本發(fā)明屬于計(jì)算機(jī)模式識別技術(shù)領(lǐng)域，特別是涉及一種自主學(xué)習(xí)的身份識別方法。

背景技術(shù)：

目前，對于家庭環(huán)境下身份識別，主要使用深度學(xué)習(xí)得到的人臉特征進(jìn)行認(rèn)證識別，由于訓(xùn)練集與家庭環(huán)境下的對象的分布差距，而且家庭環(huán)境下光線條件欠佳，加上使用場景并不適于人工得到質(zhì)量高的人臉圖像進(jìn)行注冊，人臉角度變化非常大，從而導(dǎo)致人臉對齊不穩(wěn)定以及人臉識別在實(shí)際使用中可靠性低的問題，且對這些問題一直沒有穩(wěn)定有效的解決方案。

中國專利申請201610544157.x公開了一種人臉識別方法，通過對人臉圖像進(jìn)行g(shù)amma校正，提高人臉圖像中灰度值較低的陰影區(qū)域的灰度值，并采用gaussain差分濾波進(jìn)行帶通濾波處理噪聲和局部陰影的影響，隨后進(jìn)行對比度歸一化，將整個(gè)圖像的灰度值限制在一個(gè)較小的區(qū)域，用garbor濾波器得到各個(gè)角度的人臉增強(qiáng)圖像的直方圖序列進(jìn)行識別。然而家庭環(huán)境中，光線可能非常弱，并且人在家庭環(huán)境中非常放松，人臉角度變化很大，極有可能出現(xiàn)遮擋等情況，人臉質(zhì)量較低，無法滿足自動注冊識別的要求，該方法在實(shí)際場景中不太實(shí)際，低質(zhì)量和大角度人臉圖像影響最后的識別效果；而且還存在訓(xùn)練集與目標(biāo)集分布不同的問題，遷移損失非常大，即使實(shí)驗(yàn)性能達(dá)到很高的水平，實(shí)際使用中仍然無法滿足要求。

綜上所述，如何克服現(xiàn)有技術(shù)所存在的不足已成為當(dāng)今計(jì)算機(jī)模式識別技術(shù)領(lǐng)域中亟待解決的重大難題之一。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為克服現(xiàn)有技術(shù)的不足而提供一種類似家庭環(huán)境下自主學(xué)習(xí)的身份識別方法，本發(fā)明所針對的類似家庭環(huán)境指的是人員相對固定，光線條件、人臉角度不滿足人臉識別要求的環(huán)境，通常包括家庭、辦公室之類場所。

本發(fā)明能夠根據(jù)類似家庭環(huán)境中目標(biāo)人的行為連續(xù)性和一般人臉識別來自主學(xué)習(xí)身份識別，以大大提高類似家庭環(huán)境下的身份識別的效率。

根據(jù)本發(fā)明提出的一種家庭環(huán)境下自主學(xué)習(xí)的身份識別方法，包括如下具體步驟：

獲取目標(biāo)環(huán)境下每個(gè)成員的人臉圖像，完成每個(gè)成員的預(yù)注冊；

在特定采集條件下獲得成員的人臉圖像，通過人臉識別確定該成員的身份，并對該成員進(jìn)行跟蹤采集，獲得該成員的人體特征信息，將所述人體特征信息作為該成員的附加標(biāo)簽；

