一種基于隱馬爾可夫模型的人臉幾何特征識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人臉識別技術(shù)領(lǐng)域，尤其涉及一種基于隱馬爾可夫模型的人臉幾何特征識別方法。
【背景技術(shù)】
[0002]現(xiàn)今社會，各方面都迫切希望能夠快速、有效的進(jìn)行身份驗證，生物特征因為自身的穩(wěn)定性和差異性，已成為身份驗證的主要手段，相關(guān)研究眾多，其中，人臉識別作為相對成熟的技術(shù)走入人們的日常生活中。人臉識別技術(shù)與利用視網(wǎng)膜識別、指紋識別等人體生物特征進(jìn)行身分驗證相比，具有直觀、友好及方便等特點，正越來越受到重視和青睞，具有廣泛的應(yīng)用前景。
[0003]人的臉部特征十分豐富，除了形狀和表情之外，還有五官的特征分布，通過研究這些特征間的比例關(guān)系，可以得到不同的人臉的相似和差異程度。目前廣泛使用的人臉識別方式是:先進(jìn)行人臉的檢測和定位，進(jìn)而對人臉進(jìn)行面部特征的提取，最后得出識別的結(jié)果。其中，對人臉面部特征的提取，是在確定了人臉之后，對人臉圖像進(jìn)行預(yù)處理之后開始的，特征的提取和識別的方法包括基于局部特征和基于整體特征兩個方面。在基于整體特征的方法上，包括多種方法，如:基于彈性匹配的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和基于特征臉的方法等。
[0004]但這些方法由于受到人臉的非剛性和光照條件的影響，只有在特定的環(huán)境下才有較高的識別率，而且這些方法所使用到的匹配參數(shù)相互依賴度較高、匹配的方法也沒有統(tǒng)一的科學(xué)標(biāo)準(zhǔn)，這影響了識別的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明提供一種基于隱馬爾可夫模型的人臉幾何特征識別方法，以解決目前人臉識別方法識別率低，用到的匹配參數(shù)相互依賴度較高，從而導(dǎo)致識別的準(zhǔn)確性較低的技術(shù)問題。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實施例的保護(hù)范圍。其唯一目的是用簡單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。
[0006]在一些可選的實施例中，提供一種基于隱馬爾可夫模型的人臉幾何特征識別方法，包括:對人臉圖像進(jìn)行灰度化和直方圖均衡化，利用分類器得到人臉的臉框區(qū)域；設(shè)定所述臉框區(qū)域的收縮系數(shù)，縮小所述臉框區(qū)域，利用分類器截取出所述臉框區(qū)域中的眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域；提取并記錄所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的特征信息；將得到的所述特征信息與數(shù)據(jù)庫中所儲存的每一張人臉圖像的特征信息進(jìn)行對比，得到綜合匹配率。
[0007]在一些可選的實施例中，所述方法，還包括:建立所述數(shù)據(jù)庫；建立所述數(shù)據(jù)庫的過程包括:獲取準(zhǔn)備存入數(shù)據(jù)庫的多張正臉圖像；對所述每一張正臉圖像進(jìn)行處理，提取每一張正臉圖像的特征信息；將所述每一張正臉圖像的特征信息存入數(shù)據(jù)庫。
[0008]在一些可選的實施例中，所述方法，還包括:若所述綜合匹配率高于90 %，則提示查找成功；否則，提示查找失敗，數(shù)據(jù)庫中不存在所查人臉的相關(guān)信息。
[0009]在一些可選的實施例中，提取并記錄所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的特征信息之前還包括:判斷截取出的所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的中線是否偏離出所述臉框區(qū)域的中線，若偏離，則判定檢測錯誤，擴(kuò)大所述收縮系數(shù)，重新進(jìn)行截取。
[0010]在一些可選的實施例中，所述特征信息包括:包括左瞳孔、右瞳孔、左鼻孔、右鼻孔、左嘴角、右嘴角、嘴巴中心點和臉框四角的二維坐標(biāo)值。
[0011]在一些可選的實施例中，提取并記錄所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的特征信息的過程包括:在提取的所述眼睛區(qū)域和鼻子區(qū)域中，分別提取左右眼和左右鼻孔灰度值最低的一點，分別以灰度值最低的一點為中心提取周圍灰度值不高于所述中心20的點，對所述灰度值不高于所述中心20的點的二維坐標(biāo)取平均值，得到左瞳孔、右瞳孔、左鼻孔和右鼻孔的二維坐標(biāo)值；根據(jù)嘴巴的雙唇的顏色與臉部其他部位灰度的不同，得到左嘴角和右嘴角的二維坐標(biāo)值，再取兩者所構(gòu)成線段的中點，作為嘴巴中心點的二維坐標(biāo)值。
