[發明專利]一種基于全局和局部特征模糊融合的人臉識別方法及裝置

在審

• 申請號: 201611254002.9
• 申請日: 2016-12-30
• 公開（公告）號: CN108268814A
• 公開（公告）日: 2018-07-10
• 發明（設計）人: 王平;李青海;潘宇翔;黃超;張曉亭;楊婉
• 申請（專利權）人: 廣東精點數據科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京隆源天恒知識產權代理事務所(普通合伙) 11473
• 代理人: 閆冬

本發明公開一種基于全局和局部特征模糊融合的人臉識別方法，其包括：步驟a：將人臉數據庫中每一類人臉圖像劃分為訓練樣本圖像集和測試樣本圖像集；步驟b：分別對由訓練樣本圖像集和測試樣本圖像集組成的人臉圖像集進行預處理，得到人臉標準圖像；步驟c：求訓練樣本的全局和局部估計特征向量；步驟d，求訓練樣本隸屬度Sigmond函數的中心值和寬度；步驟e，求測試樣本圖像集全局和局部特征向量；步驟f，求測試樣本全局和局部特征通道的隸屬度矩陣；步驟g，計算到判別隸屬度矩陣；步驟h，對測試圖像集進行識別分類。這樣，可以提高識別正確率，有效避開有關因素變化的干擾，有利于提高識別的魯棒性和準確性，降低時間復雜度和計算復雜度。

技術領域

本發明屬于圖像識別技術領域，具體涉及一種基于全局和局部特征模糊融合的人臉識別方法及裝置。

背景技術

人臉識別是基于人的臉部特征信息，通過計算機來分析人臉面部圖像，用來辨識身份的一門自動處理技術。當給定一張待識別人臉時，通過人臉識別算法在人臉數據庫中進行查找，匹配出與待識別人臉最為相似的人臉，則待識別人臉的身份為匹配出的人臉所對應的身份。近幾年，人臉識別及相關技術被廣泛身份驗證領域、信息安全領域和智能視頻監控領域等。

奇異值分解(SVD)運用在人臉識別中，提取出人臉特征的全局代數特征，該特征反映了結構的一種內在屬性或者相關性，具有幾何和代數不變性。然而由于人臉圖像的奇異值特征向量與圖像本身并不存在一一對應關系，在人臉識別使用SVD提取特征這一方法的識別正確率特別低。人臉特征包括全局和局部特征，僅使用其中之一的人臉特征可能會丟失大量的有用和有效鑒別特征信息，故識別效果不理想，有時會導致識別失敗。

鑒于上述需求，本發明創作者經過長時間的研究和實踐終于獲得了本發明。

發明內容

為解決上述技術需求，本發明采用的技術方案在于，提供一種基于全局和局部特征模糊融合的人臉識別方法，其包括：

步驟a：將人臉數據庫中每一類人臉圖像劃分為訓練樣本圖像集和測試樣本圖像集，形成由訓練樣本圖像集和測試樣本圖像集組成的人臉圖像集；

步驟b：分別對由訓練樣本圖像集和測試樣本圖像集組成的人臉圖像集進行預處理，得到人臉標準圖像；

步驟c：用改進的基于類估計基空間SVD方法，對訓練樣本圖像集的每一類圖像的原圖像和子區域圖像分別求原圖像的全局估計特征向量和子區域圖像的局部估計特征向量；

步驟d，用Sigmond函數求訓練樣本每一類圖像對應的全局和局部特征向量的均值和標準差，分別作為隸屬度Sigmond函數的中心值和寬度；

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

步驟f，對于測試樣本圖像集中的每一張圖像對應的全局和局部特征向量，使用Sigmond函數求全局和局部特征通道的隸屬度矩陣。

步驟g，對全局或局部特征通道的隸屬度矩陣對應位置上的隸屬度值進行加權求平均值，得到判別隸屬度矩陣；

步驟h，根據判別隸屬度矩陣和取最大隸屬度值的規則，對測試圖像集進行識別分類。

較佳的，所述步驟b包括

步驟b1，對訓練樣本和測試樣本圖像集的每一張人臉圖像進行灰度處理，包括灰度歸一化、灰度拉伸；

步驟b2，對人臉位置進行對正和裁切，裁成一定像素的圖像；

步驟b3，確定雙眼位置后，計算雙眼位置連線與水平線的夾角為旋轉角，以圖像中心為旋轉中心，對圖像按旋轉角旋轉，最后得到標準的人臉圖像。

較佳的，步驟c包括：