[發明專利]一種多光譜人臉識別方法及其系統

無效

• 申請號: 201210271210.5
• 申請日: 2012-07-31
• 公開（公告）號: CN102831400A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 趙永強;楊勁翔;張清勇
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

1.一種多光譜人臉識別方法，其特征在于步驟如下：

步驟1：從多光譜人臉圖像上提取五個區域：頭發、前額、左臉頰、右臉頰和嘴唇；

步驟2：進入探測器的輻射強度Lg與反射率R之間有線性關系：Lg＝k×R+b，根據反演模型：

k=NΣ(DNiRi)-ΣDNiΣRiNΣRi2-(ΣRi)2]]>

b=Σ(DNiRi)-kΣRi2ΣRi]]>

上式中，DN_i為圖像上的一樣本區域的灰度值，R_i為光譜儀所得的對應區域光譜反射率，N為樣本區域內的像素數，求和對N個點求和；

通過最小二乘法計算多光譜人臉圖像的光譜反射率和灰度的關系參數k，b；

步驟3

求取頭發區域的光譜反射率：對于每個人臉頭發區域，先進行經驗線性法反演，根據灰度DN_hi得到反射率數據：R_h(x,y,λ_i)＝(DN_hi(x,y,λ_i)-b)/k，通過得到光譜反射率向量R_h＝(R_h(λ₁),R_h(λ₂),...R_h(λ_1n))^T；其中，R(x,y,λ_i)是λ_i的波段、像素(x,y)處的反射率，I_n為波段數，對所選人臉頭發方塊區域內所有像素求和；

求取前額區域的光譜反射率：對于每個人臉前額區域，先進行經驗線性法反演，根據灰度DN_fi得到反射率數據：R_f(x,y,λ_i)＝(DN_fi(x,y,λ_i)-b)/k，通過得到光譜反射率向量R_f＝(R_f(λ₁),R_f(λ₂),...R_f(λ_1n))^T；其中，R(x,y,λ_i)是λ_i的波段、像素(x,y)處的反射率，I_n為波段數，對所選人臉前額方塊區域內所有像素求和；

求取左臉頰區域的光譜反射率：對于每個人臉左臉頰區域，先進行經驗線性法反演，根據灰度DN_lci得到反射率數據R_lc(x,y,λ_i)＝(DN_lci(x,y,λ_i)-b)/k，通過得到光譜反射率向量R_lc＝(R_lc(λ_i),R_lc(λ_i),...R_lc(λ_1n))^T；其中，R(x,y,λ_i)是λ_i的波段、像素(x,y)處的反射率，I_n為波段數，對所選人臉左臉頰方塊區域內所有像素求和；

求取右臉頰區域的光譜反射率：對于每個人臉右臉頰區域，先進行經驗線性法反演，根據灰度DN_rc得到反射率數據通過得到光譜反射率向量R_rc＝(R_rc(λ₁),R_rc(λ₂),...R_rc(λ_1n))^T；其中，R(x,y,λ_i)是λ_i的波段、像素(x,y)處的反射率，I_n為波段數，對所選人臉右臉頰方塊區域內所有像素求和；

求取嘴唇區域的光譜反射率：對于每個人臉嘴唇區域，先進行經驗線性法反演，根據灰度DN_li得到反射率數據R_l(x,y,λ_i)＝(DN_li(x,y,λ_i)-b)/k，通過得到光譜反射率向量R_l＝(R_l(λ₁),R_l(λ₂),...R_l(λ_1n))^T；其中，R(x,y,λ_i)是λ_i的波段、像素(x,y)處的反射率，I_n為波段數，對所選人臉嘴唇方塊區域內所有像素求和；

步驟4：對各個區域的光譜分別采用包絡線消除法分析光譜。設光譜曲線數組為R(i),i＝0,1,2,...k-1，波長數組為W(i),i＝0,1,2...k-1，具體步驟如下：

步驟a：i＝0,將R(i)、W(i)帶入包絡線節點列表；

步驟b：求新的包絡線節點，如果i＝k-1,結束；否則，令j＝i+1,繼續循環；

步驟c：檢查直線(i,j)與光譜曲線W(i)的交點，如果j＝k-1，結束，將R(i)、W(i)加入到包絡線節點表中，否則：

1）m＝j+1

2）如果m＝j-1完成檢查，j是包絡線上的節點，將R(i)、W(i)加入到包絡線節點表中，i＝j，轉到步驟b；

3）求直線(i,j)和光譜曲線W(i)的交點r1(m)；

4）如果R(m)＞r1(m，則j不是包絡線上的點，j＝j+1,轉到步驟c；如果R(m)<r1(m)；則直線(i,j)與光譜曲線W(i)最多有一交點，m＝m+1,轉到2）；

步驟d：得到包絡線節點表后，將相鄰的節點用直線段依次相連接，求出W(i)所對應的折線段上的點的函數值H(i)i＝0,1,2,...k-1，從而得到該光譜曲線,的包絡線，顯然有H(i)＞R(i)；

步驟e：對光譜曲線進行包絡線消除：R_u(i)＝R(i)/H(i),i＝0,1,2,3,...k-1，從而得到包絡線消除后的光譜曲線R_u(i)；

步驟5：對每個區域分別計算SAI，

SAI=dRS1+(1-d)RS2RM,]]>

其中：中心波長M為反射率曲線上極小值點對應的波長位置；R_S1、λ_S1為反射率曲線上吸收左肩端S1的反射率和波長位置；R_M、λ_M為反射率曲線上吸收點M的反射率和波長位置；R_S2、λ_S2為反射率曲線上吸收右肩端S2的反射率和波長位置；反射率曲線上吸收右肩端與吸收左肩端的波長差為吸收寬度W＝λ_S2-λ_S1；反射率曲線上光譜吸收深度D＝|1-R_M|；

步驟6：計算上述5個區域的組織類型t處人臉樣本i到樣本j的距離，通過馬氏距離來定義：Dt′(i,j)=(SAI‾t(i)-SAI‾t(j))TΣt-1(SAI‾t(i)-SAI‾t(j))]]>

人臉樣本i到樣本j的距離為

D(i,j)＝ω_fD_f(i,j)+ω_lcD_lc(i,j)+ω_rcD_rc(i,j)+ω_hD_h(i,j)+ω_lD_l(i,j)上式各個權值ω根據相應的區域在圖像中可見或不可見取1或0；

步驟7：對于每個樣本來說，∑t是對應向量的協方差陣，維數為I_n；整個數據庫每個組織類型t取一個協方差陣∑t。我們通過每個波段對應的方差生成的對角陣Lt來近似∑t；

步驟8：假設有C類樣本，對于訓練樣本j，測試樣本庫中與其同類的定義為T_j。我們先計算j到樣本庫中每個圖像i的距離D(i,j)，如果D(T_j,j)是C種距離當中最小的，則認為樣本j被正確識別。

2.一種實現權利要求1所述多光譜人臉識別方法的系統，其特征在于包括多光譜成像系統、彩色相機、人臉識別模塊、數據存儲模塊、中心控制模塊和光譜儀；多光譜成像系統將拍攝的人臉圖像數據輸出至人臉識別模塊，人臉識別模塊根據數據存儲模塊中的標準人臉數據庫的信息進行識別，然后將識別的結果進行輸出；中心控制模塊控制多光譜成像系統的圖像攝取和人臉識別模塊的識別；所述多光譜成像系統包括物鏡（6）、液晶可調濾光片（3）和CCD相機（5）；在CCD相機（5）的CCD鏡頭前設有液晶可調濾光片（3），液晶可調濾光片（3）的前端設有物鏡（6）。