人臉特徵的提取、認證方法及裝置製造方法
2023-05-24 19:49:26
人臉特徵的提取、認證方法及裝置製造方法
【專利摘要】本發明公開了一種人臉特徵的提取、認證方法及裝置,其中,人臉特徵的提取方法,包括:對獲取的人臉圖像進行二維希爾伯特變換;以及將經過上述二維希爾伯特變換後的人臉圖像用二維解析信號表示。通過本發明,解決了相關技術中人臉識別方法性能差、複雜度高的問題,簡化了系統實現的複雜度,提高了系統的精確度和準確性。
【專利說明】人臉特徵的提取、認證方法及裝置
【技術領域】
[0001]本發明涉及圖像處理與模式識別領域,具體而言,涉及一種人臉特徵的提取、認證方法及裝置。
【背景技術】
[0002]隨著網絡的普及以及信息技術的飛速發展,信息安全問題越來越引起人們的重視,已經成為技術發展必須要解決的關鍵問題。其中,如何準確的認證一個人的身份信息是信息安全領域的重要組成部分。
[0003]人臉認證是生物特徵識別的一種形式,通過有效地表徵人臉,得到兩幅人臉照片的特徵,來判定這兩張照片是否是同一個人。相比於其他的生物特徵認證技術,具有友好、方便、非侵入性等特點。因此,近年來人臉認證技術成為眾多科研和商業機構的研究熱點。
[0004]通常情況下,人臉認證的流程主要分為三部分:人臉檢測,眼睛定位與歸一化,特徵提取與認證。由於人臉是一個三維形變模型,而且人臉認證是以攝像機成像模型所成的照片為介質的,所以認證的結果容易受到光照、姿態、表情和遮擋等外界因素的影響。同時由於人臉認證技術涉及到了模式識別,統計學習,機器視覺,應用數學與信息科學等眾多交叉學科,再加上其廣泛的應用前景,受到了越來越多的關注。
[0005]最初的人臉識別算法是利用人臉特徵點之間像素的差別來做的,這種方法對背景光照等效果非常差,近年來,人臉識別的研究取得了飛速的進展,有一大批新的人臉識別算法被提出,不同的人有不同的分類方法,按照識別過程中人臉的表徵方法,可以把人臉識別方法大體分為:基於幾何特徵的方法、基於整體特徵的方法、基於局部紋理特徵的方法。
[0006]( I)基於幾何特徵的方法
[0007]基於幾何特徵的人臉表示主要是提取人臉的關鍵點,比如眼睛、鼻子、嘴巴、下巴、眉毛等。然後利用這些關鍵點的相對位置來計算距離、面積的比率等,然後利用這些比率作為人臉的表徵。該方法在定位準確的前提下,對光照變化有很強的魯棒性,而且特徵量比較小。但是,它有一個天生的缺點,那就是特別依賴於關鍵點的定位,而且關鍵點的相對位置容易受到表情以及姿態的影響。
[0008](2)基於整體特徵的方法
[0009]基於整體特徵的人臉表示的一個主要的代表就是基於稀疏表示的方法。主要思想是直接利用一個很大的資料庫作為人臉的一組基,然後將要進行比對的人臉向這組基進行稀疏投影,得到每一個人臉在這組基下的投影係數,然後利用這組投影係數來表徵人臉。實質上就是利用這組基的稀疏線性組合來表徵一個待識別的人臉。該方法當用來做基的資料庫非常大且是閉集測試的時候,能取得相當不錯的識別效果,但是,當訓練庫比較小的時候,或者進行開集測試時,對庫外人的投影效果就不是很好。也就是說算法的泛化性不強。
[0010](3)基於局部紋理特徵的方法
[0011]基於局部紋理特徵的一個典型的例子是基於Gabor特徵的人臉表示。利用不同尺度和方向的Gabor核在圖像上進行濾波,然後針對濾波後的圖像做比對。Gabor特徵有效的兼顧了信號的時域和頻域的表示。是目前最為流行的特徵表示之一。然而,該方法最大的一個問題就是數據量非常大,一個利用5個尺度8個方向的Gabor核就會把一幅照片變為40幅特徵,提聞了存儲和計算的複雜度。
