《集群构架下的人脸识别系统及方法.pdf》由会员分享，可在线阅读，更多相关《集群构架下的人脸识别系统及方法.pdf（10页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103186772 A(43)申请公布日 2013.07.03CN103186772A*CN103186772A*(21)申请号 201310036156.0(22)申请日 2013.01.30G06K 9/00(2006.01)G06F 17/30(2006.01)(71)申请人上海交大高新技术股份有限公司地址 200030 上海市徐汇区南丹东路109号4号楼602-605、608-610(72)发明人孙诚 孙敏 庞溟舟 袁小刚傅志宏(74)专利代理机构上海精晟知识产权代理有限公司 31253代理人何新平(54) 发明名称集群构架下的人脸识别系统及方法(57) 摘要。
2、本发明公开了一种集群构架下的人脸识别系统及方法，包括：前端收集模块、面部特征提取模块、索引控制模块、若干匹配搜索模块、图像服务控制模块和若干图像文件管理模块。本发明在面对海量的数据库时，能够有效的加速数据搜索匹配能力，提供更高的数据吞吐量，大幅度提升了后台运行效率。(51)Int.Cl.权利要求书2页 说明书4页 附图3页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书4页 附图3页(10)申请公布号 CN 103186772 ACN 103186772 A1/2页21.集群构架下的人脸识别系统，其特征在于：所述人脸识别系统包括：用于前端图像采集、预处理及有效信息。
3、提取的前端收集模块；根据前端收集模块提供的图像信息，用于面部图像特征选择、提取的面部特征提取模块；根据面部特征提取模块提供的人脸特征图像信息，用于搜索并控制搜索过程的索引控制模块；若干用于构成所述索引控制模块的搜索结果的匹配搜索模块；根据索引控制模块提供的搜索结果，用于管理图像系统及调用图像文件的图像服务控制模块；以及若干用于完成所述图像文件，并提供至终端用户的图像文件管理模块。2.如权利要求1所述的人脸识别系统，其特征在于：所述前端收集模块进一步包括：图像采集模块，用于前端图像的采集及存储；图像修正模块，用于修正图像内容和提取眼部定位信息及偏转信息；图像预处理模块；用于定位并抓取人脸图像信息。
4、，并将其分割成若干索引区域；以及图像输出模块；根据分割成的若干索引区域，用于生成并输出符合检索需要人脸图像集。3.如权利要求1所述的人脸识别系统，其特征在于：所述面部特征提取模块进一步包括：ASM与AAM算法调用子模块，用于根据人脸外部轮廓以及内部主要器官的表现优势，构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；PCA算法调用子模块，用于实现隐藏非显著特征，并降低特征向量的维度；低维数据集生成模块；用于根据所述ASM与AAM算法调用子模块和所述PCA算法调用子模块最终得到的结果，生成包含若干特征向量的低维度数据集。4.如权利要求1所述的人脸识别系统，其特征在于：所述索引控制模块并。
5、行控制管理若干所述匹配搜索模块。5.如权利要求1所述的人脸识别系统，其特征在于：所述图像服务控制模块并行控制管理若干所述图像文件管理模块。6.一种集群构架下的人脸识别方法，其特征在于：包括以下步骤：步骤S1：采集人脸图像信息，并进行内容修正提取眼部定位信息及偏转信息；步骤S2：根据步骤S1中提供的眼部定位信息及偏转信息，定位人脸所在区域，并将定位后的人脸区域划分为若干区域，形成一人脸图像集；步骤S3：根据人脸外部轮廓以及内部主要器官的表现优势，调用ASM与AAM算法构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；步骤S4：调用PCA算法降低所述特征向量的维度，并生成一低维度数据集；。
6、步骤S5：利用索引控制模块将所述低维度数据集分批次逐个调用匹配搜索模块对本地存储数据进行搜索,并给出返回值；步骤S6：所述索引控制模块收集所述返回值，并进行交集筛选，并将筛选结果生成一搜索结果；步骤S7：利用图像服务控制模块调用图像文件管理模块来完成所需图像文件，合并去权 利 要 求 书CN 103186772 A2/2页3重后提交终端用户。7.如权利要求6所述的一种集群构架下的人脸识别方法，其特征在于：所述步骤S5具体还包括如下步骤：所述匹配搜索模块使用本地散列匹配函数检索自身维护散列表，并提取对应数据桶内的特定图像数据结构返回。权 利 要 求 书CN 103186772 A1/4页4集群构。
