專利名稱：人臉認(rèn)證方法及系統(tǒng)、人臉模型訓(xùn)練方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及于模式識別技術(shù)領(lǐng)域，特別是涉及一種人臉認(rèn)證方法及系統(tǒng)、一種人 臉模型訓(xùn)練方法及系統(tǒng)。
背景技術(shù)：
基于生物特征的身份鑒別技術(shù)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(rèn)證方法中，基于人面部特征的識別和認(rèn)證因?yàn)榫哂袩o侵犯性、成本低、隱蔽性好、 不需要被測者特殊配合等優(yōu)點(diǎn)，得到廣泛的關(guān)注和重視，具有廣泛的應(yīng)用前景。人臉認(rèn)證特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)，在智 能人機(jī)交互、智能視頻監(jiān)控、視頻會議和圖片及視頻檢索等各領(lǐng)域有著重要的實(shí)用價值。人 臉認(rèn)證是人臉識別的一個分支，當(dāng)某人進(jìn)行人臉認(rèn)證時，通常先聲明自己的身份信息，認(rèn)證 系統(tǒng)根據(jù)聲明的信息從驗(yàn)證數(shù)據(jù)庫中找到該信息對應(yīng)的分類器模型，采用該分類器模型對 該人進(jìn)行人臉認(rèn)證，若認(rèn)證的結(jié)果與此人聲明的身份信息吻合，則表示認(rèn)證通過，否則表示 認(rèn)證未通過。可以看出，人臉認(rèn)證首先需要利用待認(rèn)證的人的臉部圖像對分類器進(jìn)行訓(xùn)練，建 立該人的分類器模型，現(xiàn)有的人臉認(rèn)證方法，一般都是直接采用LBP(局部二元模式，Local Binary Patter)或Gabor作為特征，然后直接采用支持向量機(jī)或者adaboost (自適應(yīng)增強(qiáng)， adaptive boosting)算法對人臉區(qū)域內(nèi)的所有特征進(jìn)行訓(xùn)練得到人臉認(rèn)證模型。這些認(rèn)證方法在提取特征時將人臉作為一個整體，而在實(shí)際中，不同人臉其整體 往往具有相似性，以此類模型進(jìn)行認(rèn)證時，則容易出現(xiàn)誤識，從而影響人臉認(rèn)證的準(zhǔn)確度。因而，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個技術(shù)問題就是如何能夠創(chuàng)新地 提出一種人臉認(rèn)證的方法，用以提高人臉認(rèn)證的準(zhǔn)確度。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種人臉模型訓(xùn)練及人臉認(rèn)證的方法及裝置， 以提高人臉認(rèn)證的準(zhǔn)確度。為了解決上述技術(shù)問題，本發(fā)明實(shí)施例公開了一種人臉認(rèn)證方法，包括獲得待認(rèn)證用戶的有效人臉圖像；將所述有效人臉圖像與對應(yīng)的人臉模型進(jìn)行匹配，所述人臉模型為依據(jù)待認(rèn)證用 戶人臉樣本圖像中多個特定子區(qū)域的紋理特征所構(gòu)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(yīng)特定子區(qū)域的紋理特征；將所述特定子區(qū)域的紋理特征輸入到所述人臉模型中，輸出是否匹配的認(rèn)證結(jié)果。優(yōu)選的，所述獲得待認(rèn)證用戶的有效人臉圖像的步驟包括采集待認(rèn)證用戶的人臉圖像；標(biāo)定所述人臉圖像中器官特征點(diǎn)的位置；
