《人脸多阶层快速过滤匹配装置及方法.pdf》由会员分享，可在线阅读，更多相关《人脸多阶层快速过滤匹配装置及方法.pdf（9页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102222232 A (43)申请公布日 2011.10.19 CN 102222232 A *CN102222232A* (21)申请号 201110172056.1 (22)申请日 2011.06.24 G06K 9/62(2006.01) (71)申请人 常州锐驰电子科技有限公司 地址 213022 江苏省常州市新北区府琛商务 广场 1 幢乙单元 1521 室 (72)发明人 杨秀坤 (74)专利代理机构 常州市维益专利事务所 32211 代理人 何学成 (54) 发明名称 人脸多阶层快速过滤匹配装置及方法 (57) 摘要 本发明公开了一种人脸多阶层快速过滤匹。
2、配 装置， 包括多阶层识别搜索引擎， 该多阶层识别搜 索引擎承担人脸图像和模板数据的多层次过滤搜 索和匹配运算 ； 以及应用管理服务器， 该应用管 理服务器负责分配数据和协调各个子服务器的任 务。 本发明通过多层次的搜索及匹配， 有效提高大 规模人脸数据库图像匹配的精准度和效率， 使基 于人脸识别的大库联机智能监控系统达到真正实 用。 (51)Int.Cl. (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 1 页 说明书 5 页 附图 2 页 CN 102222243 A1/1 页 2 1. 一种人脸多阶层快速过滤匹配装置， 其特征在于， 包括多阶层识别搜索引擎， 该多。
3、阶 层识别搜索引擎承担人脸图像和模板数据的多层次过滤搜索和匹配运算 ； 以及应用管理服 务器， 该应用管理服务器负责分配数据和协调各个子服务器的任务。 2. 根据权利要求 1 所述的人脸多阶层快速过滤匹配装置， 其特征在于， 所述多阶层识 别搜索引擎包括 ： 第一层的向量搜索模块， 第二层的主成分分析搜索模块， 第三层的纹理特 征搜索模块， 第四层的三维重构搜索模块。 3. 一种人脸多阶层快速过滤匹配方法， 其特征在于， 输入采集的人脸图像后， 通过以下 步骤进行逐层过滤搜索 ： 通过步骤 11 采用基于低分辨率向量匹配的人脸图像快速过滤搜索算法后， 进入步骤 12 进行判断是否找到最佳人脸匹。
4、配， 若判断结果为是， 则输出最佳候选人的身份输出识别 结果、 候选人图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 13 ； 通过步骤 13 采用基于主成分分析的中等分辨率图像匹配识别算法后， 进入步骤 14 进 行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图 片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 15 ； 通过步骤 15 采用基于多重皮肤特征的高分辨率纹理特征匹配算法后， 进入步骤 16 判 断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图片、 匹 。
5、配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 17 ； 通过步骤17采用基于三维建模匹配算法后， 进入步骤18进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图片、 匹配分数、 和匹配可信度 并终止搜索程序， 若判断结果为否， 则搜索结果只供参考。 权 利 要 求 书 CN 102222232 A CN 102222243 A1/5 页 3 人脸多阶层快速过滤匹配装置及方法 技术领域 0001 本发明涉及身份识别技术领域， 具体涉及一种人脸多阶层快速过滤匹配装置及方 法。 背景技术 0002 人脸识别系统以人脸识别技术为核心的一项新兴。
6、的生物识别技术， 是当今国际科 技领域攻关的高精尖技术。在生物识别领域， 人脸识别技术 (FRT) 已逐渐引起越来越多的 工业界研究人员的关注， 近年来， 随着相关技术的飞速发展和实际需求的日益增长， 人脸识 别在许多领域展现了广阔的应用前景。 例如 ： 人脸识别技术作为辅助手段用于司法领域， 进 行身份验证、 罪犯识别等 ； 其在商业上也有许多潜在的应用， 如银行信用卡的身份识别、 安 全识别系统、 可视电话、 医学、 档案管理、 酒店管理、 电视会议人机交互系统等方面， 不但可 以提高社会运行的效率， 也可以大大增强公民日常生活的安全性， 因此人脸识别技术已成 为当前模式识别和人工智能领域。