[0012]在一些可選的實施例中，將得到的所述特征信息與數(shù)據(jù)庫中所儲存的每一張人臉圖像的特征信息進(jìn)行對比，得到綜合匹配率的過程包括:計算出所述人臉圖像的相應(yīng)的多個線段值，與所述數(shù)據(jù)庫中每一張正臉圖像的相應(yīng)的線段值相比得到比值，計算出所述比值的均值，把各條線段值相對所述均值的偏離值進(jìn)行求和，記為Suml ;計算出所述人臉圖像的相應(yīng)的多個角度值，與所述數(shù)據(jù)庫中每一張正臉圖像的相應(yīng)的角度值相比得到比值，計算出所述比值的均值，把各個角度值相對所述均值的偏離值進(jìn)行求和，記為Sum2 ;所述綜合匹配率=1-SumlX0.05-Sum2X0.1。
[0013]在一些可選的實施例中，所述多個線段值包括:左瞳孔與左右鼻孔連線中心點的連線線段值、右瞳孔與左右鼻孔連線中心點的連線線段值、左瞳孔與右瞳孔的連線線段值、左右瞳孔連線中心點與左右鼻孔連線中心點的連線線段值、左右鼻孔連線中心點與嘴巴中心點的連線線段值、左瞳孔與嘴巴中心點的連線線段值、右瞳孔與嘴巴中心點的連線線段值、左鼻孔與右鼻孔的連線線段值、左瞳孔與左鼻孔的連線線段值、右瞳孔與右鼻孔的連線線段值、左瞳孔與右鼻孔的連線線段值、右瞳孔與左鼻孔的連線線段值、左右瞳孔連線中心點與嘴巴中心點的連線線段值、左鼻孔與嘴巴中心點的連線線段值、右鼻孔與嘴巴中心點的連線線段值。
[0014]在一些可選的實施例中，所述多個角度值包括:左瞳孔、右瞳孔和左右鼻孔連線中心點連成的三角形，以及左瞳孔、右瞳孔和嘴巴中心點連成的三角形的六個角的角度值。
[0015]在一些可選的實施例中，所述分類器為Haar特征訓(xùn)練分類器。
[0016]有益效果:利用人臉各部位之間的長度和角度比例來進(jìn)行對比匹配，大大降低了人臉的非剛性和光照條件所產(chǎn)生的影響，避免人臉各部位間的長度比例和角度比例隨著人年齡和肥瘦的變化而變化產(chǎn)生的影響，從而保證了匹配的準(zhǔn)確性和科學(xué)性。
【附圖說明】
[0017]圖1是本發(fā)明一種基于隱馬爾可夫模型的人臉幾何特征識別方法的流程示意圖；
[0018]圖2是建立數(shù)據(jù)庫的流程示意圖。
【具體實施方式】
[0019]以下描述和附圖充分地示出本發(fā)明的具體實施方案，以使本領(lǐng)域的技術(shù)人員能夠?qū)嵺`它們。其他實施方案可以包括結(jié)構(gòu)的、邏輯的、電氣的、過程的以及其他的改變。實施例僅代表可能的變化。除非明確要求，否則單獨的部件和功能是可選的，并且操作的順序可以變化。一些實施方案的部分和特征可以被包括在或替換其他實施方案的部分和特征。
[0020]在一些說明性的實施例中，如圖1和2所示，提供一種基于隱馬爾可夫模型的人臉幾何特征識別方法，包括:
[0021]101:建立數(shù)據(jù)庫。數(shù)據(jù)庫用以儲存獲取的數(shù)據(jù)。
[0022]在一些說明性的實施例中，建立數(shù)據(jù)庫的過程包括:
[0023]S1:獲取準(zhǔn)備存入所述數(shù)據(jù)庫的多張正臉圖像；
[0024]S2:對所述每一張正臉圖像進(jìn)行處理，提取每一張正臉圖像的特征信息；
[0025]在一些說明性的實施例中，所述特征信息包括左瞳孔、右瞳孔、左鼻孔、右鼻孔、左嘴角、右嘴角、嘴巴中心點和臉框四角的二維坐標(biāo)值。
[0026]S3:將所述每一張正臉圖像的特征信息存入數(shù)據(jù)庫。
[0027]由此，當(dāng)獲取任一人臉圖像后，進(jìn)行處理和計算后，與所述數(shù)據(jù)庫中所存的人臉特征數(shù)據(jù)進(jìn)行對比，搜索出匹配率最高的人臉，進(jìn)而判斷兩者是否屬于同一個人。
[0028]102:獲取任意一張包含正臉的人臉圖像，在隱馬爾可夫模型的基礎(chǔ)上，對所述人臉圖像預(yù)處理，預(yù)處理包括進(jìn)行灰度化和直方圖均衡化。再利用分類器對所述人臉圖像進(jìn)行檢測，得到人臉的臉框區(qū)域。
[0029]在一些說明性的實施例中，所述分類器為Haar特征訓(xùn)練分類器。
[0030]103:設(shè)定所述臉框區(qū)域的收縮系數(shù)，縮小所述臉框區(qū)域，利用Haar特征訓(xùn)練分類器截取出所述臉框區(qū)域中的眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域。
[0031]104:判斷截取出的所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的中線是否偏離出所述臉框區(qū)域的中線。若偏離，則判定檢測錯誤，返回步驟103，擴(kuò)大所述收縮系數(shù)，重新對所述臉框區(qū)域進(jìn)行截??；若不偏離，進(jìn)行步驟105。
[0032]105:提取并記錄所述眼睛區(qū)域、鼻子區(qū)域和嘴巴區(qū)域的特征信息。所述特征信息包括左瞳孔、右瞳孔、左鼻孔、右鼻孔、左嘴角、右嘴角、嘴巴中心點和臉框四角的二維坐標(biāo)值。
[0033]在一些說明性的實施例中，提取所述特征信息的過程包括:
[0034]左瞳孔和右瞳孔坐標(biāo)值的提取:在截取的所述眼睛區(qū)域中，分別提取左右眼的灰度值最低的一點，然后分別以這兩個點為中心提取在它們周圍的灰度值不高于所述中心20的點，對這些點的二維坐標(biāo)取平均值，求得的兩個平均值便是左瞳孔和右瞳孔的二維坐標(biāo)值；
[0035]左鼻孔和右鼻孔坐標(biāo)值的提取:在截取的所述鼻子區(qū)域中，分別提取左右鼻孔的灰度值最低的一點，然后分別以這兩個點為中心提取在它們周圍的灰度值不高于所述中心20的點，對這些點的二維