[發明專利]基于多尺度韋伯局部特征和分層決策融合的人臉識別方法

有效

• 申請號: 201110363873.5
• 申請日: 2011-11-16
• 公開（公告）號: CN102521561A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 李樹濤;龔大義;向蔭
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 顏勇

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于多尺度韋伯局部特征和分層決策融合的人臉識別方法。

背景技術

人臉識別指利用人臉特征信息進行身份鑒別的生物特征識別技術，它有非接觸式采集、可以隱蔽操作、方便快捷、強大的事后追蹤能力、交互性強和圖像采集成本低等優點，廣泛應用在信息安全、視頻監控、刑事偵破、公共安全、人機交互等領域。隨著圖像處理、模式識別以及計算機技術的發展，相繼提出了很多人臉識別方法。現有的人臉識別方法一般劃分成兩類：基于整體特征的方法和基于局部特征的方法。基于整體特征的方法是從整個人臉圖像出發，提取反映人臉整體屬性的特征從而實現人臉識別，主要包括主成分分析、線性判別分析和獨立成分分析等。基于局部特征的方法是提取人臉圖像中各個區域的細節特征，從而達到識別目的。二元局部模式和Gabor小波特征是人臉識別中常用的兩種局部特征。在可控條件下，現有的人臉識別方法一般具有良好的識別性能。但是隨著光照、人臉姿態、表情、遮擋等因素的變化，識別性能將會大大下降。

發明內容

為了解決現有人臉識別存在的上述技術問題，本發明提出了一種識別準確度高的基于多尺度韋伯局部特征和分層決策融合的人臉識別方法。

本發明解決上述技術問題的技術方案包括以下步驟：

(1)將原始的人臉圖像I進行尺寸歸一化，并通過高斯濾波器進行平滑處理，得到人臉圖像矩陣I′；

(2)分別求取人臉圖像矩陣I′的差分激勵矩陣E和方向信息矩陣O；

(3)從人臉圖像矩陣I′中找出N個均勻分布的像素點P_n(n＝1，2，…，N)，N為25-100，對于圖像內部的像素點P_n，以其為中心切割出M個不同尺寸的子圖像S_nm(m＝1，2，…，M)，M為3-6；對于圖像邊緣的像素點P_n，以其為中心切割出一個子圖像S_nm(m＝1)，從差分激勵矩陣E和方向信息矩陣O中分別切割出對應的子區域S′_nm和S″_nm，根據S′_nm和S″_nm求取子圖像S_nm的韋伯局部特征向量H_nm；

(4)在特征空間中，求取待測人臉圖像中每個子圖像的特征向量H_nm0與樣本人臉圖像X_d(d＝1，2，…，D)中相對應子區域的特征向量H_nmd之間的卡方距離根據卡方距離求子圖像S_nm相對于樣本圖像X_d的隸屬度μ_nmd，根據最大隸屬度準則對待測人臉圖像中每一個子圖像進行識別，得到識別結果r_nm；

(5)以圖像內部像素點P_n為中心得到的一組子圖像S_nm的識別結果r_nm中，選出隸屬度最大所對應的識別結果r_n作為該組的識別結果，對于人臉圖像邊緣的像素點P_n則只有一個識別結果r_n＝r_nm；

(6)通過投票的方式將每一組的識別結果r_n進一步融合，得票最多的人臉類別作為整個待測人臉圖像I的識別結果。

本發明技術效果在于：(1)本發明采用韋伯局部特征進行人臉識別，能夠有效的表示人臉圖像的紋理特征，對于光照、表情等變量具有較強的魯棒性。(2)本發明采用基于多尺度的韋伯局部特征的人臉表示方法，一方面能夠消除待測人臉圖像與樣本人臉圖像之間未對齊對識別性能的影響；另一方面，切割出不同尺度的子圖像，相當于在識別過程中增加了樣本的數量，提高識別的準確率。(3)本發明基于分層決策融合的分類識別方法能夠選出最優的人臉圖像中最優子圖像進行識別，能夠解決人臉識別中局部遮擋等問題。

下面結合附圖對本發明作進一步的說明。

附圖說明

圖1是本發明中計算韋伯局部特征的濾波器窗口。(a)和(b)是求取差分激勵的濾波器；(c)和(d)是求取方向信息的濾波器。

圖2是本發明中人臉圖像的差分激勵圖(取L₁＝5)和方向信息圖(取L₂＝10)，其中，(a)表示源圖像；(b)表示差分激勵圖；(c)表示方向信息圖。

圖3是本發明中2維直方圖表示韋伯局部特征的示意圖。