7、的一个研究热点。与指纹、 虹膜、 基因、 声音等其他生物特 征识别系统相比， 人脸因具有不可复制、 采集方便、 不需要被拍者的配合而深受欢迎。 0003 最近几年， 人脸识别技术逐渐走出了实验室阶段， 由原型系统朝着商业化应用系 统的方向发展。 FRVT(Face Recognition Vendor Test)对来自现实生活的人脸图像进行大 规模测试的结果表明 ： 随着人脸数据规模的增大， 速度和识别率随之下降， 这在很大程度上 限制了其应用范围， 潜在的巨大市场需求和高可靠性的使用要求驱使研究人员从更加广阔 的层面来考虑提高现有人脸识别的技术水平。 0004 近年来， 生物识别等技术开始在。
8、酒店智能化中崭露头角， 位于美国波士顿的 Nine Zero 酒店就率先应用了瞳孔生物识别技术， 顾客走进大堂后， 只要到自助终端机前就可以 作入住登记， 并能自由进出房间。 但由于虹膜识别技术所需的设备和技术费用成本极高， 目 前在我国的酒店等综合服务性行业还难以推广。另外， 我国公开的犯罪分子追逃数据库目 前只包括然人脸和指纹数据局， 尚不含有成规模的虹膜数据库。 0005 目前， 我国从事生物特征识别技术产品开发的厂家多达 200 多家， 产品趋同化现 象严重， 在总体约 2.5 亿元的市场中， 超过 40的产品都集中在民用方面， 如低端的考勤、 门禁等， 在这些现有的技术中， 多数是通。
9、过对客户端人脸图像进行采集后， 采用基于主成分 分析的特征匹配搜索算法直接与数据库中存储的人脸模板图像进行整体对比， 然后根据一 次性搜索匹配的结果得出被拍摄人的身份信息。此类人脸识别产品在图像采集、 识别速度 和准确率等方面与国外的前沿技术相比仍存在一定差距， 而且产品的稳定性方面也不甚理 想， 主要表现在后台数据库规模增大的情况下， 搜索比对速度无法达到实时处理的要求， 更 重要的是， 人脸图像识别的错误接受率 (FAR) 随数据库规模的批量扩充而大幅升高， 因此 而产生的误报警(False Alarm)现象让很多商家和公共安防部门对基于人脸识别的智能安 全报警系统望而却步。 以上因素严重。
10、制约了人脸识别技术在我国有安防价值的高端智能监 控和大规模数据库精确搜索方面的推广和应用。 说 明 书 CN 102222232 A CN 102222243 A2/5 页 4 发明内容 0006 针对上述技术问题， 本发明提供了一种基于多阶层快速过滤搜索的人脸识别装置 和方法， 通过不同类别的人脸特征匹配方法进行多层次的过滤搜索及识别， 有效提高大规 模人脸数据库的实时匹配速度和识别精准度。 0007 实现本发明目的的技术方案如下 ： 0008 人脸多阶层快速过滤匹配装置， 包括多阶层识别搜索引擎， 该多阶层识别搜索引 擎承担人脸图像和模板数据的多层次过滤搜索和匹配运算 ； 以及应用管理服务。
11、器， 该应用 管理服务器负责分配数据和协调各个子服务器的任务。 0009 所述多阶层识别搜索引擎包括 ： 第一层的向量搜索模块， 第二层的主成分分析搜 索模块， 第三层的纹理特征搜索模块， 第四层的三维重构搜索模块。 0010 人脸多阶层快速过滤匹配方法， 输入采集的人脸图像后， 通过以下步骤进行过滤 搜索 ： 0011 通过步骤 11 采用基于低分辨率向量匹配的人脸图像快速过滤搜索算法之后， 进 入步骤 12 进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结 果、 候选人图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 13 ； 0012。
12、 通过步骤 13 采用基于主成分分析的中等分辨率图像匹配识别算法后， 进入步骤 14 进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人 图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 15 ； 0013 通过步骤 15 采用基于多重皮肤特征的高分辨率纹理特征匹配算法后， 进入步骤 16 进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人 图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 17 ； 0014 通过步骤 17 采用基于三维建模匹配算法后， 进入步骤 1。
13、8 进行判断是否找到最佳 匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图片、 匹配分数、 和匹配可 信度并终止搜索程序， 若判断结果为否， 则搜索结果只供参考。 0015 采用上述方案， 通过本发明将采集端实时拍摄的人脸图像与已知人脸数据库中的 模板按多阶层过滤搜索策略进行匹配识别， 获取被拍摄人的相关身份信息。识别算法中采 用多光谱和多阶层分辨率特征融合技术， 充分利用多幅图像在时空域上的相关性及信息上 的互补性， 使得融合后得到的数据对人脸特征具有更全面、 准确和清晰的描述。 本发明采用 通过 “信心度” (Confidence Level) 控制错误识别率的方法， 在。
