[发明专利]人脸识别的方法及设备

说明书

本申请提供了一种人脸识别的方法，能够将包含人脸的图像中的人脸图像与预设目标人脸图像进行比对，确定人脸比对相似度，再将该包含人脸的图像中的场景信息与预设的目标场景信息进行比对，确定场景比对相似度，再根据得到的人脸比对相似度和场景比对相似度确定该人脸图像对应的人物身份，从而在复杂环境中得到的人脸图像的质量不佳时根据相关的场景信息进行人脸识别，提升了人脸识别的准确性。

技术领域

本申请涉及图像识别领域，尤其涉及一种人脸识别的方法及设备。

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，也叫做人像识别、面部识别。人脸识别一般可通过用摄像机或摄像头采集含有人脸的图像或视频流，并在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别，从而确定对应的身份。

随着图像处理技术的不断发展，专家学者提出了各种各样的人脸识别算法，使用了不同的技术来实现人脸识别。大致上可根据维度和机理对多种人脸识别算法进行分类，按维度可将人脸识别算法分为二维人脸识别算法和三维人脸识别算法，按机理可将人脸识别算法分为基于人脸特征点的识别算法(feature-based recognition algorithms)、基于整幅人脸图像的识别算法(appearance-based recognition algorithms)、基于模板的识别算法(template-based recognition algorithms)、利用神经网络进行识别的算法(recognition algorithms using neural network)、利用支持向量机进行识别的算法(recognition algorithms using SVM)等。

二维人脸识别算法用于对二维图像中的人脸进行识别，主要利用分布在人脸上从低到高的80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。二维人脸识别算法主要有：基于模板匹配的方法、基于奇异值特征方法、子空间分析法、局部保持投影(Locality Preserving Projections，LPP)法、主成分分析法、其他方法如弹性匹配方法、特征脸法(基于KL变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法等。

三维人脸识别算法是对深度图像中的人脸进行识别，与二维人脸识别相比识别精度有极大的提高。三维人脸识别算法主要有基于图像特征的方法、基于模型可变参数的方法等。

上述人脸识别算法基于从图像中得到的脸部区域进行识别，对人脸图像的质量要求很高，而在复杂环境中如光照不佳、人体姿态非正面、人脸有遮挡、海量人脸数据等情况下得到的人脸图像往往质量不高，从而造成人脸识别准确性较低。

发明内容

本申请的一个目的是提供一种人脸识别的方法及设备，用于解决现有技术下复杂环境中人脸识别准确性不高的问题。

为实现上述目的，本申请提供了一种人脸识别的方法，其中，该方法包括：

对包含人脸的图像进行人脸图像识别，获取人脸图像；

将所述人脸图像与预设的目标人脸图像进行比对，确定人脸比对相似度；

对所述包含人脸的图像进行场景识别，获取所述人脸图像对应的场景信息；

将所述人脸图像对应的场景信息与预设的目标场景信息进行比对，确定场景比对相似度；

根据所述人脸比对相似度和所述场景比对相似度，确定所述人脸图像对应的人物身份。

进一步地，所述人脸图像对应的场景信息包括如下一种或多种的组合：所述人脸图像对应的人体识别信息、所述人脸图像对应的人体环境信息、所述人脸图像对应的采集设备信息。

进一步地，对包含人脸的图像进行人脸图像识别，获取人脸图像之后，还包括：