[發明專利]一種基于多尺度變換的稀疏表示的人臉識別方法

有效

• 申請號: 201611228943.5
• 申請日: 2016-12-27
• 公開（公告）號: CN106845362B
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 趙璞;劉艷蘭;胡耀清
• 申請（專利權）人: 湖南長城信息金融設備有限責任公司;中電長城(長沙)信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

本發明公開了一種基于多尺度變換的稀疏表示的人臉識別方法，包括以下步驟：步驟1：采集待識別人臉圖像和樣本人臉圖像；步驟2：對人臉圖像依次進行對數變換和小波分解處理；步驟3：進行PCA特征提取；步驟4：重構人臉圖像，獲得光照歸一化后人臉圖像；步驟5：采用稀疏表示模型對待識別人臉圖像的光照歸一化人臉圖像進行識別。該方法首先通過對圖像進行對數變換以及小波分解處理，接著通過PCA特征提取后重新構建人臉圖像，大大的降低了由于光照不足或者過強時，以及隨機噪聲干擾面積較大時，引起的識別率低的問題；其次，通過利用改進的稀疏表示模型，避免了當對人臉進行部分遮擋時，例如戴圍巾，戴眼鏡等，導致識別率偏低的問題。

技術領域

本發明屬于圖像處理領域，特別涉及一種基于多尺度變換的稀疏表示的人臉識別方法。

背景技術

近年來，伴隨著市場對人臉識別信息技術的需求，人臉識別的研究和理論也得到長足的發展，但同時信息的安全和隱蔽性也受到了關注。人臉識別作為生物特征識別技術之一，與其他生物特征識別技術相比具有更便利、快捷、友好、安全及追蹤能力強等優點，已經受到各個領域科研人員的廣泛研究，并運用于金融行業、門禁系統、檢查考勤等領域。

現有的人臉識別技術主要包括幾類：如基于彈性匹配的人臉識別算法，基于幾何特征的人臉識別算法，基于子空間的人臉識別算法及基于稀疏表示的人臉識別算法。但是傳統的人臉識別算法仍然存在一些問題。傳統的人臉識別方法，當光照不足或者過強時，識別率會大大降低；當對人臉進行部分遮擋時，例如戴圍巾，戴眼鏡等，會導致識別率偏低；與此同時，當人臉圖像被隨機噪聲干擾面積較大時，會嚴重影響識別率，即對噪聲存在魯棒性較差的特點；當特征維數高時，計算復雜度較大，識別效率偏低等特點。

發明內容

本發明提出了一種基于多尺度變換的稀疏表示的人臉識別方法，其目的在于克服現有技術中存在的計算復雜度較大，識別效率低的問題。

一種基于多尺度變換的稀疏表示的人臉識別方法，包括以下步驟：

步驟1：采集待識別人臉圖像和樣本人臉圖像；

步驟2：對人臉圖像依次進行對數變換和小波分解處理，得到高頻子圖像和低頻子圖像；

步驟3對步驟2獲得的低頻子圖像進行直方圖均衡化處理，將步驟2獲得的高頻子圖像和經直方圖均衡化處理后的低頻子圖像進行PCA特征提取；

步驟4：利用特征提取之后的低頻和高頻分量進行逆小波變換重構人臉圖像，獲得光照歸一化后人臉圖像；

步驟5：采用稀疏表示模型對待識別人臉圖像的光照歸一化人臉圖像進行識別。

進一步地，所述步驟5的具體過程如下：

1)將待識別人臉圖像和樣本人臉圖像經過步驟2-步驟4處理后的光照歸一化人臉圖像分別進行小波分解，得到分解后的待識別圖像矩陣和樣本圖像字典矩陣待識別圖像數量為k，樣本圖像數量為d；

2)將分解后的待識別人臉圖像矩陣和樣本圖像字典矩陣用稀疏表示模型表示為如下形式：

其中，表示第i張分解后的待識別人臉圖像矩陣，且共有k張待識別人臉圖像，l表示待識別人臉圖像中的像素點個數；

表示第i張分解后的樣本人臉圖像矩陣，共有d張樣本人臉圖像；

β為稀疏系數向量，β＝[β₁,β₂,…β_l]，ρ_θ為最小化目標函數，σ為大于的常數，σ>0；||·||₁表示一范數；

3)計算每張待識別人臉圖像的殘差