14、对大规模人脸数据库进行 逐层过滤搜索的过程中， 每个层次的匹配结果在生成时都计算一个数值在 (0 1) 之间的 “信心度” ， 同时， 在每一层次的过滤式搜索中， 都将匹配结果的 “信心值” 低于设定门限值的 人脸图像作为 “无法判断” 的对象而保留到下一级匹配， 如果已经完成最后一级的精确搜索 后匹配结果的信心值仍未超过系统设定的信心度阈值， 则不做任何报警处理， 从而有效降 低在人脸识别的安防应用中因错误报警 (False Alarm) 而引起的一系列严重问题， 并利用 多方位人脸特征信息的相互补偿来提高智能身份信息检测装置的可靠性。 0016 下面结合附图和具体实施方式对本发明作进一步的。
15、说明。 附图说明 说 明 书 CN 102222232 A CN 102222243 A3/5 页 5 0017 图 1 为本发明的系统结构图 ； 0018 图 2 为本发明中多阶层识别搜索引擎的结构示意图 ； 0019 图 3 为本发明的人脸多阶层快速过滤匹配方法的流程图 ； 具体实施方式 0020 参照图 1 和图 2， 本发明的人脸多阶层快速过滤匹配装置， 包括多阶层识别搜索引 擎 10， 该多阶层识别搜索引擎承担人脸图像和模板数据的多阶层过滤搜索和匹配运算。以 及应用管理服务器 20， 该应用管理服务器负责分配数据和协调各个子服务器的任务。所述 多阶层识别搜索引擎 10 包括 ： 第一。
16、层的向量搜索模块 101， 第二层的主成分分析搜索模块 102， 第三层的纹理特征搜索模块 103， 第四层的三维重构搜索模块 104。 0021 参照图 3， 本发明的人脸多阶层快速过滤匹配方法 ： 通过后台服务器将已检测到 的待识别人脸模板与已知人脸数据库中的模板进行基于多阶层过滤搜索算法的实时比对， 找出匹配分数最高的人脸后， 根据系统预先设定好的阈值来作出判断， 从而得出被拍摄人 的身份信息。本发明的核心是选取适当的匹配策略， 本发明选取基于人脸图像多重特征识 别搜索引擎以及多阶层快速过滤识别算法搜索策略进行匹配， 具体步骤如下 ： 0022 通过步骤 11 采用基于低分辨率向量匹配的。
17、人脸的快速搜索后， 进入步骤 12 进行 判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 13 ； 0023 通过步骤 13 采用基于主成分分析的中等分辨率的匹配人脸识别算法后， 进入步 骤 14 进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候 选人图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 15 ； 0024 通过步骤 15 采用基于多重皮肤特征的高分辨率纹理特征匹配算法后， 进入步骤 16 进行判断是否找到最佳。
18、匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人 图片、 匹配分数、 和匹配可信度并终止搜索程序， 若判断结果为否， 则进入步骤 17 ； 0025 通过步骤17基于三维建模匹配算法后， 进入步骤18进行判断是否找到最佳匹配， 若判断结果为是， 则输出最佳候选人身份识别结果、 候选人图片、 匹配分数、 和匹配可信度 并终止搜索程序， 若判断结果为否， 则搜索结果只供参考。 0026 下面对本发明加以举例说明 ： 0027 (1)基于向量匹配的低分辨率人脸图的快速搜索(步骤11) ： 运用快速过滤算法将 目标模板与数据库中存储的已知模板进行粗略匹配， 对于数据库中所有模板匹配的分。
19、数进 行从高到低的排序并且取排在最高的 N1 个作为首要候选人， 如果首选匹配分数高于事先 设置的阈值 ( 步骤 12)， 则立即输出识别结果、 候选人图片、 匹配分数、 和匹配可信度， 并终 止整个搜索程序。否则将目标模板与步骤 11 中搜索出的 N1 个候选人传入下一层次的中等 分辨率匹配算法流程 ( 即进入步骤 13)。 0028 (2) 目标模板与步骤 11 中搜索出的 N1 个候选人进入基于主成分分析的中等分辨 率匹配算法 ( 步骤 13)， 对于这 N1 个模板匹配的分数进行从高到低的排序并且取排在最高 的 N2(N2 N1) 个作为首要候选人， 如果首选匹配分数高于系统中事先设置。
20、的阈值 ( 步骤 14)， 则立即输出识别结果、 候选人图片、 匹配分数、 和匹配可信度， 并终止整个搜索程序。 否 则将目标模板与步骤13中搜索出的N2个候选人传入下一层次的高分辨率的纹理特征匹配 说 明 书 CN 102222232 A CN 102222243 A4/5 页 6 算法流程 ( 即进入步骤 15)。 0029 (3) 目标模板与步骤 13 中搜索出的 N2 个候选人进入高分辨率的纹理特征匹配算 法 ( 步骤 15)， 对于这 N2 个模板匹配的分数进行从高到低的排序并且取排在最高的 N2(N3 N2) 个作为首要候选人， 如果首选匹配分数高于系统中事先设置的阈值 ( 步骤 。
