專利名稱：一種人臉認(rèn)證方法及系統(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)證方法及一種人臉認(rèn)證 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、自動門禁、人臉登錄等各領(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。對于人臉認(rèn)證系統(tǒng)，用戶的期望是認(rèn)證速度快、認(rèn)證率高，誤認(rèn)率低，最好是符合 用戶身份信息的能快速通過，不符合用戶身份信息的無論如何都通不過。但是，在實(shí)際應(yīng)用 中，可能存在符合用戶身份信息的人很長時間未通過認(rèn)證，而不符合用戶身份信息的、冒充 的人能輕易通過認(rèn)證的問題，由于人臉識別是基于模式分類的應(yīng)用，所以這種現(xiàn)象往往不 可避免，只能盡量降低這些問題出現(xiàn)的概率。同時，由于不同用戶人臉認(rèn)證的應(yīng)用環(huán)境不 同，比如，有的用戶長得與眾不同，被冒充的概率非常小，這部分用戶則希望能降低認(rèn)證通 過的門檻，以快速通過認(rèn)證?；蛘?，有的用戶只是在公共場所使用人臉認(rèn)證的門禁，這部分 用戶往往也希望能降低認(rèn)證通過的門檻，快速通過認(rèn)證；或者，有的用戶是在私人場所或財(cái) 物保管地進(jìn)行人臉認(rèn)證，這部分用戶則對安全要求特別高，要求認(rèn)證非常嚴(yán)格，即使多花時 間也不能讓冒充者通過。這種用戶對人臉認(rèn)證的需求可以歸納為對人臉認(rèn)證松緊程度的要求，可以看出， 不同用戶對人臉認(rèn)證的松緊程度的要求是不同的。公知的是，人臉認(rèn)證是利用待認(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，而現(xiàn)有的人臉認(rèn)證方法，通常都是 針對每一個用戶建立單一的分類器模型，如果要滿足松緊程度控制的要求，則只能通過改 變識別通過的條件來進(jìn)行，例如，在用戶需要較高的人臉認(rèn)證級別時，就將分類器的相似度 匹配值調(diào)高，如調(diào)整為需要90%相似；在用戶需要較低的人臉認(rèn)證級別時，就將分類器的 相似度匹配值調(diào)低，如調(diào)整為需要60%相似；然后這種簡單改變識別通過條件的處理方式 在使用時存在許多問題，如在放寬認(rèn)證條件時，使得冒充的人也很容易通過認(rèn)證；而在收緊 認(rèn)證條件時，使得符合身份的用戶無法通過認(rèn)證等。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)證的機(jī)制，用以在改變松緊級別時，可以自動選擇合適的分類器進(jìn)行人臉 認(rèn)證，不需要重新訓(xùn)練分類器，使認(rèn)證速度和認(rèn)證準(zhǔn)確率滿足應(yīng)用需求，提高認(rèn)證系統(tǒng)的適應(yīng)能力，使系統(tǒng)應(yīng)用更加靈活。

