一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法
【專(zhuān)利摘要】本發(fā)明是一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法，鑒于多媒體傳感器節(jié)點(diǎn)的能源限制，該方法包括3個(gè)主要步驟，首先，提取出待識(shí)別圖像中的人臉區(qū)域，并檢測(cè)出人臉局部組件；然后，在多媒體傳感器節(jié)點(diǎn)中以分布形式傳輸人臉局部組件；最終的人臉識(shí)別在基于K-d樹(shù)的分布式數(shù)據(jù)庫(kù)中完成。1.將局部特征算子響應(yīng)結(jié)果與全局幾何約束關(guān)系相結(jié)合，提出一種可靠的人臉局部組件提取方法；2.提出一種應(yīng)用于人臉識(shí)別的高能效、分布式人臉傳輸和檢索系統(tǒng)。本方法實(shí)現(xiàn)了一種魯棒的面部局部特征提取技術(shù)，進(jìn)一步保證了無(wú)線傳輸中的識(shí)別準(zhǔn)確率。本專(zhuān)利所提出方法在各種無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用中具有很大的潛力。
【專(zhuān)利說(shuō)明】一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別新方法，主要用于解決無(wú)線多媒體傳感器網(wǎng)絡(luò)中的身份認(rèn)證問(wèn)題，屬于物聯(lián)網(wǎng)安全【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]作為一種最重要的生物特征識(shí)別技術(shù)，人臉識(shí)別技術(shù)具有自然、被動(dòng)的特點(diǎn)，與諸如指紋識(shí)別、虹膜識(shí)別等其他生物特征識(shí)別技術(shù)相比，具有明顯的優(yōu)勢(shì)，不需要生物主體的主動(dòng)配合。常見(jiàn)的人臉識(shí)別系統(tǒng)框架顯示在圖1中，包括注冊(cè)和識(shí)別兩個(gè)步驟。它已被廣泛應(yīng)用于訪問(wèn)控制、身份識(shí)別和監(jiān)控系統(tǒng)中。然而，在大多數(shù)人臉識(shí)別系統(tǒng)中，生物識(shí)別信息存儲(chǔ)在一個(gè)遠(yuǎn)程的中央數(shù)據(jù)庫(kù)中，識(shí)別設(shè)備通過(guò)傳統(tǒng)的有線網(wǎng)絡(luò)與數(shù)據(jù)庫(kù)進(jìn)行通信。最近，很多研究工作探討了利用無(wú)線網(wǎng)絡(luò)來(lái)提高人臉識(shí)別系統(tǒng)的靈活性。Zaer1、Mokhtarian和Cherri提出將人臉識(shí)別應(yīng)用于無(wú)線監(jiān)控系統(tǒng)。Kim、Shim、Schlessman等人基于ZigBee協(xié)議和主成分分析(PCA)，實(shí)現(xiàn)了一個(gè)低能耗的無(wú)線人臉識(shí)別系統(tǒng)。Chang和Aghajan致力于恢復(fù)人臉?lè)较?，?lái)提高無(wú)線圖像傳感器網(wǎng)絡(luò)中人臉識(shí)別的魯棒性。Rajani和Yan提出使用一種進(jìn)化算法，來(lái)優(yōu)化應(yīng)用于人臉識(shí)別的分布式時(shí)變網(wǎng)絡(luò)中的路由機(jī)制。通過(guò)與無(wú)線網(wǎng)絡(luò)結(jié)合，能夠提高人臉識(shí)別系統(tǒng)的靈活性和能耗效率。與此同時(shí)，人臉識(shí)別技術(shù)增強(qiáng)了無(wú)線網(wǎng)絡(luò)的功能性和安全性。
