專利名稱：利用主動光源獲取人臉圖像的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種獲取人臉圖像的方法，特別是指一種在人臉識別過程中，利用主動光源進行對人臉進行照明，用以克服環(huán)境光對人臉圖像穩(wěn)定性的影響的方法，屬于計算機圖像識別和處理技術(shù)領(lǐng)域。
背景技術(shù)：
人臉識別是基于計算機、圖象處理、模式識別等技術(shù)的一種生物特征識別技術(shù)。近年來，特別是美國遭到9.11恐怖襲擊事件后，世界各國都把安全放到首位，因此，人臉識別技術(shù)的得到比以前更多的關(guān)注。
生物識別技術(shù)主要是依靠人體的身體特征來進行身份驗證的一種高科技識別技術(shù)。人的指紋、掌紋、眼虹膜、脫氧核糖核酸(DNA)以及人臉相貌等人體特征具有人體所固有的不可復(fù)制的唯一性、穩(wěn)定性，無法復(fù)制，失竊或被遺忘。由于每個人的這些特征都不相同，因此利用人體的這些獨特的生理特征可以準確地識別每個人的身份。已有的人體生物識別方法包括人臉識別、指紋識別、聲音識別、掌形識別、簽名識別、眼虹膜、視網(wǎng)膜識別等。
人臉識別與其他識別技術(shù)相比較，具有自然、簡便、易用、用戶接受性良好、非接觸、非侵擾等眾多優(yōu)點。面部識別無需干擾人們的正常行為就可以實現(xiàn)識別的目的，無需為人們是否愿意將手放在指紋采集設(shè)備上，或?qū)χ溈孙L(fēng)講話，或是將他們的眼睛對準激光掃描裝置而進行爭辯。只要從一架攝像機前走過，就可以被快速地識別。因此，人臉識別技術(shù)可廣泛地應(yīng)用于安全驗證、監(jiān)控、出入口控制、電腦登錄、互聯(lián)網(wǎng)登錄及身份認證、電子商務(wù)信息系統(tǒng)、金庫的安全設(shè)施、保險柜、自動柜員機、追捕犯罪嫌疑人、反恐怖斗爭以及其他適用的領(lǐng)域。
常見的人臉識別技術(shù)典型應(yīng)用模式包括
身份鑒定(一對多的搜索)在鑒定模式下，確定一個人的身份，可以快速地計算出實時采集到的面紋數(shù)據(jù)與面像數(shù)據(jù)庫中已知人員的面紋數(shù)據(jù)之間的相似度，給出一個按相似度遞減排列的可能的人員列表，或簡單地返回鑒定結(jié)果(相似度最高的)和相對應(yīng)的可信度。
身份確認(一對一的比對)在確認模式下，面紋數(shù)據(jù)可以存儲在智能卡中或數(shù)碼記錄中，只需要簡單地將實時的面紋數(shù)據(jù)與存儲的數(shù)據(jù)相比對，如果可信度超過一個指定的閾值，則比對成功，身份得到確認。
監(jiān)控應(yīng)用面像捕捉、面像識別技術(shù)，在監(jiān)控范圍中跟蹤一個人和確定他的位置。
監(jiān)視可以在監(jiān)控范圍內(nèi)發(fā)現(xiàn)人臉，而不論其遠近和位置，能連續(xù)的跟蹤他們并將它們從背景中分離出來，將他的面像與監(jiān)控列表進行比對。整個過程完全是無需干預(yù)，連續(xù)和實時。
上述的各種應(yīng)用模式可以廣泛地應(yīng)用在如下的多個領(lǐng)域身份確認與人員檢索可用于電腦/網(wǎng)絡(luò)安全、銀行業(yè)務(wù)、智能卡、訪問控制、邊境控制等領(lǐng)域；身份證可用于選民登記、身份證、護照、駕駛執(zhí)照、工作證等；計算機信息保護系統(tǒng)利用面像特征識別用戶，保護計算機信息；犯罪嫌疑人識別系統(tǒng)應(yīng)用于臉部照片登記系統(tǒng)，事件后分析系統(tǒng)；遠距離身份識別應(yīng)用于監(jiān)視、監(jiān)控、閉路電視、交通管理、敵友識別等。
