本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，具體而言，涉及一種分布式人臉識別方法、裝置及系統(tǒng)。

背景技術(shù)：

人臉識別是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)；其通常是基于計算機(jī)技術(shù)實(shí)現(xiàn)的，即通過計算機(jī)技術(shù)獲取人臉特征信息，并對該人臉特征信息進(jìn)行分析比較，以根據(jù)比較結(jié)果進(jìn)行身份鑒別。而隨著計算機(jī)技術(shù)的發(fā)展，人臉識別的科學(xué)價值越來越凸顯，尤其在數(shù)字圖像處理方面有著廣泛的應(yīng)用。

隨著3D虛擬試衣技術(shù)的發(fā)展，上述人臉識別是3D虛擬試衣技術(shù)中的重要組成部分。常用的是3D虛擬試衣系統(tǒng)，系統(tǒng)在使用前，是通過獲取用戶的人臉圖像來進(jìn)行人臉識別，以完成用戶的身份驗(yàn)證，當(dāng)用戶身份驗(yàn)證通過時，用戶即可使用該3D虛擬試衣系統(tǒng)，通過該3D虛擬試衣系統(tǒng)中的人體模型對試穿服裝進(jìn)行展示，以供用戶查看展示效果。

但是，現(xiàn)有技術(shù)中的3D虛擬試衣系統(tǒng)，在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，以進(jìn)行關(guān)鍵信息的提取，但是這對各個種族的人臉采樣需要基數(shù)較大，成本較高。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例的目的在于提供一種分布式人臉識別方法、裝置及系統(tǒng)，以使整個識別過程控制簡單且降低整個過程的投入成本。

第一方面，本發(fā)明實(shí)施例提供了一種分布式人臉識別方法，所述方法包括：

獲取用戶的原始人臉圖像；

將所述原始人臉圖像處理成人臉灰度圖像；

對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征；所述預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征；

根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征，包括：

采用傅里葉變換的方法提取所述人臉灰度圖像中的圖像特征點(diǎn)；

采用小波變換的方法對所述圖像特征點(diǎn)進(jìn)行小波變換處理，得到所述預(yù)設(shè)圖像特征。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果，包括：

分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值；其中，每一個注冊用戶對應(yīng)的標(biāo)準(zhǔn)人臉圖像均預(yù)先存儲在對應(yīng)的圖像數(shù)據(jù)庫中；

判斷計算得到的所述相似度值是否滿足標(biāo)準(zhǔn)閾值；

在所述相似度值滿足所述標(biāo)準(zhǔn)閾值時，判定所述人臉圖像識別通過。

結(jié)合第一方面的第一種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所述采用傅里葉變換的方法提取所述人臉灰度圖像中的圖像特征點(diǎn)，包括：

采用Gabor濾波器提取所述人臉灰度圖像中的圖像特征點(diǎn)；其中，所述Gabor濾波器為：Key_(n)＝{P₁,P₂,P₃.......P_n}；其中，key表示人臉灰度圖像中的圖像特征點(diǎn)；n表示圖像特征點(diǎn)的個數(shù)；v表示為Gabor核的尺度；u表示Gabor核的方向；exp()表示為包絡(luò)函數(shù)，用于限定振蕩函數(shù)的變化范圍；補(bǔ)償能量衰弱的系數(shù)；σ表示為高斯半徑。

結(jié)合第一方面的第二種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，所述分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值，包括：

采用幅值度量的方法分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值：其中，S_α為匹配幅度值，取值范圍是[0,1]；(J,J')表示匹配模板特征點(diǎn)與匹配點(diǎn)；(α_j,α'_j)表示匹配模板與匹配點(diǎn)同一尺度相位的特征值。

結(jié)合第一方面的第二種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第一方面的第五種可能的實(shí)施方式，其中，所述分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值，包括：

采用相位度量的方法分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值：其中，S_φ表示相位匹配值，取值范圍是[0,1]；(J,J')表示匹配模板特征點(diǎn)與匹配點(diǎn)；(α_j,α'_j)表示匹配模板與匹配點(diǎn)同一尺度相位的特征值；(φ_j,φ_j')表示前后相位值；表示相位變化；表示原位置；表示位置變化；變換后系數(shù)。

