[发明专利]一种人脸识别方法及系统

说明书

技术领域

本发明涉及智能识别技术领域，特别是涉及一种人脸识别的方法及系统。

背景技术

随着智能识别技术的发展，电子安防监控系统等智能识别系统，得到了广泛的应用。在智能识别技术中，人脸识别是其中最为关键的一环。因此，能否准确的进行人脸识别，直接决定了智能识别系统的性能。

现有技术中，进行人脸识别的方式，是先获取一张人脸的图像，然后按照人脸的各个特征区域分别提取各个特征区域的特征信息。

通过对现有技术的研究，申请人发现，现有技术的人脸识别技术至少存在以下缺陷：

现有技术的人脸识别技术，在进行人脸识别时，不论被识别的人脸是否具有某项特征，都会提取该特征区域的信息，例如一个人可能有眉毛，也可能没有眉毛，但是现有技术在进行人脸识别时，都会默认有眉毛，提取眉毛所在特征区域的特征信息，这样就会造成人脸识别的不准确。

发明内容

为解决上述技术问题，本发明实施例提供了一种人脸识别的方法及系统，以解决现有技术中，人脸识别不准确的问题，技术方案如下：

一种人脸识别的方法，在获取待识别人脸的图像后，依据肤色检测定位人脸特征区域并提取各个特征区域的特征信息，并依据所述特征信息进行识别，其中，在进行眉毛特征提取时，包括：

确定所述图像的预设部位作为眉毛粗选区域；

对所述粗选区域使用灰度投影法确定眉毛精细区域；

对所述精细区域进行SOBEL滤波，获得该区域的梯度图并计算该区域的平均梯度值；

判断所述平均梯度值是否大于预设梯度值；

如果是，则提取所述人脸的眉毛信息；

否则，则忽略所述人脸的眉毛信息。

优选的，上述方法中，所述对粗选区域使用灰度投影法确定眉毛精细区域包括：

沿预设方向将粗选区域像素的灰度值进行累加，得到累加结果；

选取累加结果小于预设值的区域作为眉毛精细区域。

优选的，上述方法中，所述对精细区域进行SOBEL滤波，获得该区域的梯度图并计算该区域的平均梯度值包括：

对精细区域的每个像素点，取以该像素点为中心的3×3邻域与SOBEL模板做卷积运算，得到第一卷积结果；

将所述邻域与转置后的SOBEL模板进行卷积，得到第二卷积结果；

取所述第一卷积结果的绝对值与所述第二卷积结果的绝对值之和作为该像素点的梯度值；

遍历所述精细区域，得到该区域的梯度图；

根据所述梯度图计算该区域的平均梯度值。

一种人脸识别系统，包括：

图像获取单元，用于获取被识别人脸的图像；

特征信息提取单元，用于根据肤色检测定位人脸特征区域，提取各个特征区域的特征信息，并根据所述特征信息进行人脸识别；

其中，所述特征信息提取单元包括眉毛信息提取单元，所述眉毛信息提取单元包括：

第一选择单元，用于确定所述图像的预设部位作为眉毛粗选区域；

第二选择单元，用于对所述粗选区域使用灰度投影法确定眉毛精细区域；

平均梯度值计算单元，用于对所述精细区域进行SOBEL滤波，获得该区域的梯度图并计算该区域的平均梯度值；

判断单元，用于判断所述平均梯度值是否大于预设梯度值；

提取单元，用于当所述判断单元的判断结果为是时，提取所述人脸的眉毛信息；否则，则忽略所述人脸的眉毛信息。

优选的，上述系统中，所述第二选择单元包括以下子单元：

累加单元，用于沿预设方向将粗选区域像素的灰度值进行累加，得到累加结果；

选取单元，用于选取累加结果小于预设值的区域作为眉毛精细区域。

优选的，上述系统中，所述平均梯度值计算单元包括以下子单元：

第一卷积单元，用于对精细区域的每个像素点，取以该像素点为中心的3×3邻域与SOBEL模板做卷积运算，得到第一卷积结果；

第二卷积单元，用于将所述邻域与转置后的SOBEL模板进行卷积，得到第二卷积结果；

第一计算单元，用于取所述第一卷积结果的绝对值与所述第二卷积结果的绝对值之和作为该像素点的梯度值；

梯度图获取单元，用于遍历所述精细区域，得到该区域的梯度图；

第二计算单元，用于根据所述梯度图计算该区域的平均梯度值。