发明专利案例-人脸识别方法.doc

说 明 书 一种人脸比对方法 技术领域 本发明涉及生物特征识别技术领域，尤其涉及一种人脸比对的方法。 背景技术 人脸是人的重要信息，是区分不同的人的重要依据，因此人脸比对是较指纹、虹膜等技术更自然、更直接的比对方式。 人脸比对是将图像或视频输入的人脸通过提取特定的人脸特征信息，与数据库中已注册的人脸特征信息相比较，获得匹配的人脸极其相似度，确认是否与数据库中人脸为同一。 人脸比对在很多场合下都具有非常重要的作用，例如手机彩信中的视频彩信、人机界面、权限控制、智能监视系统等。比对的准确性、精度和鲁棒性问题一直是业界关心的主要问题。 另外，在人脸比对中，如果当前输入一张静态照片，其与数据库中已注册人脸相比对，也会得出匹配的结果，这将导致识别的客体并不是真实的人脸，导致无权限的人得到权限。因此，判断当前输入为真实的人的脸还是静态的照片非常重要，而现有技术还无法解决。 因此，业界急需一种能够确保输入真实、具有较高准确性与鲁棒性的人脸比对技术。 发明内容 为弥补现有技术的不足，本发明目的是提供一种人脸比对方法，解决人脸表情变化和姿态变化的影响，提高比对的准确性、精度和鲁棒性，保障比对的真实性。 为了实现上述目的，本发明的技术方案如下： 一种人脸比对方法，包含：人脸比对方法，其特征在于，包含： 步骤601，人脸跟踪，获取特征点； 步骤603，提取详细的人脸特征数据； 步骤605人脸比对，将该人脸特征数据与人脸数据库中的每一个人脸的特征数据进行比对，获得其相似性；具体方法为： 选取数据库中的一个人脸k的特征模板库，； 对特征模板，，计算输入人脸的特征与之间的相似度Skji； 计算输入人脸与特征模板的相似度； 计算输入人脸与人脸k的相似度为； 重复步骤（1）-（4），获得输入人脸与数据库中所有K个人脸的相似度，取其中最大者，得到其对应的人脸k’； 其中，M为人的特征模板个数，N为选取的人的人脸特征点个数，i为人脸特征。 步骤607，判断是否已找到匹配的人脸；为相似度阈值，若，则判断输入人脸与数据库中的人脸k’ 相匹配； 步骤608，判断表情是否有显著变化；根据连续多帧人脸特征点进行分析，包括但不限于：嘴巴的张开与闭合，眼睛的张开与闭合，判断人脸的表情是否发生了显著的变化； 在人脸表情有显著变化时，执行步骤609，输出比中的人脸。 其中，该步骤603提取详细的人脸特征数据的具体方法为： 根据步骤601人脸检测跟踪得到的精确的人脸特征点位置，插值获得其他选取的人脸特征点的位置； 根据双眼位置对图像进行归一化处理； 计算得到人脸特征点i的Gabor特征，所有特征点的Gabor特征即组成一个人脸特征数据，，N为选取的人脸特征点个数。 其中，该人脸特征点为人脸上的显著特征点，人脸特征点的特征选取所有80个Gabor复系数，表达完整的人脸信息，完整表达不同人脸之间的差异性。 其中，该步骤601人脸跟踪，获取特征点所选取的人脸特征为人脸的共同性的特征。 进一步的，该人脸比对方法还包含步骤604人脸注册；保存人脸特征数据至人脸数据库；具体方法为： 将步骤603获得的详细人脸特征数据加入此人的人脸特征模板库，，M为此人的特征模板个数，保存至数据库。 其中，该步骤601人脸跟踪，获取特征点的具体包含离线训练方法和在线跟踪方法； 该离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法； 该多层结构人脸模型训练方法为该在线跟踪方法提供人脸模型，该离线模板训练方法为该在线跟踪方法提供人脸特征点离线模板； 该多层结构人脸模型训练方法包含如下步骤： 步骤301，选取适当的人脸图像作为训练样本； 步骤302，对人脸图像的特征点进行标记； 步骤 3031-3061，得到基准形状模型； 步骤3032-3062，得到全局形状模型； 步骤3033-3063，得到局部形状模型。 其中，该基准形状模型、该全局形状模型与该局部形状模型的获得方法为： 用s表示一个人脸形状向量： ， 其中，为平均人脸形状；P为一组正交的主形状变化模式；b为形状参数向量； 人脸形状向量s表示为，其中、和分别表示基准特征点、全局特征点和局部特征点； 刚性基准形状的点分布模型 全局基准形状的点分布模型 局部形状模型的点分布模型 第i个局部形状向量为，其中，分别表示属于第i个局部形状的全局和局部特征点。 其中，该人脸特征点的表达方法为： 给定灰度图像中的一个像素，其附近的局部图像中的像素为，一系列Gabor系数可表达该点附近的局部外观，定义为： 其中Gabor核为高斯包络函数