一种人脸识别安全系统的制作方法

技术特征：
1.一种人脸识别安全系统，其特征在于，包括：人脸定位模块：用于将背景图像经预处理后形成人脸轮廓信息，判断人脸轮廓信息中是否存在人脸模型；若存在人脸模型，则基于人脸模型确定人脸轮廓在背景图像中的相对位置，并基于其相对位置确定其轮廓区域；若不存在人脸模型，则无需人脸识别；人脸跟踪模块：用于基于轮廓区域信息，将轮廓区域内的人脸图像从背景图像分离后形成人脸图像数据；人脸匹配模块：用于基于人脸图像数据，将人脸图像数据与标准人脸数据匹配形成人脸标准图像，通过面部特征提取与比对方法，确定最相似的人脸图像相应人员的身份信息。所述预处理包括：基于获取的原始背景图像，依次通过平均灰度值模型、颜色分量一次模型、颜色分量二次模型的色彩优化，形成优化背景图像；所述平均灰度值模型包括：所述ag为原始背景图像中灰度均值；所述ared为原始背景图像中红色分量均值；所述ayellow为原始背景图像中黄色分量均值；所述agreen为原始背景图像中绿色分量均值；所述ablue为原始背景图像中蓝色分量均值；所述颜色分量一次模型包括：所述颜色分量一次模型包括：所述颜色分量一次模型包括：所述颜色分量一次模型包括：所述t(r)
′
为一次色彩优化后的红色分量的背景图像；所述t(r)为红色分量的原始背景图像；所述t(y)
′
为一次色彩优化后的黄色分量的背景图像；所述t(y)为黄色分量的原始背景图像；所述t(g)
′
为一次色彩优化后的绿色分量的背景图像；所述t(g)为绿色分量的原始背景图像；所述t(b)
′
为一次色彩优化后的蓝色分量的背景图像；所述t(b)为蓝色分量的原始背景图像；所述颜色分量二次模型包括：若t(r)
′
>255，则t(r)
″
＝255；
若t(y)
′
>255，则t(y)
″
＝255；若t(g)
′
>255，则t(g)
″
＝255；若t(b)
′
>255，则t(b)
″
＝255；所述t(r)
″
为二次色彩优化后的红色分量的背景图像；所述t(y)
″
为二次色彩优化后的红色分量的背景图像；所述t(g)
″
为二次色彩优化后的红色分量的背景图像；所述t(b)
″
为二次色彩优化后的红色分量的背景图像。2.根据权利要求1所述人脸识别安全系统，其特征在于：所述面部特征提取与比对方法包括：提取原始图像特征：提取人脸标准图像内的面部信息特征形成原始面部特征模型；提取目标图像特征：提取已知身份的人脸特征信息库的人脸目标图像内的面部信息特征形成对应的目标面部特征模型；比对遴选人脸图像：将原始面部特征模型与目标面部特征模型通过模式匹配遴选方法优选出与面部特征模型最相似的人脸图像。3.根据权利要求2所述人脸识别安全系统，其特征在于：所述模式匹配遴选方法包括：人脸相似度匹配：基于原始面部特征模型与目标面部特征模型，通过人脸相似度匹配模型生成匹配相似度参数；人脸相似度匹配模型：所述sim为人脸相似度参数；所述v
i
为原始面部特征与目标面部特征参数相似量；所述v
j
为原始面部特征特征量；所述v
h
为目标面部特征特征量；所述n为比对特征总特征量；人脸相似度判定：基于匹配相似度参数，通过标准比对模型，判定人脸相似度程度，并将当前目标面部特征模型确定为最相似的人脸图像；标准比对模型：所述k为相似度阈值；若人脸相似度大于相似度阈值，则判定人脸相似度程度为匹配；若人脸相似度小于相似度阈值，则判定人脸相似度程度为不匹配。4.根据权利要求3所述人脸识别安全系统，其特征在于：所述人脸相似度判定还包括：确定匹配时间：通过人脸匹配时间模型，确定匹配为最相似的人脸图像的所需匹配时间；人脸匹配时间模型：
所述tmat为人脸匹配时间；匹配精度判定：基于最相似的人脸图像的所需匹配时间，通过时间判定模型，判定人脸图像匹配精度；时间判定模型：tmat＜t
k
‑‑‑
high precision；所述t
k
