[發(fā)明專利]Gabor小波子帶相關(guān)結(jié)構(gòu)人臉識別方法

有效

• 申請?zhí)枺?/td>: 201611240833.0
• 申請日: 2016-12-29
• 公開（公告）號: CN106650678B
• 公開（公告）日: 2019-10-22
• 發(fā)明（設(shè)計）人: 李朝榮
• 申請（專利權(quán)）人: 宜賓學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06T5/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及了一種利用Gabor小波子帶相關(guān)結(jié)構(gòu)的人臉識別方法。Gabor小波能在不同尺度和不同方向把人臉圖像分解成若干子帶。由于Gabor小波是一種冗余變換，它分解的子帶之間存在較強的相關(guān)性。一個Gabor小波子帶可看成是一個隨機變量的觀察數(shù)據(jù)，因而可以用多維隨機變量的相關(guān)結(jié)構(gòu)來表示Gabor小波的子帶相關(guān)性。Copula是一種創(chuàng)建多維統(tǒng)計模型的工具，它的作用是刻畫隨機變量間的相關(guān)結(jié)構(gòu)。本發(fā)明利用高斯copula來刻畫Gabor小波子帶間的相關(guān)結(jié)構(gòu)，這種相關(guān)結(jié)構(gòu)對人臉具有很好的區(qū)分能力。操作步驟為：先對人臉進行預(yù)處理，再進行Gabor小波分解和高斯copula提取相關(guān)特征矩陣，最后利用相關(guān)特征矩陣進行人臉識別。本方法對光照變化和圖像噪聲有較強的魯棒性、識別率高、應(yīng)用前景廣。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識別技術(shù)，尤其是涉及一種基于Gabor小波分解子帶相關(guān)結(jié)構(gòu)特征的人臉識別技術(shù)。

背景技術(shù)

人臉是一種重要的生物特征。與指紋特征一樣，人臉特征在人的身份確認中具有重要的地位和作用。目前主流的人臉識別技術(shù)包括：局部描述子技術(shù)、Gabor特征技術(shù)以及近來出現(xiàn)的深度學(xué)習(xí)技術(shù)。深度學(xué)習(xí)復(fù)雜度極高，計算很耗時，在普通場合都不適用。LBP(局部二進制模式)是廣泛應(yīng)用的局部描述子。然而LBP及其擴展版的描述子容易受到圖像中噪聲的干擾，比如光照變化大的人臉照片和夜間拍攝的含噪聲較強的人臉照片。Gabor特征方法是利用Gabor小波子帶的能量(平均值)當作人臉特征，通常Gabor能量特征的表達能力不如統(tǒng)計模型如概率統(tǒng)計模型等能力強。

Gabor濾波器能模擬人的感受野函數(shù)，十分適合表達紋理圖像。二維Gabor濾波器函數(shù)為：

其中σ_x和σ_y是在x和y方向的高斯標準差，F(xiàn)是頻域的中心頻率。借助于小波變換的多分辨分析，對Gabor濾波器進行擴展便可以得到具有多尺度性能的Gabor小波。Gabor小波表示如下：

p_m,n＝a_maxf^-mp(x′,y′),

其中K是整數(shù)，a_max是常量，表示最大分解尺度，f是尺度因子。m(＝0,1,…,S-1)和n(＝0,1,…,K-1)是Gabor小波的尺度參數(shù)和方向參數(shù)，S和K是自然數(shù)。利用Gabor小波進行分解時能得到S個尺度和K個方向的共S×K個分解子帶。Gabor小波在光照變化和圖像噪聲情況下穩(wěn)定性較好，廣泛應(yīng)用于機器視覺領(lǐng)域。

Copula是構(gòu)建多維統(tǒng)計分布的工具，它能刻畫變量間的相關(guān)結(jié)構(gòu)。給定一隨機向量[x₁,…,x_n]，則Copula密度具有如下形式：

其中f_i(x_i)和F_i(x_i)是隨機變量x_i對應(yīng)的邊緣密度函數(shù)和邊緣分布函數(shù)。c(F₁(x₁),…,F_n(x_n))是copula函數(shù)的密度函數(shù)，它代表變量間的相關(guān)結(jié)構(gòu)。本發(fā)明正是利用c(F₁(x₁),…,F_n(x_n))來提取人臉特征。高斯copula是最常見的copula函數(shù)，它能很好地捕獲對稱變量間具有對稱形狀的相關(guān)結(jié)構(gòu)。高斯copula的分布函數(shù)為：

G(u₁,…,u_n)＝Φ(Φ^-1(u₁),Φ^-1(u₂),…,Φ^-1(u_n))