[0012]針對相關技術中人臉識別方法性能差、複雜度高的問題,目前尚未提出有效的解決方案。
【發明內容】
[0013]本發明的主要目的在於提供一種人臉特徵的提取、認證方案,以至少解決上述問題。
[0014]根據本發明的一個方面,提供了一種人臉特徵的提取方法,包括:對獲取的人臉圖像進行二維希爾伯特變換;以及將經過上述二維希爾伯特變換後的人臉圖像用二維解析信號表不。
[0015]優選地,對獲取的人臉圖像進行二維希爾伯特變換的公式為:
【權利要求】
1.一種人臉特徵的提取方法,其特徵在於,包括: 對獲取的人臉圖像進行二維希爾伯特變換;以及 將經過所述二維希爾伯特變換後的所述人臉圖像用二維解析信號表示。
2.根據權利要求1所述的方法,其特徵在於,對獲取的所述人臉圖像進行所述二維希爾伯特變換的公式為:
3.根據權利要求2所述的方法,其特徵在於,所述二維希爾伯特變換的時域公式為:
4.根據權利要求1所述的方法,其特徵在於,將經過所述二維希爾伯特變換後的所述人臉圖像用二維解析信號表示包括: 通過局部振幅A,局部相位Φ和局部方向Θ三個分量表示所述人臉圖像的二維解析信號,其中,
5.根據權利要求1所述的方法,其特徵在於,對獲取的人臉圖像進行二維希爾伯特變換之前,所述方法還包括: 分別將獲取的所述人臉圖像經過帶通濾波器進行濾波,其中,所述帶通濾波器包括1g-Gabor 濾波器。
6.根據權利要求1所述的方法,其特徵在於,將經過所述二維希爾伯特變換後的所述人臉圖像用二維解析信號表示之後,所述方法還包括:將經過所述二維希爾伯特變換後的所述人臉圖像的二維解析信號通過預設的稀疏自編碼神經網絡,得到相應的最優值,其中,所述預設的稀疏自編碼神經網絡中的權重矩陣和偏置矩陣由人臉訓練樣本獲得。
7.一種採用權利要求1至6中任一項所述人臉特徵的提取方法進行人臉特徵的認證方法,其特徵在於,包括: 分別使用所述人臉特徵的提取方法表示第一人臉圖像和第二人臉圖像; 對經過所述人臉特徵的提取方法表示後的所述第一人臉圖像和所述第二人臉圖像進行相似度計算;以及 根據所述相似度計算的結果完成人臉認證過程。
8.根據權利要求7所述的方法,其特徵在於,對經過所述人臉特徵的提取方法表示後的所述第一人臉圖像和所述第二人臉圖像進行相似度計算包括: 對經過所述人臉特徵的提取方法表示後的所述第一人臉圖像和所述第二人臉圖像的每個分量進行相似度計算; 將每個分量相似度的加權平均得到所述人臉特徵的提取方法表示後的所述第一人臉圖像和所述第二人臉圖像的總的相 似度。
9.一種人臉特徵的提取裝置,其特徵在於,包括: 二維希爾伯特變換模塊,對獲取的人臉圖像進行二維希爾伯特變換;以及 人臉圖像表示模塊,用於將經過所述二維希爾伯特變換後的所述人臉圖像用二維解析信號表不。
10.一種採用權利要求9所述人臉特徵的提取裝置進行人臉特徵的認證裝置,其特徵在於,所述認證裝置包括: 特徵提取模塊,用於分別使用所述人臉特徵的提取裝置表示第一人臉圖像和第二人臉圖像; 相似度計算模塊,對經過所述人臉特徵的提取裝置表示的所述第一人臉圖像和所述第二人臉圖像進行相似度計算;以及 認證模塊,用於根據所述相似度計算的結果完成人臉認證過程。
【文檔編號】G06K9/46GK103646244SQ201310690584
【公開日】2014年3月19日 申請日期:2013年12月16日 優先權日:2013年12月16日
【發明者】江武明, 張祥德, 王寧, 鄭金增, 李倩穎, 張芹芹 申請人:北京天誠盛業科技有限公司