用于識(shí)別人臉的方法、系統(tǒng)和計(jì)算機(jī)程序產(chǎn)品的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，更具體地，涉及一種用于識(shí)別人臉的方法、系統(tǒng)和 計(jì)算機(jī)程序產(chǎn)品。
【背景技術(shù)】
[0002] 人臉識(shí)別經(jīng)過(guò)幾十年的發(fā)展，引起了廣泛的關(guān)注，并且取得了較大的進(jìn)步?，F(xiàn)在， 人臉識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用在國(guó)家安全、軍事安全、公共安全等領(lǐng)域，包括智能視頻監(jiān)控、 智能門(mén)禁、海關(guān)身份認(rèn)證等。近幾年，人臉識(shí)別還廣泛應(yīng)用在互聯(lián)網(wǎng)、金融等領(lǐng)域，包括信用 卡和證券的網(wǎng)上開(kāi)戶、身份驗(yàn)證等。
[0003] 目前，多數(shù)的人臉識(shí)別方法都是基于低分辨率的人臉圖像，僅利用了人臉的結(jié)構(gòu) 信息。在傳統(tǒng)的人臉識(shí)別中，一般低分辨率的圖像（人臉兩眼間距一般只要大于30個(gè)像 素）即可滿足識(shí)別要求。這樣只能得到人臉的全局結(jié)構(gòu)信息，而丟失了人臉的大部分細(xì)節(jié) 特征，導(dǎo)致人臉識(shí)別的準(zhǔn)確性相對(duì)較差。

【發(fā)明內(nèi)容】

[0004] 鑒于上述問(wèn)題而提出了本發(fā)明。本發(fā)明實(shí)施例提供了一種用于識(shí)別人臉的方法、 系統(tǒng)和計(jì)算機(jī)程序產(chǎn)品，其能夠利用人臉的細(xì)節(jié)特征來(lái)進(jìn)行人臉識(shí)別，從而能夠區(qū)分包括 同卵雙胞胎等的非常相似的人臉，極大提高了人臉識(shí)別的準(zhǔn)確性，相應(yīng)地提高了應(yīng)用人臉 識(shí)別的場(chǎng)景的安全性。
[0005] 根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種用于識(shí)別人臉的方法，包括：獲取所述 人臉的待識(shí)別圖像；檢測(cè)所述待識(shí)別圖像中表示所述待識(shí)別圖像的細(xì)節(jié)特征的第一特征點(diǎn) 集；提取描述所述第一特征點(diǎn)集中每個(gè)第一特征點(diǎn)的特征信息的第一描述算子；獲取描述 第二特征點(diǎn)集中每個(gè)第二特征點(diǎn)的特征信息的第二描述算子，其中所述第二特征點(diǎn)集表示 預(yù)先存儲(chǔ)的注冊(cè)圖像的細(xì)節(jié)特征；基于所述第一描述算子與第二描述算子，檢測(cè)所述第一 特征點(diǎn)集與所述第二特征點(diǎn)集中匹配的特征點(diǎn)對(duì)；計(jì)算所述匹配的特征點(diǎn)對(duì)的數(shù)量；以及 如果所述匹配的特征點(diǎn)對(duì)的數(shù)量大于第一預(yù)定閾值，則將所述待識(shí)別圖像識(shí)別為與所述注 冊(cè)圖像相一致。
[0006] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，所述圖像的分辨率大于預(yù)定分辨率閾 值。
[0007] 作為示例，根據(jù)本發(fā)明實(shí)施例的方法還包括：檢測(cè)所述待識(shí)別圖像中的人臉區(qū)域 圖像；并且，檢測(cè)所述待識(shí)別圖像中表示所述待識(shí)別圖像的細(xì)節(jié)特征的第一特征點(diǎn)集的步 驟包括：基于所述人臉區(qū)域圖像，檢測(cè)所述第一特征點(diǎn)集。
[0008] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，檢測(cè)所述第一特征點(diǎn)集的步驟包括：將 所述人臉區(qū)域圖像縮放成不同尺度；以及對(duì)于每一尺度的人臉區(qū)域圖像，使用離線訓(xùn)練后 的特征點(diǎn)分類器檢測(cè)所述第一特征點(diǎn)的位置和尺寸。