7、架下的人脸识别系统及方法技术领域0001 本发明涉及人脸检测识别及分布式搜索技术领域，特别涉及一种集群构架下的人脸识别系统及方法。背景技术0002 随着社会经济的快速发展，社会人口流动速度逐年加快，人脸识别作为身份识别的一项重要技术手段对涉及公共安全，企业管理，社会管理等各个领域的重要性逐渐凸显。近年来，随着学术界对人脸识别一系列课题研究的逐步深入，提出了多种行之有效的理论依据和实践方案，目前世界上主流的方法有：模版匹配、示例学习、神经网络和机遇隐马尔可夫模型的方法。尽管人脸识别技术有着广阔的应用前景，但是无论是在识别率，还是在防伪性上，都与指纹，视网膜灯有着较大的差距。呈现检索效率低，平均延。
8、时大，大数据下处理能力低下等问题。特别是应用于海关，城市轨交，铁路，民航等人口密集或人流量较大的场合下，人脸识别系统很难长时间稳定的运行，面临着承载能力的瓶颈。发明内容0003 针对上述现有技术中存在的缺陷，本发明的目的是：提出一种集群构架下的人脸识别系统及方法，其通过采用分布式计算技术及散列算法简化后台搜索过程，同时并行化搜索过程，最终提供高了整个系统的数据吞吐能力，解决了现有的人脸识别系统无法在数据采集量较大的场合长时间使用的问题。0004 本发明解决其技术问题所采用的技术方案是：集群构架下的人脸识别系统，所述人脸识别系统包括：0005 用于前端图像采集、预处理及有效信息提取的前端收集模块。
9、；0006 根据前端收集模块提供的图像信息，用于面部图像特征选择、提取的面部特征提取模块；0007 根据面部特征提取模块提供的人脸特征图像信息，用于搜索并控制搜索过程的索引控制模块；0008 若干用于构成所述索引控制模块的搜索结果的匹配搜索模块；0009 根据索引控制模块提供的搜索结果，用于管理图像系统及调用图像文件的图像服务控制模块；以及0010 若干用于完成所述图像文件，并提供至终端用户的图像文件管理模块。0011 作为优选方案，所述前端收集模块进一步包括：0012 图像采集模块，用于前端图像的采集及存储；0013 图像修正模块，用于修正图像内容和提取眼部定位信息及偏转信息；0014 图像。
10、预处理模块；用于定位并抓取人脸图像信息，并将其分割成若干索引区域；以及0015 图像输出模块；根据分割成的若干索引区域，用于生成并输出符合检索需要人脸说 明 书CN 103186772 A2/4页5图像集。0016 作为优选方案，所述面部特征提取模块进一步包括：0017 ASM与AAM算法调用子模块，用于根据人脸外部轮廓以及内部主要器官的表现优势，构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；0018 PCA算法调用子模块，用于实现隐藏非显著特征，并降低特征向量的维度；0019 低维数据集生成模块；用于根据所述ASM与AAM算法调用子模块和所述PCA算法调用子模块最终得到的结果，。
11、生成包含若干特征向量的低维度数据集。0020 作为优选方案，所述索引控制模块并行控制管理若干所述匹配搜索模块。0021 作为优选方案，所述图像服务控制模块并行控制管理若干所述图像文件管理模块。0022 集群构架下的人脸识别方法，包括以下步骤：0023 步骤S1：采集人脸图像信息，并进行内容修正提取眼部定位信息及偏转信息；0024 步骤S2：根据步骤S1中提供的眼部定位信息及偏转信息，定位人脸所在区域，并将定位后的人脸区域划分为若干区域，形成一人脸图像集；0025 步骤S3：根据人脸外部轮廓以及内部主要器官的表现优势，调用ASM与AAM算法构建组合表现模型，并依据组合表现模型对每个样本提取特征向。
12、量；0026 步骤S4：调用PCA算法降低所述特征向量的维度，并生成一低维度数据集；0027 步骤S5：利用索引控制模块将所述低维度数据集分批次逐个调用匹配搜索模块对本地存储数据进行搜索,并给出返回值；0028 步骤S6：所述索引控制模块收集所述返回值，并进行交集筛选，并将筛选结果生成一搜索结果；0029 步骤S7：利用图像服务控制模块调用图像文件管理模块来完成所需图像文件，合并去重后提交终端用户。0030 作为优选方案，所述步骤S5具体还包括如下步骤：所述匹配搜索模块使用本地散列匹配函数检索自身维护散列表，并提取对应数据桶内的特定图像数据结构返回。0031 本发明的有益效果是：采用本发明在面。