[0003]本專(zhuān)利將近年來(lái)另一個(gè)研究熱點(diǎn)一無(wú)線多媒體傳感器網(wǎng)絡(luò)，與人臉識(shí)別系統(tǒng)相結(jié)合，從而為人臉識(shí)別系統(tǒng)增添了無(wú)線維度。無(wú)線多媒體傳感器網(wǎng)絡(luò)最近獲得了快速發(fā)展，特別是微機(jī)電系統(tǒng)的普及，促進(jìn)了智能傳感器的快速發(fā)展。無(wú)線多媒體傳感器網(wǎng)絡(luò)通常由若干個(gè)傳感器節(jié)點(diǎn)(幾十到上千)組成，這些節(jié)點(diǎn)相互配合，監(jiān)測(cè)某一區(qū)域，獲取有關(guān)的環(huán)境數(shù)據(jù)。利用無(wú)線多媒體傳感器設(shè)備，用戶(hù)可以在野外捕獲面部圖像，然后與集中存儲(chǔ)在遠(yuǎn)程生物特征匹配系統(tǒng)中的圖像作匹配，這樣就擴(kuò)展了靜態(tài)人臉識(shí)別系統(tǒng)的功能和能力。例如，自動(dòng)監(jiān)控系統(tǒng)能夠獨(dú)立工作，一旦入侵者出現(xiàn)在視野中，就會(huì)自動(dòng)發(fā)出報(bào)警信號(hào)。采用自組織技術(shù)的多媒體傳感器網(wǎng)絡(luò)，能夠根據(jù)節(jié)點(diǎn)的計(jì)算和能量資源，優(yōu)化節(jié)點(diǎn)在網(wǎng)絡(luò)中的分布，最適合于應(yīng)用于遠(yuǎn)離中央數(shù)據(jù)庫(kù)的遠(yuǎn)程地區(qū)。在這種環(huán)境下，提高和優(yōu)化能源效率，能量清理，是唯一可行的辦法。
[0004]雖然基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的人臉識(shí)別技術(shù)有潛力實(shí)現(xiàn)自控性和魯棒性強(qiáng)的生物識(shí)別安全系統(tǒng)，新的挑戰(zhàn)和要求必須加以考慮:首先，無(wú)線人臉識(shí)別系統(tǒng)需要相當(dāng)大的能量、計(jì)算和帶寬資源來(lái)進(jìn)行圖像采集、處理和傳輸。由于圖像處理與通信的沉重負(fù)擔(dān)，無(wú)線網(wǎng)絡(luò)的壽命嚴(yán)重縮短。其次，由于原始或壓縮的數(shù)據(jù)需要在無(wú)線信道中傳輸，必須保證人臉識(shí)別技術(shù)的可靠性和準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0005]技術(shù)問(wèn)題:本發(fā)明的目的是提供一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法，保證人臉識(shí)別技術(shù)的可靠性和準(zhǔn)確性。[0006]技術(shù)方案:本發(fā)明的一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法包括3個(gè)主要步驟。首先，提取出待識(shí)別圖像中的人臉區(qū)域，并檢測(cè)出人臉局部組件；然后，在多媒體傳感器節(jié)點(diǎn)中以分布形式傳輸人臉局部組件；最終的人臉識(shí)別在基于K-d樹(shù)的分布式數(shù)據(jù)庫(kù)中完成。
[0007]方案提出一種基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的魯棒、高效的人臉識(shí)別方法。本方案主要有兩方面技術(shù):1.將局部特征算子響應(yīng)結(jié)果與全局幾何約束關(guān)系相結(jié)合，提出一種可靠的人臉局部組件提取方法；2.提出一種應(yīng)用于人臉識(shí)別的高能效、分布式人臉傳輸和檢索系統(tǒng)。
