一种用于家庭看护系统的人脸识别方法及装置与流程

本发明专利属于图像识别和信息处理技术领域，具体涉及一种用于家庭看护系统的人脸识别方法及装置。

背景技术：

20世纪后期，为控制人口急剧增长，我国实行计划生育政策，使得人口出生率显著降低，但同时这加快了中国人口老龄化的进程。截止2013年底，我国60周岁及以上人口达到20243万人，占总人口的14.9％，大量的老人群体需要大量护理人员。但是，由于未来可用人力资源愈加贫乏的情况下，依赖子女或者专业医护人员看护老人是难以实现的，而这使得我们必须用科技技术的创新来改善上述情况。

随着计算机视觉技术的不断发展和提高，人们和计算机交互的场合越来越多，人工智能成为热点领域，其中人脸识别技术正是人工智能领域的关键技术。人脸识别的相关技术包括人脸检测和跟踪，人脸验证和各类人脸识别。所以将人脸识别技术应用于老人监护领域有助于提高老人的生活质量，减少社会负担，这对构建以人为本的和谐社会有着十分积极的意义。

技术实现要素：

本发明提供一种应用于监护系统的人脸识别方法及装置。首先，搭建完摄像头、处理器、显示设备和存储设备，系统环境搭建完毕后，开始进行视频流的处理，具体包括如下步骤：

(1)图像的预处理；

(2)肤色模型的建立；

(3)五官特征的提取；

(4)人脸数据库的建立以及人脸识别

在步骤(1)所述的对图像进行预处理是为了步骤二所述的肤色模型的建立，具体过程为减少噪声污染和对图片进行直方图均衡。研究表明，肤色这一特征在有色度信息的空间中有着聚类的特性，但由于自身环境(即不同人种)和外在环境(光线问题)的影响，会影响肤色区域的确定。为了建立肤色模型，必须选择合适的颜色空间。由于在不同的光线下，肤色的变化更多体现在亮度而非色度上，所以我们倾向于选择亮度和色度分离的色彩空间ycbcr。

ycbcr色彩空间可以由rgb色彩空间线性变换而得到，具体公式如下：

所以当我们读入彩色图像后，就扫描该图像，获得该彩色图像每一像素r、g、b颜色分量值，根据公式将每一像素转换到ycbcr空间下，计算出cb、cr的值。

在步骤(2)所述的肤色模型的建立，具体过程为选择恰当模型和根据适当阈值得出肤色大概区域。一般来说，肤色模型有直方图模型、高斯模型、椭圆模型等。因为肤色符合正态分布的随机样本，在空间的分布则属于高斯分布，所以这里我们选择的是高斯模型。在得到cb、cr值之后，根据高斯模型得到相似度的值，然后对图像进行进一步处理，消除误差点和噪声点，就可以得到相似度灰度图。相似度计算公式如下：

p(cb,cr)＝exp[-0.5(x-m)^tc^-1(x-m)](1-2)

x＝(cb,cr)^t,c＝e{(x-m)(x-m)^t}(1-3)

得到相似灰度图之后，由于这个图像的灰度值还是在[0，255]之间，不能较好的显示出人脸的肤色区域，此时应该选择合适的阈值，将灰度图像二值化，最终检测出图像的肤色区域，进而确定人脸是否存在。对存在的样本进行分类根据有监督的训练学习算法得出检测率最优的分类器。

在步骤(3)所述的五官特征的提取，具体过程为：首先，要对人脸的五官特征点进行定位，得到相应的几何信息，这是由于人脸的相似性和独特性决定的。每个人都有类似的五官，这是由生物相似性决定的，而五官相对位置的距离又一定是有着差异的，这体现了生物的独特性。五官的特征提取是指在图像的给定区域内搜索五官的位置、关键点或轮廓线。然后，接下来我们将五官的特征点进行定位。在之前标定好的人脸区域进行canny边缘检测，得到边缘检测效果图。边缘是图像上灰度变化比较剧烈的地方，体现图像局部特征的不连续性，通常代表着某个区域的终止和某个区域的初始。在人的视觉和图像分析智能光图像边缘信息十分重要，并且也是图像识别中特征提取的重要手段。本文中使用canny算子来进行边缘检测二值化来得到特征的轮廓，避免其他面部信息的干扰。canny算子是阶梯型边缘检测算子，其检测到的边缘位置和实际边缘可达到最小的偏差，重要的边缘信息不会丢失且虚假边缘较少。由先验知识可得，眼睛和眉毛都属于非肤色区域，并且眼睛和眉毛的距离比较接近，所以对边缘提取后的图像进行水平方向的投影。因为眉毛正好处于眼睛的上方，因此水平方向的投影不会影响眼睛部分水平区域的确定。由此通过水平方向的投影能够得出眼睛存在的可能区域，计算垂直方向上非肤色点的个数，根据非肤色点个数的多少就能确定眼睛的水平区域。在这里我们同样使用canny算子对嘴巴区域进行边缘检测，但是这次选择的阈值则是为了区分唇色和脸部的肤色。因为唇色比肤色要深，所以将大于或等于阈值的灰度值设置为1，对于白色的线条，代表了嘴巴区域的轮廓，然后小于阈值的灰度值设置为0，代表了非嘴巴的区域。根据轮廓我们选择三个位置点对嘴巴进行标定，分别为嘴巴中间点和嘴角两点。对鼻子特征的提取，仍然有先验知识得到，在距离眼睛中心以下0.6到1的距离邻近搜索颜色较深的区域并对其膨胀处理得到两鼻孔的位置。而鼻尖处亮度较大，所以在两鼻孔中间位置附近寻找亮度最高的点，即鼻尖的位置。

在步骤(4)所述的人脸数据库的建立以及人脸识别，具体过程为在进行人脸识别之前输入已有的样本作为训练集，并对不同人的样本输入进行训练，训练方法采用的是fisher脸方法，这一过程称为训练阶段。然后对视频流中的图像进行预处理，处理完之后进行人脸识别过程，这一过程称为测试阶段。

有益效果

本发明对比已有技术具有以下创新点：

a)一种用于家庭看护系统的人脸识别方法及装置，可以对需要监护的特定人群的情况进行了解，从而减少了可能发生事故后的响应时间。

b)围绕监护系统将人脸识别过程智能化，降低了人力资源的使用，进一步实现了自动化识别。

c)深入分析了人脸识别算法和图像预处理方法。

附图说明

图1为本发明方法的程序流程图

图2为程序效果图

具体实施方式

下面结合附图，具体说明本发明。本发明所述的一种应用于监护系统的人脸识别方法及装置，具体实施步骤如下：

(1)搭建系统环境，打开摄像头，系统进入监护状态；

(2)将视频流中的图像进行预处理，

(3)建立肤色检测模型和有监督的机器学习方法对人脸进行检测；

(4)提取人脸特征，将五官的位置标记；

(5)根据建立的人脸识别库对人脸进行识别，得到图2。

本说明书实施例所述的内容仅仅是对发明的原理及实现形式的举例，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也基于本领域技术人员根据本发明构思所能够想到的等同技术手段。