖片中是否存在遮擋； 步驟3，對(duì)模板圖片進(jìn)行注冊(cè)，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行遮擋檢測(cè)，保存遮擋檢測(cè)結(jié)果； 步驟4，提取待識(shí)別圖片的識(shí)別特征，與模板圖片集的識(shí)別特征進(jìn)行比對(duì)，選取前N選最高相似度的模板圖片和相似度得分，其中N >1 ; 步驟5，利用所述遮擋檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行遮擋檢測(cè)，并將選取的前N選的模板圖片的遮擋檢測(cè)結(jié)果與待識(shí)別圖片的遮擋檢測(cè)結(jié)果進(jìn)行比對(duì)，若比對(duì)結(jié)果不同，則對(duì)所述相似度得分進(jìn)行調(diào)整，并將調(diào)整后的得分重新排序，選取修正后最高得分對(duì)應(yīng)的模板圖片作為識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述遮擋是單遮擋因素或者是多種遮擋因素的組合。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述人臉圖片訓(xùn)練集采集不同遮擋條件下的樣本圖片，并根據(jù)遮擋環(huán)境的不同，對(duì)訓(xùn)練圖片集進(jìn)行標(biāo)注。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟5進(jìn)一步包括根據(jù)得分修正函數(shù)對(duì)得分進(jìn)行調(diào)整，以將不同遮擋下的相似度得分變換到同一種分布上。
5.一種遮擋自適應(yīng)的人臉識(shí)別裝置，該裝置包括: 遮擋特征提取單元，用于針對(duì)人臉圖片訓(xùn)練集中每一樣本提取遮擋特征； 遮擋檢測(cè)模型建立單元，用于基于遮擋特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立遮擋檢測(cè)模型，以檢測(cè)圖片中是否存在遮擋； 遮擋檢測(cè)單元，用于對(duì)人臉圖片進(jìn)行遮擋檢測(cè)； 模板圖片注冊(cè)單元，用于對(duì)模板圖片進(jìn)行注冊(cè)，以提取和保存模板圖片的識(shí)別特征，并根據(jù)遮擋檢測(cè)單元對(duì)圖片進(jìn)行遮擋檢測(cè)，保存檢測(cè)結(jié)果； 圖片識(shí)別單元，計(jì)算待識(shí)別圖片與模板圖片間的相似度，并選取前N選最高相似度的模板圖片和相似度得分，其中N > 1 ; 得分修正單元，根據(jù)待識(shí)別圖片與模板圖片的遮擋檢測(cè)結(jié)果對(duì)相似度進(jìn)行調(diào)整，并對(duì)調(diào)整后的相似度重新排序，選擇相似度最高的圖片作為識(shí)別結(jié)果。
6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述遮擋是單遮擋因素或者是多種遮擋因素的組合。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述人臉圖片訓(xùn)練集采集了不同遮擋條件下的樣本圖片，并根據(jù)遮擋環(huán)境的不同，對(duì)訓(xùn)練圖片集進(jìn)行標(biāo)注。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述遮擋檢測(cè)單元根據(jù)得分修正函數(shù)對(duì)得分進(jìn)行調(diào)整，以將不同遮擋下的相似 度得分變換到同一種分布上。
9.一種光源自適應(yīng)人臉識(shí)別方法，該方法包括如下步驟: 步驟1，針對(duì)人臉圖片訓(xùn)練集中每一樣本提取光源特征； 步驟2，基于光源特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立光源檢測(cè)模型，用于檢測(cè)圖片中的光源環(huán)境類型；步驟3，對(duì)模板圖片進(jìn)行注冊(cè)，提取和保存模板圖片的識(shí)別特征，并對(duì)模板圖片進(jìn)行光源檢測(cè)，保存光源檢測(cè)結(jié)果； 步驟4，提取待識(shí)別圖片的識(shí)別特征，與模板圖片集的識(shí)別特征進(jìn)行比對(duì)，選取前N選最高相似度的模板圖片和相似度得分，其中N > 1 ; 步驟5，利用所述光源檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行光源檢測(cè)，并將選取的前N選的模板圖片的光源檢測(cè)結(jié)果與待識(shí)別圖片的光源檢測(cè)結(jié)果進(jìn)行比對(duì)，若比對(duì)結(jié)果不同，則對(duì)所述相似度得分進(jìn)行調(diào)整，并將調(diào)整后的得分重新排序，選取修正后最高得分對(duì)應(yīng)的模板圖片作為識(shí)別結(jié)果。
10.一種光源自適應(yīng)的人臉識(shí)別裝置，該裝置包括: 光源特征提取單元，用于針對(duì)人臉圖片訓(xùn)練集中每一樣本提取光源特征； 光源檢測(cè)模型建立單元，用于基于光源特征，進(jìn)行統(tǒng)計(jì)學(xué)習(xí)建模，建立光源檢測(cè)模型，以檢測(cè)圖片中的光源環(huán)境類型； 光源檢測(cè)單元，用于對(duì)人臉圖片進(jìn)行光源檢測(cè)； 模板圖片注冊(cè)單元，用于對(duì)模板圖片進(jìn)行注冊(cè)，以提取和保存模板圖片的識(shí)別特征，并根據(jù)光源檢測(cè)單元對(duì)圖片進(jìn)行光源檢測(cè)，保存檢測(cè)結(jié)果； 圖片識(shí)別單元，計(jì)算待識(shí)別圖片與模板圖片間的相似度，并選取前N選最高相似度的模板圖片和相似度得分，其中N > 1 ; 得分修正單元，根據(jù)待識(shí)別圖片與模板圖片的光源檢測(cè)結(jié)果對(duì)相似度進(jìn)行調(diào)整，并對(duì)調(diào)整后的相似度重新排序，選擇相似度最高的圖片作為識(shí)別結(jié)果。
【文檔編號(hào)】G06K9/00GK103902962SQ201210589510
【公開日】2014年7月2日 申請(qǐng)日期:2012年12月28日 優(yōu)先權(quán)日:2012年12月28日
【發(fā)明者】黃磊, 任智杰 申請(qǐng)人:漢王科技股份有限公司