一種人臉識別方法及裝置制造方法
【專利摘要】本申請公開了一種人臉識別方法及裝置，所述方法包括獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)，依據(jù)梯度數(shù)據(jù)中的梯度幅度值，獲取每個像素點的鄰域內(nèi)每個梯度方向值對應的累加幅度值；依據(jù)每個累加幅度值，獲取待測人臉圖像在每個梯度方向值上各自對應的累加幅度圖；依據(jù)累加幅度圖，獲取待測人臉圖像的紋理匹配特征；對紋理匹配特征進行分類，得到待測人臉圖像的人臉類別信息。相對于現(xiàn)有方案中僅將局部方向信息作為識別計算基礎(chǔ)導致人臉識別準確率低的情況，本申請?zhí)崛〉亩ㄏ蚍堤卣鞒浞滞ㄟ^像素點在不同梯度方向上的幅度值與周圍鄰域幅度值進行計算獲得，進而進行人臉識別得到人臉類別信息，提高了人臉識別的準確率。
【專利說明】一種人臉識別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本申請涉及計算機應用【技術(shù)領(lǐng)域】，特別涉及一種人臉識別方法及裝置。
【背景技術(shù)】
[0002]人臉識別是指，對待測圖片中的人臉進行識別得到該人臉類別或標識，即為，通過將待測圖片的人臉圖像與具有已知人臉類別或標識的目標人臉圖像進行特征匹配，得到待測人臉圖像的類別或標識。
[0003]目前，常見的基于梯度信息的人臉識別方法，主要是基于HOG(梯度直方圖)的人臉識別方法，即為:將待測人臉圖像分成無重疊的若干個網(wǎng)格Block，每個Block分成若干個小塊Cell，然后在每個Block上以Cell為單位計算梯度方向和幅值，在每個Block內(nèi)再對每一個Cell統(tǒng)計梯度方向直方圖,然后將Block內(nèi)各Cell的直方圖連成一個向量,再對每一個塊的直方圖向量進行歸一化，之后，將所有歸一化后的直方圖向量串聯(lián)用于表示人臉HOG特征，進而測量不同人臉特征間的距離，并用最近鄰分類器識別人臉，最終得到待測人臉的類別信息。
[0004]但是，上述基于HOG的方案中僅僅將局部的方向信息作為識別計算基礎(chǔ)，且用于匹配分類的HOG特征僅僅是對局部區(qū)域內(nèi)分布在不同方向上像素點個數(shù)的簡單統(tǒng)計，因此，該方案進行人臉識別的準確率較低。

【發(fā)明內(nèi)容】

[0005]本申請所要解決的技術(shù)問題是提供一種人臉識別方法及裝置，用以解決現(xiàn)有技術(shù)中基于HOG的人臉識別方案中，僅將局部的方向信息作為識別計算基礎(chǔ)，且其進行匹配分類的HOG特征僅僅是對局部區(qū)域內(nèi)分布在不同方向上像素點個數(shù)的簡單統(tǒng)計，使得該方案進行人臉識別準確率較低的技術(shù)問題。
[0006]本申請?zhí)峁┝艘环N人臉識別方法，包括:
[0007]獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)，所述梯度數(shù)據(jù)包括梯度方向值和梯度幅度值；
[0008]依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值；
[0009]依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖；
[0010]依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征；
[0011]對所述紋理匹配特征進行分類，得到所述待測人臉圖像的人臉類別信息。
[0012]上述方法，優(yōu)選的，在所述獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)之后，在所述獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值之前，所述方法還包括:
[0013]對每個所述像素點的梯度方向值進行N區(qū)間的量化操作，得到每個所述像素點的梯度方向值對應的方向量化區(qū)間值，其中，N大于或等于2 ；
[0014]其中，所述依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值，包括:
[0015]在每個所述像素點的鄰域內(nèi)，對具有相同方向量化區(qū)間值的像素點的梯度幅度值進行累加，得到每個所述像素點的鄰域內(nèi)N個所述方向量化區(qū)間值各自對應的累加幅度值。
[0016]上述方法，優(yōu)選的，所述依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖，包括:
[0017]在所述待測人臉圖像中，對每個所述像素點對應的N個累加幅度值依據(jù)其各自的方向量化區(qū)間值進行分解；
[0018]將同一方向量化區(qū)間值對應的每個所述像素點的累加幅度值進行組合，得到每個所述方向量化區(qū)間值各自對應的累加幅度圖。
