[發(fā)明專利]一種基于全局和局部特征模糊融合的人臉識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201611254002.9
• 申請(qǐng)日: 2016-12-30
• 公開(kāi)（公告）號(hào): CN108268814A
• 公開(kāi)（公告）日: 2018-07-10
• 發(fā)明（設(shè)計(jì)）人: 王平;李青海;潘宇翔;黃超;張曉亭;楊婉
• 申請(qǐng)（專利權(quán)）人: 廣東精點(diǎn)數(shù)據(jù)科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京隆源天恒知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11473
• 代理人: 閆冬

1.一種基于全局和局部特征模糊融合的人臉識(shí)別方法，其特征在于，其包括：

步驟a：將人臉數(shù)據(jù)庫(kù)中每一類人臉圖像劃分為訓(xùn)練樣本圖像集和測(cè)試樣本圖像集，形成由訓(xùn)練樣本圖像集和測(cè)試樣本圖像集組成的人臉圖像集；

步驟b：分別對(duì)由訓(xùn)練樣本圖像集和測(cè)試樣本圖像集組成的人臉圖像集進(jìn)行預(yù)處理，得到人臉標(biāo)準(zhǔn)圖像；

步驟c：用改進(jìn)的基于類估計(jì)基空間SVD方法，對(duì)訓(xùn)練樣本圖像集的每一類圖像的原圖像和子區(qū)域圖像分別求原圖像的全局估計(jì)特征向量和子區(qū)域圖像的局部估計(jì)特征向量；

步驟d，用Sigmond函數(shù)求訓(xùn)練樣本每一類圖像對(duì)應(yīng)的全局和局部特征向量的均值和標(biāo)準(zhǔn)差，分別作為隸屬度Sigmond函數(shù)的中心值和寬度；

步驟e，用SVD方法求測(cè)試樣本圖像集的原圖像全局特征向量和子區(qū)域圖像局部特征向量；

步驟f，對(duì)于測(cè)試樣本圖像集中的每一張圖像對(duì)應(yīng)的全局和局部特征向量，使用Sigmond函數(shù)求全局和局部特征通道的隸屬度矩陣。

步驟g，對(duì)全局或局部特征通道的隸屬度矩陣對(duì)應(yīng)位置上的隸屬度值進(jìn)行加權(quán)求平均值，得到判別隸屬度矩陣；

步驟h，根據(jù)判別隸屬度矩陣和取最大隸屬度值的規(guī)則，對(duì)測(cè)試圖像集進(jìn)行識(shí)別分類。

2.根據(jù)權(quán)利要求1所述的基于全局和局部特征模糊融合的人臉識(shí)別方法，其特征在于，所述步驟b包括

步驟b1，對(duì)訓(xùn)練樣本和測(cè)試樣本圖像集的每一張人臉圖像進(jìn)行灰度處理，包括灰度歸一化、灰度拉伸；

步驟b2，對(duì)人臉位置進(jìn)行對(duì)正和裁切，裁成一定像素的圖像；

步驟b3，確定雙眼位置后，計(jì)算雙眼位置連線與水平線的夾角為旋轉(zhuǎn)角，以圖像中心為旋轉(zhuǎn)中心，對(duì)圖像按旋轉(zhuǎn)角旋轉(zhuǎn)，最后得到標(biāo)準(zhǔn)的人臉圖像。

3.根據(jù)權(quán)利要求2所述的基于全局和局部特征模糊融合的人臉識(shí)別方法，其特征在于，步驟c包括：

步驟c1，將預(yù)處理后訓(xùn)練樣本圖像集人臉圖像進(jìn)行圖像分割，得到包括未分割圖像和分割后眉、眼、鼻和嘴6個(gè)子區(qū)域；

步驟c2：計(jì)算類別模板矩陣；

步驟c3：運(yùn)用SVD方法求類別模板矩陣的左右正交矩陣；

步驟c4：計(jì)算全局估計(jì)奇異值特征向量和局部估計(jì)奇異值特征向量；

步驟c5：計(jì)算每幅圖像的全局和局部估計(jì)特征向量。

4.根據(jù)權(quán)利要求3所述的基于全局和局部特征模糊融合的人臉識(shí)別方法，其特征在于，步驟c1包括：

步驟c11，根據(jù)“三庭五眼”規(guī)則，初步確定眼睛眉毛的大致范圍；

步驟c12，由于灰度化后的圖像眼睛、眉毛與人臉其他區(qū)域的灰度差別較為明顯，因此采取一種垂直方向和水平方向相結(jié)合的灰度投影法確定眼睛的位置；

步驟c13，根據(jù)眼睛精確范圍，采用灰度積分投影的方法確定鼻子和嘴巴的位置；

步驟c14，所有子區(qū)域定位好，分割裁取出相應(yīng)的子區(qū)域。

5.根據(jù)權(quán)利要求4所述的基于全局和局部特征模糊融合的人臉識(shí)別方法，其特征在于，步驟c12包括：

步驟c121，計(jì)算sx₁、ex₁之間的區(qū)域在垂直方向上的灰度投影projH

步驟c122，對(duì)灰度投影projH作差分運(yùn)算，差分投影表示為projH′：

projH′(y)＝projH(y-2)+projH(y-2)-2*projH(y),2≤y≤h-2

步驟c123，對(duì)差分投影進(jìn)行高斯擬合，將projH′中的每一只用其本身和相鄰的值經(jīng)過(guò)加權(quán)平均后替代，如下式所示：

其中*是卷積符號(hào)，T(i)是卷積核；

步驟c124，根據(jù)projH″繪出投影曲線圖；

步驟c125，由于左眼的縱坐標(biāo)已確定，因此計(jì)算LY-C/2、LY+C/2間區(qū)域在水平方向的sx₁、ex₁之間區(qū)域的灰度投影projW，C為左眼高的估計(jì)值；

步驟c126，根據(jù)projW繪出圖9下方的投影曲線圖。