[0008]該方法包含3個(gè)階段，即人臉局部組件偵測(cè)、分布傳輸和分布式人臉識(shí)別，具體方法如下:
[0009]I)人臉局部組件偵測(cè)
[0010]步驟1:利用OpenCV (開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù))中實(shí)現(xiàn)的Adaboost (自適應(yīng)增強(qiáng))級(jí)聯(lián)檢測(cè)器，在圖像中定位人臉；
[0011]步驟2:對(duì)檢測(cè)出的人臉圖像做進(jìn)一步的歸一化操作，通過(guò)變換，將圖像中人眼的位置映射到標(biāo)準(zhǔn)位置；
[0012]步驟3:采取Viola-Jones (維奧拉-瓊斯)檢測(cè)器檢測(cè)提取每個(gè)局部特征組件，檢測(cè)步驟分為兩個(gè)連續(xù)步驟來(lái)完成:首先，對(duì)于每個(gè)局部組件，選擇多個(gè)在局部檢測(cè)器上有大響應(yīng)值(對(duì)于眼睛和嘴角，特征較明顯，響應(yīng)閾值在0.5以上，對(duì)于鼻尖，特征不明顯，t匕較難得到精確位置，響應(yīng)閾值在0.4以上)的位置作為候選局部特征點(diǎn)；第二步，選擇與相對(duì)位置關(guān)系這一先驗(yàn)知識(shí)最為匹配的一組候選局部特征點(diǎn)作為最后的檢測(cè)結(jié)果；
[0013]步驟4:在每個(gè)局部特征點(diǎn)的位置定義一個(gè)網(wǎng)格，為每一個(gè)網(wǎng)格定義一個(gè)獨(dú)有的ID，稱(chēng)為“特征ID”;
[0014]2)分布傳輸
[0015]步驟5:所檢測(cè)出的特征以分布式的方式傳輸?shù)皆垂?jié)點(diǎn)周?chē)墓?jié)點(diǎn)，相關(guān)鄰域節(jié)點(diǎn)的集簇選擇是基于LEACH (低功耗自適應(yīng)集簇分層型)協(xié)議；
[0016]步驟6:存儲(chǔ)局部特征點(diǎn)的節(jié)點(diǎn)所組成的網(wǎng)絡(luò)稱(chēng)為面部特征組件網(wǎng)絡(luò)FCN，根據(jù)節(jié)點(diǎn)的能力，一個(gè)或多個(gè)特征存儲(chǔ)于FCN中的一個(gè)節(jié)點(diǎn)中；
[0017]步驟7 =FCN中的節(jié)點(diǎn)將局部特征從原始顏色空間轉(zhuǎn)換到某個(gè)顏色空間中；
[0018]步驟8:通過(guò)在FCN中的傳輸，不同面部組件的特征算子匯集到匯聚節(jié)點(diǎn)，在匯聚節(jié)點(diǎn)，將收到的局部組件特征算子的直方圖，按照特征ID的順序，連接形成一個(gè)待識(shí)別詞匯，用來(lái)表示原始的待識(shí)別人臉圖像；
[0019]步驟9:待識(shí)別詞匯進(jìn)一步傳輸?shù)綌?shù)據(jù)庫(kù)網(wǎng)絡(luò)DN，同庫(kù)圖像作匹配，對(duì)于數(shù)據(jù)庫(kù)中的所有庫(kù)圖像，相同的局部特征由人工標(biāo)注產(chǎn)生，為了減少處理和內(nèi)存存儲(chǔ)的開(kāi)銷(xiāo)，人臉圖像的注冊(cè)以離線方式完成，匹配模板詞匯存儲(chǔ)在數(shù)據(jù)庫(kù)節(jié)點(diǎn)中；
[0020]3)分布式人臉識(shí)別
[0021]步驟10:考慮到無(wú)線多媒體傳感器網(wǎng)絡(luò)的分布特性，為整個(gè)庫(kù)圖像數(shù)據(jù)庫(kù)建立一個(gè)分布式K維樹(shù)，其中樹(shù)的頂端位于一個(gè)根節(jié)點(diǎn)上，樹(shù)的底部分為若干個(gè)葉子節(jié)點(diǎn)，這些葉子節(jié)點(diǎn)也存儲(chǔ)結(jié)束于自身的特征；
