CN110188684B - 一种人脸识别装置及方法 - Google Patents

Abstract

本发明涉及人脸识别技术领域，具体为一种人脸识别装置及方法，包括用于采集人脸图像的人脸采集装置以及用于对采集的人脸图像进行处理的图像处理系统。该人脸识别装置及方法中，通过设置图像采集模块对人脸的图像进行采集，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，使得图像特征提取准确，提高识别精准度，通过设置的人脸识别模块对采集的人脸图像和提取特征信息匹配，并设置阈值判断模块断待识别的人脸图像是否是采集过的人脸图像，降低判别错误概率，提高识别准确性。

Description

一种人脸识别装置及方法

技术领域

本发明涉及人脸识别技术领域，具体为一种人脸识别装置及方法。

背景技术

人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有使用友好、操作隐蔽、使用简便、定位准确、经济实惠及系统扩展性好等其他生物识别技术不可替代的优势。

现有的人脸识别装置由于采集设备不同，导致人脸图像数据质量不相等，不能精确的进行图像匹配，同时，相似的脸由于存在一定的共同特征，容易出现认定错误情况，导致识别精度低。鉴于此，我们提出一种人脸识别装置及方法。

发明内容

本发明的目的在于提供一种人脸识别装置及方法，以解决上述背景技术中提出的由于采集设备不同，导致人脸图像数据质量不相等，不能精确的进行图像匹配和相似的脸由于存在一定的共同特征，容易出现认定错误情况，导致识别精度低的问题。

为实现上述目的，一方面，本发明提供一种人脸识别装置，包括用于采集人脸图像的人脸采集装置以及用于对采集的人脸图像进行处理的图像处理系统，所述图像处理系统包括有图像采集模块、样本训练模块和人脸识别模块，所述图像采集模块用于对人脸的图像进行采集，所述样本训练模块用于对采集的人脸图像进行处理，并提取特性信息，所述人脸识别模块用于对采集的人脸图像和提取特征信息匹配，并完成人脸识别。

作为优选，所述图像采集模块包括图像导入模块、几何处理模块、几何归一化模块、灰度化处理模块、直方图均衡化模块、加权值滤波模块和特征提取模块；

所述图像导入模块用于将采集的人脸图像导入所述图像处理系统内；

所述几何处理模块用于将导入的人脸图像进行定位；

所述几何归一化模块用于将定位后的人脸图形进行旋转和裁切文件，形成统一标准；

所述灰度化处理模块用于将彩色图像转换为灰度图像，以加快处理速度；

所述直方图均衡化模块用于调整图像的灰度分布，改善图形质量；

所述加权值滤波模块用于去除图像中的干扰噪声；

所述特征提取模块用于提取人脸图像中的特性数据。

作为优选，所述图像导入模块包括USB导入模块和摄像头拍照模块，所述USB导入模块用于通过USB结构将人脸图像数据从数据线传输至所述图像处理系统内，所述摄像头拍照模块用于通过所述人脸采集装置采集人脸图形并传输至所述图像处理系统内。

作为优选，所述样本训练模块包括采集样本模块、建立样本说明文件模块、创建vec 文件模块和训练图像模块；

所述采集样本模块利用样本的harr特征进行分类器训练，得到一个级联的boosted 分类器；

所述建立样本说明文件模块用于建立pos.txt文件，并备注图片出现的次数和名称；

所述创建vec文件模块使用opencv自带程序opencv_createsamples.exe建立vec文件；

所述训练图像模块用于使用opencv_haartraining.exe进行图像训练。

作为优选，所述采集样本模块包括正样本采集模块和负样本采集模块，所述正样本采集模块用于采集待检测目标的图像，所述负样本采集模块用于采集不含待检测目标的图像。

作为优选，所述人脸识别模块包括特征选取模块、人脸匹配模块、阈值判断模块和人脸对应模块；

所述特征选取模块用于选取人脸图像中的特征数据；

所述人脸匹配模块将选取的特征数据和采集的人脸数据进行对比和匹配；

所述阈值判断模块用于设定阈值，判断待识别的人脸图像是否是采集过的人脸图像；

所述人脸对应模块用于将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像。

作为优选，所述人脸匹配模块包括主成分分析模块、协方差分析模块、特征值计算模块、特征矩阵建立模块和投射矩阵建立模块，所述主成分分析模块用于通过主成分分析法将高维数据投影到较低维空间，减少运算量，所述协方差分析模块用于反映变量之间的相关性，所述特征值计算模块用于计算对应特征向量的数值，所述特征矩阵建立模块用于建立特征矩阵，所述投射矩阵建立模块用于建立投影矩阵。