[0009] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，檢測(cè)所述第一特征點(diǎn)集的步驟包括：將 所述人臉區(qū)域圖像與不同尺度的高斯核進(jìn)行卷積處理，以得到相應(yīng)的不同尺度的高斯圖 像；將相鄰尺度的高斯圖像進(jìn)行差分處理，以得到高斯差分圖像；確定每個(gè)高斯差分圖像 中的極值點(diǎn)，其中，所述極值點(diǎn)的值大于其在所述高斯差分圖像中的相鄰點(diǎn)的值，并且大于 其在相鄰尺度的高斯差分圖像中的相鄰點(diǎn)的值；以及如果所述極值點(diǎn)大于第二預(yù)定閾值， 則將所述極值點(diǎn)確定為所述第一特征點(diǎn)。
[0010] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，提取描述所述第一特征點(diǎn)集中每個(gè)第 一特征點(diǎn)的特征信息的第一描述算子的步驟包括：對(duì)于每個(gè)第一特征點(diǎn)，以所述第一特征 點(diǎn)為預(yù)定參照點(diǎn)而進(jìn)行歸一化處理，以獲得特征點(diǎn)區(qū)域圖像；以及對(duì)于所述特征點(diǎn)區(qū)域圖 像，使用離線訓(xùn)練后的描述算子提取器獲取所述第一特征點(diǎn)的第一描述算子。
[0011] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，提取描述所述第一特征點(diǎn)集中每個(gè)第 一特征點(diǎn)的特征信息的第一描述算子的步驟包括：對(duì)于每個(gè)第一特征點(diǎn)，以所述第一特征 點(diǎn)為預(yù)定參照點(diǎn)而確定特征點(diǎn)區(qū)域；將所述特征點(diǎn)區(qū)域劃分為多個(gè)子區(qū)域，并計(jì)算每個(gè)子 區(qū)域的梯度信息；基于所述梯度信息，計(jì)算每個(gè)子區(qū)域的多維梯度直方圖；以及將落入所 述多維梯度直方圖的每一維的點(diǎn)數(shù)連接成特征向量，以得到所述第一特征點(diǎn)的第一描述算 子。
[0012] 作為示例，根據(jù)本發(fā)明實(shí)施例的方法還包括：檢測(cè)用于表示所述待識(shí)別圖像的結(jié) 構(gòu)信息的第一關(guān)鍵點(diǎn)集；其中，檢測(cè)所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中匹配的特征 點(diǎn)對(duì)的步驟包括：基于所述第一關(guān)鍵點(diǎn)集與用于表示所述注冊(cè)圖像的結(jié)構(gòu)信息的第二關(guān)鍵 點(diǎn)集，計(jì)算所述待識(shí)別圖像與所述注冊(cè)圖像之間的相似變換矩陣；對(duì)于每個(gè)第一特征點(diǎn)，基 于所述相似變換矩陣，計(jì)算所述第一特征點(diǎn)在所述注冊(cè)圖像中的待匹配區(qū)域；以及檢測(cè)所 述待匹配區(qū)域中與所述第一特征點(diǎn)構(gòu)成匹配的第二特征點(diǎn)。
[0013] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，檢測(cè)所述待匹配區(qū)域中與所述第一特 征點(diǎn)構(gòu)成匹配的第二特征點(diǎn)的步驟包括：計(jì)算所述第一特征點(diǎn)的第一描述算子與所述待匹 配區(qū)域中每個(gè)第二特征點(diǎn)的第二描述算子之間的歐式距離；判斷最小的歐式距離與次小的 歐式距離之間的比值與第三預(yù)定閾值的關(guān)系；以及如果最小的歐式距離與次小的歐式距離 之間的比值小于第三預(yù)定閾值，則將所述第一特征點(diǎn)與所述待匹配區(qū)域中與所述第一特征 點(diǎn)的第一描述算子之間的歐式距離最小的第二特征點(diǎn)確定為匹配的特征點(diǎn)對(duì)。
[0014] 作為示例，根據(jù)本發(fā)明實(shí)施例的方法還包括：檢測(cè)用于表示所述待識(shí)別圖像的結(jié) 構(gòu)信息的第一關(guān)鍵點(diǎn)集；其中，檢測(cè)所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中匹配的特征 點(diǎn)對(duì)的步驟包括：基于所述第一關(guān)鍵點(diǎn)集與用于表示所述注冊(cè)圖像的結(jié)構(gòu)信息的第二關(guān)鍵 點(diǎn)集，計(jì)算所述待識(shí)別圖像與所述注冊(cè)圖像之間的相似變換矩陣；對(duì)于每個(gè)第二特征點(diǎn)，基 于所述相似變換矩陣，計(jì)算所述第二特征點(diǎn)在所述待識(shí)別圖像中的待匹配區(qū)域；以及檢測(cè) 所述待匹配區(qū)域中與所述第二特征點(diǎn)構(gòu)成匹配的第一特征點(diǎn)。