根據(jù)人臉及所述人體特征信息進(jìn)行聚類，得到多維特征數(shù)據(jù)；

利用所述多維特征數(shù)據(jù)訓(xùn)練目標(biāo)環(huán)境分類器；

基于訓(xùn)練好的目標(biāo)環(huán)境分類器進(jìn)行所述目標(biāo)環(huán)境下成員的身份識別。

進(jìn)一步地，所述預(yù)注冊是指在沒有干預(yù)的情況下，機(jī)器自主完成的人臉注冊。

進(jìn)一步地，還包括在預(yù)注冊之前對所述人臉圖像進(jìn)行質(zhì)量篩選。

進(jìn)一步地，所述人臉圖像質(zhì)量篩選包括對圖像模糊度、人臉角度進(jìn)行量化估計(jì)，并進(jìn)行篩選。

進(jìn)一步地，所述圖像模糊度，包括對圖像進(jìn)行haar小波變換，得到金字塔結(jié)構(gòu)的特征；所述人臉角度包括利用人臉特征點(diǎn)和3d標(biāo)準(zhǔn)人臉模型估算人臉的角度，對角度過大的人臉進(jìn)行過濾，使之無法進(jìn)行注冊，以此減小自動學(xué)習(xí)的訓(xùn)練集噪聲。

進(jìn)一步地，還包括設(shè)定圖像模糊度和人臉角度的閾值，超過所述閾值的圖像則舍棄，以此保證注冊圖像的質(zhì)量。

進(jìn)一步地，所述特定采集條件包括人臉距離圖像采集裝置的距離、人臉的角度以及背景光線。

進(jìn)一步地，所述人體特征信息包括身高、體型或服飾習(xí)慣信息。

進(jìn)一步地，所述目標(biāo)環(huán)境包括人員固定，光線條件、人臉角度不滿足人臉識別要求的環(huán)境。

進(jìn)一步地，所述聚類系將同一人的所有數(shù)據(jù)序列聚為一類，隨后對每個(gè)類別進(jìn)行交叉比對，并記下各個(gè)類別中相似度大于設(shè)定閾值ts的數(shù)量，若相似度大于閾值數(shù)量的比例超過tr，則認(rèn)為兩個(gè)類別為同一人重復(fù)注冊，因此也聚為一類，在經(jīng)過多次聚類后，即可得到噪聲較小的訓(xùn)練數(shù)據(jù)。

本發(fā)明與現(xiàn)有身份識別相比其優(yōu)點(diǎn)在于：

一是本發(fā)明運(yùn)用了實(shí)際環(huán)境中人體移動的連續(xù)性，并結(jié)合深度網(wǎng)絡(luò)特征，對目標(biāo)人群進(jìn)行標(biāo)識，并直接利用目標(biāo)集訓(xùn)練身份識別分類器，避免了訓(xùn)練集和目標(biāo)集分布不同帶來的遷移損失。

二是本發(fā)明的采用了多維數(shù)據(jù)，包括人臉、身高、體型和服飾習(xí)慣，比僅適用人臉信息的適用范圍更廣，尤其在人臉成像很小、遮擋情況下仍然可以識別身份。

三是本發(fā)明在目標(biāo)集學(xué)習(xí)一段時(shí)間后，已經(jīng)在目標(biāo)集上訓(xùn)練得到穩(wěn)定的分類器，僅采用較小計(jì)算量即可準(zhǔn)確識別身份。

附圖說明

圖1為本發(fā)明其中一實(shí)施例的預(yù)注冊過程。

圖2為本發(fā)明其中一實(shí)施例的自動注冊識別圖像。

圖3為本發(fā)明其中一實(shí)施例的識別跟蹤圖像。

圖4為本發(fā)明其中一實(shí)施例的經(jīng)過聚類的多維數(shù)據(jù)示意圖。

具體實(shí)施方式

下面將結(jié)合附圖和實(shí)施例對本發(fā)明的具體實(shí)施方式作進(jìn)一步的詳細(xì)說明。

針對現(xiàn)有技術(shù)的缺陷，本發(fā)明提出一種適用于家庭環(huán)境下的自主學(xué)習(xí)的身份識別方法，根據(jù)家庭環(huán)境中目標(biāo)人的行為連續(xù)性和一般人臉識別來自主學(xué)習(xí)身份識別，以大大提高家庭環(huán)境下的身份識別的效率。特別地，本發(fā)明所指的家庭環(huán)境包括一般意義上的家庭環(huán)境，也包括具有類似家庭環(huán)境的場所、比如辦公室等環(huán)境。

