[發明專利]人臉識別方法

有效

• 申請號: 201310256684.7
• 申請日: 2013-06-25
• 公開（公告）號: CN103310200A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 余學平;鄭寧
• 申請（專利權）人: 鄭州吉瑞特電子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 陳勇

（一）、技術領域：本發明涉及一種圖像識別方法，特別是涉及一種人臉識別方法。

（二）、背景技術:在傳統的視頻監控環境下，監控管理人員往往要對監控視頻畫面中搜索出的人臉進行仔細觀察并與嫌疑犯人的圖片進行比對，一旦需要關注的前端視頻畫面或嫌疑人過多，將十分耗費人的精力。隨著人工智能和計算機圖像技術的飛速發展，實時人臉檢測和識別技術不斷取得新的發展，這些技術在一定程度上能夠替代管理人員對監控畫面中出現的人臉自動進行檢測、識別。相對于指紋、虹膜、掌紋、語音等其他識別技術，人臉識別具有可以隱藏操作，非接觸式采集，沒有侵犯性，圖像采集設備成本低等特點。人臉識別技術將廣泛地應用于公安、銀行、機場、車站、碼頭、商場、考場等眾多公共場所與領域。

視頻監控下的人臉識別技術涉及到多個領域的專業知識。雖在國內外取得了一些應用成果，還未取得類似指紋識別和虹膜識別的類似的滿意結果。目前的人臉識別技術受人臉區域的光照、遮擋、尺度或移動等因素影響，人臉識別算法的性能達不到預想效果。

（三）、發明內容：

本發明要解決的技術問題是：克服現有技術的缺陷，提供一種識別準確的人臉識別方法。

本發明的技術方案：

一種人臉識別方法，首先，采用攝像機進行視頻圖像的采集，并將攝像機輸出的視頻信號送到工作站或高性能計算機中，工作站或高性能計算機將接收到的視頻流數據按幀存儲在自身的存儲器中，接著按下列步驟進行人臉識別：

步驟1：從存儲器中按順序取出一幀圖像數據進行圖像預處理，該圖像預處理含有光照補償和中值濾波操作；一方面，人臉圖像會隨著光照強度的改變而改變，光照變化是影響人臉檢測性能的關鍵因素之一，光照條件不好，尤其是偏光、暗光、強光破壞了人臉模式的灰度特征，因此，采用光照補償算法來弱化光照對人臉檢測的影響。另一方面，在實際圖像拍攝中一般會攜帶隨機噪聲和干擾噪聲，如果對噪聲不處理直接進行人臉檢測，肯定會影響檢測的效果，對檢測結果帶來很大的誤差。因此在進行人臉檢測之前盡量先去噪，使用中心濾波器對每幀圖像數據進行中值濾波處理。

步驟2：對圖像預處理后的幀數據進行人臉檢測：首先建立起反應人臉目標形狀變化規律的形狀統計模型和反應人臉目標灰度分布規律的局部灰度模型，局部灰度模型通過訓練得到；然后，利用局部灰度模型進行人臉搜索，利用形狀統計模型對搜索到的形狀進行近似表達，同時對合理性進行判斷，對不合理的形狀進行調整以保證形狀在統計意義上的合理性；如果檢測到有人臉目標，則執行步驟3，如果沒有檢測到人臉目標，則執行步驟1；

步驟3：對檢測到的當前幀圖像數據中存在的人臉圖片進行人臉圖片尺度變換處理和人臉圖片灰度歸一化處理；

步驟4：采用DCT（Discreat?Cosine?Transform，離散余玄變換）算法和MMSD（Multiple?Maximum?Scatter?Difference，最大散度差）算法相結合的人臉識別算法，先對預先采集到的人臉數據庫的人臉圖片進行二維DCT變換，然后再對二維DCT變換后的變換系數矩陣應用MMSD算法進行特征提取，獲得最優特征鑒別矩陣W；

最優特征鑒別矩陣W的計算過程為：首先，對預先采集到的人臉數據庫的每個樣本做二維DCT變換，得到的變換系數矩陣為T={x₁,x₂,...,x_i...,x_N}，其中，x_i為每個樣本經過二維DCT變換后得到的變換系數向量，N是人臉數據庫的樣本數；

然后，依據變換系數矩陣T計算類間散度矩陣S_w和類內散度矩陣S_b；

最后，基于MMSD算法獲得人臉數據庫的最優特征鑒別矩陣W；

步驟5：將步驟3中經過尺度變換處理和灰度歸一化處理后的人臉圖片先經過二維DCT變換，然后再投影到步驟4中的最優特征鑒別矩陣W，利用最近鄰分類方法匹配人臉圖片，利用歐式距離進行測度運算，運算公式如下：