[发明专利]一种人脸识别方法及装置

说明书

本发明提供了一种人脸识别方法，属于图像处理领域。该方法包括，获取训练样本的网格区域权值；检测待识别图像中的人脸区域；将人脸区域划分为至少两个网格区域；根据训练样本的网格区域权值，对网格区域进行筛选，筛选出高辨别性的网格区域；提取高辨别性的网格区域的图像特征；利用分类器对图像特征进行分类，得到识别结果。本发明还提供了一种人脸识别装置。本发明通过凸优化学习的网格区域权值，筛选出针对识别内容的高辨别性的网格区域，去除了大量的低辨别性的网格区域，极大地减少了低辨别性的网格区域的图像特征对特征分类的干扰，提高了人脸识别的准确性和鲁棒性。

技术领域

本发明属于图像处理领域，尤其涉及一种人脸识别方法及装置。

背景技术

人脸是人类最重要的生物特征之一，可以反映很多重要的生物信息，比如身份、性别、年龄、种族、表情等。因其直接性、唯一性、非接触性、不易被复制等特点，人脸识别技术是生物特征识别技术的一种，是近些年的研究热点。目前，人脸识别技术主要用于身份识别，在公共安全、信息安全、金融等领域具有巨大的应用前景。同时，在人机交互领域内，尤其是在对移动机器人特别是替身机器人的控制中，对于人脸的识别在人机交互过程中起着至关重要的作用。

随着人工智能和图像处理技术的飞速发展，实时的人脸检测和识别技术不断取得新的进展。CN103679159A公开了一种人脸识别方法，提取人脸的关键点的特征，并据此进行人脸识别。该方法并未对特征进行筛选和学习，导致人脸识别的准确性较低；而且，人脸识别中存在大量无关特征的干扰，系统的鲁棒性也存在一定的问题。

现有的人脸识别方法主要采用直接提取特征的方法，并未针对识别内容进行特征提取的选择和学习，提取的特征辨别性不高，导致识别的准确性较低、鲁棒性较弱、实时性较弱。

发明内容

本发明的目的在于提供一种人脸识别方法，以解决现有技术中人脸特征辨别性不强，导致识别的准确性较低、鲁棒性较弱的问题。

为了实现上述目的，本发明提供了一种人脸识别方法，该方法包括：

获取训练样本的网格区域权值；

检测待识别图像中的人脸区域；

将人脸区域划分为至少两个网格区域；

根据训练样本的网格区域权值，对网格区域进行筛选，筛选出高辨别性的网格区域；

提取高辨别性的网格区域的图像特征；

利用分类器对图像特征进行分类，得到识别结果。

优选地，获取训练样本的网格区域权值包括：

提取正例样本和负例样本作为训练样本；

检测训练样本的样本人脸区域；

将样本人脸区域划分为至少两个样本网格区域；

提取样本网格区域的样本图像特征；

根据样本图像特征的距离，利用凸优化学习方法计算样本网格区域的权值；

保留大于阀值的样本网格区域的权值，得到训练样本的网格区域权值。

优选地，根据样本图像特征的距离，利用凸优化学习方法计算样本网格区域的权值包括：

构建目标函数如下：

其中，k表示第k个样本网格区域，μ_k表示第k个样本网格区域的权值；δ_k表示第k个样本网格区域中正例样本的样本图像特征的距离；表示第k个网格区域中负例样本的样本图像特征的距离；||μ||为1范数，使大多数样本网格区域的权值为0，产生较为稀疏的表达；λ为惩罚参数，其数值越大，样本网格区域的权值越小；