[发明专利]一种人脸特征值比对方法及其系统、可读存储介质

说明书

本发明提供一种人脸特征值比对方法及其系统、可读存储介质，所述方法包括：S1、获取一帧或多帧人脸抓拍图像；S2、分布式文件系统接收所述一帧或多帧人脸抓拍图像；S3、分布式文件系统的一个或多个分布式人脸识别模块调用PCA算法对接收到的一帧或多帧人脸抓拍图像进行人脸图像识别得到识别结果，并进行保存；S4、根据所述识别结果检索人脸数据库得到检索结果；S5、根据检索结果确定匹配结果，其中，若检索到与识别结果对应的人脸数据，则确定匹配成功，否则，确定匹配失败。本发明采用HDFS的分布式读写功能应用于人脸识别人脸特征值对比上，加快人脸识别速度，同时保证识别高准确率。

技术领域

本发明涉及人脸识别技术领域，特别涉及一种人脸特征值比对方法及其系统、可读存储介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

人脸识别技术是当今社会中十分热门且应用十分广泛的技术，HDFS是Hadoop的分布式文件系统，实现大规模数据可靠的分布式读写。HDFS针对的使用场景是数据读写具有“一次写，多次读”的特征，而数据“写”操作是顺序写，也就是在文件创建时的写入或者在现有文件之后的添加操作。HDFS保证一个文件在一个时刻只被一个调用者执行写操作，而可以被多个调用者执行读操作。

其中，PCA是一种常用的人脸识别算法。PCA算法因为其最大化方差、最小化冗余、最小化损失等优良特性被广泛的应用在数据降维、模式识别、以及分析数据相关性等方面。但是，随着照相技术的飞速发展，图片的分辨率越来越高，数据库也随之越来越大，现有的计算机技术并不能满足部分图像数据处理的要求。例如，一个图片的数据库中有1000张照片，每一张照片的尺寸为100*100，在图像处理中把图片库当成一个列矩阵，就会得到一个10000*1000的矩阵。这是一个非常大的矩阵，计算的复杂度会非常高。运用PCA方法对矩阵进行处理的过程中，在求取协方差矩阵的特征值和特征向量时会耗费大量的时间。

发明内容

本发明的目的在于提出一种人脸特征值比对方法及其系统、可读存储介质，采用HDFS的分布式读写功能应用于人脸识别人脸特征值对比上，加快人脸识别速度，同时保证识别高准确率。

为了实现本发明目的，根据第一方面，本发明实施例提供一种人脸特征值比对方法，包括：

获取一帧或多帧人脸抓拍图像；

分布式文件系统接收所述一帧或多帧人脸抓拍图像；

分布式文件系统的一个或多个分布式人脸识别模块调用PCA算法对接收到的一帧或多帧人脸抓拍图像进行人脸图像识别得到识别结果，并进行保存；

根据所述识别结果检索人脸数据库得到检索结果；

根据检索结果确定匹配结果，其中，若检索到与识别结果对应的人脸数据，则确定匹配成功，否则，确定匹配失败。

优选地，所述每一分布式人脸识别模块调用PCA算法对接收到的人脸特征信息进行人脸图像识别的识别结果包括：

确定人脸抓拍图像对应的图像矩阵X，所述图像矩阵X的大小为m×n；

将所述图像矩阵X的每一行进行零均值化；

计算所述图像矩阵X的协方差矩阵；

计算每一个列向量的二阶范数，

取范数最大的前m个列向量，构成一个n×m的矩阵A；

对矩阵A进行正交三角分解以构造低维矩阵C，C＝(AQ)^T；

对所述低维矩阵C进行奇异值分解，C＝U∑V^H；