第二方面，本發(fā)明實(shí)施例還提供了一種分布式人臉識別裝置，所述裝置包括：

獲取模塊，用于獲取用戶的原始人臉圖像；

灰度圖像處理模塊，用于將所述原始人臉圖像處理成人臉灰度圖像；

圖像特征提取模塊，用于對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征；所述預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征；

識別模塊，用于根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第一種可能的實(shí)施方式，其中，所述圖像特征提取模塊，包括：

提取單元，用于采用傅里葉變換的方法提取所述人臉灰度圖像中的圖像特征點(diǎn)；

小波變換處理單元，用于采用小波變換的方法對所述圖像特征點(diǎn)進(jìn)行小波變換處理，得到所述預(yù)設(shè)圖像特征。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第二種可能的實(shí)施方式，其中，所述識別模塊，包括：

計算單元，用于分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值；其中，每一個注冊用戶對應(yīng)的標(biāo)準(zhǔn)人臉圖像均預(yù)先存儲在對應(yīng)的圖像數(shù)據(jù)庫中；

判斷單元，用于判斷計算得到的所述相似度值是否滿足標(biāo)準(zhǔn)閾值；

判定單元，用于在所述相似度值滿足所述標(biāo)準(zhǔn)閾值時，判定所述人臉圖像識別通過。

第三方面，本發(fā)明實(shí)施例還提供了一種分布式人臉識別系統(tǒng)，包括：客戶端、服務(wù)器、和中間件；其中，所述服務(wù)器為多個，且多個所述服務(wù)器構(gòu)成服務(wù)器集群；所述客戶端通過所述中間件與所述服務(wù)器集群進(jìn)行數(shù)據(jù)交換運(yùn)算；每一個所述服務(wù)器均包括上述權(quán)利要求7～9任意一項(xiàng)所述的分布式人臉識別裝置；

所述客戶端，用于采集用戶的人臉圖像；

所述服務(wù)器，用于將所述人臉圖像處理成人臉灰度圖像；提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征；根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果；其中，所述預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征。

本發(fā)明實(shí)施例提供的一種分布式人臉識別方法、裝置及系統(tǒng)，上述方法包括：獲取用戶的原始人臉圖像；將原始人臉圖像處理成人臉灰度圖像；對人臉灰度圖像進(jìn)行識別處理，提取人臉灰度圖像中的預(yù)設(shè)圖像特征：人臉特征和人眼特征；根據(jù)預(yù)設(shè)圖像特征對人臉圖像進(jìn)行識別處理，得到人臉圖像是否識別通過的識別結(jié)果，與現(xiàn)有技術(shù)中的在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，成本較高相比，其通過上述人臉識別算法提取人臉灰度圖像中的預(yù)設(shè)圖像特征，即采用純算法進(jìn)行關(guān)鍵信息提取，并據(jù)此進(jìn)行人臉圖像進(jìn)行識別處理，通過上述人臉識別算法作為依托，無需進(jìn)行采樣及擴(kuò)充樣本，整個識別過程控制簡單且成本較低。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對范圍的限定，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)這些附圖獲得其他相關(guān)的附圖。

圖1示出了本發(fā)明實(shí)施例所提供的一種分布式人臉識別方法的流程圖；

圖2示出了本發(fā)明實(shí)施例所提供的建立人眼模板的示意圖；

圖3示出了根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果的流程圖；

圖4示出了本發(fā)明實(shí)施例所提供的一種分布式人臉識別裝置的結(jié)構(gòu)示意圖；

圖5示出了本發(fā)明實(shí)施例所提供的一種分布式人臉識別裝置中圖像特征提取模塊和識別模塊的結(jié)構(gòu)示意圖。

100、獲取模塊；200、灰度圖像處理模塊；300、圖像特征提取模塊；400、識別模塊；3001、提取單元；3002、小波變換處理單元；4001、計算單元；4002、判斷單元；4003、判定單元。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計。因此，以下對在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

每個人都有著不同的面孔，當(dāng)用戶登錄時使用臉部對準(zhǔn)系統(tǒng)中的鏡頭，系統(tǒng)獲取經(jīng)過特征點(diǎn)數(shù)據(jù)比對判定身份，有效的身份通過后將生成3D真人模型，即可選擇試穿虛擬試衣間衣服。這使得通過面部特征來一一對應(yīng)每個人成為了可能。