[0015] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，檢測(cè)所述待匹配區(qū)域中與所述第二特 征點(diǎn)構(gòu)成匹配的第一特征點(diǎn)的步驟包括：計(jì)算所述第二特征點(diǎn)的第二描述算子與所述待匹 配區(qū)域中每個(gè)第一特征點(diǎn)的第一描述算子之間的歐式距離；判斷最小的歐式距離與次小的 歐式距離之間的比值與第三預(yù)定閾值的關(guān)系；以及如果最小的歐式距離與次小的歐式距離 之間的比值小于第三預(yù)定閾值，則將所述第二特征點(diǎn)與所述待匹配區(qū)域中與所述第二特征 點(diǎn)的第二描述算子之間的歐式距離最小的第一特征點(diǎn)確定為匹配的特征點(diǎn)對(duì)。
[0016] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，所述第二描述算子通過(guò)以下步驟獲得： 獲取所述注冊(cè)圖像；檢測(cè)所述注冊(cè)圖像中表示所述注冊(cè)圖像的細(xì)節(jié)特征的第二特征點(diǎn)集； 提取描述所述第二特征點(diǎn)集中每個(gè)第二特征點(diǎn)的特征信息的第二描述算子；以及存儲(chǔ)所述 第二描述算子。
[0017] 作為示例，在根據(jù)本發(fā)明實(shí)施例的方法中，計(jì)算所述匹配的特征點(diǎn)對(duì)的數(shù)量的步 驟包括：基于所述第一描述算子與第二描述算子，得到所述第一特征點(diǎn)集與所述第二特征 點(diǎn)集中匹配的特征點(diǎn)對(duì)的初步匹配結(jié)果；以及基于隨機(jī)取樣一致的方法，對(duì)所述初步匹配 結(jié)果進(jìn)行篩選，以得到所述匹配的特征點(diǎn)對(duì)。
[0018] 根據(jù)本發(fā)明實(shí)施例的另一方面，提供了一種用于識(shí)別人臉的系統(tǒng)，包括：處理器； 存儲(chǔ)器；在所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序指令，在所述計(jì)算機(jī)程序指令被所述處理器運(yùn) 行時(shí)執(zhí)行以下步驟：獲取所述人臉的待識(shí)別圖像；檢測(cè)所述待識(shí)別圖像中表示所述待識(shí)別 圖像的細(xì)節(jié)特征的第一特征點(diǎn)集；提取描述所述第一特征點(diǎn)集中每個(gè)第一特征點(diǎn)的特征信 息的第一描述算子；獲取描述第二特征點(diǎn)集中每個(gè)第二特征點(diǎn)的特征信息的第二描述算 子，其中所述第二特征點(diǎn)集表示預(yù)先存儲(chǔ)的注冊(cè)圖像的細(xì)節(jié)特征；基于所述第一描述算子 與第二描述算子，檢測(cè)所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中匹配的特征點(diǎn)對(duì)；計(jì)算所 述匹配的特征點(diǎn)對(duì)的數(shù)量；以及如果所述匹配的特征點(diǎn)對(duì)的數(shù)量大于第一預(yù)定閾值，則將 所述待識(shí)別圖像識(shí)別為與所述注冊(cè)圖像相一致。
[0019] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)還執(zhí)行以下步驟：檢測(cè)所述待識(shí)別圖像中的人臉區(qū)域圖像；并且，在所述計(jì)算機(jī)程 序指令被所述處理器運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述待識(shí)別圖像中的第一特征點(diǎn)集的步驟包括： 基于所述人臉區(qū)域圖像，檢測(cè)所述第一特征點(diǎn)集。
[0020] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述第一特征點(diǎn)集的步驟包括：將所述人臉區(qū)域圖像縮放成不同尺 度；以及對(duì)于每一尺度的人臉區(qū)域圖像，使用離線訓(xùn)練后的特征點(diǎn)分類器檢測(cè)所述第一特 征點(diǎn)的位置和尺寸。