參見圖1，一個完整的人臉識別過程是將待識別人臉圖像與數(shù)據(jù)庫中人臉作比對，然后作出識別判決。比對識別是在人臉特征碼的基礎(chǔ)上進行。該過程由圖像采集10、特征提取20、和特征比對30三個步驟完成。對應(yīng)于人臉識別系統(tǒng)則包括圖像采集模塊其通過圖像采集裝置(如攝像機、數(shù)碼相機等)采集的人臉圖像或圖像視頻序列，然后，將這些圖像或視頻序列送至計算機進行處理；特征提取模塊其設(shè)置在計算機之中，從輸入的圖像中檢測定位人臉部分，并在對人臉姿態(tài)進行校正之后提取人臉的特征信息，即人臉特征碼；特征比對模塊同樣設(shè)置在計算機之中，它將待識別人的人臉特征信息(人臉特征碼)與人臉特征數(shù)據(jù)庫中所存入的特征信息(人臉特征碼)進行比對，并在這些信息中找出最佳的匹配對象。
顯然，人臉特征數(shù)據(jù)庫需要在識別之前建立。因此，參見圖2，一個人臉識別系統(tǒng)識別應(yīng)有由人臉識別A和人臉錄入建檔B兩大過程構(gòu)成。其中，人臉錄入建檔B過程的目的是建立在人臉識別過程中使用的人臉特征數(shù)據(jù)庫。
人臉識別A和人臉錄入建檔B兩大過程均包括圖像采集和特征提取過程，以獲取圖像和提取特征。但人臉識別過程是將提取的特征碼與人臉特征數(shù)據(jù)庫所存入的特征碼進行特征比對匹配，而人臉錄入建檔過程則將提取的特征碼存入人臉特征數(shù)據(jù)庫。
人臉的特征提取20由人臉檢測或人臉跟蹤201、人臉的特征定位與校正202、人臉特征抽取203等幾個步驟構(gòu)成。人臉檢測是指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在人臉并分離出人臉，人臉跟蹤指對被檢測到的人臉進行動態(tài)目標跟蹤，人臉定位找出眼、鼻、嘴等關(guān)鍵部位，人臉校正利用關(guān)鍵部位對人臉進行幾何校正(如校正偏移的人臉姿態(tài))，人臉特征提取對檢測校正的人臉計算臉部的本質(zhì)特征。
人臉的特征對比30則是基于抽取人臉特征將待識別的人臉數(shù)據(jù)庫40中的人臉進行依次比對，計算匹配可信度，并判決最佳匹配對象。因此，人臉的特征描述決定了人臉識別的具體方法與性能。
要獲得高度可靠、精確的人臉識別效果，所提取人臉特征應(yīng)反映臉部的本質(zhì)特征，即不隨皮膚色調(diào)、面部毛發(fā)、發(fā)型、眼鏡、表情、姿態(tài)、和光線的變化。但是，現(xiàn)有的人臉識別技術(shù)中所存在的一大難題在于環(huán)境光線的變化對人臉特征的影響非常大，不同的環(huán)境光線下所獲得的人臉圖像的識別效果差異極大。
研究表明由光線變化造成的同一人臉的圖像差別要遠遠大于不同人臉的圖像差別。(參見Yael Adnin，Yael Moses and Shimon Ullman，“FacerecognitionThe problem of compensating for changes in illuminationdirection(人臉識別光照方向變化補償問題)”，IEEE Transactions onPattern Analysis and Machine Intelligence，Vol.19，No.7，1997，第712-732頁)?，F(xiàn)有的人臉識別技術(shù)中主要依賴的是“被動”光源，即環(huán)境光源。但是，在實際的應(yīng)用過程中，環(huán)境光千差萬別，并且難以控制。環(huán)境光源的變化會使得獲取的人臉發(fā)生顯著變化，導(dǎo)致所提取人臉特征發(fā)生顯著變化，進而導(dǎo)致人臉特征對比準確率下降。
設(shè)人臉表面一點Pi的法向量為n1＝(nx，ny，nz)T，且nT1為單位向量，即‖n‖＝1；設(shè)光源為點光源，方向為s＝(sx，sy，sz)，人臉的成像公式可以簡單地用Lambertian(蘭伯特)模型表示，Pi點的灰度Ii為Ii＝ρi(x，y)ni(x，y)T·s (1)其中，i＝1，2，…，k，k為人臉所包含的像素點數(shù)；ρi為人臉在Pi點的表面反射率，nTi表示人臉表面一點i處的表面法向量，·表示點積x，y，z表示Pi三維空間中的坐標。
