專利名稱：人臉識別方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信息技術(shù)領(lǐng)域，尤其涉及一種人臉識別方法和設(shè)備。
背景技術(shù)：
在電子信息技術(shù)飛速發(fā)展的今天，電子商務(wù)、網(wǎng)上銀行、公共安全等領(lǐng)域?qū)ι矸菡J證的可靠度和方式提出了新的要求。生物特征是人的內(nèi)在屬性，具有很強的自身穩(wěn)定性和個體差異性，因此利用生物特征進行身份認證越來越受到人們的關(guān)注。其中，利用人臉特征進行身份認證又是最自然、最直接的手段，因此，深入研究人臉識別技術(shù)具有重要的應(yīng)用價值。特征提取是人臉識別技術(shù)的核心問題，直接關(guān)系到最終人臉識別的精度?，F(xiàn)有技術(shù)中，在待識別的人臉圖像中每個像素點周圍選取若干個鄰域像素點，以中心像素點的灰度值作為基準，將灰度值小于中間像素點灰度值的相鄰像素點量化為0，將灰度值大于或者等于中間像素點灰度值的相鄰像素點量化為I。再將鄰域像素點量化后的值按照一定方向串聯(lián)起來得到一個二進制數(shù)，并進一步轉(zhuǎn)換成十進制數(shù)賦予中心像素點。依次對圖像中所有像素點進行上述操作，得到待識別圖像的局部二值模式(Local BinaryPattern，簡稱LBP)直方圖。將待識別圖像的LBP直方圖的特征向量，與預(yù)先注冊的人臉圖像的LBP直方圖的特征向量進行比較，完成人臉識別。然而，該人臉識別方法的識別精度不高。

發(fā)明內(nèi)容
本發(fā)明提供一種人臉識別方法和設(shè)備，用以解決現(xiàn)有技術(shù)中存在的人臉圖像識別精度不高的問題。第一方面，本發(fā)明提供了一種人臉識別方法，包括:獲取待識別的原始人臉圖像；對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像；對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊；對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征；將每一個所述圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度；根據(jù)得到的全部所述圖像塊的相似度得到人臉圖像的識別結(jié)果。在第一方面的第一種可能的實現(xiàn)方式中，所述對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像，包括:對所述原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，所述η張不同尺寸的下采樣圖像的尺寸分別為所述原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)。
根據(jù)第一方面的第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，包括:對每一個所述下采樣圖像和所述原始人臉圖像按照所述原始人臉圖像尺寸的I/(S*4n)進行分塊處理，其中，S為自然數(shù)。根據(jù)第一方面的第二種可能的實現(xiàn)方式，在第三種可能的實現(xiàn)方式中，所述S=l，所述n=2。根據(jù)第一方面的第一種可能的實現(xiàn)方式、第二種可能的實現(xiàn)方式和第三種可能的實現(xiàn)方式，在第四種可能的實現(xiàn)方式中，所述對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征，包括:對每一個所述分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖；根據(jù)所述每一個圖像塊的LBP直方圖，提取每一個所述分塊處理后的圖像塊的特
