专利名称：基于多分类器融合的人脸识别方法及系统的制作方法
技术领域：
本发明涉及一种基于多分类器融合的人脸识别方法及系统。
背景技术：
分类器在所有的样本特征上的区分能力对人脸识别系统的性能有着致命的影响，在实际的监控系统应用过程中，数据源大多是基于摄像机采集到的动态视频流，采集到的人脸图像往往存在姿态随意性较大的问题，而传统的人脸识别方法或系统通常只用一个分类器来进行识别，这就导致仅仅依靠一个分类器是很难达到较高的识别率，从而限制人脸识别系统在监控中的应用的问题。因此，如何考虑姿态变化对人脸识别其产生的影响，提高人脸识别准确率是目前亟待解决的问题
发明内容
本发明的目的在于提供一种基于多分类器融合的人脸识别方法及系统，能够将第一比对结果、第二比对结果和第三比对结果进行有效的融合，实时、有效的处理应用环境中人脸姿态变化的情况，提高多姿态的人脸识别的准确率和鲁棒性。为解决上述问题，本发明提供一种基于多分类器融合的人脸识别方法，包括第一分类器从视频图像中获取某一人的人脸图像，并筛选此人姿态范围为[-90，+90]的人脸图像作为第一筛选结果；通过第二分类器从所述第一筛选结果中获取姿态范围为[-90，-15]的向左旋转人脸图像；通过第三分类器从所述第一筛选结果中获取姿态范围为[-15，+15]的正面人脸图像；通过第四分类器从所述第一筛选结果中获取姿态范围为[+15，+90]的向右旋转人脸图像；将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果，将所述正面人脸图像与姿态模块数据库中每一个被比较人的正面姿态模板进行人脸比对以获取第二比对结果，将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果，将姿态模块数据库中同一被比较人的第一比对结果、第二比对结果和第三比对结果进行融合获取识别结果；判断所述识别结果是否识别为姿态模块数据库中存在的被比较人，若是，则显示识别到的被比较人的相应信息，若否，则将所述向左旋转人脸图像、正面人脸图像和向右旋转人脸图像分别作为左侧姿态模板、正面姿态模板和右侧姿态模板存储入所述姿态模块数据库。进一步的，在上述方法中，将姿态模块数据库中同一被比较人的第一比对结果、第二比对结果和第三比对结果进行融合获取识别结果步骤中，将所述第一比对结果、第二比对结果和第三比对结果中的任意两个相同的结果作为所述识别结果。进一步的，在上述方法中，利用AdaBoost训练算法将所述第一分类器、第二分类器、第三分类器和第四分类器进行组合。进一步的，在上述方法中，采用BP神经网络将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果。
进一步的，在上述方法中，所利用支持向量机分类法将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第二比对结果。进一步的，在上述方法中，利用相关系数分类法并将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果。进一步的，在上述方法中，所述相关系数分类法的计算公式如下
权利要求
1.一种基于多分类器融合的人脸识别方法，其特征在于，包括 第一分类器从视频图像中获取某一人的人脸图像，并筛选此人姿态范围为[-90，+90]的人脸图像作为第一筛选结果； 通过第二分类器从所述第一筛选结果中获取姿态范围为[-90，-15]的向左旋转人脸图像； 通过第三分类器从所述第一筛选结果中获取姿态范围为[-15，+15]的正面人脸图像； 通过第四分类器从所述第一筛选结果中获取姿态范围为[+15，+90]的向右旋转人脸图像； 将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果，将所述正面人脸图像与姿态模块数据库中每一个被比较人的正面姿态模板进行人脸比对以获取第二比对结果，将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果，将姿态模块数据库中同一被比较人的第一比对结果、第二比对结果和第三比对结果进行融合获取识别结果; 判断所述识别结果是否识别为姿态模块数据库中存在的被比较人，若是，则显示识别到的被比较人的相应信息，若否，则将所述向左旋转人脸图像、正面人脸图像和向右旋转人脸图像分别作为左侧姿态模板、正面姿态模板和右侧姿态模板存储入所述姿态模块数据库。
2.如权利要求I所述的基于多分类器融合的人脸识别方法，其特征在于，将姿态模块数据库中同一被比较人的第一比对结果、第二比对结果和第三比对结果进行融合获取识别结果步骤中，将所述第一比对结果、第二比对结果和第三比对结果中的任意两个相同的结果作为所述识别结果。