從上述的公式可以看出人臉的成像與人臉的表面反射率、人臉的三維形狀和光照有關(guān)。在人臉的成像過程中，這三個要素是必不可少的。其中前兩項與人臉的本身內(nèi)在特性有關(guān)，也是進行人臉識別所需要的信息；最后一項的光線則是人臉成像的外在因素，也是影響人臉識別性能的主要因素。
雖然光線的強度‖s‖影響人臉圖像的灰度，但這種影響由于是整體性的，可以用簡單的線性變換予以校正。真正影響人臉識別性能的是光線相對于人臉表面法向量的入射角度。設(shè)θi為入射光線與人臉表面法向量在Pi點的夾角(θi∈
)，光線的強度‖s‖＝1，則公式(1)可以表示成如下的公式Ii＝ρi(x，y)cosθi(2)其中，i＝1，2，…，k；k為人臉所包含的像素點數(shù)。
從公式(2)中可以看出，如果光線入射角度變化，則θi就會發(fā)生相應(yīng)的變化，從而造成同一人臉在不同光照角度下圖像差別。通過相關(guān)分析得可知一個從人臉左側(cè)入射的光線產(chǎn)生的人臉圖像與一個從人臉右側(cè)入射的光線產(chǎn)生的人臉圖像的相關(guān)系數(shù)一般為負值，這說明兩幅圖像是完全不同的。
由于在實際的應(yīng)用過程中，光線的角度與系統(tǒng)的應(yīng)用環(huán)境有關(guān)，而實際的環(huán)境千差萬別并且難以控制。目前人臉識別技術(shù)所用圖像混合了內(nèi)在與外在因素，這也就是目前最好的人臉識別系統(tǒng)在光線變化的情況下的識別率只有50％左右的原因(參見2002年美國國家標準局“人臉識別產(chǎn)品評測”報告會(FRVT 2002 Evaluation Report，P.J.Phillips，P.G rother，R.JMicheals，D.M.Blackburn，E Tabassi，and J.M.Bone.March 2003)。。
雖然目前有多種方法在上述的人臉識別中可以進行補償、歸一化等等處理(參見P.N.Belhumeur，David J.Kriegman，“What is the set ofImages of an Object Under All possiblle Lighting Conditions？”，IEEEconf.On Computer Vision and Pattern Recognition”，1996；AthinodorosS.Georghiades and Peter N.Belhumeur，“Illumination cone models forrecognition under variable lightingFaces”，CVPR，1998；Athinodoros S.Georghiades and Peter N.Belhumeur，”From Few to manyIllumination cone models for face recognition under variable lightingand pose”，IEEE Transactions on Pattern Analysis and MachineIntelligence，Vol.23，No.6，pp 643-660，2001；Amnon Shashua，andTammy Riklin-Raviv，“The quotient imageClass-based re-renderingand recognition with varying illuminations”，Transactions onPattern Analysis and Machine Intelligence，Vol.23，No.2，pp129-139，2001；T.Riklin-Raviv and A.Shashua.