[0022]步驟11:得到模板詞匯和待識(shí)別詞匯之后，識(shí)別過(guò)程在K維樹(shù)上采用最臨近搜索的方法完成；
[0023]步驟12:根據(jù)待匹配特征在向下搜索時(shí)離開(kāi)根節(jié)點(diǎn)的方向，引導(dǎo)系統(tǒng)在離開(kāi)根節(jié)點(diǎn)的方向上的葉子子集節(jié)點(diǎn)上繼續(xù)搜索，葉子節(jié)點(diǎn)在子樹(shù)上計(jì)算得到最近鄰域，然后將結(jié)果返回根節(jié)點(diǎn)，根節(jié)點(diǎn)最后輸出具有最高匹配值的識(shí)別結(jié)果。
[0024]有益效果:作為圖像分析和理解中最成功的應(yīng)用之一，人臉識(shí)別技術(shù)在過(guò)去幾年時(shí)間里備受關(guān)注。為了構(gòu)建自控性和魯棒性強(qiáng)的生物安全體系，本專(zhuān)利探討了人臉識(shí)別技術(shù)在無(wú)線多媒體傳感器網(wǎng)絡(luò)中的應(yīng)用。鑒于傳感器節(jié)點(diǎn)有限的技術(shù)資源(電源、計(jì)算能力、帶寬和存儲(chǔ)空間)，新的要求仍然有待滿足。在本專(zhuān)利中，首先應(yīng)用一種基于面部局部組件的識(shí)別機(jī)制，來(lái)確保人臉識(shí)別的準(zhǔn)確性。然后，為了解決資源緊張的問(wèn)題，一種基于K-d樹(shù)的分布式部署方案被用于人臉圖像的傳輸和檢索。本專(zhuān)利所提出的方法在確保人臉識(shí)別準(zhǔn)確性的同時(shí)，能夠顯著提高無(wú)線多媒體傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的能耗效率。
[0025]方案提出一種基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的魯棒、高效的人臉識(shí)別方法。本方案主要有兩方面技術(shù):1.將局部特征算子響應(yīng)結(jié)果與全局幾何約束關(guān)系相結(jié)合，提出一種可靠的人臉局部組件提取方法；2.提出一種應(yīng)用于人臉識(shí)別的高能效、分布式人臉傳輸和檢索系統(tǒng)。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0026]圖1是人臉識(shí)別系統(tǒng)框架，
[0027]圖2是基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的人臉識(shí)別方法概覽，
[0028]圖3是在5個(gè)被檢測(cè)出的局部組件特征點(diǎn)上標(biāo)注的特征ID，
[0029]圖4是分布式傳輸網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，
[0030]圖5是分布式K-d樹(shù)的拓?fù)浣Y(jié)構(gòu)。
【具體實(shí)施方式】
[0031]I)人臉局部組件偵測(cè)
[0032]為了構(gòu)造一個(gè)能夠通過(guò)面部特征進(jìn)行自動(dòng)識(shí)別的系統(tǒng)，首先需要在圖像中定位人臉。我們按照Viola和Jones所提出的方法,利用OpenCV中實(shí)現(xiàn)的Adaboost級(jí)聯(lián)檢測(cè)器，該檢測(cè)器由三部分組成。第一部分是稱(chēng)為’積分圖’的有效圖像編碼方法。該方法能夠快速計(jì)算圖像中子區(qū)域內(nèi)的像素響應(yīng)總和，對(duì)于Viola-Jones檢測(cè)器的速度來(lái)說(shuō)至關(guān)重要。