[发明专利]人脸识别系统及方法

说明书

技术领域

本发明涉及图像识别技术领域，尤其涉及一种人脸识别系统及方法。

背景技术

人脸识别研究可以追溯到20世纪初，经过研究人员的不懈努力，基于图像的二维人脸识别技术日趋成熟。现有的人脸识别系统多采用提取手工全局特征或手工关键点特征来进行人脸识别。然而，此种方式虽对严格正脸样本之辨识率有不错的表现，但对备案样本中未曾出现的人脸角度及表情辨识率并不理想。

发明内容

鉴于以上内容，有必要提供一种人脸识别系统，其在识别过程中不要求严格的人脸角度及表情，具有良好的人脸识别辨识度。

本发明一实施方式提供一种人脸识别系统，包括：

图像获取模块，用于获取一待测影像并定位出所述待测影像中的人脸位置；

图像识别模块，用于根据所述人脸位置识别出所述待测影像中的五官位置;

第一特征提取模块，用于根据所述五官位置提取出人脸深度学习特征；

第二特征提取模块，用于根据所述五官位置提取出人脸手工全局特征；及

比对模块，用于将人脸特征与预设的样本库进行比对并输出人脸比对结果，以判断人脸身份；

其中，所述人脸特征包括所述人脸深度学习特征及所述人脸手工全局特征。

优选地，所述人脸识别系统还包括校准模块，用于判断所述待测影像中的五官位置是否处于同一水平面，及在判断为否时，将所述待测影像中的五官位置对齐至同一水平面。

优选地，所述第一特征提取模块用于对所述待测影像中的五官位置采用卷积神经网络算法提取出所述人脸深度学习特征；所述第二特征提取模块用于对所述待测影像中的五官位置采用尺度不变特征变换算法提取出所述人脸手工全局特征。

优选地，所述预设的样本库包括以多个人脸样本的人脸深度学习特征依据支持向量机算法生成的具有深度学习特性的人脸分类单元及多个人脸样本的人脸手工全局特征，所述比对模块用于将所述第一特征提取模块提取的人脸深度学习特征输入至所述人脸分类单元，并得出第一比对结果及第一比对可靠值，判断所述第一比对可靠值是否大于预设第一基准值，及在所述第一比对可靠值大于所述预设第一基准值时，将所述第一比对结果作为人脸比对结果输出；其中，所述多个人脸样本均为同一人。

优选地，当所述第一比对可靠值不大于所述预设第一基准值时，所述比对模块还用于根据所述第二特征提取模块提取的人脸手工全局特征与所述多个人脸样本的人脸手工全局特征进行一一比对，并得出第二比对结果及第二比对可靠值，当所述第二比对结果与所述第一比对结果相同且所述第二比对可靠值大于预设第二基准值时，将所述第一比对结果作为人脸比对结果输出。

本发明一实施方式提供还提供一种人脸识别方法，包括以下步骤：

获取一待测影像并定位出所述待测影像中的人脸位置；

根据所述人脸位置识别出所述待测影像中的五官位置;

根据所述五官位置提取出人脸深度学习特征；

根据所述五官位置提取出人脸手工全局特征；及

将人脸特征与预设的样本库进行比对并输出人脸比对结果；

其中，所述人脸特征包括所述人脸深度学习特征及所述人脸手工全局特征。

优选地，所述根据所述人脸位置识别出所述待测影像中的五官位置的步骤之后还包括：

判断所述待测影像中的五官位置是否处于同一水平面；

若否，将所述待测影像中的五官位置对齐至同一水平面；及

若是，跳至下一步骤。

优选地，所述根据所述五官位置提取出所述人脸深度学习特征的步骤包括：

对所述影像中的五官位置采用卷积神经网络算法提取出所述人脸深度学习特征；

所述根据所述五官位置提取出所述人脸手工全局特征的步骤包括：

对所述影像中的五官位置采用尺度不变特征变换算法提取出所述人脸手工全局特征。

优选地，所述预设的样本库包括以多个人脸样本的人脸深度学习特征依据支持向量机算法生成的具有深度学习特性的人脸分类单元及多个人脸样本的人脸手工全局特征且所述多个人脸样本均为同一人，所述将人脸特征与预设的样本库进行比对并输出人脸比对结果的步骤包括：

将所述人脸深度学习特征输入至所述人脸分类单元，并得出第一比对结果及第一比对可靠值；

判断所述第一比对可靠值是否大于预设第一基准值；及

当所述第一比对可靠值大于所述预设第一基准值时，将所述第一比对结果作为人脸比对结果输出。