考慮到現(xiàn)有技術(shù)中的3D虛擬試衣系統(tǒng)，在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，以進(jìn)行關(guān)鍵信息的提取，但是這對各個種族的人臉采樣需要基數(shù)較大，成本較高?；诖?，本發(fā)明實(shí)施例提供了一種分布式人臉識別方法、裝置及系統(tǒng)，操作簡單、結(jié)果直觀且隱蔽性好下面通過實(shí)施例進(jìn)行描述。

本發(fā)明實(shí)施例提供了一種分布式人臉識別方法，參考圖1，所述方法包括：

S101、獲取用戶的原始人臉圖像。

本發(fā)明實(shí)施例是通過采集用戶的人臉圖像對用戶的身份進(jìn)行識別，以驗(yàn)證用戶的身份，在用戶的有效身份驗(yàn)證通過后，即可生成3D真人模型，然后通過3D真人模型選擇試穿虛擬試衣間衣服，以展示給用戶服裝的展示效果。

本步驟中的原始人臉圖像，其包括人臉圖像，還包括背景圖像和發(fā)型圖像等。

S102、將所述原始人臉圖像處理成人臉灰度圖像。

S103、對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征；所述預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征。

本步驟中，可以提取根據(jù)人臉的對稱性進(jìn)行單側(cè)臉的識別，即可以減少50％的運(yùn)算量，根據(jù)測試結(jié)果驗(yàn)證精度能達(dá)到95％以上；也可以對兩側(cè)臉均進(jìn)行識別，以進(jìn)一步增加識別精度。

本發(fā)明實(shí)施例采用模板匹配的方式進(jìn)行人臉判定，首先建立人臉模板和人眼模板，然后將人臉灰度圖像分別與建立的人臉模板和人眼模板進(jìn)行匹配，目的是提取人臉灰度圖像中的預(yù)設(shè)圖像特征，以對人臉灰度圖像進(jìn)行人臉識別。

1、人臉模板的具體建立過程如下：

提取人臉灰度圖像中的臉部圖像，建立臉部圖像對應(yīng)的橢圓模板：該橢圓模版與上述建立臉部匹配；其中，橢圓模板公式中(x₀,y₀)作為橢圓中心,r作為半徑。令r₀＝(x₀,y₀)r，s＝s_x＝ρs_y，橢圓方程可用四個參數(shù)(r₀,s,ρ,θ)表示，θ為橢圓傾角。利用人臉輪廓橢圓特征的人臉定位系統(tǒng)進(jìn)行求解，就變成了對橢圓幾個參數(shù)最優(yōu)匹配問題。

根據(jù)人臉橢圓形狀，可將參數(shù)ρ設(shè)定為常數(shù)，則人臉橢圓就可用三個參數(shù)(r₀,s,θ)表示。令vs_i＝(i＝1,......,N)表示橢圓(r₀，s)上的點(diǎn)，us_i＝vs_i-r₀表示點(diǎn)vs_i與橢圓中心的位移，則可定義人臉橢圓模板如下：

式中:r＝(x，y)，r為圖像上點(diǎn)的坐標(biāo)，為Delta函數(shù)(表示密度分布),hi＝[hx_i,hy_i]，T(i＝1,......,N)為權(quán)值因子。

2、人眼模板的具體建立過程如下：

如圖2所示，人體的人眼模板由多個參數(shù)決定，這多個參數(shù)是定位人眼的關(guān)鍵信息。其中，(X_c，r)表示瞳孔圓心坐標(biāo)和半徑，Xc表示瞳孔中心，是一個二維坐標(biāo)圖中的上下兩條拋物線，由參數(shù)(X_e，a，b，c，θ)表示；其中X_e表示眼睛模板的中心位置，也是一個二維坐標(biāo)；a表示下拋物線的最大高度，b表示模板長度的一半，c表示下拋物線的最大高度，θ表示模板與水平方向的夾角，即模板的方向；眼白中心由2個參數(shù)(p₁,p₂)表示，其中心坐標(biāo)分別為X_e+p₁(cosθ，sinθ)和X_e+p₂(cosθ，sinθ)。

本發(fā)明實(shí)施例中，將人眼模板與人臉灰度圖像及其波谷、波峰和邊緣域進(jìn)行交互。其中，上述波谷、波峰和邊緣分別對應(yīng)著人眼的黑色區(qū)域、白色區(qū)域和眼睛的輪廓。依據(jù)上述人眼模板建立能量函數(shù)，需要考慮如下條件：