具體地，本發(fā)明所提出的方法的步驟包括：

步驟1，獲取每個(gè)家庭成員的人臉圖像，完成每個(gè)家庭成員的預(yù)注冊；該預(yù)注冊是系統(tǒng)在沒有人為干預(yù)的情況下，自動進(jìn)行人臉圖像質(zhì)量篩選，初步完成家庭成員注冊，為了提高預(yù)注冊的準(zhǔn)確性，并使得盡量少的重復(fù)注冊，系統(tǒng)將對人臉圖像質(zhì)量進(jìn)行篩選；本發(fā)明所指的圖像質(zhì)量篩選，是指對圖像模糊度、人臉角度和遮擋進(jìn)行量化估計(jì)，并進(jìn)行篩選，保證注冊照片的質(zhì)量。

步驟2，在近距離、人臉角度較小的條件下通過人臉信息識別身份，本發(fā)明所指的近距離，例如指人臉距離攝像頭兩米以內(nèi)，人臉像素寬高大小在200*200以上；人臉角度較小是指人臉左右搖擺和上下抬頭低頭的角度小于45度。

步驟3，跟蹤人臉，并獲得同一人的身高、體型、服飾等信息，并根據(jù)人臉信息為這些樣本加上標(biāo)簽；本發(fā)明中的跟蹤人臉，是指以識別人臉作為初始化跟蹤目標(biāo)，在后續(xù)幀圖像中確定人臉位置，其中：身高、體型、服飾等信息，是指通過深度攝像頭和彩色攝像頭獲得的目標(biāo)人當(dāng)前高度、體型及穿著服飾；其中根據(jù)人臉信息為這些樣本加上標(biāo)簽，是指以步驟2所述人臉信息識別得到的身份標(biāo)識跟蹤得到的人臉、身高、服飾信息。

步驟4，根據(jù)跟蹤人臉、身高、服飾等信息，通過聚類方法，得到多維含標(biāo)簽樣本，本發(fā)明的聚類方法，是指以人臉圖像作為輸入，通過深度卷積網(wǎng)絡(luò)提取特征，并計(jì)算各人臉的相似度，以相似度作為距離度量，將收集得到的已有初始標(biāo)簽數(shù)據(jù)分為幾類，將相似度較大的人臉、身高、體型、服飾習(xí)慣信息標(biāo)記為同一類；

步驟5，利用多維含標(biāo)簽樣本訓(xùn)練目標(biāo)環(huán)境分類器，所述多維含標(biāo)簽樣本，是指步驟4聚類后得到的人臉特征、身高信息、體型和服飾習(xí)慣等多維數(shù)據(jù)。

結(jié)合圖1、圖2、圖3和圖4，對本發(fā)明提出的一種家庭環(huán)境下自主學(xué)習(xí)的身份識別方法的具體應(yīng)用實(shí)施例進(jìn)一步說明如下：

本發(fā)明的主要作用是在家庭環(huán)境下準(zhǔn)確快速識別家庭目標(biāo)人群，其具體實(shí)施方式如下：

如圖1所示，在類似家庭環(huán)境中，為了讓機(jī)器自主進(jìn)行分類學(xué)習(xí)任務(wù)，注冊過程為自動進(jìn)行的。然而當(dāng)前的人臉識別算法在實(shí)際環(huán)境光線、角度等影響下，仍然無法達(dá)到滿意的效果，由人臉給出認(rèn)證結(jié)果不完全可信。若將輸入人臉的圖像質(zhì)量進(jìn)行一定的限制，識別可信度會明顯提高。因此采用了模糊度和角度、遮擋等手段對人臉圖像進(jìn)行過濾，以此保證注冊庫中盡量少的同人重復(fù)注冊。