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認(rèn)證的方法及系統(tǒng)，用以在改變松緊 級別時，可以自動選擇合適的分類器進(jìn)行人臉認(rèn)證，不需要重新訓(xùn)練分類器，使認(rèn)證速度和 認(rèn)證準(zhǔn)確率滿足應(yīng)用需求，提高認(rèn)證系統(tǒng)的適應(yīng)能力，使系統(tǒng)應(yīng)用更加靈活。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，包括將采集用戶的多個人臉樣本圖像按照類內(nèi)離散度分為k組，所述1^ > 2 ；針對每組人臉樣本圖像分別訓(xùn)練分類器。優(yōu)選的，所述人臉樣本圖像按照類內(nèi)離散度分組的步驟包括計(jì)算人臉樣本圖像的類內(nèi)離散度；若所述類內(nèi)離散度小于預(yù)置的離散度閾值，則按照所述類內(nèi)離散度從小到大將所 述人臉樣本圖像分為k組；所述針對每組人臉樣本圖像訓(xùn)練的分類器為k個。優(yōu)選的，所述人臉樣本圖像按照類內(nèi)離散度分組的步驟還包括若所述類內(nèi)離散度大于預(yù)置的離散度閾值，則對所述人臉樣本圖像進(jìn)行自組織聚 類；經(jīng)聚類后舍去人臉樣本圖像數(shù)目小于預(yù)設(shè)最小樣本數(shù)目的類別，獲得h類人臉樣 本圖像，所述針對每類人臉樣本圖像按照所述類內(nèi)離散度從小到大將所述人臉樣本圖像分為k 組；所述針對每組人臉樣本圖像訓(xùn)練的分類器為h*k個。優(yōu)選的，所述人臉樣本圖像通過以下步驟獲得采集用戶不同條件下的多幅人臉圖像，所述人臉圖像數(shù)量大于10 ；提取所述人臉圖像的樣本特征；確定并去除所述樣本特征中的野值樣本特征，獲得人臉樣本圖像。優(yōu)選的，所述確定并去除人臉圖像中野值樣本特征的步驟包括若獲得N個樣本特征yi;則所述樣本特征的均值m可以通過公式
權(quán)利要求
1.一種人臉認(rèn)證方法，其特征在于，包括將采集用戶的多個人臉樣本圖像按照類內(nèi)離散度分為k組，所述！^ > 2 ； 針對每組人臉樣本圖像分別訓(xùn)練分類器。
2.如權(quán)利要求1所述的方法，其特征在于，所述人臉樣本圖像按照類內(nèi)離散度分組的 步驟包括計(jì)算人臉樣本圖像的類內(nèi)離散度；若所述類內(nèi)離散度小于預(yù)置的離散度閾值，則按照所述類內(nèi)離散度從小到大將所述人 臉樣本圖像分為k組；所述針對每組人臉樣本圖像訓(xùn)練的分類器為k個。
3.如權(quán)利要求2所述的方法，其特征在于，所述人臉樣本圖像按照類內(nèi)離散度分組的 步驟還包括若所述類內(nèi)離散度大于預(yù)置的離散度閾值，則對所述人臉樣本圖像進(jìn)行自組織聚類； 經(jīng)聚類后舍去人臉樣本圖像數(shù)目小于預(yù)設(shè)最小樣本數(shù)目的類別，獲得h類人臉樣本圖 像，所述h彡1;針對每類人臉樣本圖像按照所述類內(nèi)離散度從小到大將所述人臉樣本圖像分為k組； 所述針對每組人臉樣本圖像訓(xùn)練的分類器為h*k個。
4.如權(quán)利要求2或3所述的方法，其特征在于，所述人臉樣本圖像通過以下步驟獲得 采集用戶不同條件下的多幅人臉圖像，所述人臉圖像數(shù)量大于10 ；提取所述人臉圖像的樣本特征；確定并去除所述樣本特征中的野值樣本特征，獲得人臉樣本圖像。
5.如權(quán)利要求4所述的方法，其特征在于，所述確定并去除人臉圖像中野值樣本特征 的步驟包括1 N若獲得N個樣本特征則所述樣本特征的均值m可以通過公
6.如權(quán)利要求5所述的方法，其特征在于，所述類內(nèi)離散度S通過以下公式計(jì)算獲得
7.如權(quán)利要求2所述的方法，其特征在于，還包括根據(jù)訓(xùn)練獲得的每一個分類器Ci，分別設(shè)置對應(yīng)的一個松緊度級別i ； 以及，根據(jù)預(yù)設(shè)的松緊度級別i，采用第i個分類器Ci進(jìn)行用戶的人臉識別。