①實(shí)際圖像中眼睛的特征(圖像能量)；

②各參數(shù)之間的先驗(yàn)關(guān)系(內(nèi)部約束能量)；

③不僅要保證算法收斂，還應(yīng)給出模板匹配好壞的測度。

完整的能量函數(shù)Ec由波谷、波峰、邊緣、圖像及內(nèi)部能量組成：

E_c＝E_v+E_e+E_i+E_p+E_parior

其中各項(xiàng)意義如下：

(1)波谷能量是衡量眼睛模板與圖像波谷區(qū)域接近程度的測度，將使圓收縮到瞳孔最黑的區(qū)域，定義為：

其中，φ(x)表示位置x處的能量函數(shù)，本例中表示x位置的波谷能量；|R_c|表示瞳孔位置；表示面積積分；c1波谷系數(shù)。

(2)邊緣能量在眼睛模板的圓邊界和拋物線上進(jìn)行，用干將模板配到瞳孔和上下眼瞼的邊緣，定義為：

其中，φ(x)表示位置x處的能量函數(shù)，本例中表示x位置的邊緣能量；|δR_c|表示瞳孔邊界；∫ds表示弧長積分，本例表示瞳孔處的弧長積分；c₂,c₃邊緣系數(shù)。

(3)波峰能量是用來給出關(guān)于眼睛模板正確方向的一個測度，它通過計算以左右眼白中心為中心的兩個窗口內(nèi)點(diǎn)的波峰強(qiáng)度，鼓勵在眼白中心的點(diǎn)具有高的高度，定義為:

E_p＝c₆{φ(x_e+p₁e₁)+(x_e+p₂e₁)}；其中，φ(x)表示位置x處的能量函數(shù)，本例中表示x位置的波峰能量；x_e+p₁e₁,x_e+p₂e₁表示眼白信息；c₆波峰系數(shù)。

(4)圖像能量包含兩項(xiàng)，一項(xiàng)是關(guān)于瞳孔圓內(nèi)亮度信息的能量，瞳孔圓內(nèi)像素點(diǎn)的灰度值應(yīng)較低；一項(xiàng)是關(guān)于眼白區(qū)域亮度信息的能量，眼白區(qū)域像素點(diǎn)的灰度值應(yīng)較高。具體定義如下:

其中，φ(x)表示位置x處的能量函數(shù)，本例中表示x位置的圖像能量；|R_c|表示瞳孔位置；表示面積積分，本例表示眼白處的面積積分；c₄,c₅表示圖像系數(shù)。

(5)內(nèi)部能量表明各參數(shù)之問的先驗(yàn)約束關(guān)系，定義為:

其中，k₁,k₂,k₃,k₄表示內(nèi)部能量系數(shù)；||x_e,x_c||表示瞳孔與眼白距離。

S104、根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果。

具體的，根據(jù)用戶輸入的登錄信息，調(diào)用該用戶在圖像數(shù)據(jù)庫中預(yù)先存儲的標(biāo)準(zhǔn)人臉圖像，然后計算該標(biāo)準(zhǔn)人臉圖像與采集的用戶的人臉圖像的各個圖像特征的相似度值，并根據(jù)計算的相似度值對采集的人臉圖像進(jìn)行識別處理，得到上述人臉圖像是否識別通過的識別結(jié)果。

本發(fā)明實(shí)施例提供的一種分布式人臉識別方法，與現(xiàn)有技術(shù)中的在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，成本較高相比，其通過上述人臉識別算法提取人臉灰度圖像中的預(yù)設(shè)圖像特征，即采用純算法進(jìn)行關(guān)鍵信息提取，并據(jù)此進(jìn)行人臉圖像進(jìn)行識別處理，通過上述人臉識別算法作為依托，無需進(jìn)行采樣及擴(kuò)充樣本，整個識別過程控制簡單且成本較低。

進(jìn)一步的，上述分布式人臉識別方法中，步驟103中對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征，包括：

采用傅里葉變換的方法提取所述人臉灰度圖像中的圖像特征點(diǎn)；

采用小波變換的方法對所述圖像特征點(diǎn)進(jìn)行小波變換處理，得到所述預(yù)設(shè)圖像特征。

具體的，上述預(yù)設(shè)圖像特征即面部特征點(diǎn)(也可以稱為人臉特征點(diǎn))。

人臉模板與眼睛模板(即人眼模板)用以判定是否為一張人臉，而面部特征點(diǎn)就是區(qū)分不同人臉的關(guān)鍵信息。本發(fā)明實(shí)施例采用ASM(Active Shape Model，主動形狀模型)人臉特征描述，其算法原理與人眼識別一致，以獲得人臉關(guān)鍵位置特征點(diǎn)(即上述預(yù)設(shè)圖像特征)。

