一种基于大数据的人脸识别与检索系统

1.本发明涉及人脸识别技术领域，特别是涉及一种基于大数据的人脸识别与检索系统。


背景技术：

2.人脸识别技术是一种基于人体生理特征的生物识别技术，通过计算机提取待识别人脸的特征，与数据库中的人脸进行比对匹配，可以快速有效地确定一个人的身份信息。与其他生物识别技术如指纹识别、虹膜识别、签名识别等相比，人脸识别技术具有快速方便、结果直观、隐蔽性好的特点。
3.与此同时，大数据领域的发展也日新月异。人们生活中各种基于大数据的应用层出不穷，基于大数据信息资源的数目快速扩张。近些年来，人脸识别技术快速发展，已经逐渐进入到商用阶段，目前其主要应用于信息安全、案件侦破、电子支付等领域。
4.且拐卖儿童是我国由来已久的社会问题，早期家长通过张贴寻人启示和登广告的形式向失踪地附近的热心人士寻求帮助，一起寻找孩子。随着互联网技术的飞速发展，一些以“寻子、寻亲”为主题的公益网站相继出现，凭借其快速的信息扩散能力，为失散家庭早日团聚助力。然而信息来源增加的同时也加重了身份辨认的负担，并且作为主要依据的图像信息也没有得到很好的利用。因此，为了提高身份辨认的效率，亟需一种基于大数据的人脸识别与检索系统。