征向量。根據(jù)第一方面的第一種可能的實現(xiàn)方式、第二種可能的實現(xiàn)方式、第三種可能的實現(xiàn)方式和第四種可能的實現(xiàn)方式，在第五種可能的實現(xiàn)方式中，所述對所述原始人臉圖像進行下采樣之前，所述方法還包括:對所述原始人臉圖像進行直方圖均衡化預(yù)處理。第二方面，本發(fā)明提供了一種人臉識別設(shè)備，包括:獲取模塊，用于獲取待識別的原始人臉圖像；采樣模塊，用于對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像；處理模塊，用于對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊；提取模塊，用于對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征；匹配模塊，用于將每一個所述圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度；識別模塊，用于根據(jù)得到的全部所述圖像塊的相似度得到人臉圖像的識別結(jié)果。在第二方面的第一種可能的實現(xiàn)方式中，所述采樣模塊具體用于:對所述原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，所述η張不同尺寸的下采樣圖像的尺寸分別為所述原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)。根據(jù)第二方面的第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述處理模塊具體用于:對每一個所述下采樣圖像和所述原始人臉圖像按照所述原始人臉圖像尺寸的I/(S*4n)進行分塊處理，其中，S為自然數(shù)。根據(jù)第二方面的第二種可能的實現(xiàn)方式，在第三種可能的實現(xiàn)方式中，所述S=l，所述n=2。根據(jù)第二方面的第一種可能的實現(xiàn)方式、第二種可能的實現(xiàn)方式和第三種可能的實現(xiàn)方式，在第四種可能的實現(xiàn)方式中，所述提取模塊具體用于:
對每一個所述分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖；根據(jù)所述每一個圖像塊的LBP直方圖，提取每一個所述分塊處理后的圖像塊的特
征向量。根據(jù)第二方面的第一種可能的實現(xiàn)方式、第二種可能的實現(xiàn)方式、第三種可能的實現(xiàn)方式和第四種可能的實現(xiàn)方式，在第五種可能的實現(xiàn)方式中，所述采樣模塊還用于:對所述原始人臉圖像進行下采樣之前，對所述原始人臉圖像進行直方圖均衡化處理。第三方面，本發(fā)明提供了一種人臉識別設(shè)備，包括:存儲器和處理器，所述存儲器用于存儲執(zhí)行指令，當(dāng)所述人臉識別設(shè)備運行時，所述處理器與所述存儲器之間通信，所述處理器執(zhí)行所述執(zhí)行指令使得所述人臉識別設(shè)備執(zhí)行如上第一方面所述的方法。本發(fā)明提供的人臉識別方法和設(shè)備，通過對待識別的原始人臉圖像進行下采樣，得到與原始人臉圖像尺寸不同的下采樣圖像，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；通過對下采樣圖像和原始人臉圖像進行分塊處理，根據(jù)分塊處理后得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明提供的人臉識別方法一個實施例的流程圖；圖2為本發(fā)明提供的人臉識別方法又一個實施例的流程圖；圖3為局部二值模式LBP描述子提取過程的示意圖；圖4為本發(fā)明提供的人臉識別設(shè)備一個實施例的結(jié)構(gòu)示意圖；圖5為本發(fā)明提供的人臉識別設(shè)備又一個實施例的結(jié)構(gòu)示意圖。
具體實施例方式為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。圖1為本發(fā)明提供的人臉識別方法一個實施例的流程圖。如圖1所示，以下方法實施例中各步驟的執(zhí)行主體具體可以為具有人臉識別功能的各種設(shè)備，例如:手機、個人電腦，PAD，門禁設(shè)備等。該方法可以包括:S101，獲取待識別的原始人臉圖像；S102，對原始人臉圖像進行下采樣，得到至少一個與原始人臉圖像尺寸不同的下采樣圖像；
