[发明专利]一种基于人脸识别的人脸定位算法

说明书

技术领域

本发明涉及人脸识别的领域，尤其是一种基于人脸识别的人脸定位算法。

背景技术

所谓人脸的定位，就是在照片(静态图像)或视频(动态图像)中标出人脸所在的位置，把人脸选取出来。而人脸的识别就是把选取出来的人脸与数据库中已有的人脸进行比较，找出匹配的档案来。有的文献把人脸的定位和识别统称为人脸识别，定位和识别则是两个主要的步骤。完整的人脸识别系统涉及到决定照片或视频中有无人脸，并计数，定位，定出大小，然后根据数据库识别出个人，可能的话还要识别表情，以及根据脸的图像做出描述（瓜子脸，丹凤眼等等就是日常生活中“描述”的例子），或者反过来根据描述挑选匹配的人脸图像。

在日常生活中，我们主要根据脸来识别一个人。交谈中，我们往往看着对方的脸，尤其是眼睛。脸上的表情也是进行交谈的一个重要部分。所以，人脸在人与人的交流过程中起着极其重要的作用。这就决定了在现代社会中，使用计算机自动进行人脸的定位和识别工作有着重要的意义。其应用领域包括很多方面，比如身份鉴别，保安系统，人机交互界面等等。人脸识别系统虽然有诱人的应用前景，但是在现实中却还没有开始大规模的使用。其主要原因之一就是用计算机自动进行人脸的定位和识别十分困难，目前的识别效果（正确率，速度）不如其他的生物识别技术，如指纹识别，视网膜识别等等。

人们在日常生活中就进行了大量的人脸定位和识别工作，当然全部是由人的视觉系统和大脑“自动”进行的。目前还不清楚人的视觉系统和大脑的工作原理，因此这项人可以轻而易举完成的任务，对于目前还只会死板地执行程序指令的计算机来说却是极端困难。困难主要存在于两个方面：

人脸的图像数据具有高度的随机性。光照条件，脸的偏向，表情，发型，胡子，化妆，衣饰（眼镜，帽子）等等略有变化，就可以给识别系统带来巨大的困难。

人脸的图像数据量巨大。目前出于计算量的考虑，人脸定位和识别算法研究大多使用尺寸很小的灰度图像。一张64×64像素的256级灰度图像就有4096个数据，每个数据有256种可能的取值。定位和识别算法一般都很复杂，在人脸库较大的情况下，计算量十分大，很多情况下速度令人难以忍受。而灰度数据事实上是丧失了象色彩，运动等等的有用信息的。如果要使用全部的有用信息，计算量就更大了。

因此，研究人脸的定位和识别不仅仅有实用上的考虑，而且对人们理解人脑的工作方式、研究人工智能和数字图像处理有重要的意义。

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种基于人脸识别的人脸定位算法，

本发明解决其技术问题所采用的技术方案是：一种基于人脸识别的人脸定位的方法，具体方法如下：

a.人脸定位算法：（1）利用人脸各器官之间的几何关系的方法；

（2）利用标准人脸图像、变换结果直接或经特征提取后进行匹配的方法；

b.分割算法：（1）按像素或处理过的像素的灰度值进行分割；（2）提取边缘，利用边缘进行分割；（3）区域生长法：（31）局部法：根据像素的性质或像素的临近像素的性质决定像素分在什么区域；（32）总体法：根据遍及整幅图中大量像素的性质决定把一群像素划分到一个区域中；（33）分裂合并法：利用状态空间技术分裂或合并区域，用图结构表示区域和边界。

b中区域生长法包括分合算法和运行长度表方法。

本发明的有益效果是，本发明的一种基于人脸识别的人脸定位的方法，采用此种方法来识别人脸，其抗噪声能力好，识别速度快。

具体实施方式

现在结合本发明作进一步详细的说明。

一种基于人脸识别的人脸定位的方法，具体方法如下：

a.人脸定位算法：（1）利用人脸各器官之间的几何关系的方法；

（2）利用标准人脸图像、变换结果直接或经特征提取后进行匹配的方法；

b.分割算法：（1）按像素或处理过的像素的灰度值进行分割；（2）提取边缘，利用边缘进行分割；（3）区域生长法：（31）局部法：根据像素的性质或像素的临近像素的性质决定像素分在什么区域；（32）总体法：根据遍及整幅图中大量像素的性质决定把一群像素划分到一个区域中；（33）分裂合并法：利用状态空间技术分裂或合并区域，用图结构表示区域和边界。