人臉認(rèn)證方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理和模式識(shí)別領(lǐng)域，特別是指一種人臉認(rèn)證方法和裝置。
【背景技術(shù)】
[0002] 二代身份證作為能夠代表中國(guó)16歲以上成年人身份的最有效證件，記錄了持有 者的唯一身份證號(hào)碼、人臉圖像以及其它相關(guān)信息。而身份證盜用、虛假身份證、一人多身 份證等情況的出現(xiàn)對(duì)較多行業(yè)和國(guó)家造成了巨大的損失。因此，采用二代身份證進(jìn)行身份 認(rèn)證已經(jīng)成為避免上述現(xiàn)象的重要方法，該方法是將二代身份證的照片與現(xiàn)場(chǎng)采集的人臉 圖像進(jìn)行比對(duì)，進(jìn)而判斷是否是同一個(gè)人。
[0003] 由于二代身份證上的人臉圖像清晰度較低、身份證人臉圖像與現(xiàn)場(chǎng)采集到的人臉 圖像年齡往往存在著較大的差異，以及現(xiàn)場(chǎng)采集到的人臉圖像易受到光照、表情、姿態(tài)、遮 擋等干擾，使采用二代身份證進(jìn)行身份認(rèn)證的方法面臨諸多挑戰(zhàn)。目前，現(xiàn)有技術(shù)中的身份 證認(rèn)證方法包括基于特征臉?lè)椒ê突贕abor特征的方法等，但是，對(duì)于基于特征臉的方 法，對(duì)人臉定位的準(zhǔn)確度要求較高，并且該方法對(duì)遮擋、姿態(tài)的變化較為敏感，容易導(dǎo)致認(rèn) 證不準(zhǔn)確；對(duì)于基于Gabor特征的方法，需要圖像的紋理信息較多，訓(xùn)練時(shí)需要的樣本數(shù)量 較多，相應(yīng)的時(shí)間復(fù)雜度較高，并且獲得特征的維數(shù)較高，計(jì)算復(fù)雜，通常情形下無(wú)法滿足 實(shí)時(shí)性的需求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種能夠充分提出樣本紋理信息、對(duì)樣本數(shù)量需 求較小、算法的時(shí)間和空間復(fù)雜度低的人臉認(rèn)證方法和裝置。
[0005] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供技術(shù)方案如下：
[0006] -種人臉認(rèn)證方法，包括：
[0007] 獲取人臉圖像樣本對(duì)；
[0008] 采用Gabor濾波器對(duì)獲取的人臉圖像樣本對(duì)提取Gabor紋理特征，并對(duì)提取的 Gabor紋理特征分離實(shí)部和虛部得到若干特征圖；
[0009] 對(duì)得到的若干特征圖采用LBP統(tǒng)計(jì)直方圖表示，匯總作為人臉圖像樣本對(duì)的人臉 特征表達(dá)；
[0010] 采用AdaBoost算法對(duì)人臉圖像樣本對(duì)的人臉特征表達(dá)進(jìn)行特征選擇；
[0011] 依次采用PCA算法和LDA算法對(duì)特征選擇后的人臉圖像樣本對(duì)的人臉特征表達(dá)進(jìn) 行特征降維和特征判別處理；
[0012] 采用余弦距離計(jì)算特征降維和特征判別處理后的人臉圖像樣本對(duì)的人臉特征表 達(dá)的相似度；
[0013] 根據(jù)計(jì)算得到的相似度和預(yù)先設(shè)定的閾值，判斷人臉圖像樣本對(duì)是否屬于同一個(gè) 人。
[0014] 一種人臉認(rèn)證裝置，包括：
[0015] 獲取模塊：用于獲取人臉圖像樣本對(duì)；
[0016] 提取模塊：用于采用Gabor濾波器對(duì)獲取的人臉圖像樣本對(duì)提取Gabor紋理特征， 并對(duì)提取的Gabor紋理特征分離實(shí)部和虛部得到若干特征圖；