具體的，可以對原始人臉圖像進行一次或多次下采樣，每次下采樣可以得到一張與原始人臉圖像尺寸不同的下采樣圖像。下采樣后得到的下采樣圖像尺寸可以為原始人臉圖像的l/n，n可以取自然數(shù)。例如:原始圖像為長方形或正方形，則可以分別對原始人臉圖像進行2*2和4*4的下采樣。其中，2*2的下采樣是指下采樣得到的下采樣圖像的長度是原始人臉圖像長度的1/2，寬度是原始人臉圖像寬度的1/2 ;4*4的下采樣是指下采樣得到的下采樣圖像的長度是原始人臉圖像長度的1/4，寬度是原始人臉圖像寬度的1/4。S103，對每一個下采樣圖像和原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊；具體的，可以將原始人臉圖像和下采樣圖像中的任意圖像作為基元塊來進行分塊處理。例如:S102中所舉的例子，原始人臉圖像為長方形或正方形，分別對原始人臉圖像進行2*2和4*4的下采樣得到為原始人臉圖像尺寸1/4和1/16的下采樣圖像。則可以將為原始人臉圖像尺寸1/16的下采樣圖像作為基元塊來進行分塊處理。這樣可以將原始人臉圖像分為16個圖像塊；可以將為原始人臉圖像尺寸1/4的下采樣圖像分為4個圖像塊；而為原始人臉圖像尺寸1/16的下采樣圖像本身即為一個圖像塊，而不必進一步分塊。當(dāng)然，還可以以其他尺寸的圖像塊作為基元塊。例如:S102中所舉的例子，可以以為原始人臉圖像尺寸1/16的下采樣圖像1/2尺寸的圖像塊作為基元塊。這樣可以將原始人臉圖像分為32個圖像塊；可以將為原始人臉圖像尺寸1/4的下采樣圖像分為8個圖像塊；而為原始人臉圖像尺寸1/16的下采樣圖像分為2個圖像塊。也就是說，對下采樣圖像和原始人臉圖像進行分塊有多種劃分方法，在此不一一列舉。S104，對分塊處理后的圖像塊進行特征提取，得到圖像塊的特征；該步驟中，可以采用現(xiàn)有的各種方法對分塊處理后得到的每個圖像塊進行特征提取。例如:可以采用局部二值模式LBP描述子提取方法得到每個圖像塊的LBP直方圖，進一步的，還可以根據(jù)每個圖像塊的LBP直方圖提取每個圖像塊的特征向量。S105，將每一個圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度；具體的，預(yù)先注冊的人臉圖像也是按照上述各步驟得到并儲存起來的。S102中所舉的例子，原始人臉圖像分為16個圖像塊，兩次下采樣得到的圖像分別分為4個圖像塊和I個圖像塊。那么預(yù)先注冊的人臉圖像也對應(yīng)21個圖像塊，每個圖像塊對應(yīng)一組特征向量。可以將步驟S104得到的待識別人臉圖像的21個圖像塊的特征向量分別與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征向量進行相似度匹配，得到待識別人臉圖像中每個圖像塊的相似度。S106，根據(jù)得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果。該步驟中，可以對得到的全部圖像塊的相似度進行加權(quán)融合計算，得到最終相似度，根據(jù)該最終相似度得到人臉圖像的識別結(jié)果。具體的，對步驟S105得到的待識別人臉圖像中各個圖像塊的相似度進行加權(quán)融合，即為每個圖像塊分配一個權(quán)值，將每個圖像塊的相似度與對應(yīng)權(quán)值的乘積相加，得到待識別人臉圖像與預(yù)先注冊的人臉圖像的最終相似度。其中，權(quán)值分配具體可以為人臉重點部分(例如眼睛、鼻子、嘴等)所在圖像塊分配較大的權(quán)值，人臉非重點部分(例如臉頰等)所在圖像塊分配較小的權(quán)值，所有圖像塊對應(yīng)的權(quán)值之和為I。根據(jù)得到的最終相似度是否超過設(shè)定閾值，可以判斷待識別人臉圖像與預(yù)先注冊的人臉圖像是否對應(yīng)同一個人，實現(xiàn)對人物身份的識別。需要說明的是，本實施例提供的人臉識別方法，同樣適用于其他基于生物特征(指紋、虹膜、掌紋等)的圖像的識別。本實施例提供的人臉識別方法，通過對待識別的原始人臉圖像進行下采樣，得到與原始人臉圖像尺寸不同的下采樣圖像，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；通過對下采樣圖像和原始人臉圖像進行分塊處理，根據(jù)分塊處理后得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。