[0019]上述方法，優(yōu)選的，所述依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征，包括:
[0020]利用局部二值模式LBP，獲取每幅所述累加幅度圖各自對應的LBP紋理圖；
[0021]分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征。
[0022]上述方法，優(yōu)選的，所述分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征，包括:
[0023]分別將每幅所述LBP紋理圖劃分為至少一個紋理圖塊；
[0024]提取每個所述紋理圖塊的直方圖特征；
[0025]將每個所述紋理圖塊對應的直方圖特征進行串聯(lián)組合，得到所述待測人臉圖像的紋理匹配特征。
[0026]本申請還提供了一種人臉識別裝置，包括:
[0027]梯度數(shù)據(jù)獲取單元，用于獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)，所述梯度數(shù)據(jù)包括梯度方向值和梯度幅度值；
[0028]累加幅度值獲取單元，用于依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值；
[0029]累加幅度圖獲取單元，用于依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖；
[0030]匹配特征獲取單元，用于依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征；
[0031]類別信息獲取單元，用于對所述紋理匹配特征進行分類，得到所述待測人臉圖像的人臉類別信息。
[0032]上述裝置，優(yōu)選的，還包括:
[0033]梯度方向量化單元，用于在所述梯度數(shù)據(jù)獲取單元獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)之后，在所述累加幅度值獲取單元獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值之前，對每個所述像素點的梯度方向值進行N區(qū)間的量化操作，得到每個所述像素點的梯度方向值對應的方向量化區(qū)間值，其中，N大于或等于2 ；[0034]其中，所述累加幅度值獲取單元具體用于:
[0035]對每個所述像素點的鄰域內(nèi)，對具有相同方向量化區(qū)間值的像素點的梯度幅度值進行累加，得到每個所述像素點的鄰域內(nèi)N個所述方向量化區(qū)間值各自對應的累加幅度值。
[0036]上述裝置，優(yōu)選的，所述累加幅度圖獲取單元，包括:
[0037]累加幅度值分解子單元，用于在所述待測人臉圖像中，對每個所述像素點對應的N個累加幅度值依據(jù)其各自的方向量化區(qū)間值進行分解；
[0038]累加幅度圖組合子單元，用于將同一方向量化區(qū)間值對應的每個所述像素點的累加幅度值進行組合，得到每個所述方向量化區(qū)間值各自對應的累加幅度圖。
[0039]上述裝置，優(yōu)選的，所述匹配特征獲取單元，包括:
[0040]紋理圖獲取子單元，用于利用局部二值模式LBP，獲取每幅所述累加幅度圖各自對應的LBP紋理圖；
[0041]紋理圖操作獲取子單元，用于分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征。
[0042]上述裝置，優(yōu)選的，所述紋理圖操作獲取子單元，包括:
[0043]紋理圖分塊模塊，用于分別將每幅所述LBP紋理圖劃分為至少一個紋理圖塊；
[0044]特征提取模塊，用于提取每個所述紋理圖塊的直方圖特征；
[0045]特征組合模塊，用于將每個所述紋理圖塊對應的直方圖特征進行串聯(lián)組合，得到所述待測人臉圖像的紋理匹配特征。
[0046]由上述方案可知，本申請?zhí)峁┑囊环N人臉識別方法及裝置，通過獲取待測人臉圖像中每個像素點的梯度方向值和梯度幅度值，在利用梯度方向值和梯度幅度值獲取待測人臉圖像中每個像素點鄰域內(nèi)每個梯度方向值對應的累加幅度值，進而獲取到所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖，進而獲取到待測人臉圖像的紋理匹配特征，從而對紋理匹配特征進行分類，得到人臉類別信息。相對于現(xiàn)有的HOG方案中僅將局部方向信息作為識別計算基礎(chǔ)，且用于匹配分類的HOG特征僅僅是對局部區(qū)域內(nèi)分布在不同方向上像素點個數(shù)的簡單統(tǒng)計，導致人臉識別準確率低的情況，本申請?zhí)崛〉亩ㄏ蚍堤卣鞒浞滞ㄟ^像素點在不同梯度方向上的幅度值與周圍鄰域幅度值進行計算獲得，進而進行人臉圖像的識別，得到人臉類別信息，提高了人臉識別的準確率。
【專利附圖】

【附圖說明】
[0047]為了更清楚地說明本申請實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0048]圖1為本申請?zhí)峁┑囊环N人臉識別方法實施例一的流程圖；
[0049]圖2為本申請實施例一的應用示例圖；
