[發(fā)明專利]基于稀疏表示的眉毛識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310149305.4
• 申請(qǐng)日: 2013-04-26
• 公開（公告）號(hào): CN103198309A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設(shè)計(jì)）人: 李玉鑑;蘇萍萍
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明屬于電子信息技術(shù)領(lǐng)域，具體涉及一種基于稀疏表示的眉毛識(shí)別方法。

背景技術(shù)

眉毛作為人臉上的一個(gè)重要組成部分，有相關(guān)的文獻(xiàn)研究表明：眉毛在人臉中的作用甚至要大于眼睛，但是在人臉識(shí)別中眉毛卻幾乎仍不被關(guān)注。事實(shí)上，眉毛具有鮮明的輪廓，且其特征簡單，易于提取。與人臉相比，它受到表情變化和年齡增長等因素的影響較小；而與虹膜相比，它更易于采集。盡管各種證據(jù)表明：眉毛的形狀多種多樣，具有很好的身份特異性，但是純粹利用眉毛進(jìn)行識(shí)別研究的仍然很少。

眉毛識(shí)別是近些年興起的新的生物特征識(shí)別技術(shù)，在國際上已經(jīng)獲得了一定的認(rèn)知心理學(xué)證據(jù)。單一面部特征是進(jìn)行識(shí)別的最重要因素，但人們?cè)谶M(jìn)行面部識(shí)別時(shí)最依賴的面部特征似乎并不是眼睛而是眉毛,也就是說在識(shí)別時(shí)眉毛的作用甚至大于眼睛的作用。2007年，李玉鑑和付翠花在北京工業(yè)大學(xué)學(xué)報(bào)上發(fā)表的論文“一種基于特征串比較的眉毛識(shí)別方法”中，提出了利用眉毛進(jìn)行個(gè)人身份識(shí)別的想法，并就眉毛識(shí)別的方法進(jìn)行了初步的研究，通過實(shí)驗(yàn)驗(yàn)證了眉毛識(shí)別用于個(gè)人身份鑒別的可能性和有效性。最近，JuefeiXu.F等在Signal?Processing?and?Communication?Systems會(huì)議上發(fā)表的論文“Can?your?eyebrows?tell?me?who?you?are”中，又提出了新的證據(jù)證明眉毛可以作為一種獨(dú)立的用于識(shí)別的生物特征，比較了眉毛、眼睛以及整個(gè)人臉在不同特征提取方法下的紋理特征，發(fā)現(xiàn)只占整個(gè)人臉1/6大小的眉毛的平均識(shí)別率，相比包含了更多的紋理和結(jié)構(gòu)信息的整個(gè)人臉的識(shí)別率，只下降了1/6。大量的實(shí)驗(yàn)表明，眉毛雖然只占人臉的一小部分，但將其用于身份識(shí)別卻有很好的效果。

迄今為止，已經(jīng)提出的眉毛識(shí)別方法主要有：基于離散HMM（Hidden?Markov?Model）的眉毛識(shí)別方法、基于PCA（Principal?Component?Analysis）的眉毛識(shí)別方法、基于特征串比較的眉毛識(shí)別方法、基于半監(jiān)督學(xué)習(xí)和支持向量機(jī)的眉毛識(shí)別方法以及快速模板匹配方法。這些方法在現(xiàn)有的眉毛數(shù)據(jù)庫上都獲得了不錯(cuò)的識(shí)別正確率。但是它們也存在著不足：即當(dāng)眉毛圖像被腐蝕或被污染時(shí)識(shí)別效果并不理想。

發(fā)明內(nèi)容

針對(duì)上述提到的眉毛識(shí)別中存在的缺陷，本發(fā)明提出了一種用稀疏表示方法對(duì)眉毛進(jìn)行識(shí)別的方法，增強(qiáng)了眉毛識(shí)別的識(shí)別率和魯棒性。

本發(fā)明的基本原理：利用測(cè)試樣本是訓(xùn)練樣本的線性組合這一原理對(duì)測(cè)試樣本進(jìn)行分類。對(duì)每一個(gè)眉毛圖像提取特征，將眉毛圖像表示為一個(gè)特征向量的形式，進(jìn)而將測(cè)試樣本和訓(xùn)練樣本分別表示成向量組的形式。然后，通過解l₁范數(shù)最小化得到稀疏解，計(jì)算測(cè)試眉毛和求得的稀疏解代回原式的誤差，計(jì)算誤差最小的那一類就是測(cè)試眉毛所屬的類別。

一種基于稀疏表示的眉毛識(shí)別方法，其特征在于包括以下步驟：

步驟一，對(duì)M（≤5000）個(gè)人每人采集p(≥2)幅原始眉毛圖像，灰度化后分割出純眉毛圖像，并把它們歸一化為相同的大小（一般最小為10×10，最大不超過2000×2000）。

步驟二，將每幅純眉毛圖像矩陣按行連接并轉(zhuǎn)置成列向量。

步驟三，將所有N個(gè)列向量分別記為x₁,x₂,...,x_N，計(jì)算向量均值μ，公式為：

μ=1NΣi=1Nxi]]>

步驟四，計(jì)算總體散度矩陣C，公式為：