[发明专利]人脸识别方法和系统

说明书

技术领域

本发明涉及人脸识别技术领域，尤其是人脸识别方法和系统。

背景技术

人脸识别技术是目前生物识别技术的一个热点，在安防、考勤、机器人应用等方面有重要应用，是一种公认的最不具侵犯性和最方便的生物特征识别技术。目前主要方法包括基于PCA(Principal Component Analysis，主成分分析法)/LDA(Linear Discriminant method，线性判别法)等子空间的方法以及基于特征点特征描述子的方法，其原理均是通过对原人脸图像提取出有代表性的低维表达，以进行分类识别。

但是基于PCA/LDA等子空间的方法和特征点特征描述子的方法，对人脸姿态和光照变化都不够鲁棒，尤其是应用于机器人时，导致在光照变化极大、人脸姿态随意的情况下，识别率较低。

发明内容

有鉴于此，本发明的目的在于提供人脸识别方法和系统，可以在光照变化极大、人脸姿态随意的情况下，提高人脸识别率。

第一方面，本发明实施例提供了人脸识别方法，所述方法包括：

获取人脸图像，并对所述人脸图像进行关键点检测，得到第一人脸关键点；

根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像，其中，所述标准人脸图像中包括第二人脸关键点；

根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸；

如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像；

对所述抗光照人脸图像进行特征提取，得到人脸LBP特征；

将所述人脸LBP特征与人脸特征库进行比对，并根据比对结果对所述人脸图像进行识别。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述第一人脸关键点包括两眼，所述根据所述第一人脸关键点对所述人脸图像进行归一化处理，得到标准人脸图像包括：

检测所述人脸图像的两眼之间的距离，得到两眼距离；

将所述人脸图像进行缩放，直至将所述两眼距离归一化为预设距离，得到缩放后的人脸图像；

将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述将所述缩放后的人脸图像旋转为两眼水平状态，得到所述标准人脸图像包括：

检测所述缩放后的人脸图像的两眼连线矢量；

根据所述两眼连线矢量计算两眼连线与水平线的夹角角度；

将所述缩放后的人脸图像反向旋转所述夹角角度，得到所述标准人脸图像。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述检测所述人脸图像的两眼之间的距离，得到两眼距离包括：

分别检测两眼的中心坐标值；

根据所述中心坐标值得到所述两眼距离。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述第二人脸关键点判断所述人脸图像是否为虚假人脸包括：

判断所述第二人脸关键点的灰度值差异是否满足预设条件；

如果不满足所述预设条件，则判定所述人脸图像为所述虚假人脸。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述如果否，则对所述标准人脸图像进行抗光照滤波处理，得到抗光照人脸图像包括：

计算所述标准人脸图像的亮度差感知梯度图；

通过所述亮度差感知梯度图对所述标准人脸图像进行扩散滤波，得到光照因子图；

根据所述标准人脸图像和所述光照因子图得到所述抗光照人脸图像。

结合第一方面第五种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述计算所述标准人脸图像的亮度差感知梯度图包括：

对所述标准人脸图像进行均值滤波，得到均值图像；

根据所述均值图像计算Weber亮度差感知系数图；

计算所述标准人脸图像的各向同性梯度图；

根据所述各向同性梯度图以及所述Weber亮度差感知系数图得到所述标准人脸图像的亮度差感知梯度图。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，还包括：

将所述人脸LBP特征保存到所述人脸特征库。

结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，所述获取人脸图像包括：

获取待识别图像；