[0050]圖3為本申請?zhí)峁┑囊环N人臉識別方法實施例二的流程圖；
[0051]圖4為本申請實施例二的應用示例圖；
[0052]圖5為本申請?zhí)峁┑囊环N人臉識別方法實施例二的部分流程圖；[0053]圖6為本申請?zhí)峁┑囊环N人臉識別方法實施例三的部分流程圖；
[0054]圖7為本申請的應用流程圖；
[0055]圖8為本申請?zhí)峁┑囊环N人臉識別裝置實施例四的結(jié)構(gòu)示意圖；
[0056]圖9為本申請?zhí)峁┑囊环N人臉識別裝置實施例五的結(jié)構(gòu)示意圖；
[0057]圖10為本申請?zhí)峁┑囊环N人臉識別裝置實施例五的部分結(jié)構(gòu)示意圖；
[0058]圖11為本申請?zhí)峁┑囊环N人臉識別裝置實施例六的部分結(jié)構(gòu)示意圖；
[0059]圖12為本申請實施例六的另一部分結(jié)構(gòu)示意圖。
【具體實施方式】[0060]下面將結(jié)合本申請實施例中的附圖,對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，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，都屬于本申請保護的范圍。
[0061]目前，大多數(shù)識別效果較好的人臉識別系統(tǒng)均需要在識別前對待測人臉圖像進行各種預處理操作，例如，需要首先對待測人臉圖像進行各種形式的濾波處理，然后進行特征提取，或者需要預先對提取特征進行進一步學習，但是，對圖像進行濾波處理時不僅會增加系統(tǒng)的計算復雜度，同時會使得系統(tǒng)識別速度較慢，效率較低，而基于學習的人臉識別方案中，往往需要大量的訓練數(shù)據(jù)且最終的識別結(jié)果往往依賴于訓練數(shù)據(jù)的分布情況，因而子實際應用中往往遇到推廣型的問題。
[0062]如前文【背景技術(shù)】部分所提及，利用梯度信息進行人臉識別的方法如鯽魚HOG的人臉識別方法僅考慮了圖像的局部梯度直方圖信息，因而識別準確率較低，識別效果不夠理
本巨
ο
[0063]以下為基于HOG的人臉識別方案的具體實現(xiàn)步驟:
[0064]1、將人臉分成無重疊的若干個網(wǎng)格，此時的每個網(wǎng)格稱為Block。
[0065]2、將每個Block分成若干個小塊，每一個小塊稱為一個Ce 11,之后在每個Block上以Cell為單位計算梯度方向和幅值。其中，為了避免邊緣問題，實際做法往往是先對整個人臉求一次梯度方向和幅值。
[0066]3、在每個Block內(nèi)對每一個Cell統(tǒng)計梯度方向直方圖。需要說明的是，HOG算法中沒有計算高斯加權(quán)范圍，因而Cell內(nèi)相同的梯度幅值都按照權(quán)值為I相加。之后，將Block內(nèi)各Cell的直方圖連成一個向量。
[0067]4、對每一個塊的直方圖向量進行歸一化。
[0068]5、將所有歸一化后的直方圖向量串聯(lián)用于表不人臉HOG特征。
[0069]6、測量不同人臉特征間的距離，并用最近鄰分類器識別人臉。
[0070]上述基于HOG的方案僅僅考慮了局部的梯度方向信息，而并未對梯度的幅度信息加以利用計算，而且用于匹配分類的HOG特征僅僅是對局部區(qū)域內(nèi)分布在不同方向區(qū)間的像素點個數(shù)的簡單統(tǒng)計，忽略了像素點的幅度或與其周圍鄰域內(nèi)像素點的幅度或方向之間的聯(lián)系，因而基于HOG特征的人臉識別方案對人臉的區(qū)分能力有限，準確率較低。
[0071]參考圖1，為本申請?zhí)峁┑囊环N人臉識別方法實施例一的流程圖，所述方法可以包括以下步驟:[0072]步驟101 :獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)。
[0073]其中，所述梯度數(shù)據(jù)包括其所屬像素點的梯度方向值和梯度幅度值。所述待測人臉圖像中每個像素點的梯度方向值組成該待測人臉圖像的梯度方向圖，每個所述像素點的梯度幅度值組成該待測人臉圖像的梯度幅度圖。
[0074]在具體實現(xiàn)中，所述步驟101可以通過以下方式具體實現(xiàn)：
[0075]利用以下公式（I)獲取待測人臉圖像中每個所述像素點的梯度方向值，井利用以
下公式（2)獲取待測人臉圖像中每個所述像素點的梯度幅度值。
[0076]
【權(quán)利要求】
