人臉認證方法及系統、人臉模型訓練方法及系統的製作方法
2023-12-08 16:29:51 2
專利名稱：人臉認證方法及系統、人臉模型訓練方法及系統的製作方法
技術領域：
本發明涉及於模式識別技術領域，特別是涉及一種人臉認證方法及系統、一種人 臉模型訓練方法及系統。
背景技術：
基於生物特徵的身份鑑別技術在社會生活中具有越來越重要的地位和作用。在多 種生物認證方法中，基於人面部特徵的識別和認證因為具有無侵犯性、成本低、隱蔽性好、 不需要被測者特殊配合等優點，得到廣泛的關注和重視，具有廣泛的應用前景。人臉認證特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術，在智 能人機互動、智能視頻監控、視頻會議和圖片及視頻檢索等各領域有著重要的實用價值。人 臉認證是人臉識別的一個分支，當某人進行人臉認證時，通常先聲明自己的身份信息，認證 系統根據聲明的信息從驗證資料庫中找到該信息對應的分類器模型，採用該分類器模型對 該人進行人臉認證，若認證的結果與此人聲明的身份信息吻合，則表示認證通過，否則表示 認證未通過。可以看出，人臉認證首先需要利用待認證的人的臉部圖像對分類器進行訓練，建 立該人的分類器模型，現有的人臉認證方法，一般都是直接採用LBP(局部二元模式，Local Binary Patter)或Gabor作為特徵，然後直接採用支持向量機或者adaboost (自適應增強， adaptive boosting)算法對人臉區域內的所有特徵進行訓練得到人臉認證模型。這些認證方法在提取特徵時將人臉作為一個整體，而在實際中，不同人臉其整體 往往具有相似性，以此類模型進行認證時，則容易出現誤識，從而影響人臉認證的準確度。因而，目前需要本領域技術人員迫切解決的一個技術問題就是如何能夠創新地 提出一種人臉認證的方法，用以提高人臉認證的準確度。
發明內容
本發明所要解決的技術問題是提供一種人臉模型訓練及人臉認證的方法及裝置， 以提高人臉認證的準確度。為了解決上述技術問題，本發明實施例公開了一種人臉認證方法，包括獲得待認證用戶的有效人臉圖像；將所述有效人臉圖像與對應的人臉模型進行匹配，所述人臉模型為依據待認證用 戶人臉樣本圖像中多個特定子區域的紋理特徵所構造的分類器，所述匹配的過程包括提取所述有效人臉圖像中相應特定子區域的紋理特徵；將所述特定子區域的紋理特徵輸入到所述人臉模型中，輸出是否匹配的認證結果。優選的，所述獲得待認證用戶的有效人臉圖像的步驟包括採集待認證用戶的人臉圖像；標定所述人臉圖像中器官特徵點的位置；
根據所述器官特徵點的位置，對所述人臉圖像進行尺寸和灰度歸一化；從所述歸一化後的人臉圖像中割取預設大小的圖像為有效人臉圖像。優選的，所述人臉模型為通過以下步驟獲得的人臉模型在預處理待認證用戶的人臉樣本圖像所獲得的有效人臉圖像中，劃分多個相互交 疊且大小不一的子區域；分別提取所述子區域的紋理特徵；依據所有有效人臉圖像中相應子區域的紋理特徵構造該子區域的訓練模型；組合有效人臉圖像中所有子區域的訓練模型形成作為待認證用戶人臉模型的分 類器。優選的，所述紋理特徵為LBP直方圖特徵，所述提取有效人臉圖像中相應特定子 區域的紋理特徵的步驟包括計算所述有效人臉圖像的LBP特徵；在所述有效人臉圖像中確定對應的多個特定子區域；分別提取所述特定子區域的LBP直方圖特徵。優選的，所述紋理特徵為Gabor-LBP特徵，所述提取有效人臉圖像中相應特定子 區域的紋理特徵的步驟包括獲得所述有效人臉圖像至少一個尺度、至少一個方向的Gabor特徵圖像；計算所述Gabor特徵圖像上的LBP特徵為Gabor_LBP特徵；在所述有效人臉圖像中確定對應的多個特定子區域；分別提取所述特定子區域的Gabor-LBP特徵。本發明實施例還公開了一種人臉模型訓練的方法，包括在預處理待認證用戶的人臉樣本圖像所獲得的有效人臉圖像中，劃分多個相互交 疊且大小不一的子區域；分別提取所述子區域的紋理特徵；依據所有有效人臉圖像中相應子區域的紋理特徵構造該子區域的訓練模型；組合有效人臉圖像中所有子區域的訓練模型形成待認證用戶的人臉模型的分類器。