一种基于人脸图像的身份识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109766792A(43)申请公布日2019.05.17(21)申请号201811589337.5(22)申请日2018.12.25(71)申请人东南大学地址210096江苏省南京市玄武区4牌楼2号(72)发明人路小波秦晨(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人张立娟(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于人脸图像的身份识别方法(57)摘要本方法公开了一种基于人脸图像的身份识别方法，该方法为采集的图片进行图片大尺寸、图片存储格式预处理，使图片尺寸小于等于1000*1000像素；图片存储格式转换为浮点数；将经过预处理的图片输入3层级联深度网络进行处理，得到人脸与人脸特征点的位置；根据人脸与人脸特征点位置，以人的两眼处于同一水平线为目标，对整张图片进行旋转并矫正人脸角度，截取保留人脸部分；对经过步骤(3)的人脸部分进行深度特征提取，并将其与预存人脸深度特征进行比对，进而判断当前人脸的身份。本发明方法全程自动处理并且多角度人脸处理方面具有不错的鲁棒性，因此无需人主动配合识别，可应用于多种场合并且可以具有隐蔽性。CN109766792ACN109766792A权利要求书1/2页1.一种基于人脸图像的身份识别方法，其特征在于：该识别方法包括以下步骤：(1)对采集的图片进行图片大尺寸、图片存储格式预处理，使图片尺寸小于等于1000*1000像素；图片存储格式转换为浮点数；(2)将经过预处理的图片输入3层级联深度网络进行处理，得到人脸与人脸特征点的位置；所述的3层级联深度网络包括第一级网络、第二级网络以及第三级网络，所述的预处理的图片经过第一级网络处理输出若干个人脸候选框，第二级网络将该若干个候选框中非正确人脸候选框去除，保留高概率属于人脸的候选框；第三级网络对第二级网络保留的候选框进行筛选、矫正以及合并，得到人脸与人脸特征点的位置；(3)根据人脸与人脸特征点位置，以人的两眼处于同一水平线为目标，对整张图片进行旋转并矫正人脸角度，截取保留人脸部分；(4)对经过步骤(3)的人脸部分进行深度特征提取，并将其与预存人脸深度特征进行比对，进而判断当前人脸的身份。2.根据权利要求1所述的基于人脸图像的身份识别方法，其特征在于：所述的所述的第一级网络包括一全卷积网络、一边框回归矫正网络以及一非极大值抑制网络，其中全卷积网络为4层全卷积网络，将步骤(1)预处理的多尺度图片输入全卷积网络，经过3层卷积后，在第4层分出2条支路，第一条支路经过一卷积层和一归一化层之后，得到当前检测框属于人脸的概率；第二支路输出边框回归矫正网络的回归参数，检测框经过边框回归矫正网络的矫正之后，再经过非极大值抑制网络合并高度重合的人脸检测框。3.根据权要求1所述的基于人脸图像的身份识别方法，其特征在于：所述的第二级网络包括一筛选网络、一边边框回归矫正网络以及一非极大值抑制网络；其中，筛选网络包括3层卷积层、2层池化层以及2层全连接层，3层卷积层和2层池化层交替设置，在第2层全连接层分出2条支路，第一条支路经过一全连接层和一归一化层之后，得到前检测框属于人脸的概率，第二条支路经过一全连接层输出边框回归矫正网络所需的回归参数，检测框经过边框回归矫正网络的矫正之后，再经过非极大值抑制网络将该候选框中非正确人脸候选框去除，保留高概率属于人脸的候选框。4.根据权要求1所述的基于人脸图像的身份识别方法，其特征在于：所述的第三级网络包括一输出网络、一边边框回归矫正网络以及一非极大值抑制网络；其中输出网络包括4层卷积层、3层池化层以及2层全连接层，4层卷积层和3层池化层交替设置，在第2层全连接层分出3条支路，第一支路和第二支路分别输出人脸概率和回归参数，第三支路输出人脸的左右眼、鼻子、嘴唇左右两端的坐标。5.根据权利要求2-4所述的基于人脸图像的身份识别方法，其特征在于：所述的回归参数包括水平平移参数、竖直平移参数、水平缩放参数以及竖直缩放参数。6.根据权利要求1所述的基于人脸图像的身份识别方法，其特征在于：在步骤(3)中对整张图片利用放射变换进行旋转，其变换表达式为：其，θ即为两眼连线与水平的夹角，(c1,c2)即为两眼连线中点的坐标，(u,v)为目标图像中的对应点坐标，(x,y)为原始图像中的对应点坐标。2CN109766792A权利要求书2/2页7.根据权利要求1所述的基于人脸图像的身份识别方法，其特征在于：在步骤(3)中根据人脸结构，将人脸的框的宽度放大为矫正后的两眼距离的2倍，将人脸框的高度放大为矫正后的鼻子与两眼的纵坐标之差的4倍；对放大后的人脸框进行截取，其截取的尺寸为