1.一種人臉識別方法，其特征在于，包括: 獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)，所述梯度數(shù)據(jù)包括梯度方向值和梯度幅度值； 依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值； 依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖； 依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征； 對所述紋理匹配特征進行分類，得到所述待測人臉圖像的人臉類別信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)之后，在所述獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值之前，所述方法還包括: 對每個所述像素點的梯度方向值進行N區(qū)間的量化操作，得到每個所述像素點的梯度方向值對應的方向量化區(qū)間值，其中，N大于或等于2 ; 其中，所述依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值，包括: 在每個所述像素點 的鄰域內(nèi)，對具有相同方向量化區(qū)間值的像素點的梯度幅度值進行累加，得到每個所述像素點的鄰域內(nèi)N個所述方向量化區(qū)間值各自對應的累加幅度值。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖，包括: 在所述待測人臉圖像中，對每個所述像素點對應的N個累加幅度值依據(jù)其各自的方向量化區(qū)間值進行分解； 將同一方向量化區(qū)間值對應的每個所述像素點的累加幅度值進行組合，得到每個所述方向量化區(qū)間值各自對應的累加幅度圖。
4.根據(jù)權(quán)利要求1或3所述的方法，其特征在于，所述依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征，包括: 利用局部二值模式LBP，獲取每幅所述累加幅度圖各自對應的LBP紋理圖； 分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征，包括: 分別將每幅所述LBP紋理圖劃分為至少一個紋理圖塊； 提取每個所述紋理圖塊的直方圖特征； 將每個所述紋理圖塊對應的直方圖特征進行串聯(lián)組合，得到所述待測人臉圖像的紋理匹配特征。
6.一種人臉識別裝置，其特征在于，包括: 梯度數(shù)據(jù)獲取單元，用于獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)，所述梯度數(shù)據(jù)包括梯度方向值和梯度幅度值； 累加幅度值獲取單元，用于依據(jù)所述梯度幅度值，獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值； 累加幅度圖獲取單元，用于依據(jù)每個所述累加幅度值，獲取所述待測人臉圖像在每個所述梯度方向值上各自對應的累加幅度圖； 匹配特征獲取單元，用于依據(jù)所述累加幅度圖，獲取所述待測人臉圖像的紋理匹配特征； 類別信息獲取單元，用于對所述紋理匹配特征進行分類，得到所述待測人臉圖像的人臉類別信息。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括: 梯度方向量化單元，用于在所述梯度數(shù)據(jù)獲取單元獲取待測人臉圖像中每個像素點的梯度數(shù)據(jù)之后，在所述累加幅度值獲取單元獲取每個所述像素點的鄰域內(nèi)每個所述梯度方向值對應的累加幅度值之前，對每個所述像素點的梯度方向值進行N區(qū)間的量化操作，得到每個所述像素點的梯度方向值對應的方向量化區(qū)間值，其中，N大于或等于2 ； 其中，所述累加幅度值獲取單元具體用于: 對每個所述像素點的鄰域內(nèi)，對具有相同方向量化區(qū)間值的像素點的梯度幅度值進行累加，得到每個所述像素點的鄰域內(nèi)N個所述方向量化區(qū)間值各自對應的累加幅度值。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述累加幅度圖獲取單元，包括: 累加幅度值分解子單元，用于在所述待測人臉圖像中，對每個所述像素點對應的N個累加幅度值依據(jù)其各自的方向量化區(qū)間值進行分解； 累加幅度圖組合子單元，用于將同一方向量化區(qū)間值對應的每個所述像素點的累加幅度值進行組合，得到每個所述方向量化區(qū)間值各自對應的累加幅度圖。
9.根據(jù)權(quán)利要求6或8所述的裝置，其特征在于，所述匹配特征獲取單元，包括: 紋理圖獲取子單元，用于利用局部二值模式LBP，獲取每幅所述累加幅度圖各自對應的LBP紋理圖； 紋理圖操作獲取子單元，用于分別對每幅所述LBP紋理圖進行特征提取操作，生成所述待測人臉圖像的紋理匹配特征。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述紋理圖操作獲取子單元，包括: 紋理圖分塊模塊，用于分別將每幅所述LBP紋理圖劃分為至少一個紋理圖塊； 特征提取模塊，用于提取每個所述紋理圖塊的直方圖特征； 特征組合模塊，用于將每個所述紋理圖塊對應的直方圖特征進行串聯(lián)組合，得到所述待測人臉圖像的紋理匹配特征。
【文檔編號】G06K9/46GK103544488SQ201310551496
【公開日】2014年1月29日 申請日期:2013年11月7日 優(yōu)先權(quán)日:2013年11月7日
【發(fā)明者】吳希賢 申請人:湖南創(chuàng)合制造有限公司