具體的，采集獲得人臉若干特征點(diǎn)；Key_(n)＝{P₁,P₂,P₃.......P_n}；其中，本發(fā)明實(shí)施例采集的人臉特征點(diǎn)為25個，即Key_(n)＝{P₁,P₂,P₃......P₂₄,P₂₅}。

采用Gabor濾波器提取所述人臉灰度圖像中的圖像特征點(diǎn)，其中，Gabor核心函數(shù)為：

Gabor濾波器為：

其中，波矢量為：

式中，key表示人臉灰度圖像中的圖像特征點(diǎn)；n表示圖像特征點(diǎn)的個數(shù)；v表示為Gabor核的尺度；u表示Gabor核的方向；exp()表示為包絡(luò)函數(shù)，用于限定振蕩函數(shù)的變化范圍；補(bǔ)償能量衰弱的系數(shù)；σ表示為高斯半徑。

其中，k_v＝k_mbx/f^v，k_mbx為最大頻率，f稱之為空間因子，濾波器方向因子。

對于不同方向及尺度的相應(yīng)，Gabor濾波器可以采用k_μ,ν來描述，經(jīng)過參數(shù)選擇來獲得一系列相應(yīng)的k_μ,ν，從而得到一族Gabor濾波器，本設(shè)計設(shè)置尺度值為5(ν＝0,1,2,3,4)，方向值為8(μ＝0,1,2,3,4,5,6,7)，這樣形成40個相關(guān)系數(shù)來描述灰度圖像中點(diǎn)附近領(lǐng)域的特征，在將上述40個相關(guān)系數(shù)進(jìn)行小波變換處理，得到25*40個數(shù)據(jù)，因此最終人臉特征點(diǎn)轉(zhuǎn)化為了25*40個數(shù)據(jù)來表示。其中，上述40個相關(guān)系數(shù)進(jìn)行小波變換處理，得到的數(shù)據(jù)更利于使用和存儲。

進(jìn)一步的，參考圖3，上述分布式人臉識別方法中，步驟104中，根據(jù)所述預(yù)設(shè)圖像特征對所述人臉圖像進(jìn)行識別處理，得到所述人臉圖像是否識別通過的識別結(jié)果，包括：

S201、分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值；其中，每一個注冊用戶對應(yīng)的標(biāo)準(zhǔn)人臉圖像均預(yù)先存儲在對應(yīng)的圖像數(shù)據(jù)庫中。

具體的，在獲得了人臉特征點(diǎn)以后，即進(jìn)行人臉特征點(diǎn)匹配；具體匹配過程為：用戶根據(jù)注冊的信息登錄系統(tǒng)，系統(tǒng)在接收到用戶的登錄信息后，從圖像數(shù)據(jù)庫中檢索與該登錄信息匹配的標(biāo)準(zhǔn)人臉圖像，同時，獲取將該標(biāo)準(zhǔn)人臉圖像的標(biāo)準(zhǔn)圖像特征點(diǎn)，然后將獲得的人臉特征點(diǎn)與用戶在圖像數(shù)據(jù)庫中預(yù)存的標(biāo)準(zhǔn)人臉圖像的標(biāo)準(zhǔn)人臉特征點(diǎn)進(jìn)行匹配，獲得相似度值。

其中，上述人臉特征點(diǎn)的特征J為：

J＝{J_j} J_j＝α_jexp(φ_j),j＝0,1,....38,39；其中，α_j為復(fù)系數(shù)的幅值，φ_j為復(fù)系數(shù)的相位；

針對上述人臉特征點(diǎn)的提取，目前存在兩種度量相似性的方法：幅值度量與角度度量。

第一，采用幅值度量的方法分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值：其中，其中，S_α為匹配幅度值(即匹配結(jié)果值)，取值范圍是[0,1]；(J,J')表示匹配模板特征點(diǎn)與匹配點(diǎn)；(α_j,α'_j)表示匹配模板與匹配點(diǎn)同一尺度相位的特征值；(φ_j,φ_j')表示前后相位值；表示相位變化。

