專利名稱：一種基于人臉識別的人臉定位算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人臉識別的領(lǐng)域，尤其是一種基于人臉識別的人臉定位算法。
背景技術(shù)：
所謂人臉的定位，就是在照片(靜態(tài)圖像)或視頻(動態(tài)圖像)中標(biāo)出人臉?biāo)诘奈恢?，把人臉選取出來。而人臉的識別就是把選取出來的人臉與數(shù)據(jù)庫中已有的人臉進(jìn)行比較，找出匹配的檔案來。有的文獻(xiàn)把人臉的定位和識別統(tǒng)稱為人臉識別，定位和識別則是兩個主要的步驟。完整的人臉識別系統(tǒng)涉及到?jīng)Q定照片或視頻中有無人臉，并計數(shù)，定位，定出大小，然后根據(jù)數(shù)據(jù)庫識別出個人，可能的話還要識別表情，以及根據(jù)臉的圖像做出描述(瓜子臉，丹鳳眼等等就是日常生活中“描述”的例子)，或者反過來根據(jù)描述挑選匹配的人臉圖像。
在日常生活中，我們主要根據(jù)臉來識別一個人。交談中，我們往往看著對方的臉，尤其是眼睛。臉上的表情也是進(jìn)行交談的一個重要部分。所以，人臉在人與人的交流過程中起著極其重要的作用。這就決定了在現(xiàn)代社會中，使用計算機(jī)自動進(jìn)行人臉的定位和識別工作有著重要的意義。其應(yīng)用領(lǐng)域包括很多方面，比如身份鑒別，保安系統(tǒng)，人機(jī)交互界面等等。人臉識別系統(tǒng)雖然有誘人的應(yīng)用前景，但是在現(xiàn)實(shí)中卻還沒有開始大規(guī)模的使用。其主要原因之一就是用計算機(jī)自動進(jìn)行人臉的定位和識別十分困難，目前的識別效果(正確率，速度)不如其他的生物識別技術(shù)，如指紋識別，視網(wǎng)膜識別等等。人們在日常生活中就進(jìn)行了大量的人臉定位和識別工作，當(dāng)然全部是由人的視覺系統(tǒng)和大腦“自動”進(jìn)行的。目前還不清楚人的視覺系統(tǒng)和大腦的工作原理，因此這項人可以輕而易舉完成的任務(wù)，對于目前還只會死板地執(zhí)行程序指令的計算機(jī)來說卻是極端困難。困難主要存在于兩個方面人臉的圖像數(shù)據(jù)具有高度的隨機(jī)性。光照條件，臉的偏向，表情，發(fā)型，胡子，化妝，衣飾(眼鏡，帽子)等等略有變化，就可以給識別系統(tǒng)帶來巨大的困難。人臉的圖像數(shù)據(jù)量巨大。目前出于計算量的考慮，人臉定位和識別算法研究大多使用尺寸很小的灰度圖像。一張64X64像素的256級灰度圖像就有4096個數(shù)據(jù)，每個數(shù)據(jù)有256種可能的取值。定位和識別算法一般都很復(fù)雜，在人臉庫較大的情況下，計算量十分大，很多情況下速度令人難以忍受。而灰度數(shù)據(jù)事實(shí)上是喪失了象色彩，運(yùn)動等等的有用信息的。如果要使用全部的有用信息，計算量就更大了。因此，研究人臉的定位和識別不僅僅有實(shí)用上的考慮，而且對人們理解人腦的工作方式、研究人工智能和數(shù)字圖像處理有重要的意義。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是為了克服上述中存在的問題，提供一種基于人臉識別的人臉定位算法，本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于人臉識別的人臉定位的方法，具體方法如下a.人臉定位算法(1)利用人臉各器官之間的幾何關(guān)系的方法；(2)利用標(biāo)準(zhǔn)人臉圖像、變換結(jié)果直接或經(jīng)特征提取后進(jìn)行匹配的方法；b.分割算法(1)按像素或處理過的像素的灰度值進(jìn)行分割；(2)提取邊緣，利用邊緣進(jìn)行分割；(3)區(qū)域生長法(31)局部法根據(jù)像素的性質(zhì)或像素的臨近像素的性質(zhì)決定像素分在什么區(qū)域；(32)總體法根據(jù)遍及整幅圖中大量像素的性質(zhì)決定把一群像素劃分到一個區(qū)域中；(33)分裂合并法利用狀態(tài)空間技術(shù)分裂或合并區(qū)域，用圖結(jié)構(gòu)表示區(qū)域和邊界。b中區(qū)域生長法包括分合算法和運(yùn)行長度表方法。本發(fā)明的有益效果是，本發(fā)明的一種基于人臉識別的人臉定位的方法，采用此種方法來識別人臉，其抗噪聲能力好，識別速度快。