“The Quotient imageClassbased recognition and synthesis under varying illumination”.InProceedings of the 1999 Conference on Computer Vision and PatternRecognition，pages 566--571，F(xiàn)ort Collins，CO，1999；Ravi Ramamoorthi，Pat Hanrahan，“On the relationship between radiance and irradiancedetermining the illumination from images of a convex Lambertianobject”，J.Opt.Soc.Am.，Vol.18，No.10，2001；Ravi Ramamoorthi，“Analytic PCA Construction for Theoretical Analysis of LightingVariability in Images of a Lambertian Object”，IEEE Transactions onPattern Analysis and Machine Intelligence，Vol.24，No.10，2002-10-21；Ravi Ramamoorthi and Pat Hanrahan，“An EfficientRepresentation for Irradiance Environment Maps”，SIGGRAPH 01，pages497--500，2001；Ronen Basri，David Jacobs，“Lambertian Reflectanceand Linear Subspaces”，NEC Research Institute Technical Report2000-172R；Ronen Basri and David Jacobs，Lambertian Reflectance andLinear Subspaces，IEEE Transactions on Pattern Analysis and MachineIntelligence，forthcoming；Terence Sim，Takeo Kanade，“Illuminatingthe Face”，CMU-RI-TR-01-31，Sept.28，2001等)，但其效果并不明顯，而且對處理系統(tǒng)的計算能力要求很高。這些方法中，有的要求對人臉進行三維建模，有的則對人臉的形狀進行假設(shè)，而這些限制使得人臉識別技術(shù)的可操作性大大降低，并且很難取得很好的效果。

發(fā)明內(nèi)容
本發(fā)明的主要目的在于提供一種利用主動光源獲取人臉圖像的方法；在人臉識別過程中，利用主動光源進行對人臉進行照明，克服環(huán)境光對人臉圖像穩(wěn)定性的影響。
本發(fā)明的另一目的在于提供一種利用主動光源獲取人臉圖像的方法；通過主動光源進行對人臉進行照明，準確地獲取人臉圖像中雙眼的位置信息，降低人臉檢測的難度。
本發(fā)明的目的是這樣實現(xiàn)的采用主動光源對被拍攝的人臉區(qū)域進行照射；同時使用電子圖像采集裝置對人臉進行拍攝，獲取相應(yīng)的圖像，并進一步將所述的圖像傳送到相應(yīng)的電子計算處理設(shè)備中進行人臉圖像的識別處理；其中，所述的主動光源與環(huán)境光源在人臉部位所產(chǎn)生的成像總能量大于環(huán)境光源在人臉部位所產(chǎn)生的成像能量。這里的主動光源包括可見光燈光、閃光燈、紅外波段光源等。本發(fā)明可以有效地減小不同光照環(huán)境下，光線變化對人臉圖像的影響，從而達到在各種光照條件下高度準確的人臉識別；在使用時，利用主動光源對人臉照明，主動光源保持與攝像裝置相對位置保持不變；人臉成像中，由于主動光源光強影響大于環(huán)境光強，因此，所采集的人臉圖像最為穩(wěn)定，能取得最佳的計算機識別效果。


