[发明专利]一种基于监控场景下的人脸识别方法及系统

权利要求书

1.一种基于监控场景下的人脸识别方法，其特征在于，包括如下步骤：

获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪；

获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理；

对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取；

对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维；

将降维后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹配，获取特征相似度值；

根据所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度值；

根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像；

所述根据所述特征相似度值获取人脸图像与人脸样本库中人脸图像的图像相似度值步骤中：

获取图像相似度值采用的公式为：

其中，F表示图像相似度值，m表示分块的块数，n表示所述多尺度RILPQ特征选取的尺度，f_m0表示第m个块中人脸图像中Gabor特征与人脸样本库中Gabor特征的特征相似度值，f_mn表示第m个块中人脸图像中第n个尺度下的人脸模型上RILPQ特征与人脸样本库中RILPQ特征的特征相似度值；

所述对预处理后的人脸图像分别至少进行Gabor特征提取和多尺度RILPQ特征提取步骤中：

所述多尺度RILPQ特征选取的尺度为3，3个不同尺度的人脸模型分别为归一化后的内部人脸、过渡人脸和外部人脸，所述内部人脸只包括脸部的器官：眼睛、嘴及眉毛；所述外部人脸包括外部的人脸元素：下巴、额头及头发；所述过渡人脸是介于内部人脸到外部人脸之间的一种人脸。

2.根据权利要求1所述的基于监控场景下的人脸识别方法，其特征在于，

所述将降维后的Gabor特征和多尺度RILPQ特征与人脸样本库中的人脸特征进行匹配，获取特征相似度值，步骤中：

获取特征相似度值采用余弦度量公式：

其中，f表示特征相似度值，表示所述降维后的Gabor特征向量或者RILPQ特征向量，表示人脸样本库中的对应的人脸特征向量。

3.根据权利要求1所述的基于监控场景下的人脸识别方法，其特征在于，

所述根据同一人的至少一张人脸图像的图像相似度值获取最佳匹配的人脸图像步骤中：

若获取的同一人的人脸图像为1张时，选取人脸样本库中图像相似度值最高的人脸图像作为最佳匹配的人脸图像；

若获取的同一人的人脸图像为多张时，分别获取每张人脸图像的最高图像相似度值对应的匹配人脸图像，若匹配人脸图像中有相同的人脸图像，则选取所述相同的人脸图像作为最佳匹配的人脸图像；否则，选取多个最高图像相似度值中图像相似度值最高的匹配人脸图像作为最佳匹配的人脸图像。

4.根据权利要求1所述的基于监控场景下的人脸识别方法，其特征在于，

所述获取监控场景下采集的图像，对所述图像进行人脸检测和人脸跟踪步骤中：

对所述图像进行人脸检测采用Adaboost人脸检测算法；

对所述图像进行人脸跟踪采用MeanShift算法。

5.根据权利要求1所述的基于监控场景下的人脸识别方法，其特征在于，

所述获取同一人的至少一张人脸图像，并对所述人脸图像进行预处理步骤中：

所述预处理包括人脸对齐和光照补偿。

6.根据权利要求1-5任一所述的基于监控场景下的人脸识别方法，其特征在于，所述对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维步骤中：

通过主成分分析PCA和线性鉴别分析LDA对提取的Gabor特征和多尺度RILPQ特征分别分块进行降维。