根據(jù)所述器官特征點(diǎn)的位置，對所述人臉圖像進(jìn)行尺寸和灰度歸一化；從所述歸一化后的人臉圖像中割取預(yù)設(shè)大小的圖像為有效人臉圖像。優(yōu)選的，所述人臉模型為通過以下步驟獲得的人臉模型在預(yù)處理待認(rèn)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(qū)域；分別提取所述子區(qū)域的紋理特征；依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造該子區(qū)域的訓(xùn)練模型；組合有效人臉圖像中所有子區(qū)域的訓(xùn)練模型形成作為待認(rèn)證用戶人臉模型的分 類器。優(yōu)選的，所述紋理特征為LBP直方圖特征，所述提取有效人臉圖像中相應(yīng)特定子 區(qū)域的紋理特征的步驟包括計(jì)算所述有效人臉圖像的LBP特征；在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域；分別提取所述特定子區(qū)域的LBP直方圖特征。優(yōu)選的，所述紋理特征為Gabor-LBP特征，所述提取有效人臉圖像中相應(yīng)特定子 區(qū)域的紋理特征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特征圖像；計(jì)算所述Gabor特征圖像上的LBP特征為Gabor_LBP特征；在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域；分別提取所述特定子區(qū)域的Gabor-LBP特征。本發(fā)明實(shí)施例還公開了一種人臉模型訓(xùn)練的方法，包括在預(yù)處理待認(rèn)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(qū)域；分別提取所述子區(qū)域的紋理特征；依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造該子區(qū)域的訓(xùn)練模型；組合有效人臉圖像中所有子區(qū)域的訓(xùn)練模型形成待認(rèn)證用戶的人臉模型的分類器。優(yōu)選的，所述紋理特征為LBP直方圖特征，在劃分多個相互交疊且大小不一的子 區(qū)域的步驟之前，還包括計(jì)算所述有效人臉圖像的LBP特征。優(yōu)選的，所述紋理特征為Gabor-LBP特征，在劃分多個相互交疊且大小不一的子 區(qū)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特征圖像；計(jì)算所述Gabor特征圖像上的LBP特征為Gabor-LBP特征。優(yōu)選的，所述依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造該子區(qū)域訓(xùn)練 模型的步驟包括構(gòu)造子區(qū)域特征訓(xùn)練集{(Xi，yi)}，其中，i = 1，. . .，n，Xi為某一有效人臉圖像中 相應(yīng)子區(qū)域的LBP直方圖特征，Yi為該有效人臉圖像所屬的樣本圖像類別；針對所述子區(qū)域特征訓(xùn)練集，訓(xùn)練獲得作為所述子區(qū)域的訓(xùn)練模型的支持向量機(jī)模型
權(quán)利要求
一種人臉認(rèn)證方法，其特征在于，包括獲得待認(rèn)證用戶的有效人臉圖像；將所述有效人臉圖像與對應(yīng)的人臉模型進(jìn)行匹配，所述人臉模型為依據(jù)待認(rèn)證用戶人臉樣本圖像中多個特定子區(qū)域的紋理特征所構(gòu)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(yīng)特定子區(qū)域的紋理特征；將所述特定子區(qū)域的紋理特征輸入到所述人臉模型中，輸出是否匹配的認(rèn)證結(jié)果。
2.如權(quán)利要求1所述的方法，其特征在于，所述獲得待認(rèn)證用戶的有效人臉圖像的步 驟包括采集待認(rèn)證用戶的人臉圖像； 標(biāo)定所述人臉圖像中器官特征點(diǎn)的位置；根據(jù)所述器官特征點(diǎn)的位置，對所述人臉圖像進(jìn)行尺寸和灰度歸一化； 從所述歸一化后的人臉圖像中割取預(yù)設(shè)大小的圖像為有效人臉圖像。
3.如權(quán)利要求1所述的方法，其特征在于，所述人臉模型為通過以下步驟獲得的人臉 模型在預(yù)處理待認(rèn)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(qū)域；分別提取所述子區(qū)域的紋理特征；依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造該子區(qū)域的訓(xùn)練模型； 組合有效人臉圖像中所有子區(qū)域的訓(xùn)練模型形成作為待認(rèn)證用戶人臉模型的分類器。
