深圳市深安科技发展有限公司 公司新闻和公告

指纹识别门禁之外的生物,,,生物特征识别技术不断的发展壮大,各种各样的识别技术也在不断 发展起来,生活中我最为常见的有指纹门禁系统,人脸识别机,指纹门禁考勤机,在人脸识别中较常用的解决方法是聚类-归并-验证策略:首先将肤色像素按照较为严格的颜色一致性和几何约束条件聚类为区域,然后按照一定规则进行归并,归并后或归并过程中利用其他特征进行验证。 Garcia等按照色度的差异将肤色进一步量化为不同的类型,将类型相同且相邻的肤色像素聚类为区域,根据几何位置、形状和色调相容性进行归并,归并过程中利用区域的小波特征进行验证。Abded-Mottaleb等首先排除了局部邻域内亮度变化较大的肤色像素,对其余肤色像素进行聚类,从而得到色度一致的区域;然后使用基于邻接图的方法归并不连通的区域,并且检查区域内亮度在邻域中变化较大的像素所占的比率,对归并结果进行验证。Yang等根据色度的一致性和空间距离将肤色像素聚类成区域,然后逐步归并直到得到符合一定先验知识的椭圆区域为止,最后检查区域中由眼睛、嘴巴等特征形成的暗区或空洞,以确定是否为人脸。

另一种方法是先用较弱的条件将肤色像素聚类为区域,再将符合一定条件的区域分裂开。根据区域的大小和形状找出可能的人脸,剩下的区域按照一定规则不断分裂,以便找出与类肤色背景连接在一起的人脸,最后利用亮度信息对各个区域进行验证。

此外,还有一些方法使用肤色模板进行搜索匹配。采用了模糊模板匹配方法,该方法不仅建立了肤色模型,同时也建立了头发颜色的模型。根据人脸位姿的不同,构造了5种“肤色一发色”模板,并定义了相应的隶属度函数和模糊匹配规则,对所有可能尺度和位置的区域进行搜索。 Karlekar等对YCbCr格式的彩色图像进行了小波变换,训练一个多层感知器在平面的低通色度子图中检测肤色像素,然后使用一个“人脸—背景”二值人脸模板匹配搜索,最后利用亮度分量的小波变换系数验证搜索结果。

此外,还有在分割之前就将肤色检测的结果与其他特征融合在一起的方法,如Sun等提出的基于肤色与对称信息的方法、Kim等[33J提出的肤色信息与深度信息相结合的方法等。指纹识别门禁之外,面识别技术发展前景非常广阔。