[发明专利]基于人脸的身份认证方法

摘要

本发明的基于人脸的身份认证方法，图像处理和分类器训练包括：a)采集人脸图像；b)标定图像两瞳孔距离；c)将人脸图像进行分块；d)形成训练样本；e)训练分类器；图像采集认证包括：1)人脸图像采集；2)去光照处理；3)图像分块；4)形成判定向量；5)形成判定向量；6)判定是否为同一人。本发明方法，以两幅图像中两子模块像素的灰度值为列向量，形成训练样本，利用训练好的贝叶斯分类器，可有效、准确、快速地对待检测图像做出判断。可广泛应用于机场、海关、考勤等场合的身份认证。充分利用了整张人脸的特征，不仅具有很高的识别率，且容易实施，具有很高的实用价值。

主权项

一种基于人脸的身份认证方法，包括图像处理和分类器训练以及图像采集认证过程，其特征在于，图像处理和分类器训练，包括以下步骤：a).采集人脸图像，采集经过去光照处理的n个人的图像，每人采集m副黑白人脸图像，每幅图像的大小均为M1×N1；m、n、M1、N1均为大于零的整数，M1和N1的单位为像素；b).标定图像两瞳孔距离，训练用于定位图像两瞳孔位置的支持向量机，设标定出的两瞳孔距离为D像素；c).将人脸图像进行分块，将每幅人脸图像分割为大小均为M11×N11的Pa个子模块，M11≤M1，N11≤N1，M11、N11的单位均为像素；d).形成训练样本，对于每幅图像，从Pa个子模块中选取相同的K个子模块；以选取的每个子模块中的每个像素的灰度值为列向量，按照逐行排列的方式形成1行M11×N11列的向量，记为标记向量；将应用于一次对比的两幅图像的对应子模块得到的标记向量首尾相接，形成1行2× M11×N11列的向量，记为训练向量；将每个训练向量作为分类器的训练样本；e).训练分类器，以1行2× M11×N11列的训练向量作为贝叶斯分类器的输入，y={0,1}为输出，选取正负样本各Num个进行训练；其中y=0表示是一个人，y=1表示不是一个人；图像采集认证过程，包括以下步骤：1).人脸图像采集，采集待认证的黑白人脸图像，利用步骤b)中的支持向量机设定采集到的人脸图像两瞳孔距离为D像素；以两瞳孔之间的中点为中心点，将图像放缩至M1×N1的尺寸大小；2).去光照处理，采用与步骤a)中相同的去光照方法，对步骤1)中获取的M1×N1尺寸的图像进行去光照处理；3).图像分块，将步骤2)中获取的人脸图像分割为Pa个子模块，每个子模块的大小均为M11×N11；4).形成中间向量，从步骤3)中的Pa个子模块中选取出K个，以选取的每个子模块中的每个像素的灰度值为列向量，按照逐行排列的方式形成1行M11×N11列的向量，记为中间向量；5). 形成判定向量，将中间向量与应用于一次对比的图像的标记向量首尾相接，形成K个1行2× M11×N11列的向量，记为判定向量；6).判定是否为同一人，利用步骤e)中训练好的分类器，对步骤5)中的定样本做出判断；对于一次对比的K个判定向量，如果是同一人的次数大于等于K/2或者是同一人的概率大于等于1/2，则认为待认证人脸图像与对比的图像为同一人；否则不是同一人。