第二部分是選擇被稱(chēng)為Adaboost的加速算法，來(lái)選擇合適的特征形成模版，用于建立人臉變化的模型。第三部分是一組級(jí)聯(lián)的分類(lèi)器，通過(guò)快速淘汰非人臉區(qū)域來(lái)加速整個(gè)人臉檢測(cè)過(guò)程。這種檢測(cè)方法需要大量的正負(fù)樣本來(lái)訓(xùn)練分類(lèi)器。在具體實(shí)施中，我們使用1000張人工裁剪的人臉圖像作為正樣本，10000張來(lái)自INRIA數(shù)據(jù)庫(kù)的非人臉圖像作為負(fù)樣本。對(duì)檢測(cè)出的人臉圖像做進(jìn)一步的歸一化操作，通過(guò)變換，將圖像中人眼的位置映射到標(biāo)準(zhǔn)位置。
[0033]對(duì)于每個(gè)局部特征組件的檢測(cè)提取，采取和人臉檢測(cè)相同的方法，即Viola-Jones檢測(cè)器。對(duì)于局部特征檢測(cè)的訓(xùn)練樣本，我們將圖像縮放，使得兩眼間距離為55個(gè)像素。正樣本通過(guò)人工標(biāo)注獲得。負(fù)樣本從距離人工標(biāo)注位置至少1/4個(gè)眼間距離的位置采樣獲得。另外，在±15°之內(nèi)的隨機(jī)旋轉(zhuǎn)圖像平面，獲得額外的訓(xùn)練圖像。[0034]局部組件檢測(cè)器的問(wèn)題是如果分別單獨(dú)使用，它們通常無(wú)法準(zhǔn)確的提供局部特征的位置。這個(gè)問(wèn)題可以通過(guò)利用有關(guān)局部組件相對(duì)位置關(guān)系的先驗(yàn)知識(shí)來(lái)解決。檢測(cè)步驟通常分為兩個(gè)連續(xù)步驟來(lái)完成。首先，對(duì)于每個(gè)局部組件，選擇多個(gè)在局部檢測(cè)器上有大響應(yīng)值的位置作為候選局部特征點(diǎn)。第二步，選擇與相對(duì)位置關(guān)系這一先驗(yàn)知識(shí)最為匹配的一組候選局部特征點(diǎn)作為最后的檢測(cè)結(jié)果。根據(jù)已有研究成果，假設(shè)將特征點(diǎn)對(duì)齊到一個(gè)統(tǒng)一坐標(biāo)系中，特征點(diǎn)的位置分布滿足多變量高斯分布，其中分布參數(shù)可以從訓(xùn)練樣本中估計(jì)出來(lái)。因此，對(duì)于候選特征點(diǎn)S的任意組合，我們能夠利用一個(gè)評(píng)分方程來(lái)衡量該組合與先驗(yàn)位置關(guān)系的匹配程度:
[0035]
【權(quán)利要求】
1.一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法，其特征在于該方法包含3個(gè)階段，即人臉局部組件偵測(cè)、分布傳輸和分布式人臉識(shí)別，具體方法如下: 1)人臉局部組件偵測(cè) 步驟1:利用開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV中實(shí)現(xiàn)的自適應(yīng)增強(qiáng)Adaboost級(jí)聯(lián)檢測(cè)器，在圖像中定位人臉； 步驟2:對(duì)檢測(cè)出的人臉圖像做進(jìn)一步的歸一化操作，通過(guò)變換，將圖像中人眼的位置映射到標(biāo)準(zhǔn)位置； 步驟3:采取維奧拉-瓊斯Viola-Jones檢測(cè)器檢測(cè)提取每個(gè)局部特征組件，檢測(cè)步驟分為兩個(gè)連續(xù)步驟來(lái)完成:首先，對(duì)于每個(gè)局部組件，選擇多個(gè)在局部檢測(cè)器上有大響應(yīng)值的位置作為候選局部特征點(diǎn)；第二步，選擇與相對(duì)位置關(guān)系這一先驗(yàn)知識(shí)最為匹配的一組候選局部特征點(diǎn)作為最后的檢測(cè)結(jié)果； 