[發明專利]基于局部特征及全局特征結合的人臉識別方法

有效

• 申請號: 201410608227.4
• 申請日: 2014-10-31
• 公開（公告）號: CN104318219B
• 公開（公告）日: 2017-10-31
• 發明（設計）人: 孫錟鋒;蔣興浩;賈欣勵;李博;馬力天
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 上海漢聲知識產權代理有限公司31236
• 代理人: 郭國中,樊昕

1.基于局部特征及全局特征結合的人臉識別方法，其特征在于，包括以下步驟：

第一步、通過提取已有的人臉數據庫中的人臉對訓練集進行訓練；

第二步、提取輸入人臉的灰度圖像；

第三步、提取輸入人臉的主成分特征并進行識別；

第四步、提取輸入人臉的局部二值特征并進行識別；

第五步、通過極大值標準化，將輸入人臉的主成分特征和輸入人臉的局部二值特征的值域縮減到(0，1)，并通過加權融合得到新的特征值；

第六步、尋找在已有的人臉訓練集中與輸入人臉匹配的人臉并輸出。

2.根據權利要求1所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，第一步包括：

a)提取訓練集中人臉的灰度圖像形成灰度矩陣；

b)計算得到灰度矩陣各條向量的平均值；

c)計算得到灰度矩陣各條向量與平均值的差值并形成差值矩陣；

d)求得差值矩陣的較大的若干個奇異值；

e)根據奇異值分解定理求取特征臉空間；

f)將差值矩陣投影到特征臉空間；

g)提取測試集中人臉的灰度圖像，并計算局部二值特征，以直方圖形式存入返回矩陣。

3.根據權利要求2所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，第三步包括：

a)提取測試集中人臉的灰度圖像形成灰度矩陣；

b)計算得到灰度矩陣各條向量的平均值；

c)計算得到灰度矩陣各條向量與平均值的差值并形成差值矩陣；

d)計算得到輸入圖像的向量與平均值的差值并形成差值向量；

e)將差值向量投影到所述的特征臉空間，計算向量歐式距離，實現識別。

4.根據權利要求3所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，第四步包括：

a)提取輸入圖像的矩陣的局部二值特征，以直方圖形式存入輸入矩陣；

b)采用直方圖交叉核的計算方法將輸入矩陣與所述的返回矩陣進行識別。

5.根據權利要求1或4所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，所述局部二值特征采用圓形鄰域或者正方形鄰域的LBP算子取樣。

6.根據權利要求1所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，加權融合的權值取(0.5,0.5)。

7.根據權利要求1所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，第六步包括：

a)獲取輸入圖片到每張人臉數據庫中的圖片的最終距離；

b)選取最終距離的最小值，利用最近鄰分類器獲取識別結果。

8.根據權利要求7所述的基于局部特征及全局特征結合的人臉識別方法，其特征在于，當所述識別結果的歐氏距離大于閾值0.5時，系統返回無對應人臉的信息。