[发明专利]一种用于共享设备的人脸识别系统

权利要求书

1.一种用于共享设备的人脸识别系统，其特征在于，该系统包括：共享设备主体、货物扫描器、身份认证装置、网关、货物柜和计费单元；

所述货物扫描器和计费单元均连接一控制单元；货物放置在所述货物柜上，所述货物扫描器扫描货物，获取货物信息并传输至所述控制单元内；用户通过所述身份认证装置确认身份后打开所述共享设备，用户取完货物关闭共享设备的柜门后，所述货物扫描器扫描货物，获取货物信息并传输至所述控制单元内；所述计费单元通过所述控制单元进行计费，并从用户注册账号中扣费。

2.根据权利要求1中的系统，其特征在于：所述身份认证装置包括：云端服务器、图像采集单元、检测单元和结果输出单元，所述云端服务器包括数据库，用于保存用户训练样本，所述图像采集单元设置在所述共享设备终端上，所述检测单元和结果输出单元设置在网关中，所述检测单元中设置有特征分类器，所述特征分类器基于所述训练样本进行训练，所述检测单元对所述图像采集单元采集的用户图像进行识别，得到身份认证结果，所述结果输出单元将用户身份认证结果传递至网关处，网关提取该用户的共享设备终端的使用习惯，发送至各共享设备终端，所述共享设备终端自动执行符合用户使用习惯的操作或给出相应选项以供用户进行选择。

3.根据权利要求2中的系统，其特征在于：所述特征分类器基于改进的Boost系统进行训练，所述检测单元中特征分类器的训练过程包括以下步骤：

A1.所述用户训练样本为预先采集的用户连续运动的全身图像，训练样本中有用户存在的包括N个，即N个正样本，用户不存在的包括L个，即L个负样本；

A2.获取训练样本的特征向量X，即X＝(f₁(x),f₂(x),...f_k(x))^T，f(x)表示图像样本特征；样本标签表示为y，y＝1表示正样本标签，y＝0表示负样本标签，X是正样本的后验概率可以表示为

P(y=1|X)=P(X|y=1)P(Y=1)Σy∈{0,1}P(X|y)P(y)=δ(ln(P(X|y=1)P(y=1)P(X|y=0)P(y=0)))---(1)]]>

其中函数δ(z)定义为

δ(z)=11+e-z---(2)]]>

从而建立起分类器模型

Hk(X)=ln(P(X|y=1)P(y=1)P(X|y=0)P(y=0))---(3)]]>

结合式(1)和式(2)，后验概率可以表示为

P(y＝1|X)＝δ(H_k(X)) (4)

对于特征向量X的分类器H_k(X)可表示为

Hk(X)=ln(P(X|y=1)P(y=1)P(X|y=0)P(y=0))=Σk=1Khk(fk(x))---(5)]]>

其中，h_k(f_k(x))表示一个弱分类器，由K个弱分类器可以组成强分类器H_k(X)；

将正负样本分别放入两个集合：正样本集合{X_1j,j＝0,...N-1}和负样本集合{X_0j,j＝N,...N+L-1}，从正负样本集合中使用多组样本不断对弱分类器进行选择，进而构造出识别率最高的组合分类器，已知单个样本的后验概率表示为

P_ij＝δ(H_k(X_ij)) (6)

其中，i的值代表样本集合的编号，i＝1表示正样本集合，i＝0表示负样本集合，j是样本编号，设定分类器h_k(f_k(x_ij))中的条件概率是高斯分布的，即条件概率为

p(f_k(x_ij)|y＝1)～N(μ₁,σ₁)

p(f_k(x_ij)|y＝0)～N(μ₀,σ₀) (7)

其中，μ₁,σ₁,μ₀,σ₀会进行增量更新

μ1←ημ1+(1-η)1NΣj|yi=1fk(xij)]]>

σ1←ησ1+(1-η)1NΣj|yi=1(fk(xij)-μ1)2---(8)]]>

μ₀,σ₀的更新与上式相同；通过式(7)和式(8)可以求得P_ij，这样，样本集合i的后验概率可以表示为

Pi=1-Πj(1-Pij)---(9)]]>

A3.对首帧正样本图像进行人工标记人脸区域，然后采用卡尔曼滤波器获得每帧图像中的人脸区域，并且每隔10帧图像进行人工标记修正，以降低卡尔曼滤波器的累积误差；

A4.对于卡尔曼滤波器输出的人脸区域，提取所述人脸区域特征，生成特征向量，形成特征向量集合，并且设置权重，提高该特征向量集合的后验概率：

Pi=1=P(y=1|X+)=Σj=0N-1wj0Pi---(12)]]>

其中,w_j0是权重函数，单调递减，表示为其中，|d(X_1j)-d(X₁₀)|表示样本x_1j到首帧人工标定区域的欧氏距离，c是一个常数；

A5.确定样本集合的后验概率后对分类器进行选择，选择的系统表示为

hk=argmaxh∈{h1...hM}l(Hk-1+h)---(10)]]>

其中，是包含k-1个弱分类器的强分类器；l是集合的对数似然函数，定义为

l＝∑_i(y_ilog P_i+(1-y_i)log(1-P_i)) (11)。