優選的，所述紋理特徵為LBP直方圖特徵，在劃分多個相互交疊且大小不一的子 區域的步驟之前，還包括計算所述有效人臉圖像的LBP特徵。優選的，所述紋理特徵為Gabor-LBP特徵，在劃分多個相互交疊且大小不一的子 區域的步驟之前，還包括獲得所述有效人臉圖像至少一個尺度、至少一個方向的Gabor特徵圖像；計算所述Gabor特徵圖像上的LBP特徵為Gabor-LBP特徵。優選的，所述依據所有有效人臉圖像中相應子區域的紋理特徵構造該子區域訓練 模型的步驟包括構造子區域特徵訓練集{(Xi，yi)}，其中，i = 1，. . .，n，Xi為某一有效人臉圖像中 相應子區域的LBP直方圖特徵，Yi為該有效人臉圖像所屬的樣本圖像類別；針對所述子區域特徵訓練集，訓練獲得作為所述子區域的訓練模型的支持向量機模型
權利要求
一種人臉認證方法，其特徵在於，包括獲得待認證用戶的有效人臉圖像；將所述有效人臉圖像與對應的人臉模型進行匹配，所述人臉模型為依據待認證用戶人臉樣本圖像中多個特定子區域的紋理特徵所構造的分類器，所述匹配的過程包括提取所述有效人臉圖像中相應特定子區域的紋理特徵；將所述特定子區域的紋理特徵輸入到所述人臉模型中，輸出是否匹配的認證結果。
2.如權利要求1所述的方法，其特徵在於，所述獲得待認證用戶的有效人臉圖像的步 驟包括採集待認證用戶的人臉圖像； 標定所述人臉圖像中器官特徵點的位置；根據所述器官特徵點的位置，對所述人臉圖像進行尺寸和灰度歸一化； 從所述歸一化後的人臉圖像中割取預設大小的圖像為有效人臉圖像。
3.如權利要求1所述的方法，其特徵在於，所述人臉模型為通過以下步驟獲得的人臉 模型在預處理待認證用戶的人臉樣本圖像所獲得的有效人臉圖像中，劃分多個相互交疊且 大小不一的子區域；分別提取所述子區域的紋理特徵；依據所有有效人臉圖像中相應子區域的紋理特徵構造該子區域的訓練模型； 組合有效人臉圖像中所有子區域的訓練模型形成作為待認證用戶人臉模型的分類器。
4.如權利要求1所述的方法，其特徵在於，所述紋理特徵為LBP直方圖特徵，所述提取 有效人臉圖像中相應特定子區域的紋理特徵的步驟包括計算所述有效人臉圖像的LBP特徵； 在所述有效人臉圖像中確定對應的多個特定子區域； 分別提取所述特定子區域的LBP直方圖特徵。
5.如權利要求1所述的方法，其特徵在於，所述紋理特徵為Gabor-LBP特徵，所述提取 有效人臉圖像中相應特定子區域的紋理特徵的步驟包括獲得所述有效人臉圖像至少一個尺度、至少一個方向的Gabor特徵圖像； 計算所述Gabor特徵圖像上的LBP特徵為Gabor-LBP特徵； 在所述有效人臉圖像中確定對應的多個特定子區域； 分別提取所述特定子區域的Gabor-LBP特徵。
6.一種人臉模型訓練的方法，其特徵在於，包括在預處理待認證用戶的人臉樣本圖像所獲得的有效人臉圖像中，劃分多個相互交疊且 大小不一的子區域；分別提取所述子區域的紋理特徵；依據所有有效人臉圖像中相應子區域的紋理特徵構造該子區域的訓練模型； 組合有效人臉圖像中所有子區域的訓練模型形成待認證用戶的人臉模型的分類器。
7.如權利要求6所述的方法，其特徵在於，所述紋理特徵為LBP直方圖特徵，在劃分多 個相互交疊且大小不一的子區域的步驟之前，還包括計算所述有效人臉圖像的LBP特徵。
8.如權利要求6所述的方法，其特徵在於，所述紋理特徵為Gabor-LBP特徵，在劃分多 個相互交疊且大小不一的子區域的步驟之前，還包括獲得所述有效人臉圖像至少一個尺度、至少一個方向的Gabor特徵圖像； 計算所述Gabor特徵圖像上的LBP特徵為Gabor-LBP特徵。
9.如權利要求6所述的方法，其特徵在於，所述依據所有有效人臉圖像中相應子區域 的紋理特徵構造該子區域訓練模型的步驟包括構造子區域特徵訓練集{(Xi，yi)}，其中，i = l，...，n，Xi為某一有效人臉圖像中相應 子區域的LBP直方圖特徵，Yi為該有效人臉圖像所屬的樣本圖像類別；針對所述子區域特徵訓練集，訓練獲得作為所述子區域的訓練模型的支持向量機模型
10.如權利要求9所述的方法，其特徵在於，所述組合有效人臉圖像中所有子區域的訓 練模型形成作為待認證用戶人臉模型的分類器的步驟包括將各子區域支持向量機模型的輸出·χ)作為弱分類器；
