[發明專利]一種基于多尺度局部相位量化特征的人臉識別方法

無效

• 申請號: 201110097030.5
• 申請日: 2011-04-18
• 公開（公告）號: CN102184384A
• 公開（公告）日: 2011-09-14
• 發明（設計）人: 劉寶;趙春水;劉文金
• 申請（專利權）人: 蘇州市慧視通訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/60
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

技術領域

本發明屬于視頻識別方法，尤其是應用于人臉識別的視頻識別方法。

背景技術

人臉識別技術是當前大力發展的生物識別技術之一。人臉識別系統主要包括數據采集子系統、人臉檢測子系統和人臉識別子系統。人臉特征提取是人臉識別子系統最為關鍵的技術，好的人臉特征提取技術將使提取的人臉特征值更小、辨別性能更好，可以提高識別率和降低誤識率。目前已存在的人臉特征提取方法主要有：基于幾何特征方法、基于子空間分析方法、基于小波理論方法、基于神經網絡方法、基于隱馬爾可夫模型方法、基于支持向量機方法和基于三維模型方法?；趲缀翁卣鞣椒ǖ乃枷胧翘崛∪四樏娌烤哂写硇缘牟课?例如眉毛、眼睛、鼻子、嘴巴等)的相對位置和相對大小作為特征，再輔以人臉輪廓的形狀信息作為特征，本方法容易受光照、表情、遮擋等因素的影響，穩定性不高?；谛〔ɡ碚摰娜四樧R別方法主要思想是人臉圖像在經過小波變換后得到的低頻圖像可用于表示人臉。人工神經網絡ANN是由大量簡單的處理單元相互連接而成的網絡系統，在自學習、自組織、聯想及容錯方面具有較強的能力，在學習過程中提取得到的特征可作為人臉特征進行識別?；谧涌臻g分析的方法是目前比較流行的人臉識別方法，基本思想是把高維空間中松散分布的人臉圖像通過線性或非線性變換投影到一個低維的子空間中，使得人臉圖像的分布在低維子空間中更加緊湊，更有利于分類，并且從高維計算變為低維計算可解決“維數災難”問題。線性子空間方法有：主元分析PCA(Principal?Component?Analysis)、奇異值分解SVD(Singular?value?decomposition)、線性判別分析LDA(Linear?Discriminant?Analysis)、獨立主元分析ICA(Independent?Component?Correlation?Algorithm)和非負矩陣因子NMF(Non-negative?Matrix?Factorization)等，非線性子空間方法有：核主成份分析、核Fisher判別分析、流形學習方法等。子空間分析的方法具有計算代價小、描述能力強、分類性強等特點，基于可分性準則的線性判別分析方法是當前人臉識別的主流方法之一。

發明內容

本發明提供了一種提供一種性能更好、魯棒性更強的人臉識別方法。

本發明的技術方案是提供一種基于多尺度局部相位量化特征的人臉識別方法，該方法是在數字攝像機作為傳感器以及數字信號處理芯片的支持下實現的，其特征在于：該方法包括以下步驟：

1)利用所述數字攝像機采集識別人的數字視頻，并將其轉換成數字圖像；

2)應用人臉檢測算法檢測1)中所述數字圖像，從中提取人臉圖像；

3)將2)中所述人臉圖像進行轉正、縮放、濾波等預處理并調整到固定分辯率，獲得規定化人臉圖像；

4)計算3)中所述規定化人臉圖像的水平梯度圖像和垂直梯度圖像；

5)計算4)中所述水平梯度圖像和垂直梯度圖像的積分圖像；

6)基于5)中所述積分圖像計算得到人臉多尺度局部相位量化特征圖像集；

7)基于6)中所述人臉多尺度局部相位量化特征圖像集，應用特征選擇器從中初步篩選出候選人臉多尺度局部相位量化特征集；

8)基于7)中所述候選人臉多尺度局部相位量化特征集，應用線性辨別分析器計算得到低維空間的人臉特征向量；

9)將8)中所述人臉特征向量與預建人臉特征模板庫進行匹配，從而獲取識別人身份信息。

優選的，步驟1)中所述數字圖像是紅外圖像或者可見光圖像中的任意一種。

優選的，步驟7)中所述特征選擇器基于Adaboost級聯分類器預先訓練好的。

優選的，步驟8)中所述線性辨別分析器由多個子空間線性辨別分析器組合而成。

優選的，所述多個子空間線性辨別分析器包括：原始LDA、增強LDA、直接LDA、零空間LDA和邊緣LDA。

從技術角度上來說，局部相位量化(LPQ)特征已經被證實了對人臉圖像具有較好的描述性能。本發明對LPQ進行擴展，提出了多尺度的LPQ特征，稱為多尺度局部相位量化特征(MLPQ)，并提出了MLPQ的快速提取算法和典型模式分析方法，引入了Adaboost(一種迭代算法)特征選擇機制，提高MLPQ特征的描述能力，降低冗余度，提高計算速度，最后采用了多子空間分類器融合的方法，提高方法的擴展性。本方法所述人臉識別技術比現有其它人臉識別技術具有更強的環境適應性，在圖像模糊(失焦、運動等)、低分辯率、各種光照條件(紅外、可見光)下具有較好的識別率和誤識率，并且計算速度快，特別適合于嵌入式產品，可大規模推廣應用。