[0017] 特征表達(dá)模塊：用于對(duì)得到的若干特征圖采用LBP統(tǒng)計(jì)直方圖表示，匯總作為人 臉圖像樣本對(duì)的人臉特征表達(dá)；
[0018] 特征選擇模塊：用于采用AdaBoost算法對(duì)人臉圖像樣本對(duì)的人臉特征表達(dá)進(jìn)行 特征選擇；
[0019] 處理模塊：用于依次采用PCA算法和LDA算法對(duì)特征選擇后的人臉圖像樣本對(duì)的 人臉特征表達(dá)進(jìn)行特征降維和特征判別處理；
[0020] 計(jì)算模塊：用于采用余弦距離計(jì)算特征降維和特征判別處理后的人臉圖像樣本對(duì) 的人臉特征表達(dá)的相似度；
[0021] 判斷模塊：用于根據(jù)計(jì)算得到的相似度和預(yù)先設(shè)定的閾值，判斷人臉圖像樣本對(duì) 是否屬于同一個(gè)人。
[0022] 本發(fā)明具有以下有益效果：
[0023] 本發(fā)明的人臉認(rèn)證方法和裝置，采用Gabor濾波器提取人臉圖像樣本對(duì)的Gabor 紋理特征，將Gabor紋理特征分離實(shí)部和虛部得到若干特征圖，并對(duì)得到的若干特征圖采 用LBP統(tǒng)計(jì)直方圖表示，匯總作為人臉圖像樣本對(duì)的人臉特征表達(dá)，該方法能夠更加充分 的提取人臉的紋理特征，能夠解決身份證圖像可用紋理信息少的問(wèn)題，而且算法的時(shí)間和 空間復(fù)雜度都要比現(xiàn)有技術(shù)中采用單一的Gabor算法低。然后，對(duì)人臉圖像樣本對(duì)的人臉 特征表達(dá)進(jìn)行特征選擇，本發(fā)明中，采用AdaBoost算法一方面能降低特征的維數(shù)，減小算 法的時(shí)間和空間復(fù)雜度，另一方面還能提取的特征具有較強(qiáng)的判別性。接著，依次采用PCA 算法和LDA算法對(duì)特征選擇后的人臉圖像樣本對(duì)的人臉特征表達(dá)進(jìn)行特征降維和特征判 別處理，本發(fā)明中采用的PCA算法可以使人臉圖像數(shù)據(jù)從原始圖像空間轉(zhuǎn)化為維數(shù)大大減 小的特征空間，同時(shí)，又保留原始圖像數(shù)據(jù)的絕大部分信息，LDA算法可以選擇使得樣本類 間離散度和樣本類內(nèi)離散度的比值最大的特征。最后，采用余弦距離計(jì)算特征降維和特征 判別處理后的人臉圖像樣本對(duì)的人臉特征表達(dá)的相似度，根據(jù)計(jì)算得到的相似度和預(yù)先設(shè) 定的閾值，判斷人臉圖像樣本對(duì)是否屬于同一個(gè)人。本發(fā)明，優(yōu)選的，應(yīng)用在基于二代身份 證人臉圖像認(rèn)證的場(chǎng)合。此外，本發(fā)明還可以應(yīng)用在除了二代身份證以外的其它包含人臉 圖像的證件認(rèn)證場(chǎng)合中。與現(xiàn)有技術(shù)相比，本發(fā)明的人臉認(rèn)證方法具有能夠充分提出樣本 紋理信息、對(duì)樣本數(shù)量需求較小、算法的時(shí)間和空間復(fù)雜度低的優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0024] 圖1為本發(fā)明的人臉認(rèn)證方法的方法示意圖；
[0025] 圖2為本發(fā)明的人臉認(rèn)證方法的人臉圖像預(yù)處理的方法示意圖；
[0026] 圖3為本發(fā)明的人臉認(rèn)證方法的采用AdaBoost算法進(jìn)行特征選擇的方法示意 圖；
[0027] 圖4為本發(fā)明的人臉認(rèn)證方法的人臉特征提取過(guò)程的流程示意圖；
[0028] 圖5為本發(fā)明的人臉認(rèn)證方法的實(shí)施例的LDA算法的樣本類間投影示意圖；
[0029] 圖6為本發(fā)明的人臉認(rèn)證方法的實(shí)施例的ROC曲線圖；
[0030] 圖7為本發(fā)明的人臉認(rèn)證裝置的結(jié)構(gòu)示意圖；