技术实现要素：

5.本发明的目的是为了解决上述现有技术中出现的问题，本发明提供了一种基于大数据的人脸识别与检索系统。
6.为实现上述目的，本发明提供了如下方案：
7.一种基于大数据的人脸识别与检索系统，包括：
8.人脸检测单元：用于对输入的图像进行处理与分析，判断所述图像中是否存在人脸，若输入的为视频，则通过人脸跟踪模块，实时跟踪同一个人的运动轨迹，将确认后的人脸图像发送至人脸对齐单元；
9.人脸对齐单元：用于对所述确认后的人脸图像进行处理，并确定人脸大小，得到对齐后的标准化人脸图像；
10.特征提取单元：基于所述标准化人脸图像进行特征提取，得到待识别的人脸特征，并基于提取的特征作为人脸的标识；
11.特征匹配与检索单元：通过将所述待识别的人脸特征与人脸库中已注册人脸的特征进行比较，达到预先设定好的置信度水平时，就能够得到所述人脸库中匹配人脸的标识；
12.其中，所述人脸检测单元、人脸对齐单元、特征提取单元和特征匹配与检索单元依次连接。
13.优选地，所述人脸跟踪模块用于对输入的视频中检测到人脸的前提下，在后续帧
中继续捕获人脸的位置及大小信息，对人脸进行确认。
14.优选地，当所述人脸跟踪模块跟踪到人脸后，还能够基于adaboost算法的人脸检测与基于肤色模型的人脸检测方法对人脸进行提取。
15.优选地，所述adaboost算法通过引入积分图快速计算窗口特征值，将得到的特征值高的特征挑选出来构成弱分类器，然后通过adaboost算法训练，将弱分类器提升为对人脸区分度精确的强分类器，最后将多个强分类器按照级联结构组合起来，构成人脸检测分类器，通过肤色在色彩空间中分布的先验知识，建立肤色的高斯分布模型，将候选人脸区域从背景中分割出来，得到最终人脸区域。
16.优选地，所述人脸对齐单元用于对所述人脸检测单元检测出的人脸区域的位置及大小进行精确定位，并以眼睛为参照物将输入的图像通过旋转、平移操作进行人脸对齐。
17.优选地，基于asef平均合成精确滤波器将原本旋转、倾斜的人脸进行对齐扶正，同时通过光照补偿模块对光照不均匀的人脸进行光照补偿。
18.优选地，所述光照补偿模块通过同态滤波器将对齐后的图像中位于低频的光照变化部分滤除，同时保留图像高频中的人脸细节变化，消除图像中光照的变化，其中，所述低频为图像中光照变化区域，高频为图像中人脸细节区域。
19.优选地，所述特征提取单元用于接收经过所述光照补偿模块处理后的图像，并基于lbp局部位模式算子的人脸识别方法通过对处理后的人脸图像上所有像素点的lbp编码进行统计，得到所述lbp编码的直方图信息，并以所述直方图信息作为识别的特征。
20.优选地，所述直方图信息包括三个不同层次的直方图信息，包括：
21.像素级别信息：直方图所统计的编码包含了像素周围邻域内灰度值的变化信息；
22.区域级别信息：图像被分割成若干互不相交的矩形区域，在每个区域上都计算了其lbp编码的直方图信息；
23.全局信息：所有区域的直方图串接在一起，构建出对整幅图像的全局描述。
24.优选地，对于用户上传的每一张图片，都会进行检测与对齐处理，并进行特征提取以及构建特征索引库，最后通过所述特征索引库提供人脸图像检索功能。
25.本发明的有益效果为：
26.本发明具有准确性、实时性和扩展性，能够实现高精度、高效率的人脸识别与检索；
27.本发明通过人脸进行校正与对齐，保证了人脸样本间姿态的一致性，还利用同态滤波对图像进行光照补偿，减少了光照变化对人脸识别后续步骤的不良影响。
附图说明
28.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
29.图1为本发明实施例的系统结构示意图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
32.参照附图1所示，一种基于大数据的人脸识别与检索系统，包括：
33.人脸检测单元：用于对输入的图像进行处理与分析，判断所述图像中是否存在人脸，若输入的为视频，则通过人脸跟踪模块，实时跟踪同一个人的运动轨迹，将确认后的人脸图像发送至人脸对齐单元；
34.人脸对齐单元：用于对所述确认后的人脸图像进行处理，并确定人脸大小，得到对齐后的标准化人脸图像；
35.特征提取单元：基于所述标准化人脸图像进行特征提取，得到待识别的人脸特征，并基于提取的特征作为人脸的标识；
36.特征匹配与检索单元：通过将所述待识别的人脸特征与人脸库中已注册人脸的特征进行比较，达到预先设定好的置信度水平时，就能够得到所述人脸库中匹配人脸的标识；
37.其中，所述人脸检测单元、人脸对齐单元、特征提取单元和特征匹配与检索单元依次连接。
38.人脸跟踪模块用于对输入的视频中检测到人脸的前提下，在后续帧中继续捕获人脸的位置及大小信息，对人脸进行确认。当人脸跟踪模块跟踪到人脸后，还能够基于adaboost算法的人脸检测与基于肤色模型的人脸检测方法对人脸进行提取。
39.进一步优化方案，所述adaboost算法通过引入积分图快速计算窗口特征值，将得到的特征值高的特征挑选出来构成弱分类器，然后通过adaboost算法训练，将弱分类器提升为对人脸区分度很好的强分类器，最后将多个强分类器按照级联结构组合起来，构成一个快速、稳定的人脸检测分类器，通过肤色在色彩空间中分布的先验知识，建立肤色的高斯分布模型，将候选人脸区域从背景中分割出来，得到最终人脸区域。