具體實(shí)施例方式現(xiàn)在結(jié)合本發(fā)明作進(jìn)一步詳細(xì)的說明。一種基于人臉識別的人臉定位的方法，具體方法如下a.人臉定位算法(1)利用人臉各器官之間的幾何關(guān)系的方法；(2)利用標(biāo)準(zhǔn)人臉圖像、變換結(jié)果直接或經(jīng)特征提取后進(jìn)行匹配的方法；b.分割算法(1)按像素或處理過的像素的灰度值進(jìn)行分割；(2)提取邊緣，利用邊緣進(jìn)行分割；(3)區(qū)域生長法(31)局部法根據(jù)像素的性質(zhì)或像素的臨近像素的性質(zhì)決定像素分在什么區(qū)域；(32)總體法根據(jù)遍及整幅圖中大量像素的性質(zhì)決定把一群像素劃分到一個區(qū)域中；(33)分裂合并法利用狀態(tài)空間技術(shù)分裂或合并區(qū)域，用圖結(jié)構(gòu)表示區(qū)域和邊界。對分割算法有兩個要求1. 一定的抗噪聲能力。經(jīng)過二值化的黑白圖像中，難免會有很多與主旨無關(guān)的細(xì)碎黑色像素連接了本應(yīng)分開的特征，而某些單一的特征也可能會破碎成幾塊。要求分割算法具有一定的能力抵抗這些噪聲，將應(yīng)該分開的特征分開，應(yīng)該成為整體的部分連起來；2.運(yùn)行速度要快。人臉定位和識別系統(tǒng)常常作為實(shí)時應(yīng)用，在這些場合要求系統(tǒng)的運(yùn)行不能耗時過長，否則就失去意義了。從幾何匹配方法來看，最耗時的步驟就是圖像分割這一步。所以這一步的速度決定了整個人臉定位方法的運(yùn)行速度。由于我們需要的是能夠把黑色連通的區(qū)域分別標(biāo)記出來的分割算法，選擇區(qū)域生長法就是最自然的了。在區(qū)域生長法中，有兩類算法最常見分合算法和運(yùn)行長度表方法，分合算法抗噪聲能力好一些，所以它成為了我首選的算法。但是經(jīng)過實(shí)踐發(fā)現(xiàn)它的最大弱點(diǎn)是計算量大，而且計算量隨問題規(guī)模的增長是非線性的，這就導(dǎo)致對大的或者復(fù)雜圖像的處理時間很長。運(yùn)行長度表方法優(yōu)點(diǎn)是速度快，缺點(diǎn)則是沒有多少抗噪聲能力。以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
權(quán)利要求
1.一種基于人臉識別的人臉定位的方法，其特征是具體方法如下 a.人臉定位算法(I)利用人臉各器官之間的幾何關(guān)系的方法； (2)利用標(biāo)準(zhǔn)人臉圖像、變換結(jié)果直接或經(jīng)特征提取后進(jìn)行匹配的方法； b.分割算法(I)按像素或處理過的像素的灰度值進(jìn)行分割；(2)提取邊緣，利用邊緣進(jìn)行分割；(3)區(qū)域生長法(31)局部法根據(jù)像素的性質(zhì)或像素的臨近像素的性質(zhì)決定像素分在什么區(qū)域；(32)總體法根據(jù)遍及整幅圖中大量像素的性質(zhì)決定把一群像素劃分到一個區(qū)域中；(33)分裂合并法利用狀態(tài)空間技術(shù)分裂或合并區(qū)域，用圖結(jié)構(gòu)表示區(qū)域和邊界。
2.根據(jù)權(quán)利要求I所述的一種基于人臉識別的人臉定位算法，其特征是b中區(qū)域生長法包括分合算法和運(yùn)行長度表方法。
全文摘要
本發(fā)明涉及人臉識別的領(lǐng)域，尤其是一種基于人臉識別的人臉定位算法，具體方法如下a.人臉定位算法；b.分割算法(1)按像素或處理過的像素的灰度值進(jìn)行分割；(2)提取邊緣，利用邊緣進(jìn)行分割；(3)區(qū)域生長法。本發(fā)明的一種基于人臉識別的人臉定位的方法，采用此種方法來識別人臉，其抗噪聲能力好，識別速度快。
文檔編號G06K9/00GK102831395SQ20121025535
公開日2012年12月19日 申請日期2012年7月23日 優(yōu)先權(quán)日2012年7月23日
發(fā)明者吳軍 申請人:常州藍(lán)城信息科技有限公司