[發明專利]基于多方向尺度與Gabor相位投影特征結合的人臉識別方法

有效

• 申請號: 201310102444.1
• 申請日: 2013-03-27
• 公開（公告）號: CN103198299A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 韓紅;祝建飛;謝福強;張紅蕾;韓啟強;顧建銀;李曉君
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，更進一步涉及到計算機視覺領域中一種實現人臉識別方法，可用于偵查、破案和智能監控等。

背景技術

目標識別是計算機視覺領域中一個非常重要的課題，人類認知世界始終伴隨著識別，從剛出生開始就要識別父母，識別顏色，然后開始識別文字，識別道路等等。識別的過程也是不斷提取信息的過程，有了信息以后才能做出后續的決策。

目標識別一般需要進行特征提取和分類器的選擇。現有可提取的圖像特征有很多：像素、梯度、Gabor、Haar、HOG、SIFT、shape-context等等；分類器也有很多：貝葉斯分類器、boosting分類器、最近鄰分類器、支持向量機SVM、神經網絡等等。通常由于直接提取的圖像特征數目非常大，需要對特征進行降維或選擇，其目的就是找到一個圖像特征的子空間，在這個子空間里圖像特征具有最少的冗余度或者有最好的判別能力。

目標識別中會受到很多因素的影響，常見的影響因素有：

光照條件的變化，在很多應用場合，由于注冊圖像和待識別圖像往往在不同環境下采集，光照條件差異較大，從而導致注冊圖像和待識別圖像之間存在著較大的光照變化，最終降低了目標識別的準確性。

圖像分辨率大小，在高分辨率圖像中，目標識別方法已經達到了比較滿意的性能。但在一些應用場合，比如視頻監控，攝像頭覆蓋范圍大，而目標區域通常只占整體圖像中的很小一部分，圖像分辨率較低，導致提取目標特征困難，從而降低了目標識別準確率。

待識別目標的姿態變化，在目標識別過程中，尤其是在非配合的目標識別情況下，攝像機采集到的目標圖像經常會有一定程度上的左右旋轉或是俯仰角度上的變化，造成了部分正面目標圖像信息丟失，從而降低了目標識別性能。

圖像的遮擋，有時候環境或者目標本身的變化都會造成目標的部分區域被遮擋，從而導致部分信息的丟失，給目標識別造成了比較大的困難。

發明內容

本發明的目的在于針對上述已有技術的不足，提出了一種基于最優多方向尺度與Gabor相位投影特征結合的人臉識別方法，以解決光照、姿態變化，圖像遮擋等因素對人臉識別的影響，提高人臉識別的準確性。

本發明技術方案通過如下步驟實現：

(1)從國際通用的人臉數據庫AR中抽取M個男性、N個女性，M≥N≥2，從每個人的26副人臉圖像中，獲得人臉圖片的訓練集T、注冊集R和測試集H：

1a)獲得訓練集T：分別抽取M/2個男性，N/2個女性，將每個人的1-26幅人臉圖片作為訓練集T；

1b)獲得測試集H：分別抽取剩余的M/2個男性，剩余的N/2個女性，將每個人的2-26幅人臉圖片作為測試集H；

1c)獲得注冊集R：取測試數據中每個人的1幅人臉圖片作為注冊集R；

(2)對訓練集T、注冊集R和測試集H中的每一張人臉圖片，提取5個尺度和8個方向結合的共40組Gabor相位投影特征Z_μ,ν和單一方向尺度的Gabor相位投影特征L_μ,ν；

(3)對訓練集T中所有人臉圖片的40組Gabor相位投影特征Z_μ,ν使用主成分分析PCA降維，得到投影矩陣M_μ,ν；

(4)將投影矩陣M_μ,ν和單一方向尺度的Gabor相位投影特征L_μ,ν相乘，獲得人臉的新特征S_μ,ν：

S_μ,ν＝L_μ,ν×M_μ,ν；

(5)根據注冊集R和測試集H的人臉的新特征S_μ,ν和訓練時的人臉識別的識別率，選擇識別率最高時的方向尺度為最優多方向尺度；

(6)記錄結合的最優多方向尺度，以及每一個最優多方向尺度的子空間投影矩陣，作為訓練出的模型；

(7)對待識別人臉圖片，重復步驟（2）-（5）得到人臉的特征，將此特征輸入步驟（6）中的模型，得到該人臉圖片的類別。

本發明與現有技術相比具有以下優點：

（1）本發明由于使用了Gabor相位投影到復數域以后的特征，使得本發明不僅對光照有良好的穩定，也很好的保持了遮擋前后圖像的相似性，從而提高了在遮擋情況下的人臉識別的性能。

（2）本發明由于選擇了合適的子空間學習方法，在降低特征長度的同時也減少了訓練過程的時間，從而提高了人臉識別的性能。