圖2為本發(fā)明提供的人臉識別方法又一個實施例的流程圖。如圖2所示，以下方法實施例中各步驟的執(zhí)行主體具體可以為具有人臉識別功能的各種設(shè)備，例如:手機、個人電腦，PAD，門禁設(shè)備等。該方法可以包括:S201，獲取待識別的原始人臉圖像；S202，對原始人臉圖像進行直方圖均衡化預(yù)處理；具體的，直方圖均 衡化是一種圖像增強的方法，用于增強圖像的亮度和對比度，改善圖像質(zhì)量，增加圖像重點部分的層次感，提升圖像判讀和識別的效果。S203，對原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，η張不同尺寸的下采樣圖像的尺寸分別為原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)；具體的，圖像下采樣是一種降低圖像分辨率以對圖像進行顯示、存儲、和/或傳輸?shù)鹊募夹g(shù)。本實施例中可以采用現(xiàn)有的各種下采樣方法，例如最近鄰差值、雙線性差值等差值方法，對原始人臉圖像進行n(n=l，2，3，……)次下采樣。得到的η張下采樣圖像的尺寸分另IJ為原始人臉圖像尺寸的1/4、1/42、……、1/4η。以η=2為例，假設(shè)原始人臉圖像尺寸為W*H，對原始人臉圖像進行2次下采樣，得到2張尺寸更小的下采樣圖像，則這2張下采樣圖像的尺寸分別為原始人臉圖像尺寸的1/4、1/16，即尺寸分別為(W/2)*(H/2)、(W/4)*(H/4)。S204，對每一個下采樣圖像和原始人臉圖像按照原始人臉圖像尺寸的I/ ^彳^進行分塊處理，其中，S為自然數(shù)；具體的，可以按照原始人臉圖像尺寸的l/4n、l/ (2*4n)、l/ (3*4n)、……，即步驟S203中得到的最小尺寸的下采樣圖像的尺寸或更小尺寸，對下采樣圖像和原始人臉圖像進行分塊處理。以n=2，S=l為例，假設(shè)原始人臉圖像尺寸為W*H，則按照原始人臉圖像尺寸的1/42，即最小尺寸的下采樣圖像的尺寸(W/4)*(H/4)，對步驟S203得到的2張下采樣圖像和原始人臉圖像進行分塊處理，分塊處理后得到1+4+16=21個圖像塊。S205，對每一個分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖；S206，根據(jù)每一個圖像塊的LBP直方圖，提取每一個分塊處理后的圖像塊的特征
向量;
具體的，圖3為局部二值模式LBP描述子提取過程的示意圖，如圖3所示，在圖像塊中每個像素點周圍選取若干個(以8個為例)鄰域像素點，以中心像素點的灰度值(4)作為基準，將灰度值小于中間像素點灰度值的相鄰像素點量化為0，將灰度值大于或者等于中間像素點灰度值的相鄰像素點量化為I ;再將鄰域像素點量化后的值按照一定方向(以順時針方向為例)串聯(lián)起來得到一個8位的二進制數(shù)(11010011)，并進一步轉(zhuǎn)換成十進制數(shù)(211)賦予中心像素點；依次對圖像塊中所有像素點進行上述操作，得到該圖像塊的LBP圖，圖中每個像素點對應(yīng)一個十進制數(shù)(O 255)，完成對該圖像塊的LBP描述子提取過程。根據(jù)上述得到的LBP圖進一步得到該圖像塊的LBP直方圖，圖中橫坐標為O 255范圍內(nèi)的整數(shù)，縱坐標為LBP圖中與橫坐標的十進制數(shù)對應(yīng)的像素點的個數(shù)；根據(jù)此LBP直方圖，提取該圖像塊的特征向量(X1，Y1)、( X2，Y2)、……、(X255，Y255 )，其中，X1-X255為LBP直方圖中橫坐標的值，Y1-Y255為LBP直方圖中與橫坐標對應(yīng)的縱坐標的值。按照上述方法對分塊處理后的21個圖像塊分別進行特征向量的提取。S207，將提取的每一個圖像塊的特征向量與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征向量進行相似度匹配，得到每一個圖像塊的相似度；具體的，預(yù)先注冊的人臉圖像也是按照上述各步驟得到并儲存起來的。S204中所舉的例子，n=2，S=l，原始人臉圖像和兩次下采樣得到的圖像分為21個圖像塊。那么預(yù)先注冊的人臉圖像也對應(yīng)21個圖像塊，每個圖像塊對應(yīng)一組特征向量。