[發明專利]基于PCANet的人臉識別方法

在審

• 申請號: 201610832790.9
• 申請日: 2016-09-19
• 公開（公告）號: CN106650574A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 解梅;周揚;朱倩;程石磊
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62
• 代理公司: 電子科技大學專利中心51203
• 代理人: 周劉英

技術領域

本發明屬于模式識別領域，具體涉及計算機視覺、模式識別等相關理論知識，用于人臉識別系統。

背景技術

隨著人們對快速有效的自動身份驗證的迫切需求，促使了生物特征識別技術的不斷發展，促進了以指紋識別，虹膜識別，人臉識別等為主的生物特征識別技術的飛速發展。

生物特征識別技術是指通過計算機與光學、聲學、生物傳感器和生物統計學原理等高科技手段密切結合，利用人體固有的生理特性和行為特征來進行個人身份鑒定的新型技術。現階段用于生物識別的生物特征主要有手形、指紋、臉形、虹膜、視網膜、脈搏、耳廓等，基于這些特征，隨著現代電子技術和各種硬件技術的發展，生物特征采集器械和計算分析器械生產成本的明顯減少，而其精度和速度都成數量級地不斷提升，生物特征識別技術在取得了長足的發展的同時也得到了廣泛的應用。不僅如此，隨著生物特征識別技術的不斷發展，與生物特征識別技術相關領域的數字圖像處理、計算機視覺、模式識別、傳感器技術等領域也迎來了新的發展研究。

目前，生物特征識別技術應用最廣泛的是指紋識別、虹膜識別，人臉識別。其中人臉識別由于無侵犯性、低成本、易安裝、無人工參與等優點使得人臉識別技術得到了廣泛的研究與應用。

在人臉識別的實際過程中，由于待檢測的人臉圖像常常受光照，遮擋，表情以及人臉偏轉角度等一些非穩定性因素的影響，使得人臉識別的精準度不太理想；同時由于提取的人臉特征是后面人臉匹配的關鍵性數據，直接關系到整個識別系統的可行性，因而一個面對復雜場景下，魯棒性好，準確率高，實時性好的人臉識別算法顯得尤為重要。

經過幾十年的研究，研究者們提出了大量人臉識別算法，其中比較主要的識別算法有：

一、基于幾何特征的方法。幾何特征最早是用于人臉側面輪廓的描述與識別，首先根據側面輪廓曲線確定若干顯著點，并由這些顯著點導出一組用于識別的特征度量如距離、角度等，然后由正面灰度圖中線附近的積分投影模擬側面輪廓圖。采用幾何特征進行正面人臉識別一般是通過提取人眼、口、鼻等重要特征點的位置和眼睛等重要器官的幾何形狀作為分類特征。然而這種方法存在兩個問題，一是能量函數中各種代價的加權系數只能由經驗確定，難以推廣，二是能量函數優化過程十分耗時，難以實際應用。

二、特征臉方法(Eigenface或PCA)，也稱為基于主成分分析(principal component analysis,簡稱PCA)的人臉識別方法。其基本思想是：從統計的觀點，尋找人臉圖像分布的基本元素，即人臉圖像樣本集協方差矩陣的特征向量，以此近似地表征人臉圖像。這些特征向量稱為特征臉(Eigenface)。特征臉反映了隱含在人臉樣本集合內部的信息和人臉的結構關系。將眼睛、面頰、下頜的樣本集協方差矩陣的特征向量稱為特征眼、特征頜和特征唇，統稱特征子臉。特征子臉在相應的圖像空間中生成子空間，稱為子臉空間。計算出測試圖像窗口在子臉空間的投影距離，若窗口圖像滿足閾值比較條件，則判斷其為人臉。特征臉方法是一種簡單、快速、實用的基于變換系數特征的算法，但由于它在本質上依賴于訓練集和測試集圖像的灰度相關性，而且要求測試圖像與訓練集比較像，所以它有著很大的局限性。

三、神經網絡方法(Neural Networks，Net)。神經網絡方法在人臉識別上的應用比起前述幾類方法來有一定的優勢，因為對人臉識別的許多規律或規則進行顯性的描述是相當困難的，而神經網絡方法則可以通過學習的過程獲得對這些規律和規則的隱性表達，它的適應性更強，一般也比較容易實現。神經網絡方法通常需要將人臉作為一個一維向量輸入，因此輸入節點龐大，其識別重要的一個目標就是降維處理。

以上的人臉識別算法都已日趨成熟，但對于光照，表情，環境變化，偏轉角度等復雜場景下的魯棒性還有待提高，同時其識別的精度和算法運行的速度這一矛盾性問題也有待改善。

發明內容

本發明的發明目的在于：針對上述存在的問題，提供一種適用于復雜場景且計算復雜度低的基于PCANet的人臉特征提取的人臉識別方法。

PCANet可以被看作是最簡單的卷積深度學習網絡，PCANet的核心是利用PCA(特征臉方法)來學習多階段的濾波器。PCANet提取輸入圖像的圖像特征的過程可以分為三部分：PCA濾波器，二值哈希，分塊直方圖。其中PCA被用于學習多級濾波器，然后用binary hashing和block histograms分別做索引和合并，最后得出每一張輸入圖像的圖像特征，即將每幅圖像的特征化為1x n維的圖像特征向量。

本發明的基于PCANet的人臉識別方法包括下列步驟：