[发明专利]一种基于隐马尔可夫模型的人脸几何特征识别方法

说明书

技术领域

本发明属于人脸识别技术领域，尤其涉及一种基于隐马尔可夫模型的人脸几何特征识别方法。

背景技术

现今社会，各方面都迫切希望能够快速、有效的进行身份验证，生物特征因为自身的稳定性和差异性，已成为身份验证的主要手段，相关研究众多，其中，人脸识别作为相对成熟的技术走入人们的日常生活中。人脸识别技术与利用视网膜识别、指纹识别等人体生物特征进行身分验证相比，具有直观、友好及方便等特点，正越来越受到重视和青睐，具有广泛的应用前景。

人的脸部特征十分丰富，除了形状和表情之外，还有五官的特征分布，通过研究这些特征间的比例关系，可以得到不同的人脸的相似和差异程度。目前广泛使用的人脸识别方式是：先进行人脸的检测和定位，进而对人脸进行面部特征的提取，最后得出识别的结果。其中，对人脸面部特征的提取，是在确定了人脸之后，对人脸图像进行预处理之后开始的，特征的提取和识别的方法包括基于局部特征和基于整体特征两个方面。在基于整体特征的方法上，包括多种方法，如：基于弹性匹配的方法、基于神经网络的方法和基于特征脸的方法等。

但这些方法由于受到人脸的非刚性和光照条件的影响，只有在特定的环境下才有较高的识别率，而且这些方法所使用到的匹配参数相互依赖度较高、匹配的方法也没有统一的科学标准，这影响了识别的准确性。

发明内容

有鉴于此，本发明提供一种基于隐马尔可夫模型的人脸几何特征识别方法，以解决目前人脸识别方法识别率低，用到的匹配参数相互依赖度较高，从而导致识别的准确性较低的技术问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

在一些可选的实施例中，提供一种基于隐马尔可夫模型的人脸几何特征识别方法，包括：对人脸图像进行灰度化和直方图均衡化，利用分类器得到人脸的脸框区域；设定所述脸框区域的收缩系数，缩小所述脸框区域，利用分类器截取出所述脸框区域中的眼睛区域、鼻子区域和嘴巴区域；提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息；将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进行对比，得到综合匹配率。

在一些可选的实施例中，所述方法，还包括：建立所述数据库；建立所述数据库的过程包括：获取准备存入数据库的多张正脸图像；对所述每一张正脸图像进行处理，提取每一张正脸图像的特征信息；将所述每一张正脸图像的特征信息存入数据库。

在一些可选的实施例中，所述方法，还包括：若所述综合匹配率高于90％，则提示查找成功；否则，提示查找失败，数据库中不存在所查人脸的相关信息。

在一些可选的实施例中，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息之前还包括：判断截取出的所述眼睛区域、鼻子区域和嘴巴区域的中线是否偏离出所述脸框区域的中线，若偏离，则判定检测错误，扩大所述收缩系数，重新进行截取。

在一些可选的实施例中，所述特征信息包括：包括左瞳孔、右瞳孔、左鼻孔、右鼻孔、左嘴角、右嘴角、嘴巴中心点和脸框四角的二维坐标值。

在一些可选的实施例中，提取并记录所述眼睛区域、鼻子区域和嘴巴区域的特征信息的过程包括：在提取的所述眼睛区域和鼻子区域中，分别提取左右眼和左右鼻孔灰度值最低的一点，分别以灰度值最低的一点为中心提取周围灰度值不高于所述中心20的点，对所述灰度值不高于所述中心20的点的二维坐标取平均值，得到左瞳孔、右瞳孔、左鼻孔和右鼻孔的二维坐标值；根据嘴巴的双唇的颜色与脸部其他部位灰度的不同，得到左嘴角和右嘴角的二维坐标值，再取两者所构成线段的中点，作为嘴巴中心点的二维坐标值。

在一些可选的实施例中，将得到的所述特征信息与数据库中所储存的每一张人脸图像的特征信息进行对比，得到综合匹配率的过程包括：计算出所述人脸图像的相应的多个线段值，与所述数据库中每一张正脸图像的相应的线段值相比得到比值，计算出所述比值的均值，把各条线段值相对所述均值的偏离值进行求和，记为Sum1；计算出所述人脸图像的相应的多个角度值，与所述数据库中每一张正脸图像的相应的角度值相比得到比值，计算出所述比值的均值，把各个角度值相对所述均值的偏离值进行求和，记为Sum2；所述综合匹配率＝1-Sum1×0.05-Sum2×0.1。