40.肤色模型检测是一种基于像素的人脸检测方法，该算法通过肤色在色彩空间中分布的先知险知识，建立肤色的高斯分布模型，将候选人脸区域从背景中分割出来。候选人脸区域中还存在杂散点干扰与“假脸”区域干扰问题，分别使用形态学处理与对候选区域的几何特性分析从候选区域中筛选出最终的人脸区域。
41.进一步优化方案，人脸对齐单元用于对所述人脸检测单元检测出的人脸区域的位置及大小进行精确定位，并以眼睛为参照物将输入的图像通过旋转、平移操作进行人脸对齐。
42.基于asef平均合成精确滤波器将原本旋转、倾斜的人脸进行对齐扶正，同时通过光照补偿模块对光照不均匀的人脸进行光照补偿。
43.asef的构建过程包括：先给定一个包含n幅人脸图像的样本集，根据每个样本图像人眼的位置生成与其对应的滤波后的图像，通过傅里叶变换，在频域内求取每个样本的精确滤波器，最后对所有的精确滤波器做平均，突出样本集的共性，压制单张样本的特性，就
得到了最终的滤波器。利用训练好的asef滤波器，可以实现对任意图像的人眼定位。
44.首先给定一张测试图像f，计算f转换至频域后的图像f，然后求取asef滤波器在频域的复共辄，将转换至频域后的图像f与在频域的复共辄中做点乘运算，得到频域的滤波后图像g，在对g做傅里叶反变换，得到空间域的滤波后图像g，最后在g中搜索像素最大的点，就得到了人眼的中心位置。在构建asef滤波器时，需要对人的左右眼睛分别训练构建其各自的滤波器，使用训练好的滤波器进行眼睛定位时，也需要分别导入两个滤波器模板进行滤波，这样才能在滤波后的图像中准确找到左、右眼的位置。
45.通过使用asef算法对旋转的人脸进行姿态矫正，asef算法是一种人脸定位算法，通过对样本集进行训练，可以得到一个对人眼位置有良好响应的精确滤波器，然后通过图像旋转，得到了两眼处于同一水平线上的端正人脸，人脸矫正保证了人脸样本间的姿态一致性。
46.进一步优化方案，光照补偿模块通过同态滤波器将对齐后的图像中位于低频的光照变化部分滤除，同时保留图像高频中的人脸细节变化，消除图像中光照的变化，其中，所述低频为图像中光照变化区域，高频为图像中人脸细节区域。
47.经过同态滤波后人脸图像比原图整体上更亮一些，图片细节经过处理后会变得较为清晰，能够达到比较好的光照补偿效果。
48.同态滤波是一种很好的图像光照补偿方法，另外，同态滤波对于不同光照条件的的图像需要人为设定不同的滤波器参数。利用同态滤波对图像进行光照补偿，同态滤波可以衰减图像中的低频部分，即光照变化部分；增强图像中的高频部分，即人脸细节部分。通过光照补偿减少了光照变化对人脸识别后续步骤的不良影响。
49.进一步优化方案，特征提取单元用于接收经过所述光照补偿模块处理后的图像，并基于lbp局部位模式算子的人脸识别方法通过对处理后的人脸图像上所有像素点的lbp编码进行统计，得到所述lbp编码的直方图信息，并以所述直方图信息作为识别的特征。
50.lbp(local binary pattern)，即局部二值模式，是一种用来描述图像局部纹理特征的算子，lbp算子具有计算简便、效果好、鲁棒性强的特点，目前被广泛应用于图像检索、目标检测、人脸识别等领域。基于lbp算子的人脸识别方法通过对人脸图像上所有像素点的lbp编码进行统计，得出lbp编码的直方图信息，并以此作为识别的特征。人脸图像在经过lbp算子处理后，每个像素点被标记上新的信息，即该像素点周围像素灰度值的变化情况。这样一幅空间增强的直方图描述了图像三个不同层次的局部信息：第一层是像素级别，直方图所统计的lbp编码包含了像素周围邻域内灰度值的变化信息；第二层是区域级别，图像被分割成若干互不相交的矩形区域，在每个区域上都计算了其lbp编码的直方图信息；第三层即全局信息，所有区域的直方图串接在一起，构建出对整幅图像的全局描述。
51.对于用户上传的每一张图片，都会进行检测与对齐处理，并进行特征提取以及构建特征索引库，最后通过所述特征索引库提供人脸图像检索功能。
52.特征匹配与检索单元：通过将所述待识别的人脸特征与人脸库中已注册人脸的特征进行比较，达到预先设定好的置信度水平时，就能够得到所述人脸库中匹配人脸的标识；
53.通过前面人脸对齐与特征提取的处理，用户发布到人脸库中的每张照片都关联了相应的识别特征，接下来系统就能够利用这些提取的特征提供基于人脸匹配的查询功能。对于用户在进行人脸匹配查询操作时所提交的查询图片，也要经过相同的人脸对齐和特征
提取处理，提取出类似的特征，之后便可根据查询特征与人脸库中已有特征间的相似程度高低给出查询结果。在特征匹配的过程中，系统先是采用顺序扫描的策略计算出人脸库中已有特征与待查询特征间的相似度，当相似度达到某一阈值时才将其加入到候选结果集中(在本实施例中阀值取为0.8)，之后是对候选结果集按照相似度由高到低进行排序。
54.本技术最终用于人脸识别的特征是由不同区域的lbp编码直方图拼接而成，在形式上它仍然具备直方图的特性。因而，可以采用直方图间相似度的计算方法来求解人脸图像间的相似性问题。常用的计算直方图相似度的方法包括：直方图求交法、对数似然统计法和卡方统计法。
55.本发明的有益效果为：
56.本发明具有准确性、实时性和扩展性，能够实现高精度、高效率的人脸识别与检索；
57.本发明通过人脸进行校正与对齐，保证了人脸样本间姿态的一致性，还利用同态滤波对图像进行光照补偿，减少了光照变化对人脸识别后续步骤的不良影响。
58.以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。