[發(fā)明專利]一種基于列向量展開二維主成分分析的人臉識別方法

無效

• 申請?zhí)枺?/td>: 201110344702.8
• 申請日: 2011-11-03
• 公開（公告）號: CN103093184A
• 公開（公告）日: 2013-05-08
• 發(fā)明（設(shè)計）人: 陳海勇
• 申請（專利權(quán)）人: 南京理工大學(xué)常熟研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及模式識別和圖像處理技術(shù)，尤其是人臉表征和圖像特征提取技術(shù)，具體地說，是一種基于列向量展開二維主成分分析的人臉識別方法。

背景技術(shù)

隨著社會的發(fā)展，對快速自動身份驗證的要求日益迫切，由于生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個體差異性，因此是身份驗證的理想依據(jù)。目前，人們研究和使用的生物特征識別技術(shù)主要有人臉識別、虹膜識別、指紋識別、掌紋識別、聲音識別等。其中，利用人臉特征進(jìn)行身份驗證是最自然、最直接的手段。相比于其它人體生物特征，人臉特征具有直接、友好、方便等特點，因此人臉識別易于被用戶接受，具有極大的市場需求。

人臉識別是指采用計算機(jī)對人臉圖像進(jìn)行分析，進(jìn)而提取有效的識別信息，從而達(dá)到身份辨認(rèn)的目的。大致包括人臉檢測、人臉預(yù)處理、人臉表征(即圖像特征提取)和人臉識別等四部分。

首先，人臉檢測，從各種不同的場景中檢測出人臉的存在并確定其位置，進(jìn)一步將人臉從背景中分割出來，場景有靜態(tài)和動態(tài)，靜態(tài)就是通常所說的靜態(tài)圖像，動態(tài)就是視頻圖像。

其次，人臉預(yù)處理，主要包括圖像的標(biāo)準(zhǔn)化，例如對人臉圖像進(jìn)行特征點定位，對像素亮度進(jìn)行處理等。

然后，人臉表征，用某種方法描述檢測出的人臉和數(shù)據(jù)庫中的已知人臉，這是人臉識別任務(wù)中最關(guān)鍵的一步，它對整個人臉識別技術(shù)的優(yōu)劣起著決定性影響。在模式識別中叫做特征提取，提取的特征應(yīng)能代表人臉圖像的某種特征，區(qū)別于其他人臉的特征。

最后，人臉識別，將待識別的人臉與數(shù)據(jù)庫中的已知人臉進(jìn)行比較，從而達(dá)到人臉識別的目的。

近年來，采用基于統(tǒng)計分析的子空間方法來描述人臉特征越來越受到重視。子空間方法的基本出發(fā)點是根據(jù)一定的性能目標(biāo)來尋找線性或非線性的空間變換，把原始人臉圖像數(shù)據(jù)壓縮到低維子空間，使數(shù)據(jù)在該子空間的分布更加緊湊，同時，計算復(fù)雜度也大大降低。目前，在人臉識別中得到成功應(yīng)用的子空間分析方法包括主成分分析、奇異值分解、線性判別分析、獨立主元分析、和非負(fù)矩陣因子等。

二維主成分分析直接利用二維圖像來估計樣本的協(xié)方差矩陣，能獲得很高的識別率，且識別時間較短，但不足是需要較多的系數(shù)來表征人臉圖像特征。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于列向量展開二維主成分分析的人臉識別方法，該方法能夠有效地表征人臉圖像特征，且需要存儲的系數(shù)較少。

(1)基于行向量展開的二維主成分分析。

圖像A向軸X_i投影Y_i＝AX_i，投影特征Y_i實質(zhì)上是A的行向量[A₁…A_m]^T向軸X_i投影，則Y_i稱為圖像A關(guān)于軸X_i的主成分特征，即：

Yi=A1Xi···AmXi∈Rm×1---(1)]]>

設(shè)圖像矩陣是圖像矩陣的行向量，圖像矩陣A_j的總體平均是平均矩陣的行向量。則圖像的協(xié)方差矩陣為：