第二，采用角度度量的方法分別計算所述人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值。具體的相似度值計算公式如下：其中，上述公式中，S_α為匹配相位值(或者相位匹配值)，取值范圍是[0,1]；(J,J')表示匹配模板特征點(diǎn)與匹配點(diǎn)；(α_j,α'_j)表示匹配模板與匹配點(diǎn)同一尺度相位的特征值；(φ_j,φ_j')表示前后相位值；表示相位變化。

而在匹配過程中需調(diào)整特征點(diǎn)的位置以適應(yīng)圖形變化，因此得到相位與相對位置之間的關(guān)系：

其中，表示原位置；表示位置變化；變換后系數(shù)。

本發(fā)明實(shí)施例中，在計算相似度值時，可以根據(jù)人臉的對稱性，進(jìn)行單側(cè)臉的識別計算，并據(jù)此進(jìn)行人臉識別，采用該種方式，可以減少計算整個人臉特征點(diǎn)的50％的運(yùn)算量，并測試結(jié)果驗(yàn)證精度能達(dá)到95％以上。

S202、判斷計算得到的所述相似度值是否滿足標(biāo)準(zhǔn)閾值。

S203、若所述相似度值滿足所述標(biāo)準(zhǔn)閾值，則判定所述人臉圖像識別通過。

S204、若所述相似度值不所述標(biāo)準(zhǔn)閾值，則判定所述人臉圖像識別未通過。

結(jié)合上述步驟201～204，單個人臉信息由一系列雙精度數(shù)據(jù)標(biāo)識，人臉匹配主要原理為兩張人臉信息對應(yīng)點(diǎn)的比值進(jìn)行加權(quán)平均(即將獲得的人臉特征點(diǎn)與用戶在圖像數(shù)據(jù)庫中預(yù)存的標(biāo)準(zhǔn)人臉圖像的標(biāo)準(zhǔn)人臉特征點(diǎn)進(jìn)行匹配，獲得相似度值)，結(jié)果范圍為(0,1)，而落在該結(jié)果范圍中的比值越大，則認(rèn)為兩張臉來自同一單體的概率越高。

本發(fā)明實(shí)施例提供的一種分布式人臉識別方法，包括：獲取用戶的原始人臉圖像；將原始人臉圖像處理成人臉灰度圖像；對人臉灰度圖像進(jìn)行識別處理，提取人臉灰度圖像中的預(yù)設(shè)圖像特征：人臉特征和人眼特征；根據(jù)預(yù)設(shè)圖像特征對人臉圖像進(jìn)行識別處理，得到人臉圖像是否識別通過的識別結(jié)果，與現(xiàn)有技術(shù)中的在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，成本較高相比，其通過上述人臉識別算法提取人臉灰度圖像中的預(yù)設(shè)圖像特征，即采用純算法進(jìn)行關(guān)鍵信息提取，并據(jù)此進(jìn)行人臉圖像進(jìn)行識別處理，通過上述人臉識別算法作為依托，無需進(jìn)行采樣及擴(kuò)充樣本，整個識別過程控制簡單且成本較低。

本發(fā)明實(shí)施例還提供了一種分布式人臉識別裝置，所述裝置用于執(zhí)行上述分布式人臉識別方法，參考圖4，所述裝置具體包括：

獲取模塊100，用于獲取用戶的原始人臉圖像。

灰度圖像處理模塊200，用于將所述原始人臉圖像處理成人臉灰度圖像。

圖像特征提取模塊300，用于對所述人臉灰度圖像進(jìn)行識別處理，提取所述人臉灰度圖像中的預(yù)設(shè)圖像特征；所述預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征。

識別模塊400，用于根據(jù)預(yù)設(shè)圖像特征對人臉圖像進(jìn)行識別處理，得到人臉圖像是否識別通過的識別結(jié)果。

進(jìn)一步的，參考圖5，本發(fā)明實(shí)施例提供的分布式人臉識別裝置中，圖像特征提取模塊300，包括：

提取單元3001，用于采用傅里葉變換的方法提取人臉灰度圖像中的圖像特征點(diǎn)；

小波變換處理單元3002，用于采用小波變換的方法對圖像特征點(diǎn)進(jìn)行小波變換處理，得到預(yù)設(shè)圖像特征。

進(jìn)一步的，參考圖5，本發(fā)明實(shí)施例提供的分布式人臉識別裝置中，識別模塊400，包括：

計算單元4001，用于分別計算人臉圖像中各個預(yù)設(shè)圖像特征與對應(yīng)的標(biāo)準(zhǔn)人臉圖像的各個預(yù)設(shè)圖像特征的相似度值；其中，每一個注冊用戶對應(yīng)的標(biāo)準(zhǔn)人臉圖像均預(yù)先存儲在對應(yīng)的圖像數(shù)據(jù)庫中；