作为优选，所述阈值判断模块可为像素差绝对值模块、像素差平方和模块或图像协方差模块。

作为优选，一种人脸识别方法，包括上述任意一项所述的人脸识别装置，其操作步骤如下：

S1、采集人脸图像：通过图像导入模块将采集的人脸图像导入图像处理系统内，通过几何处理模块将导入的人脸图像进行定位，通过几何归一化模块将定位后的人脸图形进行旋转和裁切文件，形成统一标准，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，通过特征提取模块提取人脸图像中的特性数据；

S2、训练人脸图像：利用样本的harr特征进行分类器训练，得到一个级联的boosted 分类器，同时建立pos.txt文件，并备注图片出现的次数和名称，再通过opencv自带程序opencv_createsamples.exe建立vec文件，最后使用opencv_haartraining.exe进行图像训练；

S3、识别人脸图像：通过特征选取模块选取人脸图像中的特征数据，并选取的特征数据和采集的人脸数据进行对比和匹配，通过阈值判断模块设定阈值，判断待识别的人脸图像是否是采集过的人脸图像，再将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像。

与现有技术相比，本发明的有益效果：

1、该人脸识别装置及方法中，通过设置图像采集模块对人脸的图像进行采集，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，使得图像特征提取准确，提高识别精准度。

2、该人脸识别装置及方法中，通过设置的人脸识别模块对采集的人脸图像和提取特征信息匹配，并设置阈值判断模块断待识别的人脸图像是否是采集过的人脸图像，降低判别错误概率，提高识别准确性。

附图说明

图1为本发明的整体结构示意图；

图2为本发明的图像处理系统模块图；

图3为本发明的图像采集模块示意图；

图4为本发明的图像导入模块示意图；

图5为本发明的样本训练模块示意图；

图6为本发明的采集样本模块示意图；

图7为本发明的人脸识别模块示意图；

图8为本发明的人脸匹配模块示意图；

图9为本发明的阈值判断模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

一方面，本发明提供一种人脸识别装置，如图1和图2所示，包括用于采集人脸图像的人脸采集装置以及用于对采集的人脸图像进行处理的图像处理系统，图像处理系统包括有图像采集模块、样本训练模块和人脸识别模块，图像采集模块用于对人脸的图像进行采集，样本训练模块用于对采集的人脸图像进行处理，并提取特性信息，人脸识别模块用于对采集的人脸图像和提取特征信息匹配，并完成人脸识别。

本实施例中，人脸采集装置基于图像传感器CCD设计，图像传感器CCD又称电荷祸合元件，是一种半导体器件，可以将光学影像转化为数字信号，将获取的用户图像信号通过传感器转换成为计算机认可的数字信号，实现图像的存储、传输、处理和显示。

进一步的，图像处理系统基于Ubuntu操作系统设计，Ubuntu是基于Debian之上，建立的一个可以为窗口界面和服务器系统提供精练软件包的Linux操作系统，它具有强大的管理系统，操作简单安全，安装或删除彻底干净，它剔除了大多数Linux操作系统发行版中附带的大量可用可不用的软件，只保留那些最为核心的程序段和高质量的应用程序，Ubuntu提供了一个健壮的、功能丰富的计算机系统运行环境，既适合个人使用，又适用于商业开发环境，Ubuntu支持各种架构，包括i386系列、Pentium系列、 Athlon/Duron/Sempron处理器、AMD64系列及PowerPC系列等。

