[發明專利]基于特征融合的集成人臉識別方法

有效

• 申請號: 201410245002.7
• 申請日: 2014-06-04
• 公開（公告）號: CN104008375B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 楊新武;馬壯;翟飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 北京思海天達知識產權代理有限公司11203
• 代理人: 沈波

技術領域

本發明屬于模式識別技術領域，具體涉及一種基于特征融合的集成人臉識別方法，是一種利用計算機技術、數字圖象處理技術、模式識別技術等實現人臉的自動分析與判別的方法，是生物特征識別領域中關于步態特征提取與識別的算法。

背景技術

人臉識別技術對圖像采集設備沒有過高的要求，使用者更容易接受。研究人臉識別的目的就是找到一種快速有效的分類識別方法，能夠快速地判斷輸入圖像中是否存在人臉圖像，如果存在就對其進行快速歸類。隨著社會對人臉識別的迫切需求，越來越多的研究者投入到了人臉識別中，旨在找到一種快速、有效，并且能夠應用到實際中的人臉識別方法。

近年來，在比較理想條件下基于整體特征的人臉識別方法具有較好的識別性能。但是實際應用中，人臉圖像會受到各種因素的影響(例如光照、姿勢、表情等方面的變化)，要想取得較好的識別率就變得非常的困難。人臉圖像的全局特征不能充分體現這些因素的變化，由于面部特征中各器官在這些因素改變時受影響程度不同，有些區域對光照比較敏感，有些區域對表情比較敏感，另外一些區域可能對姿態比較敏感。因此通過整合整體特征和局部特征信息，可以提高算法對各種影響因素的適應能力。

可以將人臉特征分為全局特征和局部特征。其中全局特征是指特征向量的每一維能夠區別不同人帶來的差異，側重于人臉的主體特征；而局部特征的每一維能夠區別光照、表情、姿態等因素引起的差異，反映了人臉的細節變化。研究表明，人臉圖像中的整體特征和局部特征對人臉識別都是非常重要的。整體特征從全局角度來對人臉進行描述，用來進行預判斷；而局部特征描述人臉由于外界因素影響下的局部屬性，用來更加精確地識別。大量的特征提取方法已經被提出，其中經典的全局特征方法包括主成分分析(Principal Component Analysis,PCA)、線性判別分析(Linear Discriminant Analysis,LDA)和稀疏保持投影(Sparsity Preserving Projections,SPP)。PCA是在最小均方差的思想下尋求最佳鑒別特征；LDA是通過最大化類間離散度和最小化類內離散度來獲取特征信息；SPP通過求解稀疏權向量重構原始信號的優化問題來獲得主要鑒別特征。然而，全局特征對外界因素引起的細節變化的魯棒性較差，不能充分體現這些微小的變化。而局部特征恰恰能夠彌補全局特征的缺陷，對這些細節變化具有較好的抑制作用。申請號為CN201310084411.9的專利公開了一種基于圖像分割的集成人臉識別方法，將人臉圖像分成15部分，并將這15部分人臉特征作為屬性Bagging(Attribute Bagging,AB)中的屬性集合，通過屬性集的有放回抽樣來構建訓練樣本集，從而完成基分類器的訓練，最終利用1NN方法進行分類識別。由于面部特征中各器官在光照、表情、姿態等因素改變時受影響程度不同，有些區域對光照比較敏感，有些區域對表情比較敏感，該方法并沒有整合整體特征，因此對各種影響因素的適應能力還不強。

發明內容

針對現有技術中存在的上述問題，本發明提出一種基于特征融合的集成人臉識別方法，通過整合人臉的整體特征和局部特征信息，降低光照、表情、姿態等因素對人臉圖像的影響，從而提高人臉識別性能。

本發明采用PCA、SPP及簡單投影方法提取圖像的整體特征，采用子圖像方法提取局部特征，將它們共同作為屬性Bagging方法中的屬性，并進行集成分類識別。

基于特征融合的集成人臉識別方法，具體包括如下步驟：

步驟1，圖像預處理。

步驟1.1，對人臉原始圖像進行大小歸一化處理。

步驟1.2，確定訓練集和測試集。

將原始圖像集X分為訓練樣本集XR和測試樣本集XT，將XR進一步分為訓練基分類器時的訓練集XRR和測試集XRT。

步驟2，特征提取。

對訓練樣本和測試樣本分別進行整體特征提取和局部特征提取，分別得到各自的Feature_PCA、Feature_SPP、Feature_simple_projections以及Feature_local，并將它們作為屬性Bagging方法中的屬性集A。

步驟2.1簡單投影特征提取。

對原始人臉圖像集X進行簡單投影：將圖像像素逐列相加求平均，將其結果記為Feature_simple_projections。

步驟2.2，提取局部特征。

將原始人臉圖像集X按照“三庭五眼”分割成大小相等的子圖像，將其逐列相加求平均，將其結果記為Feature_local。