可以將步驟S206得到的待識別人臉圖像的21個圖像塊的特征向量分別與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征向量進行相似度匹配，得到待識別人臉圖像中每個圖像塊的相似度。S208，根據(jù)得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果。該步驟中，可以對得 到的全部圖像塊的相似度進行加權(quán)融合計算，得到最終相似度，根據(jù)該最終相似度得到人臉圖像的識別結(jié)果。具體的，對步驟S207得到的待識別人臉圖像中各個圖像塊的相似度進行加權(quán)融合，即為每個圖像塊分配一個權(quán)值，將每個圖像塊的相似度與對應(yīng)權(quán)值的乘積相加，得到待識別人臉圖像與預(yù)先注冊的人臉圖像的最終相似度。其中，權(quán)值分配具體可以為人臉重點部分(例如眼睛、鼻子、嘴等)所在圖像塊分配較大的權(quán)值，人臉非重點部分(例如臉頰等)所在圖像塊分配較小的權(quán)值，所有圖像塊對應(yīng)的權(quán)值之和為I。根據(jù)得到的最終相似度是否超過設(shè)定閾值，可以判斷待識別人臉圖像與預(yù)先注冊的人臉圖像是否對應(yīng)同一個人，實現(xiàn)對人物身份的識別?？蛇x的，在步驟S207之前，還可以包括:對提取的每個圖像塊的特征進行后處理(例如主成分分析、線性判別分析等)，以降低每個圖像塊的特征的維度，增強后續(xù)相似度匹配的判別性。需要說明的是，本實施例提供的人臉識別方法，同樣適用于其他基于生物特征(指紋、虹膜、掌紋等)的圖像的識別。本實施例提供的人臉識別方法，通過對待識別的原始人臉圖像進行預(yù)處理，提升了圖像判讀和識別的效果；通過對原始人臉圖像進行下采樣，得到與原始人臉圖像尺寸不同的下采樣圖像，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；通過對下采樣圖像和預(yù)處理后的原始人臉圖像進行分塊處理，根據(jù)分塊處理后得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。圖4為本發(fā)明提供的人臉識別設(shè)備一個實施例的結(jié)構(gòu)示意圖。如圖4所示，本實施例中的人臉識別設(shè)備40為執(zhí)行上述人臉識別方法的特定主體，具體可以包括:獲取模塊41、采樣模塊42、處理模塊43、提取模塊44、匹配模塊45和識別模塊46，其中:獲取模塊41，用于獲取待識別的原始人臉圖像；采樣模塊42，用于對原始人臉圖像進行下采樣，得到至少一個與原始人臉圖像尺寸不同的下采樣圖像；具體可以用于:對原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，η張不同尺寸的下采樣圖像的尺寸分別為原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)。具體的，圖像下采樣是一種降低圖像分辨率以對圖像進行顯示、存儲、和/或傳輸?shù)鹊募夹g(shù)。本實施例中，采樣模塊42可以采用現(xiàn)有的各種下采樣方法，例如最近鄰差值、雙線性差值等差值方法，對獲取模塊41獲取的原始人臉圖像進行η (η=1，2，3，……)次下采樣。得到的η張下采樣圖像的尺寸分別為原始人臉圖像尺寸的1/4、1/42、……、1/4η。以η=2為例，假設(shè)原始人臉圖像尺寸為W*H，采樣模塊42對原始人臉圖像進行2次下采樣，得到2張尺寸更小的下采樣圖像，則這2張下采樣圖像的尺寸分別為原始人臉圖像尺寸的1/4、1/16，即尺寸分別為(W/2)*(H/2)、(W/4)*(H/4)。處理模塊43，用于對每一個下采樣圖像和原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊；具體可以用于:對每一個下采樣圖像和原始人臉圖像按照原始人臉圖像尺寸的I/ (S*4n)進行分塊處理，得到至少兩個分塊處理后的圖像塊，其中，S為自然數(shù)。具體的，處理模塊43可以按照原始人臉圖像尺寸的l/4n、I/ (2*4n)、I/(3*4n)、……，即采樣模塊42下采樣得到的最小尺寸的下采樣圖像的尺寸或更小尺寸，對下采樣圖像和原始人臉圖像進行分塊處理。