[发明专利]一种适用于心理学的面部识别方法

摘要

本发明属于面部识别技术领域，公开了一种适用于心理学的面部识别方法，进行图像采集以获得高清图像；从高清图像处识别并分割出脸部图像；对分割模块分割的人脸图像进行处理；生成人脸细节特点的待识别的特征向量；通过人脸特征库模块预存储有已知人脸的特征向量；将输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算，输出所述待识别的特征向量对应的身份结果；显示采集图像信息及匹配结果信息。本发明通过人脸特征库模块构建人脸特征数据库，通过特征匹配模块进行快速匹配，从而可以在计算资源较为有限的系统上实时判断出待识别的人脸图像的身份，耗时短准确率高。

主权项

1.一种适用于心理学的面部识别系统，其特征在于，所述适用于心理学的面部识别系统包括：图像采集模块，与图像分割模块连接，用于通过高清摄像头进行图像采集以获得高清图像；图像分割模块，与图像采集模块、主控模块连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；建立两图形的数学模型，由描述图形的完备向量组建立与图形对应的特征矩阵，计算出相邻两边的夹角；计算两图形间的最近距离；对计算结果的增强性处理。所述建立的数学模型用多边形的边长和邻角按逆时针构造一个向量S1表示多边形：S1＝(l1,α1,l2，α2…lN‑1,αN‑1,lN,αN)；S1和该多边形有一一映射关系，其表示与边角初始顺序无关；所述完备向量组，按逆时针方向，有2N个向量S1、S2……S2N－1、S2N和多边形均有一一映射关系，构成了该多边形的一个完备向量组，表示如下：S1＝(l1,α1,l2，α2…lN‑1,αN‑1,lN,αN)；S2＝(α1,l2，α2…lN‑1,αN‑1,lN,αN,l1)；……S2N－1＝(lN,αN,l1,α1,l2，α2…lN‑1,αN‑1)；S2N＝(αN,l1,α1,l2，α2…lN‑1,αN‑1,lN)；用矩阵SE表示完备向量，并定义SE为该多边形的特征矩阵，SE表示如下：  主控模块，与图像采集模块、图像分割模块、图像处理模块、特征生成模块、人脸特征库模块、特征匹配模块、显示模块连接，用于调度各个模块正常工作；图像处理模块，与主控模块连接，用于对分割模块分割的人脸图像进行处理；特征生成模块，与主控模块连接，用于对处理后人脸图像进行生成人脸细节特点的待识别的特征向量；人脸特征库模块，与主控模块连接，用于预存储有已知人脸的特征向量；特征匹配模块，与主控模块连接，用于将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算，输出所述待识别的特征向量对应的身份结果；匹配计算方法包括：步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：其中，xi∈样本训练集X＝(x1，x2，…，xN)；步骤二、求出散布矩阵S：求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；取出p个值，λ1，λ2，…，λp确定出脸空间E＝(e1，e2，…，eP)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：x'i＝Etxi，t＝1，2，…，N；由上式得到的是将原向量经过PCA降维后的p维向量；采用SRC人脸识别算法进行多人脸识别，包括：对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果；根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果；统计各个人脸的身份，由超过半数n/2的统一身份决定目标的最终身份；其中，计算待识别图片与人脸库各类别间的重建误差{r1，r2……rn}，r1<r2<……<rn，将得到的相似度值按照的规则确定最终识别结果；其中T1为比率值，T1＝0.6；显示模块，与主控模块连接，用于显示采集图像信息及匹配结果信息。