[发明专利]一种基于动静特征融合的人脸识别方法

说明书

本发明公开了一种基于动静特征融合的人脸识别方法，尤其是基于综合的静态特征和动态特征的人脸识别方法；静态特征侧重全局轮廓，将人脸图像特征看做高维特征，通过线性和非线性变换映射到低维的子空间中，从而在低维空间中得到该原始样本的特征进行分类，动态特征侧重局部变化，主要根据人脸的表情，如微笑，沮丧等，通过提取人脸肌肉变化的动态特征，得到一组肌肉变化与时间的特征函数，从而进行精确识别和分类，实现人脸识别精度的提高。

技术领域

本发明涉及一种基于动静特征融合的人脸识别方法，属于人脸识别技术领域。

背景技术

目前,传统的身份识别方法存在不便于携带、易丢失、易损坏和易被破解或窃取的风险。因此人脸识别得到了广泛的关注,由于其具有较强的稳固性、隐蔽以及个体间差别性,安全性得到了保障,应用领域也愈加广泛,例如安全、民用、军用等领域。人脸识别作为生物特征识别的典型应用,在国防、金融、司法、商业等领域有着广阔的前景，受到了社会的密切关注与认可。与此同时，人脸识别的准确度也成为制约人脸识别发展的重要因素。

人脸识别通常遇到小样本数据集问题,即所拥有的训练样本数目远小于待测人脸样本的大小，小样本数据集的问题会使得传统的特征提取方法和分类识别方法在人脸识别上很难获得较强的鲁棒性和较好的识别率。本专利通过综合的静态特征和动态特征的人脸识别方法，能够大大提高人脸识别的准确度。

相似专利中，专利CN201010522281.9，基于多级分类的稀疏表征人脸识别方法是一种静态特征识别方法，与本专利所强调的静态特征和动态特征结合的方法不同；专利CN201510102708.2，一种动态人脸识别方法及系统提出了一种动态人脸识别方法，其所指的动态是人在运动时进行抓取跟踪，本质上是一种静态特征识别，其动态指的是人本身的运动。人体的肌肉运动特征与人长时间的运动积累直接相关，具有明显的个体特征。肌肉特征是人长期习惯所形成的特征，不易模仿且特征明显。本发明通过提出结合静态与动态特征的方法，可以在不影响速度的前提下有效提高人脸识别的精度。

发明内容

本发明提供一种基于动静特征融合的人脸识别方法，通过静态特征和动态特征两部分，将全局轮廓和局部动态特征相结合，可以在不影响识别速度的前提下大大提高人脸识别精度，解决了目前人脸识别精度低的问题。

本发明解决其技术问题所采用的技术方案是：

一种基于动静特征融合的人脸识别方法，通过静态特征和动态特征相结合的方法实现人脸识别精度的提高；

作为本发明的进一步优选，前述的静态特征为提取人脸的整体轮廓特征，前述的动态特征为提取人脸表情变化时的肌肉特征；

作为本发明的进一步优选，包括以下步骤：

步骤A，采用静态特征提取，具体还包括以下子步骤：

步骤A1，通过摄像头或提前存储的视频文件中获取视频流，

步骤A2，从获得的视频流中截取关键帧，

步骤A3，利用主成分分析法、独立成分分析法和线性判别方法相结合，从所得的关键帧的图像信息中获取人脸的轮廓特征，

步骤A4，利用梯度图像算法处理前述的人脸的轮廓特征，从而得到高维特征数据，利用二值、直方图线性或者非线性处理前述的人脸的轮廓特征，变换得到低维特征数据，

步骤A5，将高维特征数据与低维特征数据进行相似度度量，即特征匹配，得到静态特征匹配的一个或者多个相似结果；

步骤B，采用动态特征提取，具体还包括以下子步骤：

步骤B1，通过摄像头或提前存储的视频文件中获取视频流，

步骤B2，利用光流、差分的方法提取视频流中的动态特征，确定目标区域，