判斷單元4002，用于判斷計算得到的相似度值是否滿足標(biāo)準(zhǔn)閾值；

判定單元4003，用于在相似度值滿足標(biāo)準(zhǔn)閾值時，判定人臉圖像識別通過。

進(jìn)一步的，本發(fā)明實(shí)施例提供的分布式人臉識別裝置中，提取單元4001，具體用于采用Gabor濾波器提取所述人臉灰度圖像中的圖像特征點(diǎn)；其中，所述Gabor濾波器為：Key_(n)＝{P₁,P₂,P₃.......P_n}；其中，key表示人臉灰度圖像中的圖像特征點(diǎn)；n表示圖像特征點(diǎn)的個數(shù)；v表示為Gabor核的尺度；u表示Gabor核的方向；exp()表示為包絡(luò)函數(shù)，用于限定振蕩函數(shù)的變化范圍；補(bǔ)償能量衰弱的系數(shù)；σ表示為高斯半徑。

本發(fā)明實(shí)施例提供的一種分布式人臉識別裝置，與現(xiàn)有技術(shù)中的在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，成本較高相比，其通過上述人臉識別算法提取人臉灰度圖像中的預(yù)設(shè)圖像特征，即采用純算法進(jìn)行關(guān)鍵信息提取，并據(jù)此進(jìn)行人臉圖像進(jìn)行識別處理，通過上述人臉識別算法作為依托，無需進(jìn)行采樣及擴(kuò)充樣本，整個識別過程控制簡單且成本較低。

本發(fā)明實(shí)施例還提供了一種分布式人臉識別系統(tǒng)，包括：客戶端、服務(wù)器、和中間件；其中，服務(wù)器為多個，且多個服務(wù)器構(gòu)成服務(wù)器集群；客戶端通過中間件與服務(wù)器集群進(jìn)行數(shù)據(jù)交換運(yùn)算；每一個服務(wù)器均包括上述分布式人臉識別裝置；

客戶端，用于采集用戶的人臉圖像；

服務(wù)器，用于將人臉圖像處理成人臉灰度圖像；提取人臉灰度圖像中的預(yù)設(shè)圖像特征；根據(jù)預(yù)設(shè)圖像特征對人臉圖像進(jìn)行識別處理，得到人臉圖像是否識別通過的識別結(jié)果；其中，預(yù)設(shè)圖像特征至少包括：人臉特征和人眼特征。

具體的，人臉識別過程需要進(jìn)行海量的數(shù)據(jù)比對運(yùn)算，且實(shí)時性要求較高。單個的服務(wù)器的運(yùn)算已經(jīng)不能滿足需求，因此本發(fā)明實(shí)施例中采用大量服務(wù)器組成服務(wù)集群的方式，具體的，采用ICE技術(shù)，使ICE作為一個中間件參與客戶端與服務(wù)器間的數(shù)據(jù)交換運(yùn)算，且ICE中間件自身可以連接多服務(wù)器構(gòu)成服務(wù)集群。

本發(fā)明實(shí)施例提供的一種分布式人臉識別系統(tǒng)，其進(jìn)行人臉識別相對于傳統(tǒng)的人臉識別方法特點(diǎn)：

1.識別過程簡單，不需要大量樣本訓(xùn)練

傳統(tǒng)人臉識別需要海量的樣本進(jìn)行人臉訓(xùn)練，對各個種族的人臉采樣需要基數(shù)較大，成本較高。本系統(tǒng)采用純算法進(jìn)行關(guān)鍵信息提取，有算法作為依托，過程控制簡單。

2.效率精度較高

傳統(tǒng)依托人臉訓(xùn)練做識別比對運(yùn)算量大，消耗時間長，且需要不斷為訓(xùn)練容器擴(kuò)充樣本。采用本系統(tǒng)的人臉?biāo)惴ㄗR別可以根據(jù)人臉的對稱性進(jìn)行單側(cè)臉的識別計算，可以減少50％的運(yùn)算量。根據(jù)測試結(jié)果驗(yàn)證精度能達(dá)到95％以上。

