[發(fā)明專利]基于參考特征的人臉識別方法

有效

• 申請?zhí)枺?/td>: 201210074224.8
• 申請日: 2012-03-20
• 公開（公告）號: CN102637251A
• 公開（公告）日: 2012-08-15
• 發(fā)明（設(shè)計(jì)）人: 白翔;沈?yàn)?/a>;王躍銘
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 曹葆青

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)，涉及一種基于參考特征的人臉識別方法。

背景技術(shù)

隨著公共安全問題受到社會越來越多的關(guān)注，人臉識別技術(shù)的研究受到了學(xué)術(shù)界、企業(yè)界和政府的高度重視。人臉識別技術(shù)是一個新興的技術(shù)，對于這門技術(shù)的研究始于20世紀(jì)60年代末，距離現(xiàn)在也只有五十年左右的時間。人臉識別技術(shù)真正得到重視是在20世紀(jì)90年代后期，一些商業(yè)人臉識別系統(tǒng)的出現(xiàn)開啟了人臉識別技術(shù)研究與應(yīng)用的新時代。在我國，人臉識別技術(shù)的研究起步較晚，商業(yè)人臉識別技術(shù)還未足夠成熟，但是近年來由于特大公共安全事故造成的社會影響，人臉識別技術(shù)先后得到了政府機(jī)關(guān)、企業(yè)界和學(xué)術(shù)界的重視，人臉識別技術(shù)的研究得到了空前的發(fā)展。在2008年北京奧運(yùn)會和2011年深圳大學(xué)生運(yùn)功會上人臉識別技術(shù)的運(yùn)用取得了很好的治安效果，形成了良好的社會效應(yīng)，越來越多的公司和研究院都將人臉識別技術(shù)納入了新的研究范疇，人臉識別技術(shù)已經(jīng)成為了各大公司和研究院新的戰(zhàn)略重點(diǎn)。

人臉識別技術(shù)和傳統(tǒng)的生物識別技術(shù)相比有著巨大的優(yōu)勢。首先是其自然性，人臉識別技術(shù)這種識別方式同人類(甚至其它生物)進(jìn)行個體識別時所利用的生物特征相同，人類也是通過觀察比較人臉區(qū)分和確認(rèn)身份的。而指紋識別、虹膜識別等都不具有自然性，因?yàn)槿祟惢蛘咂渌锊⒉煌ㄟ^此類生物特征區(qū)別個體。其次是其不被察覺性，不被察覺對于一種識別方法也很重要，這會使該識別方法不令人反感，并且因?yàn)椴蝗菀滓鹑说淖⒁舛蝗菀妆黄垓_。人臉識別具有這方面的特點(diǎn)，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者近距離采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。這一特點(diǎn)特別適用于逃犯跟蹤系統(tǒng)。再則是其非接觸性，人臉識別技術(shù)的不需要接觸到檢測對象就可以獲取檢測對象的人臉圖像，這不同于傳統(tǒng)生物識別技術(shù)，所以人臉識別技術(shù)也是便利的。

尺度不變特征是一種描述圖像局部信息的特征。尺度不變特征具有尺度不變、平移不變、旋轉(zhuǎn)不變的特點(diǎn)，因此廣泛應(yīng)用在圖像局部描述中。提取尺度不變特征包括確定關(guān)鍵點(diǎn)的位置和尺度、確定關(guān)鍵點(diǎn)鄰域梯度的主方向和描述子構(gòu)造三個步驟。局部二值模式特征是一種描述圖像紋理信息的特征。局部二值模式特征的原理是將一個像素與它的鄰域像素產(chǎn)生的一個二進(jìn)制串表示。對于一個像素，以自身為圓心定長為半徑作圓得到的鄰域像素集合，選定其中的像素點(diǎn)作為起始點(diǎn)，分別比較鄰域集合的每一個像素和圓心像素的大小，對于大于圓心的像素在二進(jìn)制串的對應(yīng)位置賦值為1，對于小于圓心的像素在二進(jìn)制串的對應(yīng)位置賦值為0，這樣得到的二進(jìn)制串就是這個像素的局部二進(jìn)制模式特征。信息傳遞模型聚類方法是一種廣泛使用的聚類方法，該方法對于輸入的雜亂無章的數(shù)據(jù)通過信息傳遞模型的分析，最終得到聚類中心。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于參考特征的人臉識別方法，該方法的特征提取過程簡單易行，并且識別結(jié)果準(zhǔn)確率高。

本發(fā)明提供的一種基于參考特征的人臉識別方法，其特征在于，該方法包括下述步驟：

(1)獲取人臉圖像的圖像特征：

對待識別的人臉圖像，首先提取人臉圖像的尺度不變特征和局部二值模式特征，然后再用主成份分析方法降維，得到待識別人臉圖像的圖像特征；

(2)獲取人臉圖像的參考特征：

利用得到的圖像特征，計(jì)算圖像特征到聚類中心的相似度，得到待識別人臉圖像參考特征；

(3)判決分析

將待識別的人臉圖像的參考特征與訓(xùn)練數(shù)據(jù)集中的參考特征用線性判決分類器分析，得到分析結(jié)果。

作為上述技術(shù)方案的改進(jìn)，步驟(2)中獲取人臉圖像參考特征的具體過程為：

(2.1)計(jì)算待識別人臉的圖像特征到訓(xùn)練數(shù)據(jù)集的每一個聚類中心的相似度

待識別人臉圖像，其圖像特征記作Y，記訓(xùn)練數(shù)據(jù)集的聚類中心集合為C，C＝{C₁，C₂，...，C_N}，N表示聚類中心的個數(shù)，其取值范圍為150至250；對于Y和C₁，欲計(jì)算其相似度，首先以Y作為正樣本，以C-{C₁}作為負(fù)樣本，訓(xùn)練線性判決分類器yClassifier1，即為

yClassifier₁＝LDA(+：Y，-：{C-C₁})

以C₁作為線性判決分類器yClassifier₁輸入，得到判決分?jǐn)?shù)yScore₁，即為