[0021] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述第一特征點(diǎn)集的步驟包括：將所述人臉區(qū)域圖像與不同尺度的高 斯核進(jìn)行卷積處理，以得到相應(yīng)的不同尺度的高斯圖像；將相鄰尺度的高斯圖像進(jìn)行差分 處理，以得到高斯差分圖像；確定每個(gè)高斯差分圖像中的極值點(diǎn)，其中，所述極值點(diǎn)的值大 于其在所述高斯差分圖像中的相鄰點(diǎn)的值，并且大于其在相鄰尺度的高斯差分圖像中的相 鄰點(diǎn)的值；以及如果所述極值點(diǎn)大于第二預(yù)定閾值，則將所述極值點(diǎn)確定為所述第一特征 點(diǎn)。
[0022] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)所執(zhí)行的提取第一描述算子的步驟包括：對(duì)于每個(gè)第一特征點(diǎn)，以所述第一特征點(diǎn) 為預(yù)定參照點(diǎn)而進(jìn)行歸一化處理，以獲得特征點(diǎn)區(qū)域圖像；以及對(duì)于所述特征點(diǎn)區(qū)域圖像， 使用離線訓(xùn)練后的描述算子提取器獲取所述第一特征點(diǎn)的第一描述算子。
[0023] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)所執(zhí)行的提取第一描述算子的步驟包括：對(duì)于每個(gè)第一特征點(diǎn)，以所述第一特征點(diǎn) 為預(yù)定參照點(diǎn)而確定特征點(diǎn)區(qū)域；將所述特征點(diǎn)區(qū)域劃分為多個(gè)子區(qū)域，并計(jì)算每個(gè)子區(qū) 域的梯度信息；基于所述梯度信息，計(jì)算每個(gè)子區(qū)域的多維梯度直方圖；以及將落入所述 多維梯度直方圖的每一維的點(diǎn)數(shù)連接成特征向量，以得到所述第一特征點(diǎn)的第一描述算 子。
[0024] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)還執(zhí)行以下步驟：檢測(cè)用于表示所述待識(shí)別圖像的結(jié)構(gòu)信息的第一關(guān)鍵點(diǎn)集；其 中，在所述計(jì)算機(jī)程序指令被所述處理器運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述第一特征點(diǎn)集與所述第 二特征點(diǎn)集中匹配的特征點(diǎn)對(duì)的步驟包括：基于所述第一關(guān)鍵點(diǎn)集與用于表示所述注冊(cè) 圖像的結(jié)構(gòu)信息的第二關(guān)鍵點(diǎn)集，計(jì)算所述待識(shí)別圖像與所述注冊(cè)圖像之間的相似變換矩 陣；對(duì)于每個(gè)第一特征點(diǎn)，基于所述相似變換矩陣，計(jì)算所述第一特征點(diǎn)在所述注冊(cè)圖像中 的待匹配區(qū)域；以及檢測(cè)所述待匹配區(qū)域中與所述第一特征點(diǎn)構(gòu)成匹配的第二特征點(diǎn)。
[0025] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述待匹配區(qū)域中與所述第一特征點(diǎn)構(gòu)成匹配的第二特征點(diǎn)的步驟 包括：計(jì)算所述第一特征點(diǎn)的第一描述算子與所述待匹配區(qū)域中每個(gè)第二特征點(diǎn)的第二描 述算子之間的歐式距離；判斷最小的歐式距離與次小的歐式距離之間的比值與第三預(yù)定閾 值的關(guān)系；以及如果最小的歐式距離與次小的歐式距離之間的比值小于第三預(yù)定閾值，則 將所述第一特征點(diǎn)與所述待匹配區(qū)域中與所述第一特征點(diǎn)的第一描述算子之間的歐式距 離最小的第二特征點(diǎn)確定為匹配的特征點(diǎn)對(duì)。
[0026] 作為示例，在根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中，在所述計(jì)算機(jī)程序指令被所述處理器 運(yùn)行時(shí)還執(zhí)行以下步驟：檢測(cè)用于表示所述待識(shí)別圖像的結(jié)構(gòu)信息的第一關(guān)鍵點(diǎn)集；其 中，在所述計(jì)算機(jī)程序指令被所述處理器運(yùn)行時(shí)所執(zhí)行的檢測(cè)所述第一特征點(diǎn)集與所述第 二特征點(diǎn)集中匹配的特征點(diǎn)對(duì)的步驟包括