[發明專利]基于Gabor特征和自適應線性回歸的人臉識別方法

在審

• 申請號: 201410449411.9
• 申請日: 2014-09-04
• 公開（公告）號: CN104239856A
• 公開（公告）日: 2014-12-24
• 發明（設計）人: 陳欣;張洪斌;王剛;張紅雨;迭鋒;傅祺煒
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/64
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 張楊

1.基于Gabor特征和自適應線性回歸的人臉識別方法，該方法包括：?

步驟1：分別計算待測人臉圖像y、人臉圖像庫T和輔助人臉圖像G中所有人臉圖像的36～45種Gabor特征，再對各人臉圖像計算出的所有Gabor特征組合為Gabor特征向量，然后對各Gabor特征向量進行卷積，再進行降采樣，得到與各樣本人臉圖像對應的像素較低的Gabor特征向量χ(y)，χ(T_i)和

步驟2：采用主成份分析降維方法，對步驟1得到的低像素的Gabor特征向量進行降維處理，得到維度和像素都較低的Gabor特征向量X(y)，X(T_i)和

步驟3：在輔助人臉圖像中找出與待測人臉圖像相似的人臉圖像，提取出該人臉對應的各拍攝條件下拍攝的臉部圖像，得到與待測人臉圖像相似人臉的圖像集；?

步驟3-1：計算步驟2得到的中同一個人所有人臉圖像的Gabor特征向量的均值向量m_p；?

步驟3-2：計算X(y)與m_p的歐式距離l_p：?

l_p＝||X(y)-m_p||₂

步驟3-3：找出其中最小的l_p，則其對應的同一人的所有臉部圖像為與待測人臉圖像相似的人臉圖像集G_p。?

步驟4：從G_p中找出與待測人臉圖像最相似的變化特征；?

步驟4-1：計算G_p中各類拍攝狀態的所有人臉圖像的均值向量

步驟4-2：計算待測人臉圖像X(y)與的歐式距離；?

步驟4-3：找出其中最小歐式距離對應的一類拍攝狀態為與待測人臉圖像最相似的變化特征；?

步驟5：利用步驟4得到的變化特征提取出通用人臉變化特征；?

步驟6：利用步驟5的通用人臉變化特征將X(T_i)中各人臉進行自適應變化；?

步驟7：將X(y)與X(T_i)中各人臉自適應變化后的數據進行匹配，找到最匹配的元素對應的人臉即為與待測人臉圖像最相似的人臉。?

2.如權利要求1所述的基于Gabor特征和自適應線性回歸的人臉識別方法，其特征在于所?述步驟1的具體步驟為：?

步驟1-1：在方向μ和尺度ν上的Gabor核定義為：?

其中z＝(x,y)表示圖像像素值，波矢量k_ν＝k_max/f^ν，φ_μ＝πμ/8。參數選取如下：μ＝{0,1,…,7}，ν＝{0,1,…,4}，k_max＝π/2，σ＝2π；?

步驟1-2：假設原始圖像表示為I(z)，經過公式(1)得到Gabor核ψ_μν(z)，再將原始圖像與Gabor核進行卷積可以得到Gabor特征：?

O_μν(z)＝ψ_μν(z)*I(z)??????????(2)?

其中O_μν(z)表示對應于μ方向和ν尺度的Gabor核與原始圖像的卷積輸出，*表示卷積運算。?

步驟1-3：將采樣后的卷積輸出轉換成向量的形式，級聯成一個向量，該向量即可用來表示一幅圖像的Gabor特征向量：?

3.如權利要求1所述的基于Gabor特征和自適應線性回歸的人臉識別方法，其特征在于所述步驟1中分別計算待測人臉圖像y、人臉圖像庫T和輔助人臉圖像G中所有人臉圖像的40種Gabor特征，再對各人臉圖像計算出的所有Gabor特征組合為Gabor特征向量，然后對各Gabor特征向量進行卷積，再進行降采樣，得到與各樣本人臉圖像對應的像素較低的Gabor特征向量χ(y)，χ(T_i)和。