值得说明的是，图像处理系统微处理器MPU可采用三星公司的基于ARM920T内核的S3C2440A芯片，用于集成设计程序。

实施例2

作为本发明第二种实施例，为了便于对人脸的图像进行采集，本发明人员对图像采集模块作出改进，作为一种优选实施例，如图3-图4所示，图像采集模块包括图像导入模块、几何处理模块、几何归一化模块、灰度化处理模块、直方图均衡化模块、加权值滤波模块和特征提取模块，图像导入模块用于将采集的人脸图像导入图像处理系统内，几何处理模块用于将导入的人脸图像进行定位，几何归一化模块用于将定位后的人脸图形进行旋转和裁切文件，形成统一标准，灰度化处理模块用于将彩色图像转换为灰度图像，以加快处理速度，直方图均衡化模块用于调整图像的灰度分布，改善图形质量，加权值滤波模块用于去除图像中的干扰噪声，特征提取模块用于提取人脸图像中的特性数据，图像导入模块包括USB导入模块和摄像头拍照模块，USB导入模块用于通过USB结构将人脸图像数据从数据线传输至图像处理系统内，摄像头拍照模块用于通过人脸采集装置采集人脸图形并传输至图像处理系统内。

本实施例中，灰度化处理模块基于Matlab仿真软件进行灰度化处理，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫做灰度值，采用加权平均法，根据重要性及其它指标，将三个分量以不同的权值进行加权平均，其公式如下：

f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

进一步的，直方图均衡化模块算法步骤如下：

1).给出原始图像的所有灰度级S_k(k＝0,1,…,L-1)；

2).统计原始图像各灰度级的像素数n_k；

3).根据原图像，计算灰度直方图：

4).计算原始图像的累积直方图：

5).取整计算：

6).确定映射关系：

S_k→U_k

7).统计新直方图各灰度级U_k的像素数目n_k；

8).计算新的直方图：

具体的，加权值滤波模块原理是对连续N次采样值分别乘上不同的加权系数之后再求累加，加权系数一般先小后大，以突出后面若干采样的效果，加强系统对参数变化趋势的认识，各个加权系数均小于1的小数，且满足总和等于1的结束条件，这样加权运算之后的累加和即为有效采样值，其中加权平均数字滤波的数学模型是：

式中：D为N个采样值的加权平均值：XN-i为第N-i次采样值；N为采样次数，Ci为加权系数，加权系数Ci体现了各种采样值在平均值中所占的比例，一般来说采样次数越靠后，取的比例越大，这样可增加新采样在平均值中所占的比重，加权平均值滤波法可突出一部分信号抵制另一部分信号，以提高采样值变化的灵敏度。

本实施例的人脸识别装置在进行人脸图像进行采集时，通过图像导入模块将采集的人脸图像导入图像处理系统内，通过几何处理模块将导入的人脸图像进行定位，通过几何归一化模块将定位后的人脸图形进行旋转和裁切文件，形成统一标准，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，通过特征提取模块提取人脸图像中的特性数据。

实施例3

作为本发明第三种实施例，为了便于对采集的人脸图像进行处理，并提取特性信息，本发明人员对图像采集模块作出改进，作为一种优选实施例，如图5-图6所示，样本训练模块包括采集样本模块、建立样本说明文件模块、创建vec文件模块和训练图像模块，采集样本模块利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器，建立样本说明文件模块用于建立pos.txt文件，并备注图片出现的次数和名称，创建vec文件模块使用opencv自带程序opencv_createsamples.exe建立vec文件，训练图像模块用于使用opencv_haartraining.exe进行图像训练，采集样本模块包括正样本采集模块和负样本采集模块，正样本采集模块用于采集待检测目标的图像，负样本采集模块用于采集不含待检测目标的图像。

本实施例中，创建vec文件模块步骤为：在cmd下,首先进入当前文件夹目录，输入如下命令：

opencv_createsamples.exe-vec pos.vec-info pos\pos.txt-bg neg\neg.txt-w 40-h 40-num 14

指令含义为：-vec<输出文件的文件名>，-info<源图片的图片名>，-bg<背景图像的图像名>，-num<要产生的样本的数量>，-w<样本图像的宽>，-h<样本图像的高>。

进一步的，训练图像模块使用opencv_haartraining.exe进行训练，步骤为：在cmd下输入如下指令：

opencv_haartraining.exe-data xml-vec pos.vec-bg neg\neg.txt-w 40-h 40-mem 500

指令含义为：-data<训练好的xml文件的存放路径>，-vec<正样本文件名>，-bg<背景描述文件名>，-w<样本图像的宽>，-h<样本图像的高>，-mem<分配的内存大小>单位为MB。