21、16)， 则立 即输出识别结果、 候选人图片、 匹配分数、 和匹配可信度， 并终止整个搜索过程。 否则将目标 模板与 ( 步骤 15) 中搜索出的 N3 个候选人传入最后一层的三维建模匹配算法流程 ( 即进 入步骤 17)。 0030 (4) 目标模板与步骤 15 中搜索出的 N3 个候选人进入最后一层的三维建模匹配算 法， 对于这 N3 个模板匹配的分数进行从高到低的排序并且取排在最高的 N4(N4 N3) 个作 为首要候选人， 终止整个搜索过程。如果首选匹配分数高于事先设置的阈值 ( 步骤 18)， 则 立即采取相应措施， 输出识别结果、 候选人图片、 匹配分数、 和匹配可信度。 0031。
22、 (5) 通过以上 (1)-(4) 的搜索， 如果最终匹配的分数和可信度仍未超过设定阈值， 则搜索结果只供参考， 不能引发任何报警措施， 以避免错误报警给用户带来的不便。 酒店客 户终端程序可根据现场所采集图像的分辨率和双眼间的距离来选取最佳的搜索途径和方 法 . 并可根据实际情况调整阈值， 从而达到客户所能够接受的正确识别率和错误报警率指 标。 0032 本发明的多阶层快速过滤识别算法搜索中均采用通过 “信心度” (Confidence Level) 控制错误识别率的方法， 在将人脸数据库区分过滤为不同比例和数量的候选人 (N1-N4) 的过程中， 每个匹配结果在生成时都附带一个数值在 (0。
23、-1) 之间的基于匹配双方 图像综合质量而计算的 “可信值” ， 同时， 在每一级的分类中， 都将分类结果的 “信心度” 低于 设定门限值的图像作为 “无法判断” 的对象而保留到下一级匹配， 如果已经完成最后一级的 精确搜索仍未超过设定的信心值， 则不做任何报警处理， 从而降低在人脸识别的安防应用 中因为错误报警 (False Alarm) 而引起的一系列严重问题。 0033 为了进一步说明本发明中多阶层人脸识别搜索引擎以及多阶层快速过滤识别算 法在提高识别效率方面的优势， 对该方法还进行以下的具体说明 ： 0034 本发明提出以下计算有效匹配速度的方法 ： 0035 有效速度 0036 本发。
24、明采用多阶层 (Multi-pass) 过滤搜索匹配方法来达到最佳的大规模人脸数 据库系统搜索表现。第一轮搜索采用低分辨率快速过滤匹配算法， 从整个数据库中获得首 轮匹配分数最高的一部分模板数据， 后续利用计算复杂度较高的精细匹配算法进行第二、 三、 四层及至更多层次的搜索， 全部搜索时间可以用如下的公式来计算 ： 0037 T N/R1+F1N/R2+F1F2N/R3+F1F2F3N/R4 (5) 0038 上式中， T 是完成全部匹配所需时间， 以秒计算， N 是全部人脸数据库的图片数目 ； 0039 R1 是基于低分辨率向量快速过滤匹配算法的计算速度 0040 R2 是基于 PCA 的中。
25、等分辨率特征匹配算法的计算速度 0041 R3 是基于纹理分析的高分辨率特征匹配算法的计算速度 0042 R4 是基于三维模型特征重构匹配算法的计算速度 0043 (R1 R4 均以每秒钟搜索匹配的幅图像数目计 ) 0044 F1 代表第二轮搜索时， 待匹配的候选图像数量所占整个数据库的百分比 说 明 书 CN 102222232 A CN 102222243 A5/5 页 7 0045 F2 代表第三轮搜索时， 待匹配的候选图像数量所占其上层 ( 第二轮 ) 搜索图片数 量的百分比 0046 F3 代表第四轮搜索时， 待匹配的候选图像数量所占其上层 ( 第三轮 ) 搜索图片数 量的百分比 0。
26、047 由此， 多轮阶层搜多的有效匹配速度 RE( 每秒钟搜索人脸图像数目 ) 可以用如下 的公式来计算 ： 0048 RE N/T R1R2R3R4/(R2R3R4+F1R1R3R4+F1F2R1R2 R4+ 0049 (6) 0050 F1F2F3R1R2R3) 0051 由于在多层搜索过滤中， 每一层的搜索计算复杂程度和准确率均高于上一次层 次， 采用此方法在保证匹配准确率的情况下有效缩减大规模数据库的整体匹配时间， 提高 人脸识别系统的灵活性和效率， 同时方便系统的进一步拓展， 如开发出更新的或计算复杂 度更高的匹配算法可以方便的按照如上所述的多重搜索原理向上升级。 当前系统的缺省设 置为 ： F1 15 F2 10 F3 5。 说 明 书 CN 102222232 A CN 102222243 A1/2 页 8 图 1 图 2 说 明 书 附 图 CN 102222232 A CN 102222243 A2/2 页 9 图 3 说 明 书 附 图 CN 102222232 A 。