为匹配时间阈值；若人脸匹配时间小于匹配时间阈值，则确定最相似的人脸图像的所需匹配为高精度匹配。5.根据权利要求1所述人脸识别安全系统，其特征在于：所述人脸识别安全系统还包括情绪评估模块，包括：网格形成子模块：用于将背景图像分离后的人脸图像分割为网格图像，将网格图像的每个网格形成网格像素矩阵；特征提取子模块：用于将背景图像分离后的人脸图像选择若干特征点，以特征点为中心以4厘米为半径形成包含不超过2个特征点的表情变化特征区域；平面模型子模块：用于基于每个表情变化特征区域包含的相应的网格像素矩阵，通过平面向量归类模型和平面方向归类模型分别形成由平面向量集合和平面方向集合组成的平面表情组合；三维模型子模块：用于基于平面向量集合和平面方向集合，通过三维向量组归类模型和三维方向组归类模型分别形成由三维向量组集合和三维方向组集合的三维表情组合；评估对比模块：用于基于三维表情组合，将表情变化特征区域通过权值分配处理形成各特征区域情绪评估综合分值，将各特征区域情绪评估综合分值与标准三维区域情绪模型库进行比对，确定被测者当前情绪状态。6.根据权利要求5所述人脸识别安全系统，其特征在于：所述平面向量归类模型：x方向向量模型：所述dx为任一x方向向量；所述x
t1
为任一x方向t1时刻起点坐标；所述x
t2
为任一x方向t2时刻终点坐标；x方向模型：qx＝arctan(x
t1
/x
t2
)；所述qx为任一x方向度；所述x
t1
为任一x方向t1时刻起点方向；所述x
t2
为任一x方向t2时刻终点方向。7.根据权利要求5所述人脸识别安全系统，其特征在于：y方向向量模型：
所述dy为任一y方向向量；所述y
t1
为任一y方向t1时刻起点坐标；所述y
t2
为任一y方向t2时刻终点坐标；所述平面方向归类模型：y方向模型：qy＝arctan(y
t1
/y
t2
)；所述qy为任一y方向度；所述y
t1
为任一y方向t1时刻起点方向；所述y
t2
为任一y方向t2时刻终点方向。8.根据权利要求5所述人脸识别安全系统，其特征在于：所述三维向量组归类模型：所述三维向量组归类模型：所述dxyz为任一xyz方向组向量；所述dx为任一x方向组向量；所述dy为任一y方向组向量；所述dz为任一z方向组向量；所述三维方向组归类模型：所述qxyz为任一xyz方向组方向度。9.根据权利要求5所述人脸识别安全系统，其特征在于：所述权值分配处理包括：若三维向量组集合的当前表情变化特征区域的三维向量组变化范围大于向量组变化平均变化阈值，则判定当前表情变化特征区域确定是三维向量变化区域；若三维向量组集合的当前表情变化特征区域的三维方向组变化范围大于方向组变化平均变化阈值，则判定当前表情变化特征区域确定是三维方向变化区域；若当前表情变化特征区域是三维向量变化区域，且是三维方向变化区域，则判定当前表情变化特征区域是表情变化高权值特征区域，并根据其变化幅度赋予其子特征区域相应的高表情变化权值，且将各子特征区域的高表情变化权值通过高变化权值拟合模型形成表情变化高权值特征值；否则，判定当前表情变化特征区域是表情变化高权值特征区域，并赋予其子特征区域相应的固定的低表情变化权值，且将各子特征区域的低表情变化权值通过低变化权值拟合模型形成表情变化低权值特征值；将表情变化高权值特征值和表情变化低权值特征值通过评估综合分值拟合模型形成相应的特征区域情绪评估综合分值。
将各特征区域情绪评估综合分值与标准三维区域情绪模型库的进行比对，确定被测者当前情绪状态。10.根据权利要求9所述人脸识别安全系统，其特征在于：所述高变化权值拟合模型：所述ah
i
为表情变化高权值特征值；所述ahscale
j
为任一子特征区域的高表情变化权值；所述低变化权值拟合模型：al
i
＝alscale
j
×
n；所述al
i
为表情变化高权值特征值；所述alscale
j
为任一子特征区域的高表情变化权值；所述评估综合分值拟合模型：aall
i
＝ah
i
al
i
；所述aall
i
任一特征区域的高表情变化权值。

技术总结
本发明属于人工智能技术领域，尤其涉及一种人脸识别安全系统，包括人脸定位模块、人脸跟踪模块、人脸匹配模块，本发明解决了现有技术存在原始人脸图像受光照影响的影响，从而导致色彩的均衡度不平衡，进而影响的人脸识别准确度和匹配精度问题，具有实现了对原始图像进行自适应的光照亮度补偿，从而减少环境干扰因素对任亮识别的影响和干扰的有益技术效果。素对任亮识别的影响和干扰的有益技术效果。素对任亮识别的影响和干扰的有益技术效果。


技术研发人员：李非燕
受保护的技术使用者：李非燕
技术研发日：2022.02.25
技术公布日：2022/6/10