11.如權利要求6所述的方法，其特徵在於，在依據所有有效人臉圖像中相應子區域的 紋理特徵構造該子區域訓練模型的步驟前，還包括按照表示能力從強到弱的次序對所述子區域的紋理特徵進行排序； 選取前M個紋理特徵，其中M為自然數。
12.如權利要求6所述的方法，其特徵在於，所述預處理用戶的人臉樣本所獲得的有效 人臉圖像步驟包括採集待認證用戶的人臉樣本圖像，所述人臉樣本圖像包括正樣本圖像和反樣本圖像； 標定所述人臉樣本圖像中器官特徵點的位置；根據所述器官特徵點的位置，對所述人臉樣本圖像進行尺寸和灰度歸一化； 從所述歸一化後的人臉樣本圖像中割取預設大小的圖像為有效人臉圖像。
13.一種人臉認證系統，其特徵在於，包括圖像獲取模塊，用於獲得待認證用戶的有效人臉圖像；匹配模塊，用於將所述有效人臉圖像與對應的人臉模型進行匹配，所述人臉模型為依 據待認證用戶人臉樣本圖像中多個特定子區域的紋理特徵所構造的分類器，所述匹配模塊 包括特徵提取單元，用於提取所述有效人臉圖像中相應特定子區域的紋理特徵； 認證單元，用於將所述特定子區域的紋理特徵輸入到所述人臉模型中，輸出是否匹配 的認證結果。
14.如權利要求13所述的系統，其特徵在於，所述圖像獲取模塊包括 採集單元，用於採集待認證用戶的人臉圖像；特徵點標定單元，用於標定所述人臉圖像中器官特徵點的位置；歸一化單元，用於根據所述器官特徵點的位置，對所述人臉圖像進行尺寸和灰度歸一化；割取單元，用於從所述歸一化後的人臉圖像中割取預設大小的圖像為有效人臉圖像。
15.如權利要求13所述的系統，其特徵在於，所述紋理特徵為LBP直方圖特徵，所述特 徵提取單元進一步包括LBP特徵計算子單元，用於計算所述有效人臉圖像的LBP特徵；特定子區域確定子單元，用於在所述有效人臉圖像中確定對應的多個特定子區域；LBP直方圖特徵提取子單元，用於分別提取所述特定子區域的LBP直方圖特徵。
16.如權利要求13所述的系統，其特徵在於，所述紋理特徵為Gabor-LBP特徵，所述特 徵提取單元進一步包括Gabor-LBP特徵計算子單元，用於獲得所述有效人臉圖像至少一個尺度、至少一個方向 的Gabor特徵圖像，並計算所述Gabor特徵圖像上的LBP特徵為Gabor-LBP特徵； 特定子區域確定子單元，用於在所述有效人臉圖像中確定對應的多個特定子區域； Gabor-LBP特徵提取子單元，用於分別提取所述特定子區域的Gabor-LBP特徵。
17.—種人臉模型訓練系統，其特徵在於，包括預處理模塊，用於預處理待認證用戶的人臉樣本圖像所獲得的有效人臉圖像； 子區域劃分模塊，用於在所述有效人臉圖像中劃分多個相互交疊且大小不一的子區域；特徵提取模塊，用於分別提取所述子區域的紋理特徵；子區域訓練模型構造模塊，用於依據所有有效人臉圖像中相應子區域的紋理特徵構造 該子區域的訓練模型；分類器形成模塊，用於組合有效人臉圖像中所有子區域的訓練模型形成待認證用戶的 人臉模型的分類器。
18.如權利要求17所述的系統，其特徵在於，所述預處理單元進一步包括圖像採集單元，用於採集待認證用戶的人臉樣本圖像，所述人臉樣本圖像包括正樣本 圖像和反樣本圖像；特徵點標定單元，用於標定所述人臉樣本圖像中器官特徵點的位置； 歸一化單元，根據所述器官特徵點的位置，對所述人臉樣本圖像進行尺寸和灰度歸一化；割取單元，用於從所述歸一化後的人臉樣本圖像中割取預設大小的圖像為有效人臉圖像。
全文摘要
本發明提供了一種人臉認證方法，包括獲得待認證用戶的有效人臉圖像；將所述有效人臉圖像與對應的人臉模型進行匹配，所述人臉模型為依據待認證用戶人臉樣本圖像中多個特定子區域的紋理特徵所構造的分類器，所述匹配的過程包括提取所述有效人臉圖像中相應特定子區域的紋理特徵；將所述特定子區域的紋理特徵輸入到所述人臉模型中，輸出是否匹配的認證結果。本發明可以提高人臉認證的準確度。
文檔編號G06K9/00GK101996308SQ200910090540
公開日2011年3月30日 申請日期2009年8月19日 優先權日2009年8月19日
發明者鄧亞峰 申請人:北京中星微電子有限公司