圖1為人臉圖像識別的基本流程示意圖；圖2為人臉圖像識別認證以及錄入建檔流程示意圖；圖3為實現(xiàn)本發(fā)明的人臉圖像識別方法的系統(tǒng)構(gòu)成示意圖；圖4為本發(fā)明主動光源投射方向相對于攝像鏡頭軸線方向夾角示意圖；圖5為本發(fā)明利用主動光源成像在人眼中心產(chǎn)生高亮點的示意圖；圖6采用本發(fā)明的人臉識別門禁控制系統(tǒng)；圖7為采用紅外主動光源的圖像獲取裝置。
具體實施例方式
以下結(jié)合附圖和具體的實施例對本發(fā)明作進一步的詳細說明參見圖3采用本發(fā)明的人臉識別系統(tǒng)320，由主動光源照明裝置321、圖像攝像采集裝置322、和計算機處理識別裝置323三部份構(gòu)成；本發(fā)明的要點在于主動照明光源的運用，及其與圖像攝像采集裝置之間的配置關(guān)系。
首先，采用主動光源照明裝置321對被拍攝的人臉310區(qū)域進行照射；同時使用圖像攝像采集裝置322，例如電腦攝像頭、工業(yè)攝像機、紅外專用攝像機等，對人臉310進行拍攝，獲取相應(yīng)的圖像；然后，將所述的圖像傳送到相應(yīng)的計算機處理識別裝置323中進行人臉圖像的識別處理。
在上述的步驟中，所采用的主動光源與環(huán)境光源在人臉部位所產(chǎn)生成像的總能量大于2倍環(huán)境光源在人臉部位所產(chǎn)生的成像能量。例如假設(shè)環(huán)境光在人臉部位的光強為30勒克斯(LUX)，在拍攝人臉圖像時，采用的主動光源在人臉部位的光強為120LUX，其總光強為環(huán)境光線在人臉部位光強的4倍。
具體地，上述的主動光源照明裝置由主動輻射源構(gòu)成，包括紅外光源、閃光燈、或可見光燈光等。利用閃光燈在拍攝時對人臉進行照射，由于閃光燈的光強遠遠大于環(huán)境光，因此，可以大大減低環(huán)境光對成像的影響。可見光燈光亦可達到類似效果。
利用紅外光源在拍攝中對人臉進行照射時，由于人眼對紅外感受微弱甚至不感受，因此，在拍攝人臉圖像時，紅外光源對人無侵擾；在采用紅外光源對人臉照射的同時，可以在拍攝設(shè)備(例如電子攝像機、數(shù)字相機等)鏡頭上加設(shè)相應(yīng)的紅外濾光鏡片，用紅外濾光鏡片進一步減低環(huán)境光的影響；因此，紅外光源最適合作為人臉識別的主動照明光源。
本發(fā)明的具體實施方式
中，無論采用上述的何種主動光源對人臉進行照射，都應(yīng)當保持主動光源照明裝置與圖像攝像采集裝置之間的相對位置固定，且主動光源的投射方向與電子圖像采集裝置的攝像鏡頭軸線成一銳角。
參見圖4，在人臉圖像的錄入和識別過程之中，應(yīng)當盡量保持人臉平面311與圖像攝像采集裝置322的相對位置不變，且保持人臉平面311與圖像攝像采集裝置322中的攝像鏡頭軸線方向相互垂直(即人臉平面的法向量與攝像鏡頭軸線方向平行)，這樣，人臉平面311法向量與主動光源照明裝置321的投射方向的夾角θ基本不變。如此對人臉進行照明，所獲得的圖像最為穩(wěn)定。
當使用紅外光源時，由于紅外光源與可見光波長不同，可以在攝像鏡頭上加裝紅外濾光鏡片，用于將可見光抑制，以此進一步減低環(huán)境光的影響。在本發(fā)明中，可用的紅外光源的波長為740nm-1700nm的近紅外光源，或波長為1700nm-4000nm中紅外光源照明。由于紅外光為不可見光，并且人眼對紅外感受微弱甚至不感受，紅外光源對人無侵擾；紅外光源應(yīng)用可在人不察覺中進行。并且，利用在紅外光源，可在黑暗中進行人臉識別。
在加用紅外濾光鏡片時，所述的紅外濾光鏡片可為帶通型或截通型。比如當采用850nm紅外發(fā)光二極管照明時，可以配合中心波長為850nm的帶通型紅外濾光鏡片，使得850nm的紅外光通過，而濾除其他波長光線；或者，配合截止波長為850nm的長通紅外濾光片，使得800nm以上波長的紅外光通過，而濾除800nm以下波長的光線。