4.如權(quán)利要求1所述的方法，其特征在于，所述紋理特征為LBP直方圖特征，所述提取 有效人臉圖像中相應(yīng)特定子區(qū)域的紋理特征的步驟包括計(jì)算所述有效人臉圖像的LBP特征； 在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域； 分別提取所述特定子區(qū)域的LBP直方圖特征。
5.如權(quán)利要求1所述的方法，其特征在于，所述紋理特征為Gabor-LBP特征，所述提取 有效人臉圖像中相應(yīng)特定子區(qū)域的紋理特征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特征圖像； 計(jì)算所述Gabor特征圖像上的LBP特征為Gabor-LBP特征； 在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域； 分別提取所述特定子區(qū)域的Gabor-LBP特征。
6.一種人臉模型訓(xùn)練的方法，其特征在于，包括在預(yù)處理待認(rèn)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(qū)域；分別提取所述子區(qū)域的紋理特征；依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造該子區(qū)域的訓(xùn)練模型； 組合有效人臉圖像中所有子區(qū)域的訓(xùn)練模型形成待認(rèn)證用戶的人臉模型的分類器。
7.如權(quán)利要求6所述的方法，其特征在于，所述紋理特征為LBP直方圖特征，在劃分多 個相互交疊且大小不一的子區(qū)域的步驟之前，還包括計(jì)算所述有效人臉圖像的LBP特征。
8.如權(quán)利要求6所述的方法，其特征在于，所述紋理特征為Gabor-LBP特征，在劃分多 個相互交疊且大小不一的子區(qū)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特征圖像； 計(jì)算所述Gabor特征圖像上的LBP特征為Gabor-LBP特征。
9.如權(quán)利要求6所述的方法，其特征在于，所述依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域 的紋理特征構(gòu)造該子區(qū)域訓(xùn)練模型的步驟包括構(gòu)造子區(qū)域特征訓(xùn)練集{(Xi，yi)}，其中，i = l，...，n，Xi為某一有效人臉圖像中相應(yīng) 子區(qū)域的LBP直方圖特征，Yi為該有效人臉圖像所屬的樣本圖像類別；針對所述子區(qū)域特征訓(xùn)練集，訓(xùn)練獲得作為所述子區(qū)域的訓(xùn)練模型的支持向量機(jī)模型
10.如權(quán)利要求9所述的方法，其特征在于，所述組合有效人臉圖像中所有子區(qū)域的訓(xùn) 練模型形成作為待認(rèn)證用戶人臉模型的分類器的步驟包括將各子區(qū)域支持向量機(jī)模型的輸出·χ)作為弱分類器；
11.如權(quán)利要求6所述的方法，其特征在于，在依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的 紋理特征構(gòu)造該子區(qū)域訓(xùn)練模型的步驟前，還包括按照表示能力從強(qiáng)到弱的次序?qū)λ鲎訁^(qū)域的紋理特征進(jìn)行排序； 選取前M個紋理特征，其中M為自然數(shù)。
12.如權(quán)利要求6所述的方法，其特征在于，所述預(yù)處理用戶的人臉樣本所獲得的有效 人臉圖像步驟包括采集待認(rèn)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(biāo)定所述人臉樣本圖像中器官特征點(diǎn)的位置；根據(jù)所述器官特征點(diǎn)的位置，對所述人臉樣本圖像進(jìn)行尺寸和灰度歸一化； 從所述歸一化后的人臉樣本圖像中割取預(yù)設(shè)大小的圖像為有效人臉圖像。