步驟4:在每個(gè)局部特征點(diǎn)的位置定義一個(gè)網(wǎng)格，為每一個(gè)網(wǎng)格定義一個(gè)獨(dú)有的ID，稱(chēng)為“特征ID”; 2)分布傳輸 步驟5:所檢測(cè)出的特征以分布式的方式傳輸?shù)皆垂?jié)點(diǎn)周?chē)墓?jié)點(diǎn)，相關(guān)鄰域節(jié)點(diǎn)的集簇選擇是基于低功耗自適應(yīng)集簇分層型LEACH協(xié)議； 步驟6:存儲(chǔ)局部特征點(diǎn)的節(jié)點(diǎn)所組成的網(wǎng)絡(luò)稱(chēng)為面部特征組件網(wǎng)絡(luò)FCN，根據(jù)節(jié)點(diǎn)的能力，一個(gè)或多個(gè)特征存儲(chǔ)于FCN中的一個(gè)節(jié)點(diǎn)中； 步驟7:FCN中的節(jié)點(diǎn)將局部特征從原始顏色空間轉(zhuǎn)換到某個(gè)顏色空間中； 步驟8:通過(guò)在FCN中的傳輸，不同面部組件的特征算子匯集到匯聚節(jié)點(diǎn)，在匯聚節(jié)點(diǎn)，將收到的局部組件特征算子的直方圖，按照特征ID的順序，連接形成一個(gè)待識(shí)別詞匯，用來(lái)表示原始的待識(shí)別人臉圖像； 步驟9:待識(shí)別詞匯進(jìn)一步傳輸?shù)綌?shù)據(jù)庫(kù)網(wǎng)絡(luò)DN，同庫(kù)圖像作匹配，對(duì)于數(shù)據(jù)庫(kù)中的所有庫(kù)圖像，相同的局部特征由人工標(biāo)注產(chǎn)生，為了減少處理和內(nèi)存存儲(chǔ)的開(kāi)銷(xiāo)，人臉圖像的注冊(cè)以離線方式完成，匹配模板詞匯存儲(chǔ)在數(shù)據(jù)庫(kù)節(jié)點(diǎn)中； 3)分布式人臉識(shí)別 步驟10:考慮到無(wú)線多媒體傳感器網(wǎng)絡(luò)的分布特性，為整個(gè)庫(kù)圖像數(shù)據(jù)庫(kù)建立一個(gè)分布式K維樹(shù)，其中樹(shù)的頂端位于一個(gè)根節(jié)點(diǎn)上，樹(shù)的底部分為若干個(gè)葉子節(jié)點(diǎn)，這些葉子節(jié)點(diǎn)也存儲(chǔ)結(jié)束于自身的特征； 步驟11:得到模板詞匯和待識(shí)別詞匯之后，識(shí)別過(guò)程在K維樹(shù)上采用最臨近搜索的方法完成； 步驟12:根據(jù)待匹配特征在向下搜索時(shí)離開(kāi)根節(jié)點(diǎn)的方向，引導(dǎo)系統(tǒng)在離開(kāi)根節(jié)點(diǎn)的方向上的葉子子集節(jié)點(diǎn)上繼續(xù)搜索，葉子節(jié)點(diǎn)在子樹(shù)上計(jì)算得到最近鄰域，然后將結(jié)果返回根節(jié)點(diǎn)，根節(jié)點(diǎn)最后輸出具有最高匹配值的識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種無(wú)線多媒體傳感器網(wǎng)絡(luò)中的分布式人臉識(shí)別方法，其特征在于所述選擇多個(gè)在局部檢測(cè)器上有大響應(yīng)值，對(duì)于眼睛和嘴角，特征較明顯，響應(yīng)閾值在0.5以上，對(duì)于鼻尖，特征不明顯，比較難得到精確位置，響應(yīng)閾值在0.4以上。
【文檔編號(hào)】H04L29/08GK104008372SQ201410223307
【公開(kāi)日】2014年8月27日 申請(qǐng)日期:2014年5月23日 優(yōu)先權(quán)日:2014年5月23日
【發(fā)明者】林巧民, 王汝傳, 葉寧, 李鵬, 孫力娟, 肖甫, 黃海平, 徐鶴 申請(qǐng)人:南京郵電大學(xué)