參見圖5，利用主動光源成像在人眼中心產(chǎn)生高亮點(左圖)檢測人眼，進而檢測人臉(右圖)。在主動光源是紅外光時，會使得所獲得的人臉圖像的人眼中心是一高亮點。利用這一特點，在獲得拍攝圖像時，就可以首先對圖像中出現(xiàn)的、反映人眼的高亮點進行檢測，當檢測到所述的高亮點時，其周圍的區(qū)域則可以判斷為人臉圖像區(qū)域?；蛘?，根據(jù)人眼與人臉圖像的幾何關(guān)系，利用成對出現(xiàn)的高亮點，配合相應(yīng)的模板，就可以準確快速地對圖像中的人臉區(qū)域進行定位。這使得困難的人臉檢測問題得以大大簡化。
再進一步參見圖4，當主動光源照明裝置321中的主動光源的投射方向相對于攝像鏡頭軸線方向的夾角為θ，設(shè)環(huán)境光為S2，如果加入一個主動光源S1，前述的公式(1)可以寫成Ii＝ρi(x，y)ni(x，y)T·(s1+s2) (3)其中，i＝1，2，…，k；如果主動光源S1的強度大于環(huán)境光S2強度，即‖S1‖＞‖S2‖，則公式(3)可以近似表示為Ii≈ρi(x，y)ni(x，y)T·s1(4)其中，i＝1，2，…，k；如果在系統(tǒng)識別過程中，進一步約束人臉與攝像裝置的相對位置不變，則人臉表面法向量與主動光源的投射方向的夾角不變。則根據(jù)公式(4)可知所獲得的人臉圖像只與人臉本身的特性(表面反射率和表面法向量)有關(guān)，而與環(huán)境光照條件近似無關(guān)。如此采集的人臉圖像最為穩(wěn)定，能取得最佳的計算機識別效果。
參見圖6、圖7，以下是一個采用本發(fā)明實現(xiàn)的人臉識別門禁控制系統(tǒng)的例子如圖6所示，在門400上安裝有控制器410，采用主動光源的圖像獲取裝置420將獲取的人臉信息通過圖像信號傳送到計算機430中，計算機430根據(jù)得到的圖像信號進行判斷，并將判斷結(jié)果發(fā)送到門400上的控制器410上，通過該控制器410來控制門的打開與否。
圖7是圖6中的采用主動光源的圖像獲取裝置420的示意圖，該主動光源圖像獲取裝置420為一攝像機，在攝像機上采用8-12顆850nm紅外發(fā)光二極管照明421，置于攝像機鏡頭前，與攝像機鏡頭同軸(此時當人臉平面法與主動光源的投射方向垂直時，夾角為零)，配合中心波長為850nm的帶通紅外濾光鏡片422，使得850nm的紅外光通過，而濾除其他波長光線；或配合截止波長為800nm的長通紅外濾光片，使得800nm以上波長的紅外光通過，而濾除800nm以下波長的光線。通過攝像機采集人臉310圖像并傳至計算機430處理。然后，利用主動光源的使用在人眼中心產(chǎn)生高亮點，使用簡單的圖像處理技術(shù)將此兩高亮點檢出，進而檢測到人臉的位置。最后，對檢測到的人臉進行校正，并提取特征，然后作特征比對及識別判決。計算機430根據(jù)識別判決的結(jié)果，控制門禁系統(tǒng)開門的操作。
最后應(yīng)說明的是以上實施例僅用以說明本發(fā)明而并非限制本發(fā)明所描述的技術(shù)方案；因此，盡管本說明書參照上述的各個實施例對本發(fā)明已進行了詳細的說明，但是，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，仍然可以對本發(fā)明進行修改或者等同替換；而一切不脫離本發(fā)明的精神和范圍的技術(shù)方案及其改進，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當中。
權(quán)利要求