本实施例的人脸识别装置在进行人脸图像训练时，利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器，同时建立pos.txt文件，并备注图片出现的次数和名称，再通过opencv自带程序opencv_createsamples.exe建立vec文件，最后使用 opencv_haartraining.exe进行图像训练。

实施例4

作为本发明第四种实施例，为了便于对对采集的人脸图像和提取特征信息匹配，本发明人员对人脸识别模块作出改进，作为一种优选实施例，如图7-图8所示，人脸识别模块包括特征选取模块、人脸匹配模块、阈值判断模块和人脸对应模块，特征选取模块用于选取人脸图像中的特征数据，人脸匹配模块将选取的特征数据和采集的人脸数据进行对比和匹配，阈值判断模块用于设定阈值，判断待识别的人脸图像是否是采集过的人脸图像，人脸对应模块用于将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像，人脸匹配模块包括主成分分析模块、协方差分析模块、特征值计算模块、特征矩阵建立模块和投射矩阵建立模块，主成分分析模块用于通过主成分分析法将高维数据投影到较低维空间，减少运算量，协方差分析模块用于反映变量之间的相关性，特征值计算模块用于计算对应特征向量的数值，特征矩阵建立模块用于建立特征矩阵，投射矩阵建立模块用于建立投影矩阵。

本实施例中，主成分分析模块算法如下：假如A是一个n行k列的矩阵，求出矩阵A的协方差矩阵C，C的计算表达式如下：

式中u＝E(x),是每列向量的期望值，这里指每列向量的平均值，协方差矩阵中的每一个元素是表示的随机向量X的不同分量之间的协方差，如元素Cij就是反映的随机变量Xi, Xj的协方差，协方差反映的是变量之间的相关性，如果协方差小，则两个变量之间的相关性就小。

特征值计算模块选取前q(q<k)个最大的特征值，然后求出这q个特征值对应的特征向量，因为特征值越大，表示矩阵在对应特征向量上的“信号”越强，或者说在该特征向量方向上的特征越多。

特征矩阵建立模块为q个特征向量组合成一个q*k的矩阵。

投射矩阵建立模块将矩阵A乘特征矩阵就可以得到一个新的n*q的投影矩阵，我该n*q 的投影矩阵来“代表”样本矩阵A(n*k)，从而实现了降维。

本实施例中人脸识别装置在进行人脸图像识别时，通过特征选取模块选取人脸图像中的特征数据，并选取的特征数据和采集的人脸数据进行对比和匹配，通过阈值判断模块设定阈值，判断待识别的人脸图像是否是采集过的人脸图像，再将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像。

实施例5

如图9所示，阈值判断模块可为像素差绝对值模块、像素差平方和模块或图像协方差模块。

本实施例中，像素差绝对值模块计算公式如下：

进一步的，像素差平方和模块计算公式如下：

具体的，图像协方差模块先将两张图片归一化，然后求协方差，图像A和图像B的协方差计算如下：

另一方面，本发明还提供了一种人脸识别方法，包括上述任意一项所述的人脸识别装置，其操作步骤如下：

S1、采集人脸图像：通过图像导入模块将采集的人脸图像导入图像处理系统内，通过几何处理模块将导入的人脸图像进行定位，通过几何归一化模块将定位后的人脸图形进行旋转和裁切文件，形成统一标准，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，通过特征提取模块提取人脸图像中的特性数据；

S2、训练人脸图像：利用样本的harr特征进行分类器训练，得到一个级联的boosted 分类器，同时建立pos.txt文件，并备注图片出现的次数和名称，再通过opencv自带程序opencv_createsamples.exe建立vec文件，最后使用opencv_haartraining.exe进行图像训练；

S3、识别人脸图像：通过特征选取模块选取人脸图像中的特征数据，并选取的特征数据和采集的人脸数据进行对比和匹配，通过阈值判断模块设定阈值，判断待识别的人脸图像是否是采集过的人脸图像，再将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种人脸识别装置，采用的人脸识别装置包括用于采集人脸图像的人脸采集装置以及用于对采集的人脸图像进行处理的图像处理系统，其特征在于：

