科创中国

本发明适用于人脸识别技术领域，提供了一种人脸识别方法，所述方法包括：对原始的测试人脸图像进行预处理；采用光栅扫描的方式，基于多尺度的局部二值模型LBP描述子，提取出所述测试人脸图像的原始码字；统计每个原始码字的频率分布，基于学习的LBP编码对原始码字进行编码得到一组新码字，基于编码后生成的新码字，计算所述测试人脸图像的LBP特征；根据所述测试人脸图像的LBP特征对所述测试人脸图像进行识别。本发明，可以使得编码生成的新的码字的概率分布更加均匀，因而最终的编码空间更加紧凑，具有更高的信息熵，从而保留更多的原始信息，更具有辨识力。

一种人脸识别方法，其特征在于，所述方法包括：A、对原始的测试人脸图像进行预处理；B、采用光栅扫描的方式，基于多尺度的局部二值模型LBP描述子，提取出所述测试人脸图像的原始码字；C、统计每个原始码字的频率分布，采用基于学习的LBP编码对所述原始码字进行编码得到一组新码字，基于编码后生成的新码字，计算所述测试人脸图像的LBP特征；D、根据所述测试人脸图像的LBP特征对所述测试人脸图像进行识别；在步骤C之后，还包括：采用级联子空间训练模型对所述测试人脸图像的LBP特征进行处理，得到与所述测试人脸图像的LBP特征对应的低维特征；根据所述低维特征对所述测试人脸图像进行识别；在所述采用级联子空间训练模型对所述测试人脸图像的LBP特征进行处理，得到与所述测试人脸图像的LBP特征对应的低维特征之前或之后，还包括：根据步骤A、B、C所述的方法获得训练人脸图像的LBP特征；采用级联子空间训练模型对所述训练人脸图像的LBP特征进行处理，得到与所述训练人脸图像的LBP特征对应的低维特征。

在现有的人脸识别技术中，需要通过摄像头采集人脸二维图像，获取人脸二维图 像上的特征点（例如：眼睛、鼻子、嘴等），并与预存储的特征点进行比较以达到人脸识别的 目的。然而，由于每个人的习惯不同或者采集过程中镜头晃动等原因，使得采集到的人脸二 维图像在垂直方向可能存在一定的偏移，造成人脸的识别率较低。本发明实施例在于提供一种人脸识别方法及系统，以解决现有基于二维图像的人 脸识别，在人脸姿态变换较大时识别率较低的问题。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明实施例将待识别人脸图 像与人脸图像数据库中的二维人脸图像进行匹配，获得最匹配的二维人脸图像，并结合最 匹配的二维人脸图像对应的三维人脸模型获得待识别人脸图像和三维人脸模型之间的投 影矩阵，基于所述投影矩阵和所述人脸图像数据库中的每个三维人脸模型生成多个新的二 维人脸图像，提取所述新的二维人脸图像的LBP特征向量并存储至人脸图像数据库，提取所 述待识别人脸图像的LBP特征向量，并将所述待识别人脸图像的LBP特征向量与所述新的二 维人脸图像的LBP特征向量进行匹配，获得最匹配的LBP特征向量对应的二维人脸图像，将 该二维人脸图像的身份作为所述待识别人脸图像的最终识别身份。本发明实施例通过将二 维和三维方法相结合的方式对人脸图像进行识别，可有效解决现有技术在人脸姿态变换较 大时，单纯通过二维图像提取特征方式导致人脸识别率较低的问题。本发明实施例人脸识 别准确、高效，对硬件要求较低，从而有利于降低产品成本，使得产品适用面更广，具有较强 的易用性和实用性。

技术合作

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定 本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在 不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当 视为属于本发明由所提交的权利要求书确定的专利保护范围。