[发明专利]一种基于多模型多通道的人脸识别方法及系统

说明书

本发明是一种基于多模型多通道的人脸识别方法及系统，具体是指利用不同的人脸识别模型生成不同的人脸特征，不同的特征携带不同的信息，融合这些特征来进行人脸识别能很大程度上提高识别率，涉及人脸识别技术领域。本发明通过普通摄像头获取人脸图像，利用人脸检测算法检测是否出现人脸，在有人脸的基础上分割人脸区域，对分割出来的图像做预处理。对预处理后的图像提取不同模型所对应的特征，然后对这些特征进行特征处理，最后使用余弦距离来度量待识别人员与数据库中已注册人员的特征的相似度。该发明克服了现有技术存在的方法精确度不高，对于人脸环境变化(光照、表情、姿态、遮挡)鲁棒性低的缺点，能有效的提高人脸识别的准确率。

技术领域

本发明涉及人脸识别技术领域，具体是一种基于多模型多通道的人脸识别方法及系统。

背景技术

随着计算机技术与人工智能的快速发展，以及人们需求的日益增长，传统的身份认证技术如指纹识别、虹膜识别和语音识别已经不能满足人们的需求。与传统身份认证技术相比，人脸识别具备高可靠性和便利性的优势。

一个可靠的人脸识别系统主要是由人脸采集、人脸检测、预处理、特征提取、分类识别这五个模块组成。其中，特征提取在该系统中是最关键、最重要的一步。然而，使用单一的现有特征提取算法提取出来的人脸特征鲁棒性低，对于人脸环境的变化(光照、表情、姿态、遮挡)非常敏感。由此可见，为解决单一人脸特征提取算法在人脸识别的精度受到限制的问题，目前需要融合多种特征提取算法来提高人脸识别的精确度。

发明内容

本发明主要是克服上述现有技术的缺点，提出了一种融合了多种人脸特征的人脸识别方法及系统。不同的模型能够提取出人脸的不同的特征，融合多种人脸特征进行识别认证，能够提高人脸识别的精度。

本发明为克服传统方法的缺点所采用的技术方案是：提供一种基于多模型多通道的人脸识别方法，包括以下步骤：

步骤1：采集人脸图像，利用摄像头获取人脸图像数据,利用Viola-Jones人脸检测算法检测图像中是否出现人脸，在图像中存在人脸的基础上，对人脸进行分割，在分割后的人脸图像上进行预处理；

步骤2：在预处理后的人脸图像I基础上，使用预训练好的自动编解码器产生AE特征；

步骤:3：在预处理后的人脸图像I基础上，根据人脸的特征点分割出左眼、右眼、鼻子和嘴巴图像，对每一个图像块提取HOG(Histogram of Oriented Gradient,方向梯度直方图)特征。

步骤4：在预处理后的人脸图像I基础上，将人脸图像分割成若干N×N的图像块，对每个图像块提取DCP(Dual-Cross Patterns，双十字模式)特征。

步骤:5：对AE特征、HOG特征和DCP特征向量进行融合并利用WPCA(加权主分量分析)减少冗余得到最终特征；

步骤6：分别计算待识别人员的特征与数据库中已注册的人员的特征之间的余弦距离,根据余弦距离的大小确定待识别人员的身份。

在步骤1中，预处理阶段包括基于回归树的人脸对齐算法(ERT算法)和中值滤波图像去噪操作。

在步骤2中，预训练好的自动编码器提取AE特征，我们可以将训练集中的某张图片表示为向量x∈R^mx1，其中m为人脸图片总的像素点数。稀疏自动编解码器的编码矩阵为W_e＝R^k×m，

自动编解码器的非线性编码函数为稀疏编码向量为h＝f(x；W_e)∈R^k×1，自动编解码器的解码矩阵为W_d∈R^m×k，可以建立如下无约束优化问题：