1.一種利用主動光源獲取人臉圖像的方法，其特征在于采用主動光源對被拍攝的人臉區(qū)域進行照射；同時使用電子圖像采集裝置對人臉進行拍攝，獲取相應(yīng)的圖像，并進一步將所述的圖像傳送到相應(yīng)的電子計算處理設(shè)備中進行人臉圖像的識別處理；其中，所述的主動光源和環(huán)境光源在人臉部位所產(chǎn)生的成像總能量大于環(huán)境光源在人臉部位所產(chǎn)生的成像能量。
2.根據(jù)權(quán)利要求1所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的主動光源和環(huán)境光源在人臉部位所產(chǎn)生的成像總能量不小于環(huán)境光源在人臉部位所產(chǎn)生成像能量的2倍。
3.根據(jù)權(quán)利要求1所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的主動光源與所述的電子圖像采集裝置相對位置固定，并且，該主動光源的投射方向與電子圖像采集裝置的攝像鏡頭軸線成一銳角，即0-90度之間。
4.根據(jù)權(quán)利要求1或2或3所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的主動光源為主動輻射源，至少是紅外光源或可見光源或閃光燈，或其組合。
5.根據(jù)權(quán)利要求4所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的紅外光源的波長為740nm-4000nm，或者是在所述波長范圍內(nèi)不同波長紅外光源的組合。
6.根據(jù)權(quán)利要求5所述的利用主動光源獲取人臉圖像的方法，其特征在于當使用紅外光源作為主動光源時，所述的電子圖像采集裝置的攝像鏡頭前還可以進一步加設(shè)用于抑制可見光的紅外濾光鏡片，該紅外濾光鏡片的波長與所述紅外光源的波長相適應(yīng)。
7.根據(jù)權(quán)利要求6所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的紅外濾光鏡片為帶通型或長通截止型濾光鏡片，以抑制可見光而使紅外光通過。
8.根據(jù)權(quán)利要求1所述的利用主動光源獲取人臉圖像的方法，其特征在于當使用主動光源采集圖像之后，所述的電子計算處理設(shè)備檢測該主動光源在所述圖像中的高亮點，并利用所述的高亮點從所述的圖像中檢測到人臉圖像。
9.根據(jù)權(quán)利要求1或3所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的電子圖像采集裝置為電子視頻攝像機或數(shù)字照相機。
10.根據(jù)權(quán)利要求1所述的利用主動光源獲取人臉圖像的方法，其特征在于所述的電子計算處理設(shè)備為設(shè)有圖像處理軟件及相應(yīng)硬件的計算機系統(tǒng)。
全文摘要
一種利用主動光源獲取人臉圖像的方法，采用主動光源對被拍攝的人臉區(qū)域進行照射；同時使用電子圖像采集裝置對人臉進行拍攝，獲取相應(yīng)的圖像，并進一步將所述的圖像傳送到相應(yīng)的電子計算處理設(shè)備中進行人臉圖像的識別處理；其中，所述的主動光源在人臉部位所產(chǎn)生的成像能量遠遠大于環(huán)境光源在人臉部位所產(chǎn)生的成像能量。本發(fā)明可以有效地減小不同光照環(huán)境下，光線變化對人臉圖像的影響，從而達到在各種光照條件下高度準確的人臉識別；在使用時，利用主動光源對人臉照明，主動光源保持與攝像裝置相對位置保持不變；人臉成像中，由于主動光源光強影響大于環(huán)境光強，因此，所采集的人臉圖像最為穩(wěn)定，能取得最佳的計算機識別效果。
文檔編號G03B15/02GK1627317SQ200310121340
公開日2005年6月15日 申請日期2003年12月12日 優(yōu)先權(quán)日2003年12月12日
發(fā)明者高奇 申請人:北京陽光奧森科技有限公司