3.如权利要求I所述的基于多分类器融合的人脸识别方法，其特征在于，利用AdaBoost训练算法将所述第一分类器、第二分类器、第三分类器和第四分类器进行组合。
4.如权利要求I所述的基于多分类器融合的人脸识别方法，其特征在于，采用BP神经网络将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果。
5.如权利要求I所述的基于多分类器融合的人脸识别方法，其特征在于，利用支持向量机分类法将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第二比对结果。
6.如权利要求I所述的基于多分类器融合的人脸识别方法，其特征在于，利用相关系数分类法并将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果。
7.如权利要求6所述的基于多分类器融合的人脸识别方法，其特征在于，所述相关系数分类法的计算公式如下
8.一种基于多分类器融合的人脸识别系统，其特征在于，包括 第一分类器，用于从视频图像中获取某一人的人脸图像，并筛选此人姿态范围为[-90，+90]的人脸图像作为第一筛选结果； 第二分类器，用于从所述第一筛选结果中获取姿态范围为[-90，-15]的向左旋转人脸图像； 第三分类器，用于从所述第一筛选结果中获取姿态范围为[-15，+15]的正面人脸图像； 第四分类器，用于从所述第一筛选结果中获取姿态范围为[+15，+90]的向右旋转人脸图像； 第一比对模块，用于将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果； 第二比对模块，用于将所述正面人脸图像与姿态模块数据库中每一个被比较人的正面姿态模板进行人脸比对以获取第二比对结果； 第三比对模块，用于将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果； 融合模块，用于将姿态模块数据库中同一被比较人的第一比对结果、第二比对结果和第三比对结果进行融合获取识别结果；判断模块，用于判断所述识别结果是否识别为姿态模块数据库中存在的被比较人； 显示模块，用于当所述识别结果识别为姿态模块数据库中存在的人时，显示识别到的被比较人的相应信息； 存储模块，用于当所述识别结果未识别为姿态模块数据库中存在的人，将所述向左旋转人脸图像、正面人脸图像和向右旋转人脸图像分别作为左侧姿态模板、正面姿态模板和右侧姿态模板存储入所述姿态模块数据库。
9.如权利要求8所述的基于多分类器融合的人脸识别系统，其特征在于，所述融合模块将所述第一比对结果、第二比对结果和第三比对结果中的任意两个相同的结果作为所述识别结果。
10.如权利要求8所述的基于多分类器融合的人脸识别系统，其特征在于，利用AdaBoost训练算法将所述第一分类器、第二分类器、第三分类器和第四分类器进行组合。
11.如权利要求8所述的基于多分类器融合的人脸识别系统，其特征在于，所述第一比对模块采用BP神经网络将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第一比对结果。
12.如权利要求8所述的基于多分类器融合的人脸识别系统，其特征在于，所述第二比对模块利用支持向量机分类法将所述向左旋转人脸图像与姿态模块数据库中每一个被比较人的左侧姿态模板进行人脸比对以获取第二比对结果。
13.如权利要求8所述的基于多分类器融合的人脸识别系统，其特征在于，所述第三比对模块利用相关系数分类法并将所述向右旋转人脸图像与姿态模块数据库中每一个被比较人的右侧姿态模板进行人脸比对以获取第三比对结果。
14.如权利要求13所述的基于多分类器融合的人脸识别系统，其特征在于，所述相关系数分类法的计算公式如下
全文摘要
本发明涉及一种基于多分类器融合的人脸识别方法及系统，所述方法包括第二分类器获取姿态范围为[-90，-15]的向左旋转人脸图像，第三分类器获取姿态范围为[-15，+15]的正面人脸图像，第四分类器获取姿态范围为[+15，+90]的向右旋转人脸图像，并将上述人脸图像进行人脸比对；将上述人脸图像与姿态模块数据库中同一被比较人的比对结果进行融合获取识别结果，显示识别到的被比较人的相应信息或将所述向左旋转人脸图像、正面人脸图像和向右旋转人脸图像存储入所述姿态模块数据库。本发明能够将第一、第二和第三比对结果进行有效的融合，实时、有效的处理应用环境中人脸姿态变化的情况，提高多姿态的人脸识别的准确率和鲁棒性。
文档编号G06K9/64GK102831413SQ20121033530
公开日2012年12月19日 申请日期2012年9月11日 优先权日2012年9月11日
发明者秦瀚, 朱同辉, 姚广辉, 刘崎峰 申请人:上海中原电子技术工程有限公司