13.一種人臉認(rèn)證系統(tǒng)，其特征在于，包括圖像獲取模塊，用于獲得待認(rèn)證用戶的有效人臉圖像；匹配模塊，用于將所述有效人臉圖像與對應(yīng)的人臉模型進(jìn)行匹配，所述人臉模型為依 據(jù)待認(rèn)證用戶人臉樣本圖像中多個特定子區(qū)域的紋理特征所構(gòu)造的分類器，所述匹配模塊 包括特征提取單元，用于提取所述有效人臉圖像中相應(yīng)特定子區(qū)域的紋理特征； 認(rèn)證單元，用于將所述特定子區(qū)域的紋理特征輸入到所述人臉模型中，輸出是否匹配 的認(rèn)證結(jié)果。
14.如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述圖像獲取模塊包括 采集單元，用于采集待認(rèn)證用戶的人臉圖像；特征點(diǎn)標(biāo)定單元，用于標(biāo)定所述人臉圖像中器官特征點(diǎn)的位置；歸一化單元，用于根據(jù)所述器官特征點(diǎn)的位置，對所述人臉圖像進(jìn)行尺寸和灰度歸一化；割取單元，用于從所述歸一化后的人臉圖像中割取預(yù)設(shè)大小的圖像為有效人臉圖像。
15.如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述紋理特征為LBP直方圖特征，所述特 征提取單元進(jìn)一步包括LBP特征計(jì)算子單元，用于計(jì)算所述有效人臉圖像的LBP特征；特定子區(qū)域確定子單元，用于在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域；LBP直方圖特征提取子單元，用于分別提取所述特定子區(qū)域的LBP直方圖特征。
16.如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述紋理特征為Gabor-LBP特征，所述特 征提取單元進(jìn)一步包括Gabor-LBP特征計(jì)算子單元，用于獲得所述有效人臉圖像至少一個尺度、至少一個方向 的Gabor特征圖像，并計(jì)算所述Gabor特征圖像上的LBP特征為Gabor-LBP特征； 特定子區(qū)域確定子單元，用于在所述有效人臉圖像中確定對應(yīng)的多個特定子區(qū)域； Gabor-LBP特征提取子單元，用于分別提取所述特定子區(qū)域的Gabor-LBP特征。
17.—種人臉模型訓(xùn)練系統(tǒng)，其特征在于，包括預(yù)處理模塊，用于預(yù)處理待認(rèn)證用戶的人臉樣本圖像所獲得的有效人臉圖像； 子區(qū)域劃分模塊，用于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(qū)域；特征提取模塊，用于分別提取所述子區(qū)域的紋理特征；子區(qū)域訓(xùn)練模型構(gòu)造模塊，用于依據(jù)所有有效人臉圖像中相應(yīng)子區(qū)域的紋理特征構(gòu)造 該子區(qū)域的訓(xùn)練模型；分類器形成模塊，用于組合有效人臉圖像中所有子區(qū)域的訓(xùn)練模型形成待認(rèn)證用戶的 人臉模型的分類器。
18.如權(quán)利要求17所述的系統(tǒng)，其特征在于，所述預(yù)處理單元進(jìn)一步包括圖像采集單元，用于采集待認(rèn)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；特征點(diǎn)標(biāo)定單元，用于標(biāo)定所述人臉樣本圖像中器官特征點(diǎn)的位置； 歸一化單元，根據(jù)所述器官特征點(diǎn)的位置，對所述人臉樣本圖像進(jìn)行尺寸和灰度歸一化；割取單元，用于從所述歸一化后的人臉樣本圖像中割取預(yù)設(shè)大小的圖像為有效人臉圖像。
全文摘要
本發(fā)明提供了一種人臉認(rèn)證方法，包括獲得待認(rèn)證用戶的有效人臉圖像；將所述有效人臉圖像與對應(yīng)的人臉模型進(jìn)行匹配，所述人臉模型為依據(jù)待認(rèn)證用戶人臉樣本圖像中多個特定子區(qū)域的紋理特征所構(gòu)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(yīng)特定子區(qū)域的紋理特征；將所述特定子區(qū)域的紋理特征輸入到所述人臉模型中，輸出是否匹配的認(rèn)證結(jié)果。本發(fā)明可以提高人臉認(rèn)證的準(zhǔn)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(yōu)先權(quán)日2009年8月19日
發(fā)明者鄧亞峰 申請人:北京中星微電子有限公司