以n=2，S=I為例，假設(shè)原始人臉圖像尺寸為W*H，則處理模塊43按照原始人臉圖像尺寸的1/42，即最小尺寸的下采樣圖像的尺寸(W/4) * (H/4)，對采樣模塊42下采樣得到的2張下采樣圖像和原始人臉圖像進行分塊處理，分塊處理后得到1+4+16=21個圖像塊。提取模塊44，用于對分塊處理后的圖像塊進行特征提取，得到圖像塊的特征；具體可以用于:對每一個分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖；根據(jù)每一個圖像塊的LBP直方圖，提取每一個分塊處理后的圖像塊的特征向量。具體的，提取模塊44對分塊處理后得到的每個圖像塊進行LBP描述子提取，得到每個圖像塊的LBP圖，根據(jù)得到的LBP圖進一步得到每個圖像塊的LBP直方圖，根據(jù)得到的LBP直方圖，提取每個圖像塊的特征向量。具體過程參見圖2所示實施例步驟S206中的相關(guān)描述，此處不再贅述。匹配模塊45，用于將提取的每個圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每個圖像塊的相似度；具體的，預(yù)先注冊 的人臉圖像也是按照上述方案得到并儲存起來的，以n=2，S=I為例，原始人臉圖像分為16個圖像塊，兩次下采樣得到的圖像分別分為4個圖像塊和I個圖像塊。那么預(yù)先注冊的人臉圖像也對應(yīng)21個圖像塊，每個圖像塊對應(yīng)一組特征向量。
匹配模塊45將提取模塊44提取的待識別人臉圖像的21個圖像塊的特征向量分別與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征向量進行相似度匹配，得到待識別人臉圖像中每個圖像塊的相似度。識別模塊46，用于根據(jù)得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果。識別模塊46可以對得到的全部圖像塊的相似度進行加權(quán)融合計算，得到最終相似度，根據(jù)該最終相似度得到人臉圖像的識別結(jié)果。具體的，識別模塊46對匹配模塊45得到的待識別人臉圖像中各個圖像塊的相似度進行加權(quán)融合，即為每個圖像塊分配一個權(quán)值，將每個圖像塊的相似度與對應(yīng)權(quán)值的乘積相加，得到待識別人臉圖像與預(yù)先注冊的人臉圖像的最終相似度。其中，權(quán)值分配具體可以為人臉重點部分(例如眼睛、鼻子、嘴等)所在圖像塊分配較大的權(quán)值，人臉非重點部分(例如臉頰等)所在圖像塊分配較小的權(quán)值，所有圖像塊對應(yīng)的權(quán)值之和為I。識別模塊46根據(jù)得到的最終相似度是否超過設(shè)定閾值，判斷待識別人臉圖像與預(yù)先注冊的人臉圖像是否對應(yīng)同一個人，以實現(xiàn)對人物身份的識別?？蛇x的，采樣模塊42還可以用于:對原始人臉圖像進行下采樣之前，對原始人臉圖像進行直方圖均衡化處理。具體的，直方圖均衡化是一種圖像增強的方法，用于增強圖像的亮度和對比度，改善圖像質(zhì)量，增加圖像重點部分的層次感，提升圖像判讀和識別的效果?？蛇x的，匹配模塊45還可以用于:將提取的每個圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配之前，對提取模塊44提取的每個圖像塊的特征進行后處理(例如主成分分析、線性判別分析等)，以降低每個圖像塊的特征的維度，增強后續(xù)相似度匹配的判別性。需要說明的是，本實施例提供的人臉識別設(shè)備40，同樣適用于其他基于生物特征(指紋、虹膜、掌紋等)的圖像的識別。本實施例提供的人臉識別設(shè)備，通過對待識別的原始人臉圖像進行預(yù)處理，提升了圖像判讀和識別的效果；通過對原始人臉圖像進行下采樣，得到與原始人臉圖像尺寸不同的下采樣圖像，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；通過對下采樣圖像和預(yù)處理后的原始人臉圖像進行分塊處理，根據(jù)分塊處理后得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。圖5為本發(fā)明提供的人臉識別設(shè)備又一個實施例的結(jié)構(gòu)示意圖。如圖5所示，本實施例的人臉識別設(shè)備包括:存儲器51和處理器52。該人臉識別設(shè)備可選的還可以包括攝像頭等模塊以獲取原始人臉圖像。