8.如權(quán)利要求3所述的方法，其特征在于，還包括根據(jù)訓(xùn)練獲得的每一組的h個分類器Ci，分別設(shè)置對應(yīng)的一個松緊度級別i ；所述h為 大于或等于2的正整數(shù)； 以及，根據(jù)預(yù)設(shè)的松緊度級別i，采用第i組分類器Ci進(jìn)行用戶的人臉識別。
9.一種人臉認(rèn)證系統(tǒng)，其特征在于，包括人臉樣本圖像分組模塊，用于將采集用戶的多個人臉樣本圖像按照類內(nèi)離散度分組分 為k組，所述k彡2 ；分類器訓(xùn)練模塊，用于針對每組人臉樣本圖像分別訓(xùn)練分類器。
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述人臉樣本圖像分組模塊包括類內(nèi)離散度計(jì)算子模塊，用于計(jì)算人臉樣本圖像的類內(nèi)離散度；第一分組子模塊，用于在所述類內(nèi)離散度小于預(yù)置的離散度閾值時，按照所述類內(nèi)離 散度從小到大將所述人臉樣本圖像分為k組。
11.如權(quán)利要求10所述的系統(tǒng)，其特征在于，所述人臉樣本圖像分組模塊還包括聚類子模塊，用于在所述類內(nèi)離散度大于預(yù)置的離散度閾值時，對所述人臉樣本圖像 進(jìn)行自組織聚類；去除子模塊，用于在經(jīng)聚類后舍去人臉樣本圖像數(shù)目小于預(yù)設(shè)最小樣本數(shù)目的類別， 獲得h類人臉樣本圖像，所述h ^ 1 ；第二分組子模塊，用于針對每類人臉樣本圖像按照所述類內(nèi)離散度從小到大將所述人 臉樣本圖像分為k組。
12.如權(quán)利要求10或11所述的系統(tǒng)，其特征在于，還包括人臉圖像采集模塊，用于采集用戶不同條件下的多幅人臉圖像，所述人臉圖像數(shù)量大 于10 ；特征提取模塊，用于提取所述人臉圖像的樣本特征；野值樣本去除模塊，用于確定并去除所述樣本特征中的野值樣本特征，獲得人臉樣本 圖像。
13.如權(quán)利要求10所述的系統(tǒng)，其特征在于，還包括第一級別設(shè)置模塊，用于根據(jù)訓(xùn)練獲得的每一個分類器Ci，分別設(shè)置對應(yīng)的一個松緊 度級別i ；以及，第一人臉識別模塊，用于根據(jù)預(yù)設(shè)的松緊度級別i，采用第i個分類器Ci進(jìn)行用戶的人 臉識別。
14.如權(quán)利要求11所述的系統(tǒng)，其特征在于，還包括第二級別設(shè)置模塊，用于根據(jù)訓(xùn)練獲得的每一組的h個分類器Ci，分別設(shè)置對應(yīng)的一 個松緊度級別i ；所述h為大于或等于2的正整數(shù)；第二人臉識別模塊，用于根據(jù)預(yù)設(shè)的松緊度級別i，采用第i組分類器Ci進(jìn)行用戶的人 臉識別。
全文摘要
本發(fā)明提供了一種人臉認(rèn)證方法，包括將采集用戶的多個人臉樣本圖像按照類內(nèi)離散度分為k組，所述k≥2；針對每組人臉樣本圖像分別訓(xùn)練分類器。本發(fā)明可以在改變松緊級別時，可以自動選擇合適的分類器進(jìn)行人臉認(rèn)證，不需要重新訓(xùn)練分類器，使認(rèn)證速度和認(rèn)證準(zhǔn)確率滿足應(yīng)用需求，提高認(rèn)證系統(tǒng)的適應(yīng)能力，使系統(tǒng)應(yīng)用更加靈活。
文檔編號G06K9/66GK102129574SQ20111006565
公開日2011年7月20日 申請日期2011年3月18日 優(yōu)先權(quán)日2011年3月18日
發(fā)明者王俊艷, 黃英 申請人:北京中星微電子有限公司