13、对海量的数据库时，能够有效的加速数据搜索匹配能力，其并行化搜索及图像管理能力能够为系统提供更高的数据吞吐量，且对海量数据进行分割存储，其既保证了数据的完整性，同时又提高了系统的吞吐率和数据冗余度，加快了图像的检索读取速度，大幅度提升了后台运行效率。附图说明0032 图1是本发明的系统结构示意图；0033 图2是前端收集模块的框体结构图；0034 图3是面部特征提取模块的框体结构图；0035 图4是本发明实施方法流程图。具体实施方式0036 现在结合附图对本发明作进一步详细的说明。0037 如图1所示，集群构架下的人脸识别系统，包括：前端收集模块1、面部特征提取模说 明 书CN 10318677。
14、2 A3/4页6块2、索引控制模块3、若干匹配搜索模块4、图像服务控制模块5；以及若干图像文件管理模块6。0038 图2所示的是图1中的前端收集模块1，所述前端收集模块1进一步包括：0039 图像采集模块11，用于前端图像的采集及存储；0040 图像修正模块12，用于修正图像内容和提取眼部定位信息及偏转信息；0041 图像预处理模块13；用于定位并抓取人脸图像信息，并将其分割成若干索引区域；以及0042 图像输出模块14；根据分割成的若干索引区域，用于生成并输出符合检索需要人脸图像集。0043 图3所示的图1中的面部特征提取模块2，所述面部特征提取模块2进一步包括：0044 ASM与AAM算法。
15、调用子模块21，用于根据人脸外部轮廓以及内部主要器官的表现优势，构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；0045 PCA算法调用子模块22，用于实现隐藏非显著特征，并降低特征向量的维度；0046 低维数据集生成模块23；用于根据所述ASM与AAM算法调用子模块和所述PCA算法调用子模块最终得到的结果，生成包含若干特征向量的低维度数据集。0047 本发明中的人脸识别系统其工作过程如下：前端收集模块采集图像，并修正图像内容和提取眼部定位信息及偏转信息，而后，图像预处理模块将原始图像集分离和初步处理，定位人脸所在区域并分割这些区域，形成一组符合检索需要的人脸图像集；面部特征提取模。
16、块使用ASM与AAM算法完成对单个人脸图像的特征值提取，再利用PCA算法降低维度，形成包含若干向量的低维数据集合；索引控制模块根据数据集合分批次逐个调用匹配搜索模块并针对本地存储数据搜索，而匹配搜索模块使用本地散列匹配函数检索自身维护散列表中，并提取对应数据桶内的特定图像数据结构并返回；索引控制模块收集返回值，利用交集筛选，获取满足条件结果构成搜索结果；图像服务控制模块根据前面搜索结果，调用图像文件管理模块完成所要求图像文件，合并去重后提交终端用户。0048 其具体的实施流程如图4所示：集群构架下的人脸识别方法，包括以下步骤：0049 步骤S1：采集人脸图像信息，并进行内容修正提取眼部定位信息。
17、及偏转信息；0050 步骤S2：根据步骤S1中提供的眼部定位信息及偏转信息，定位人脸所在区域，并将定位后的人脸区域划分为若干区域，形成一人脸图像集；0051 步骤S3：根据人脸外部轮廓以及内部主要器官的表现优势，调用ASM与AAM算法构建组合表现模型，并依据组合表现模型对每个样本提取特征向量；0052 步骤S4：调用PCA算法降低所述特征向量的维度，并生成一低维度数据集；0053 步骤S5：利用索引控制模块将所述低维度数据集分批次逐个调用匹配搜索模块对本地存储数据进行搜索,并给出返回值；0054 步骤S6：所述索引控制模块收集所述返回值，并进行交集筛选，并将筛选结果生成一搜索结果；0055 步。
18、骤S7：利用图像服务控制模块调用图像文件管理模块来完成所需图像文件，合并去重后提交终端用户。0056 所述步骤S5具体还包括如下步骤：所述匹配搜索模块使用本地散列匹配函数检索自身维护散列表，并提取对应数据桶内的特定图像数据结构返回。说 明 书CN 103186772 A4/4页70057 以上显示仅描述了本方案的主要特征和创新点。本领域的技术人员应该了解，本方案不受上述实施例的限制。在不脱离本创新点和保护范围的前提下，本方案还会有各种变化，这些变化和改进都将落入本方案要求保护的范围内。本方案要求保护的范围由所附的权利要求书及其等效物限定。说 明 书CN 103186772 A1/3页8图1图2说 明 书 附 图CN 103186772 A2/3页9图3说 明 书 附 图CN 103186772 A3/3页10图4说 明 书 附 图CN 103186772 A10。