存儲器51可能包含高速RAM存儲器，也可能還包含非不穩(wěn)定的存儲器(non-volatile memory),例如至少一個磁盤存儲器。存儲器51可選的可以包含至少一個存儲裝置。存儲器51存儲了執(zhí)行指令，當(dāng)人臉識別設(shè)備運行時，處理器52與存儲器51之間通信，處理器52執(zhí)行指令使得人臉識別設(shè)備可以執(zhí)行圖1或圖2任一實施例所提供的人臉識別方法。本實施例中的處理器可能是一種集成電路芯片，具有信號處理能力。在實現(xiàn)過程中，上述方法的各步驟可以通過處理器中的硬件的集成邏輯電路或者軟件形式的指令完成。上述的處理器可以是通用處理器、數(shù)字信號處理器(DSP)、專用集成電路(ASIC)、現(xiàn)成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。可以實現(xiàn)或者執(zhí)行本發(fā)明實施例中的公開的各方法、步驟及邏輯框圖。上述處理器可以是微處理器或者上述處理器也可以是任何常規(guī)的處理器等。結(jié)合本發(fā)明實施例所公開的方法的步驟可以直接體現(xiàn)為硬件處理器執(zhí)行完成，或者用處理器中的硬件及軟件模塊組合執(zhí)行完成。軟件模塊可以位于隨機存儲器，閃存、只讀存儲器，可編程只讀存儲器或者電可擦寫可編程存儲器、寄存器等本領(lǐng)域成熟的存儲介質(zhì)中。該存儲介質(zhì)位于存儲器，處理器讀取存儲器中的信息，結(jié)合其硬件完成上述方法的步驟。本發(fā)明實施例還提供一種芯片，該芯片用于進行人臉識別處理，該芯片可以包括上述的處理器。需要說明的是，本實施例提供的人臉識別設(shè)備，同樣適用于其他基于生物特征(指紋、虹膜、掌紋等)的圖像的識別。本實施例提供的人臉識別設(shè)備，通過處理器52執(zhí)行存儲器51存儲的指令，對待識別的原始人臉圖像進行預(yù)處理，提升了圖像判讀和識別的效果；對原始人臉圖像進行下采樣，得到與原始人臉圖像尺寸不同的下采樣圖像，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；對下采樣圖像和預(yù)處理后的原始人臉圖像進行分塊處理，根據(jù)分塊處理后得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。本領(lǐng)域普通技術(shù)人員可以理解:實現(xiàn)上述各方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中。該程序在執(zhí)行時，執(zhí)行包括上述各方法實施例的步驟；而前述的存儲介質(zhì)包括:R0M、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。最后應(yīng)說明的是:以上各實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍。
權(quán)利要求
1.一種人臉識別方法，其特征在于，包括: 獲取待識別的原始人臉圖像； 對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像； 對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊； 對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征； 將每一個所述圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度； 根據(jù)得到的全部所述圖像塊的相似度得到人臉圖像的識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像，包括: 對所述原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，所述η張不同尺寸的下采樣圖像的尺寸分別為所述原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，包括: 對每一個所述下采 樣圖像和所述原始人臉圖像按照所述原始人臉圖像尺寸的I/(S*4n)進行分塊處理，其中，S為自然數(shù)。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述S=l，所述n=2。