本發(fā)明實(shí)施例提供的分布式人臉識別系統(tǒng)，由多個服務(wù)器組成的遠(yuǎn)程服務(wù)集群與終端設(shè)備共同組成。

1.人臉采集

用戶的終端設(shè)備通過自帶的人臉采集設(shè)備采集人臉的原始圖像信息。服務(wù)器集群對上述原始圖像信息進(jìn)行圖像處理，以識別到人臉區(qū)域，并將人臉圖像處理成人臉灰度圖像以獲取人臉關(guān)鍵點(diǎn)(即人臉特征點(diǎn))。其中，上述人臉關(guān)鍵點(diǎn)是人臉間相互區(qū)分的關(guān)鍵信息。然后服務(wù)器集群利用傅里葉變換與小波變換的方法將每個人臉關(guān)鍵點(diǎn)(轉(zhuǎn)化成識別改點(diǎn)的40個雙精度數(shù)據(jù)，最終采集的上述原始圖像信息由若干雙精度數(shù)據(jù)唯一標(biāo)識。

2.人臉匹配

單個人臉信息由一系列雙精度數(shù)據(jù)標(biāo)識，人臉匹配主要原理為兩張人臉信息對應(yīng)點(diǎn)的比值進(jìn)行加權(quán)平均，結(jié)果范圍為(0,1)，比值越大則認(rèn)為兩張臉來自同一單體的概率越高。

3.服務(wù)集群

人臉信息匹配計算量級較大，單一服務(wù)器對實(shí)時查找運(yùn)算量難以滿足，因此，需要采用服務(wù)集群進(jìn)行分布式計算，本發(fā)明實(shí)施例提供的系統(tǒng)采用開源中間組件ICE來構(gòu)建服務(wù)集群，以此達(dá)到快速高效查找目的。

本發(fā)明實(shí)施例提供的一種分布式人臉識別系統(tǒng)，與現(xiàn)有技術(shù)中的在進(jìn)行用戶的人臉識別時，均是需要采集海量的樣本并進(jìn)行人臉訓(xùn)練，成本較高相比，其通過上述人臉識別算法提取人臉灰度圖像中的預(yù)設(shè)圖像特征，即采用純算法進(jìn)行關(guān)鍵信息提取，并據(jù)此進(jìn)行人臉圖像進(jìn)行識別處理，通過上述人臉識別算法作為依托，無需進(jìn)行采樣及擴(kuò)充樣本，整個識別過程控制簡單且成本較低，并且系統(tǒng)采用開源中間組件ICE來構(gòu)建服務(wù)集群，以此達(dá)到快速高效查找目的。

本發(fā)明實(shí)施例所提供的分布式人臉識別裝置可以為設(shè)備上的特定硬件或者安裝于設(shè)備上的軟件或固件等。本發(fā)明實(shí)施例所提供的裝置，其實(shí)現(xiàn)原理及產(chǎn)生的技術(shù)效果和前述方法實(shí)施例相同，為簡要描述，裝置實(shí)施例部分未提及之處，可參考前述方法實(shí)施例中相應(yīng)內(nèi)容。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，前述描述的系統(tǒng)、裝置和單元的具體工作過程，均可以參考上述方法實(shí)施例中的對應(yīng)過程，在此不再贅述。

在本發(fā)明所提供的實(shí)施例中，應(yīng)該理解到，所揭露裝置和方法，可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時可以有另外的劃分方式，又例如，多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明提供的實(shí)施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨(dú)物理存在，也可以兩個或兩個以上單元集成在一個單元中。

所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時，可以存儲在一個計算機(jī)可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實(shí)施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機(jī)存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

應(yīng)注意到：相似的標(biāo)號和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某一項(xiàng)在一個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋，此外，術(shù)語“第一”、“第二”、“第三”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

最后應(yīng)說明的是：以上所述實(shí)施例，僅為本發(fā)明的具體實(shí)施方式，用以說明本發(fā)明的技術(shù)方案，而非對其限制，本發(fā)明的保護(hù)范圍并不局限于此，盡管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，其依然可以對前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改或可輕易想到變化，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改、變化或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實(shí)施例技術(shù)方案的精神和范圍。都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。