在物體運(yùn)動時(shí)，成像可能會非常模糊，非常難以識別，為了減少不必要的計(jì)算，并盡量避免無關(guān)噪聲對人臉識別的影響，有必要根據(jù)圖像的模糊程度過濾一部分人臉圖像。在具體實(shí)施過程中，本發(fā)明采用了快速的模糊度檢測算法，即采用haar小波變換方法。首先對圖像進(jìn)行haar小波變換，得到金字塔結(jié)構(gòu)的特征。由于haar小波變換在不同尺度下對于不同的邊緣類型產(chǎn)生的作用不同，如對銳利的邊緣造成的影響小于較平滑的邊緣；對不同尺度的特征圖計(jì)算邊緣指數(shù)，這樣就能檢測到不同圖像邊緣類型，并以此來統(tǒng)計(jì)圖像中所有邊緣中平滑邊緣的比例，以此判斷圖像的模糊程度。

由于人臉可活動角度非常大，不同角度成像分布差異也非常大，盡管過去幾年深度學(xué)習(xí)利用大量的人臉數(shù)據(jù)的統(tǒng)計(jì)信息，得到了較好的識別性能，但對于角度過大的人臉識別效果仍然不理想，若預(yù)注冊過程中，將側(cè)臉和正臉一般對待，極有可能出現(xiàn)同一人不同角度的臉部圖像重復(fù)注冊，而這對自動學(xué)習(xí)和后續(xù)識別都會造成很壞的影響。因此本發(fā)明利用人臉特征點(diǎn)和3d標(biāo)準(zhǔn)人臉模型估算人臉的角度，對角度過大的人臉進(jìn)行過濾，使之無法進(jìn)行注冊，以此減小自動學(xué)習(xí)的訓(xùn)練集噪聲。在具體實(shí)施過程中，首先通過回歸的方法得到人臉特征點(diǎn)的位置，得到包括眼睛、鼻尖、嘴角等特征點(diǎn)在圖像中的位置，結(jié)合標(biāo)準(zhǔn)3d人臉模型中相應(yīng)點(diǎn)的3維坐標(biāo)，利用旋轉(zhuǎn)變換方法估算各個(gè)角度。

再回到圖2中，在已經(jīng)注冊為家庭成員人臉圖像后，機(jī)器每次抓取到人臉時(shí)，即利用現(xiàn)有人臉識別模塊對抓取到的人臉進(jìn)行識別，以確定此人臉身份，在學(xué)習(xí)過程中，本發(fā)明使用深度網(wǎng)絡(luò)提取特征，并進(jìn)行認(rèn)證。

如圖3所示，在識別得到一張人臉圖像時(shí)，啟動跟蹤算法，對該人進(jìn)行跟蹤，獲得后續(xù)幀圖像中此人的多種姿態(tài)的人臉和身高、體型、服飾習(xí)慣等信息。

為了準(zhǔn)確的跟蹤人的人臉，本發(fā)明結(jié)合了深度圖像和彩色圖信息進(jìn)行跟蹤，并在跟蹤過程中，給出人身體關(guān)鍵部位和關(guān)節(jié)點(diǎn)，計(jì)算性能達(dá)到30fps，達(dá)到實(shí)時(shí)跟蹤的要求，在準(zhǔn)確跟蹤人臉和身體關(guān)鍵部位及關(guān)節(jié)點(diǎn)后，根據(jù)這些位置本發(fā)明可以獲得不同角度下人臉圖像以及身體各部位尺寸、體型、服飾習(xí)慣等信息，將這些信息組成大量的含標(biāo)簽數(shù)據(jù)序列。

在獲得大量多維含標(biāo)簽數(shù)據(jù)序列后，可利用聚類方法對采集到的數(shù)據(jù)序列進(jìn)行分析，如圖4所示，不同序列的圖像可以通過人臉特征信息進(jìn)行聚類，至此本發(fā)明可以得到多維含標(biāo)簽數(shù)據(jù)。