[0031] 圖8為本發(fā)明的人臉認(rèn)證裝置的預(yù)處理模塊的結(jié)構(gòu)示意圖；
[0032] 圖9為本發(fā)明的人臉認(rèn)證裝置的特征選擇模塊的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0033] 為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具 體實(shí)施例進(jìn)行詳細(xì)描述。
[0034] 名詞解釋：
[0035] 二維Gabor濾波器是一種可以較好的模擬人類視覺(jué)系統(tǒng)中簡(jiǎn)單細(xì)胞的視覺(jué)刺激 響應(yīng)的濾波器；
[0036] LBP (Local Binary Pattern，局部二進(jìn)制模式）是通過(guò)比較中心與鄰域的像素值 大小進(jìn)行二進(jìn)制編碼，可以適當(dāng)?shù)脑龃蠡驕p小在很小的位移下的像素值變化，并且對(duì)平行 光照不敏感。作為一種特征編碼工具，LBP在人臉識(shí)別特征提取方面得到了廣泛的應(yīng)用；
[0037] AdaBoost (Adaptive Boosting)是一種自適應(yīng)提升機(jī)器學(xué)習(xí)算法，AdaBoost可以 通過(guò)自身迭代從而不斷調(diào)整樣本權(quán)重，將多個(gè)弱分類器集成為一個(gè)強(qiáng)分類器，從而達(dá)到更 好的分類效果；
[0038] PCA (Principal Components Analysis，主成分分析）是對(duì)特征進(jìn)行線性組合構(gòu) 造新的特征的方法，這些線性組合最大化特征間的方差，盡可能的使得新的特征互不相關(guān)。 PCA是模式識(shí)別領(lǐng)域中一種較常見(jiàn)的降維、去噪的方法；
[0039] LDA (Linear Discriminant Analysis，線性判別分析）是將高維的特征投影到最 佳鑒別矢量空間，從而達(dá)到抽取分類信息和壓縮特征空間維數(shù)的效果。投影后保證特征在 新的子空間有最大類間距離和最小的類內(nèi)距離，即特征在該空間中具有最佳的可分離性。
[0040] -方面，本發(fā)明提供一種人臉認(rèn)證方法，如圖1所示，包括：
[0041] 步驟SlOl :獲取人臉圖像樣本對(duì)；
[0042] 本步驟中，獲取的人臉圖像樣本對(duì)中，一個(gè)樣本可以是身份證上的人臉照片，另一 個(gè)樣本可以是現(xiàn)場(chǎng)采集的人臉圖像，其中，現(xiàn)場(chǎng)采集的人臉圖像可以是在現(xiàn)場(chǎng)采集的視頻 中截取的圖像，也可以是現(xiàn)場(chǎng)直接拍攝的人臉照片。
[0043] 步驟S102 :采用Gabor濾波器對(duì)獲取的人臉圖像樣本對(duì)提取Gabor紋理特征，并 對(duì)提取的Gabor紋理特征分離實(shí)部和虛部得到若干特征圖；
[0044] 本步驟中，Gabor濾波器是一個(gè)用于邊緣提取的線性濾波器。Gabor濾波器的頻率 和方向表達(dá)同人類視覺(jué)系統(tǒng)類似，Gabor濾波器十分適合紋理表達(dá)和分離。
[0045] 步驟S103 :對(duì)得到的若干特征圖采用LBP統(tǒng)計(jì)直方圖表示，匯總作為人臉圖像樣 本對(duì)的人臉特征表達(dá)；
[0046] 本步驟中，采用的LBP為一種有效的描述算子，它可以提取圖像局部的紋理信息， 對(duì)光照、表情和姿態(tài)等具有很強(qiáng)魯棒性。應(yīng)用時(shí)，可以對(duì)每個(gè)特征圖內(nèi)的每個(gè)像素點(diǎn)都提取 LBP特征，然后，對(duì)每個(gè)特征圖進(jìn)行直方圖統(tǒng)計(jì)，使