5.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，所述對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征，包括: 對每一個所述分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖； 根據(jù)所述每一個圖像塊的LBP直方圖，提取每一個所述分塊處理后的圖像塊的特征向量。
6.根據(jù)權(quán)利要求1-5任一項所述的方法，其特征在于，所述對所述原始人臉圖像進行下采樣之前，所述方法還包括: 對所述原始人臉圖像進行直方圖均衡化預(yù)處理。
7.—種人臉識別設(shè)備，其特征在于，包括: 獲取模塊，用于獲取待識別的原始人臉圖像； 采樣模塊，用于對所述原始人臉圖像進行下采樣，得到至少一個與所述原始人臉圖像尺寸不同的下采樣圖像； 處理模塊，用于對每一個所述下采樣圖像和所述原始人臉圖像進行分塊處理，得到至少兩個分塊處理后的圖像塊； 提取模塊，用于對所述分塊處理后的圖像塊進行特征提取，得到圖像塊的特征； 匹配模塊，用于將每一個所述圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度； 識別模塊，用于根據(jù)得到的全部所述圖像塊的相似度得到人臉圖像的識別結(jié)果。
8.根據(jù)權(quán)利要求7所述的設(shè)備，其特征在于，所述采樣模塊具體用于: 對所述原始人臉圖像進行η次下采樣，得到η張不同尺寸的下采樣圖像，所述η張不同尺寸的下采樣圖像的尺寸分別為所述原始人臉圖像尺寸的l/4m，其中，η為自然數(shù)，m為小于n+1的自然數(shù)。
9.根據(jù)權(quán)利要求8所述的設(shè)備，其特征在于，所述處理模塊具體用于: 對每一個所述下采樣圖像和所述原始人臉圖像按照所述原始人臉圖像尺寸的I/(S*4n)進行分塊處理，其中，S為自然數(shù)。
10.根據(jù)權(quán)利要求9所述的設(shè)備，其特征在于，所述S=l，所述n=2。
11.根據(jù)權(quán)利要求7-10任一項所述的設(shè)備，其特征在于，所述提取模塊具體用于: 對每一個所述分塊處理后的圖像塊進行局部二值模式LBP描述子提取，得到每一個圖像塊的LBP直方圖； 根據(jù)所述每一個圖像塊的LBP直方圖，提取每一個所述分塊處理后的圖像塊的特征向量。
12.根據(jù)權(quán)利要求7-11任一項所述的設(shè)備，其特征在于，所述采樣模塊還用于: 對所述原始人臉圖像進行下采樣之前，對所述原始人臉圖像進行直方圖均衡化處理。
13.—種人臉識別設(shè)備，其特征在于，包括:存儲器和處理器，所述存儲器用于存儲執(zhí)行指令，當(dāng)所述人臉識別設(shè)備運行時，所述處理器與所述存儲器之間通信，所述處理器執(zhí)行所述執(zhí)行指令使得所述人臉識別設(shè)備執(zhí)行如權(quán)利要求1至6任一項所述的方法。
全文摘要
本發(fā)明提供一種人臉識別方法和設(shè)備。該方法包括對原始人臉圖像進行不同尺寸的下采樣；對下采樣圖像和原始人臉圖像進行分塊處理；對分塊處理后得到的每個圖像塊進行特征提取；將提取的每個圖像塊的特征與預(yù)先注冊的人臉圖像的對應(yīng)圖像塊的特征進行相似度匹配，得到每一個圖像塊的相似度；根據(jù)得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果。本發(fā)明提供的人臉識別方法和設(shè)備，通過對原始人臉圖像進行不同尺寸的下采樣，進行多尺寸的人臉圖像特征提取，提高了人臉圖像特征對人臉圖像的描述能力；通過對下采樣圖像和原始人臉圖像進行分塊處理，根據(jù)得到的全部圖像塊的相似度得到人臉圖像的識別結(jié)果，提高了人臉圖像識別的精度。
文檔編號G06K9/00GK103150561SQ201310088469
公開日2013年6月12日 申請日期2013年3月19日 優(yōu)先權(quán)日2013年3月19日
發(fā)明者牛勝石, 山世光, 李巖 申請人:華為技術(shù)有限公司