本發明專利技術涉及人臉圖像識別裝置和方法，包括：存儲部，預先存儲有學習信息；特征提取部，在注冊圖像處理中，對所輸入的多個注冊人臉圖像提取注冊人臉圖像的特征，而生成注冊數據，并在識別圖像處理中，對所采集的待識別人臉圖像提取待識別人臉圖像的特征；轉換圖像生成部，在識別圖像處理中，利用存儲在存儲部中的學習信息，由待識別人臉圖像得到轉換圖像；遮擋區域確定部，在識別圖像處理中，根據待識別人臉圖像和轉換圖像的差異圖像，得到因遮擋物而產生的差異部分；相似度評價部，在識別圖像處理中，根據注冊人臉圖像的特征和待識別人臉圖像的特征，舍去在由遮擋區域確定部確定的差異部分，而評價注冊人臉圖像和待識別人臉圖像的相似度。
【技術實現步驟摘要】
本專利技術涉及，更具體為涉及在局部遮擋情況下進行人臉識別。
技術介紹
近年來，隨著人臉識別技術的不斷完善，其應用領域不斷擴大，并相繼在市場上出現了許多基于人臉識別技術的產品，例如人臉考勤機、人臉鎖、信用卡識別、身份登陸系統、安全監控系統、刑事鑒定等。在人臉識別技術中，一般會通過比對兩張圖像的相似度來判定圖像中的人是否為同一個。為了完成比對，需要待識別人員在識別之前提供一張或多張用于比對的圖像，該過程稱為注冊；而使用另一幅圖像與注冊人臉圖像比對的過程稱之為識別。由于采集的難度，注冊人臉圖像往往無法更新，而待識別人員通常會在發型、眼鏡或口罩的佩戴情況上發生變化，使得待識別人臉圖像與注冊人臉圖像差異過大，進而導致識別不成功。為此，必須設計一套能夠應對局部遮擋情況下的人臉圖像識別方法。在現有用于人臉識別的方法中，基于稀疏表示的方法，需要迭代求解，有計算代價高的問題；基于區域劃分的方法，多采用將圖像劃分為多個矩形的方式，但當人臉部分有遮擋物時，由于遮擋區域分割不準確，而無法應對不規則遮擋物；另外，還有基于圖像重建方法進行人臉識別的方法，但需要注冊大量待識別人員的圖像才能獲得好的效果，在實際應用中往往不現實，并且受到應用場景約束。
技術實現思路
本專利技術為解決上述問題，提出一種人臉圖像識別裝置，其對所輸入的注冊人臉圖像進行注冊圖像處理，生成注冊數據，并對所采集的待識別人臉圖像進行識別圖像處理，該人臉圖像識別裝置包括:存儲部，其中預先存儲有學習信息；特征提取部，其在所述注冊圖像處理中，對所輸入的多個注冊人臉圖像提取注冊人臉圖像的特征，而生成注冊數據，并在所述識別圖像處理中，對所采集的待識別人臉圖像提取待識別人臉圖像的特征；轉換圖像生成部，其在所述識別圖像處理中，利用存儲在所述存儲部中的所述學習信息，由所述待識別人臉圖像得到轉換圖像；遮擋區域確定部，其在所述識別圖像處理中，根據所述待識別人臉圖像和所述轉換圖像的差異圖像，得到因遮擋物而產生的差異部分；相似度評價部，其在所述識別圖像處理中，根據所述注冊人臉圖像的特征和所述待識別人臉圖像的特征，舍去在由所述遮擋區域確定部確定的所述差異部分，而評價所述注冊人臉圖像和所述待識別人臉圖像的相似度。如上所述，通過剔除注冊人臉圖像與待識別人臉圖像的差異部位來進行局部遮擋情況下的人臉圖像識別。在注冊和識別之前，預先使用大量的非注冊人員的轉換圖像，學習一個無遮擋人臉模型。在注冊時，提取所有注冊人臉圖像的原始特征并保存。在識別時，首先提取待識別人臉圖像的特征并保存。之后使用作為學習信息的無遮擋人臉模型對待識別人臉圖像進行轉換生成一副新圖像，將新圖像與待識別人臉圖像進行比對，找出二者差異最大的區域，并認為該區域中存在遮擋物。再結合遮擋物的區域信息動態修改相似度計算方法，進而得到二者的相似度。最后，根據遮擋區域的輪廓、面積和位置等幾何信息動態選取閾值，判斷圖像中的人是否相同。本專利技術的優點是，預先生成學習信息，從而在用戶使用之前，提前完成大量的計算，在識別時的計算量小，同時，由于有學習信息，因而識別時不受遮擋物形狀的限制，也不需要增加注冊人臉圖像的數量。在本專利技術中，所述學習信息為，根據在無遮擋情況下對人臉圖像進行拍攝的多個學習樣本圖像，而生成的從樣本圖像空間到注冊人臉圖像特征空間的轉換公式。該學習信息計算量大，然而，在進行一次運算后，可以在人臉圖像識別裝置中延續地使用，并且，大大減少了人臉圖像識別裝置的運算負荷，提高識別的速度。優選還具有，歸一化部，其在注冊圖像處理中，對所述注冊人臉圖像進行歸一化處理后發送至所述特征提取部，并在所述識別圖像處理中，對所述待識別人臉圖像進行歸一化處理后，發送至所述特征提取部、所述遮擋區域確定部和所述相似度評價部。