[發明專利]基于簡化智能單粒子優化算法的Gabor人臉識別方法

有效

• 申請號: 200910188667.8
• 申請日: 2009-12-07
• 公開（公告）號: CN101710382A
• 公開（公告）日: 2010-05-19
• 發明（設計）人: 紀震;周家銳;沈琳琳;儲穎
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 易釗;曾少麗

技術領域

本發明涉及人臉圖像識別技術領域，更具體地說，涉及一種基于簡化智能 單粒子優化算法的Gabor人臉識別方法。

背景技術

隨著社會信息化程度不斷提高，對個人身份認證工作的需求日益增加，原 有識別方法已無法滿足精確度和便利度的要求。進而出現了基于人臉圖像的身 份識別方法。當前的人臉識別方法主要分為兩類：(1)基于整體模式的識別方 法，通過研究人臉圖像模式的整體屬性進行識別；(2)基于特征分析的識別方 法，將人臉基準點的相對比率和其它描述臉部特征的參數等構成特征矢量，通 過比對進行識別。實用的人臉識別算法需要滿足識別精度和算法復雜度上的要 求，即一方面需要提升識別率，降低誤識率；另一方面需要運算足夠簡單，能 夠在嵌入式平臺等有限資源上實現。

最優化問題是尋找特定函數最值及其對應位置的一類數學問題。生物啟發 式優化算法是通過模擬自然界現象發展起來的一系列智能最優值搜索方法，能 夠有效解決使用一般數學工具無法處理的優化問題。常見的生物啟發式算法如 蟻群算法、基因算法等，或由于搜索速度緩慢，或由于尋優性能不佳，難以用 于解決實際優化問題。近年來通過模擬鳥群覓食的群體性智能行為提出的粒子 群優化算法，以其概念簡明、性能高效、易于實現等優點，得到了廣泛的重視 與應用。

與本技術相關的人臉識別算法為基于Gabor小波(一維的Gabor小波由 Gabor?D于1946年提出，接著Daugman?J于1985年提出了二維的Gabor小波)和 PCA(Principal?Component?Analysis，簡稱PCA)降維抽取特征的方法。此方法 于近年提出，為公認可獲得較好識別效果的算法之一。其工作原理如下：

首先，將人臉圖像與Gabor小波濾波器組分別卷積以抽取特征。如圖1 所示，Gabor濾波器組由40個尺寸相同的二維Gabor小波矩陣組成，包含有8 個方向和5個尺度。因而能夠有效抽取整臉圖像在不同方向和尺度上的特征信 息。

將人臉圖像與這40個Gabor小波分別進行二維卷積運算，獲得40個尺寸 相同的二維特征矩陣。在實際應用中為減少計算量，一般會將人臉圖像與 Gabor濾波器組分別通過二維FFT變換轉換到頻域，從而將卷積計算轉化為矩 陣乘法，再將結果矩陣通過IFFT變換轉換回時域特征。

而后，將特征矩陣組抽取為識別用人臉特征矢量。如圖2所示，對于每個 經過Gabor濾波器抽取獲得的特征矩陣，依序重排列為一維特征矢量。

從而整個特征矩陣組將轉化為40個一維特征矢量。將這些矢量首尾相連， 組成單一的長特征矢量，并采用PCA映射進行降維處理。PCA運算能夠有效 獲取特征中的重要成分，舍棄非重要成分，從而降低矢量長度。最后經過下采 樣，獲得長度較低的識別用人臉特征矢量。

最后，將特征矢量用于人臉識別。對符合認證的人臉圖像分別進行Gabor 抽取，獲得識別用特征矢量組成特征數據庫。當進行識別時，對輸入的人臉圖 像進行特征抽取，然后計算獲得的特征矢量與數據庫中各個矢量分別的馬氏距 離，通過最小近鄰分類器進行識別判定：若其與各特征矢量的最小馬氏距離不 大于預先設定的閥值，則將輸入圖像識別為獲得此最小距離的特征的對應身 份，否則判定為人臉特征不包含在數據庫中。

盡管使用Gabor小波和PCA降維抽取特征進行人臉識別的方法精度較高， 但有兩個主要缺陷：

其一，算法復雜度太高，嚴重影響實用價值。在使用Gabor濾波器組對人 臉圖像進行特征抽取的運算中，需要進行40次二維FFT和IFFT變換，以及 40個復數矩陣的相乘運算。嵌入式平臺很難滿足其計算要求。即使是使用PC 機作為實現平臺，一方面運算速度依然緩慢，另一方面識別成本亦太高。

其二，使用Gabor小波對整臉圖像進行特征抽取針對性不高。40個Gabor 小波的選取為實驗經驗設計，并未針對人臉識別進行專門的優化，其特征抽取 效率低下。依靠整臉圖像的模式進行識別的方法無法區分人類面部不同區域的 特征信息含量及其對識別的重要程度，從而更容易受到干擾的影響。

發明內容

本發明要解決的技術問題在于，提出一種基于簡化智能單粒子優化算法的 Gabor人臉識別方法，以解決現有技術中使用Gabor小波和PCA降維抽取特 征進行人臉識別所存在的缺陷。