[发明专利]基于人脸识别控制的直流电磁继电器装置及其控制方法

权利要求书

1.一种基于人脸识别控制的直流电磁继电器装置的控制方法，采用基于人脸识别控制的直流电磁继电器装置，包括人脸识别模块(1)、电源开关控制器(2)、语音播报器(3)、直流电磁继电器(4)、液晶显示器(5)，

所述的人脸识别模块(1)分别与液晶显示器(5)、电源开关控制模块(2)及语音播报器(3)连接，所述的电源开关控制模块(2)与直流电磁继电器(4)的低压控制电路连接，当人脸识别模块(1)识别到用户人脸时会在液晶显示器(5)上实时显示出用户的人脸图像，如果人脸识别模块(1)识别成功后电源开关控制模块(2)会输出24V直流电压供给直流电磁继电器(4)的低压控制电路，

其特征在于，具体按照以下步骤实施：

步骤1，对采集到的人脸图像进行预处理，采用Haar小波基函数计算图像的矩形特征并构造分类器，对人脸进行检测，

步骤2，经过对强分类器输出的特征人脸向量R(D)预处理后，再利用Angle Contex矩阵对特征向量R(D)进行相似人脸匹配，提高人脸识别精度，事先建立授权用户的人脸数据库，然后对提取到的人脸特征利用Angle Contex矩阵进行计算它与建立的授权人脸数据库的相似度，判断是否为授权用户人脸；

所述的步骤1的具体步骤是：

步骤1.1，矩形特征值为黑色区域中所有像素灰度值之和与白色区域中所有像素灰度值之和的差值，采用了一种类似于Haar小波基函数的矩形特征，检测窗口中的矩形特征值，矩形特征值可以通过积分图像像素的灰度值来计算，积分图像中坐标为(X,Y)像素的灰度值等于原图像上对应位置左上侧所有像素灰度值的累加；

积分图像的计算公式如下：

I(X,Y)为积分后的图像，i(x,y)为原图像，

步骤1.2，把求得像素点的积分图像I(X,Y)作为一个序列，组成该图的积分图矩阵，根据积分图矩阵找到矩阵特征值的集合D，

D＝{a₁,a₂,a₃,a₄,........a_m} (1-2)

步骤1.3，在矩形窗口中,构建多级分类器得到最优阈值的分类函数，对矩阵特征值进行最有利的分类，

步骤1.4，在检测到的人脸区域内利用灰度二值化和积分投影法进行眼睛定位；以眼睛坐标为基准点，通过平移、旋转使两只眼睛处于同一水平线，通过缩放变换对人脸图像进行尺寸大小统一，对人脸图像进行灰度规范化，通过直方图均衡化、图像平滑、灰度归一化等计算人脸轮廓内区域灰度的均值和均方差，对整幅人脸图像进行灰度变换，凸显人脸主要面部特征；

所述的步骤1.3的具体步骤为：

步骤1.3.1，构造训练样本集L：

L＝{(D₁,K₁),(D₂,K₂),......(D_m,K_m)} (1-3)

其中D表示样本的矩阵特征向量，K表示训练结果，m为训练总样本数，m＝1,2,3,.......n；

步骤1.3.2，样本L的初始概率分布为样本权重：

n表示训练样本数，分类器的迭代次数为t＝1,2,3,4.......T，T为任意正整数，计算归一化样本的权值：

其中j＝1,2,3,.......n；

步骤1.3.3，对每个样本的矩阵特征向量D调用弱学习算法，训练一个弱分类器H_j(D_m)，并计算该分类器的错误率ξ_j

其中θ_j是弱分类器的阈值，p_j为分类器的偏置，控制不等式的方向，f_j为特征矩阵的特征值，

步骤1.3.4，选择具有最小错误率ξ_t对应的弱分类器H_t(D_m)作为最佳分类器，即

ξ_t＝minξ_j (1-7)

步骤1.3.5，按照最佳分类器重新调整样本权重为：

其中第m个样本判断正确则em＝0反之em＝1.这样可以增大分类器错误样本权重，降低分类正确样本的权重，下一次迭代时弱分类器的选择就会重视上一次错误分类错误的样本，

β_t为最佳分类器重新调整样本权重的系数；

步骤1.3.6，生成强分类器：

若则分类器输出结果为1，则认为该检测窗口可能为人脸区域，R(D)为输出的特征人脸向量；

利用构造的多级分类器可以排除大多数非人脸区域，检测出几乎可能的人脸区域；如果每一级分类器输出为1，则认为该检测窗口可能为人脸区域，将检测的窗口输入到下一级分类器继续进行判断，否则，在该级将检测窗口作为非人脸区域排除掉。

2.根据权利要求 1所述的基于人脸识别控制的直流电磁继电器装置的控制方法，其特征在于，所述的步骤2具体为：

在提取人脸特征的时候，属于同一部分的人脸特征点距离是相同的，而人脸的差异主要表现在人脸各部分轮廓线曲率、角度的不同，用8度作为人脸特征平均距离的划分，将以基准点为坐标原点的平面划分45个区域，生成Angle Contex矩阵，计算落入各个区域的其他离散点的个数，

具体按照以下步骤实施：

步骤2.1，经过强分类器得到的特征人脸上，以鼻尖、嘴角中点、下巴尖、左眉毛、左眼角、左嘴角、右眉毛、右眼角、右嘴角为9个特征基准点选定每一个基准点，以8度角度为划分间隔选取45个区域(bin)，这样就可得到9*45个Angle Contex矩阵，

步骤2.2，利用角度直方图相交法和得到的9*45个Angle Contex矩阵计算待匹配人脸和目标用户人脸的相似度，计算公式如下：

P(s,v)为两个特征向量的相交距离，M(R,R')为两个直方图中每个划分区域(bin)所占9*45总区域(bin)像素的比，

其中，R_l,g表示待匹配人脸的Angle Contex矩阵，R'_l,g表示目标用户人脸的AngleContex矩阵，l＝1,2,......,9表示9个特征基准点；g＝1,2,3,4,5,6,...,44,45表示以8度角度为划分间隔选取45个区域；

步骤2.3，计算M(R,R')的值会在0～1之间，取M(R,R')最大值就为匹配度最高的相似人脸，

步骤2.4，当相似人脸匹配成功后，语音播报器3会播报“识别成功”的语音，否则，语音播报器3会播报“识别错误”的语音，

其中人脸相似度匹配，在得到的特征人脸图像上，以鼻尖、嘴角中点、下巴尖、左眉毛、左眼角、左嘴角、右眉毛、右眼角、右嘴角为9个特征基准点，在经过强分类器得到的特征人脸图像上选定每一个基准点，以8度角度为划分间隔选取45个区域(bin)，这样就可得到9*45个Angle Contex矩阵，多区域划分提高匹配精度。