此外，優選在所述轉換圖像生成部中，根據所述轉換公式，由所述待識別人臉圖像得到無遮擋人臉圖像空間的特征，再使用所述轉換公式的逆運算轉回到原空間，得到相似無遮擋人臉的轉換圖像。并優選，在所述遮擋區域確定部中，將所述待識別人臉圖像減去所述轉換圖像，生成所述差異圖像，根據差異圖像中像素的大小和分布生成所述差異部分。還優選在所述遮擋區域確定部中，在對所述差異圖像進行濾波和二值化處理后，根據該二值化后的圖像中像素的大小和分布生成所述差異部分。還優選，在所述遮擋區域確定部中，對所述二值化后的圖像進行基于形態學處理方法或區域連通處理方法的處理后，生成所述差異部分。另外，優選在相似度評價部中，根據所述差異部分的信息動態修改評價標準。本專利技術還提供一種人臉圖像識別方法，包括:注冊圖像處理工序，根據所輸入的注冊人臉圖像生成注冊數據；和識別圖像處理工序，對采集的人臉圖像進行識別，其中，所述注冊圖像處理工序包括:注冊人臉圖像特征提取步驟，由所述多個注冊人臉圖像提取注冊人臉圖像的特征，而生成注冊數據，所述識別圖像處理工序包括:轉換圖像生成步驟，根據預先設定的學習信息，由待識別人臉圖像得到轉換圖像；遮擋區域確定步驟，根據所述待識別人臉圖像和所述轉換圖像的差異圖像，得到因遮擋物而產生的差異部分；待識別人臉圖像特征提取步驟，對所采集的待識別人臉圖像提取待識別人臉圖像的特征；和相似度計算評價步驟，根據所述注冊人臉圖像的特征和所述待識別人臉圖像的特征，舍去在所述遮擋區域確定步驟中識別的所述差異部分，而計算所述注冊人臉圖像和所述待識別人臉圖像的相似度。【附圖說明】圖1為本實施方式的人臉圖像識別裝置的方框圖。圖2為用于說明生成學習信息的圖。圖3為表示在轉換圖像生成部中進行的處理的說明圖。圖4為表示在遮擋區域確定部中進行的處理的說明圖。圖5為相似度評價部評價相似度的流程圖。【具體實施方式】下面，結合附圖詳細說明本專利技術的【具體實施方式】的人臉圖像識別裝置。在本實施方式中，以進行身份驗證的情形為例進行說明，并且，以所采集的待識別的人臉圖像中，該圖像采集對象面部的遮擋物為眼鏡。圖1是表示本專利技術的人臉識別裝置的方框圖。在本專利技術的人臉圖像識別裝置100中，包括用于生成注冊數據的注冊圖像處理部分110 ;用于對采集的人臉圖像進行識別的識別圖像處理部分120和存儲部130。在存儲部130中存儲有由注冊圖像處理部分110生成的注冊數據和學習信息132，以供識別處理部分120在進行人臉圖像識別時使用。<學習信息>存儲在存儲部130中的學習信息132是，根據在無遮擋情況下對人臉圖像進行拍攝的多個學習樣本圖像，生成從樣本圖像空間到注冊人臉圖像特征空間的轉換公式。該學習信息132是預先根據大量的學習樣本圖像生成的預置信息，通常情況下不允許用戶自行修改。該學習信息132通過如下手段得到，在將例如k個的無遮擋人臉圖像作為學習樣本圖像，生成從樣本圖像空間到注冊人臉特征空間的轉換公式時，可以采用現有的多種學習方法生成該轉換公式，例如可采用基于深度學習的疊加去噪自動編碼機(StackedDenoising Auto-Encoder)、主成分分析法(PCA)等。在本實施方式中，以主成分分析法為例進行說明。圖2為以主成分分析當前第1頁1 2 3 本文檔來自技高網...
【技術保護點】
一種人臉圖像識別裝置，其對所輸入的注冊人臉圖像進行注冊圖像處理，生成注冊數據，并對所采集的待識別人臉圖像進行識別圖像處理，其特征在于，包括：存儲部，其中預先存儲有學習信息；特征提取部，其在所述注冊圖像處理中，對所輸入的多個注冊人臉圖像提取注冊人臉圖像的特征，而生成注冊數據，并在所述識別圖像處理中，對所采集的待識別人臉圖像提取待識別人臉圖像的特征；轉換圖像生成部，其在所述識別圖像處理中，利用存儲在所述存儲部中的所述學習信息，由所述待識別人臉圖像得到轉換圖像；遮擋區域確定部，其在所述識別圖像處理中，根據所述待識別人臉圖像和所述轉換圖像的差異圖像，得到因遮擋物而產生的差異部分；相似度評價部，其在所述識別圖像處理中，根據所述注冊人臉圖像的特征和所述待識別人臉圖像的特征，舍去在由所述遮擋區域確定部確定的所述差異部分，而評價所述注冊人臉圖像和所述待識別人臉圖像的相似度。
【技術特征摘要】
【專利技術屬性】
技術研發人員：黃磊，孫濤，
申請(專利權)人：漢王科技股份有限公司，
類型：發明
國別省市：北京;11
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。