所述图像处理系统包括有图像采集模块、样本训练模块和人脸识别模块，所述图像采集模块用于对人脸的图像进行采集，所述样本训练模块用于对采集的人脸图像进行处理，并提取特性信息，所述人脸识别模块用于对采集的人脸图像和提取特征信息匹配，并完成人脸识别；其中：

所述图像采集模块包括图像导入模块、几何处理模块、几何归一化模块、灰度化处理模块、直方图均衡化模块、加权值滤波模块和特征提取模块；所述图像导入模块用于将采集的人脸图像导入所述图像处理系统内；所述几何处理模块用于将导入的人脸图像进行定位；所述几何归一化模块用于将定位后的人脸图形进行旋转和裁切文件，形成统一标准；所述灰度化处理模块用于将彩色图像转换为灰度图像，以加快处理速度；所述直方图均衡化模块用于调整图像的灰度分布，改善图形质量；所述加权值滤波模块用于去除图像中的干扰噪声；所述特征提取模块用于提取人脸图像中的特性数据；所述图像导入模块包括USB导入模块和摄像头拍照模块，所述USB导入模块用于通过USB结构将人脸图像数据从数据线传输至所述图像处理系统内，所述摄像头拍照模块用于通过所述人脸采集装置采集人脸图形并传输至所述图像处理系统内；

所述样本训练模块包括采集样本模块、建立样本说明文件模块、创建vec文件模块和训练图像模块；所述采集样本模块利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器；所述建立样本说明文件模块用于建立pos.txt文件，并备注图片出现的次数和名称；所述创建vec文件模块使用opencv自带程序opencv_createsamples.exe建立vec文件；所述训练图像模块用于使用opencv_haartraining.exe进行图像训练；所述采集样本模块包括正样本采集模块和负样本采集模块，所述正样本采集模块用于采集待检测目标的图像，所述负样本采集模块用于采集不含待检测目标的图像；

所述人脸识别模块包括特征选取模块、人脸匹配模块、阈值判断模块和人脸对应模块；所述特征选取模块用于选取人脸图像中的特征数据；所述人脸匹配模块将选取的特征数据和采集的人脸数据进行对比和匹配；所述阈值判断模块用于设定阈值，判断待识别的人脸图像是否是采集过的人脸图像；所述人脸对应模块用于将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像；所述人脸匹配模块包括主成分分析模块、协方差分析模块、特征值计算模块、特征矩阵建立模块和投射矩阵建立模块，所述主成分分析模块用于通过主成分分析法将高维数据投影到低维空间，减少运算量，所述协方差分析模块用于反映变量之间的相关性，所述特征值计算模块用于计算对应特征向量的数值，所述特征矩阵建立模块用于建立特征矩阵，所述投射矩阵建立模块用于建立投影矩阵；所述阈值判断模块为像素差绝对值模块、像素差平方和模块或图像协方差模块；

基于上述的人脸识别装置的一种人脸识别方法具体操作步骤如下：

S1、采集人脸图像：通过图像导入模块将采集的人脸图像导入图像处理系统内，通过几何处理模块将导入的人脸图像进行定位，通过几何归一化模块将定位后的人脸图形进行旋转和裁切文件，形成统一标准，通过灰度化处理模块将彩色图像转换为灰度图像，以加快处理速度，通过直方图均衡化模块调整图像的灰度分布，改善图形质量，通过加权值滤波模块去除图像中的干扰噪声，通过特征提取模块提取人脸图像中的特性数据；

S2、训练人脸图像：利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器，同时建立pos.txt文件，并备注图片出现的次数和名称，再通过opencv自带程序opencv_createsamples.exe建立vec文件，最后使用opencv_haartraining.exe进行图像训练；

S3、识别人脸图像：通过特征选取模块选取人脸图像中的特征数据，并选取的特征数据和采集的人脸数据进行对比和匹配，通过阈值判断模块设定阈值，判断待识别的人脸图像是否是采集过的人脸图像，再将待识别的人脸图像和集过的人脸图像进行对应，并输出人脸图像。

Images