具體實(shí)施過程中，首先將標(biāo)簽為同一人的所有數(shù)據(jù)序列聚為一類，隨后對每個(gè)類別進(jìn)行交叉比對，并記下各個(gè)類別中相似度大于給定閾值ts的數(shù)量，若相似度大于閾值數(shù)量的比例超過tr，則認(rèn)為兩個(gè)類別為同一人重復(fù)注冊，因此也聚為一類，在經(jīng)過多次聚類后，即可得到噪聲較小的訓(xùn)練數(shù)據(jù)，包括人臉、身體各部位尺寸、體型、服飾習(xí)慣和對應(yīng)的標(biāo)簽。

得到家庭成員訓(xùn)練數(shù)據(jù)后，即可在目標(biāo)環(huán)境中訓(xùn)練用于身份識別的分類器。在本發(fā)明的一個(gè)實(shí)施例中，分類器可以為svm、logistic或jointbayesian中的一種；人臉特征可以采用深度網(wǎng)絡(luò)或者sift+hog進(jìn)行融合，體型特征和服飾習(xí)慣則采用hog特征，身體各部位及關(guān)節(jié)點(diǎn)尺寸直接由深度攝像頭獲得；將多維特征進(jìn)行融合，作為分類器的輸入，分類器訓(xùn)練至收斂后，即可離線進(jìn)行測試，經(jīng)過離線驗(yàn)證再進(jìn)行具體的身份識別，若硬件平臺計(jì)算性能較弱，人臉特征可宜選用淺層網(wǎng)絡(luò)或直接使用sift+hog特征。

采用該實(shí)施例提供的身份識別方法，結(jié)合了深度網(wǎng)絡(luò)人臉識別和具體環(huán)境跟蹤得來的目標(biāo)集合數(shù)據(jù)，避免了訓(xùn)練集到目標(biāo)集的遷移損失，有利于改善識別效果；本發(fā)明使用的多維數(shù)據(jù)，包括人臉、體型、關(guān)鍵部位尺寸、服飾習(xí)慣等信息，比僅采用人臉進(jìn)行身份識別更適合家庭身份識別場景，即使光線條件較差，有遮擋等情況，仍然能很好地識別家庭成員身份；同時(shí)，本發(fā)明的方法比大型深度網(wǎng)絡(luò)特征的方法計(jì)算量也大大減少。

從以上的描述中，可以看出，本發(fā)明實(shí)現(xiàn)了如下技術(shù)效果：在已有深度網(wǎng)絡(luò)特征的基礎(chǔ)上，在目標(biāo)環(huán)境中跟蹤家庭成員人臉，得到多維度含標(biāo)簽數(shù)據(jù)，直接在目標(biāo)集上進(jìn)行訓(xùn)練，相比于其他身份識別有無訓(xùn)練集到目標(biāo)集遷移損失，受遮擋、光線影響小，計(jì)算量小等特點(diǎn)。

特別需要說明的是，本領(lǐng)域的技術(shù)人員完全能夠理解，上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來實(shí)現(xiàn)，它們可以集中在單個(gè)的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，優(yōu)選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來實(shí)現(xiàn)，從而可以將它們存儲在存儲裝置中由計(jì)算裝置來執(zhí)行。這樣在不沖突的情況下，本發(fā)明的實(shí)施例及實(shí)施例中的特征可以相互組合，即本發(fā)明不限制于任何特定的硬件和軟件的結(jié)合。

本發(fā)明的具體實(shí)施方式中凡未涉到的說明屬于本領(lǐng)域的公知技術(shù)，可參考公知技術(shù)加以實(shí)施。

本發(fā)明經(jīng)反復(fù)試驗(yàn)驗(yàn)證，取得了滿意的實(shí)用效果。

以上具體實(shí)施方式及實(shí)施例是對本發(fā)明提出的一種家庭環(huán)境下自主學(xué)習(xí)的身份識別方法技術(shù)思想的具體支持，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在本技術(shù)方案基礎(chǔ)上所做的任何等同變化或等效的改動，均仍屬于本發(fā)明技術(shù)方案保護(hù)的范圍。