[發明專利]一種基于近紅外人臉圖像的Hog和Gabor特征高效融合快速人臉識別方法

在審

• 申請號: 201811311715.3
• 申請日: 2018-11-06
• 公開（公告）號: CN109376680A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 劉惠;吳佳霖;張怡然;王金柯
• 申請（專利權）人: 大連理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉;劉秋彤

本發明提供了一種基于近紅外人臉圖像的Hog和Gabor特征高效融合快速人臉識別方法，屬于模式識別和圖像處理技術領域。該方法包括分別對近紅外人臉圖像樣本進行Hog特征提取和Gabor特征提??；利用非負矩陣分解法分別對兩類特征矩陣進行一次降維；將Hog特征與Gabor特征進行串行特征融合以獲取融合特征；利用線性判別分析法LDA對融合特征矩陣進行二次降維，獲得二次投影變換矩陣和二次降維后訓練樣本的特征向量；利用最近鄰算法KNN基于訓練樣本的分布情況對二次降維獲得的測試樣本進行分類識別。本發明保證了獲取特征信息的全面性，有效提高了特征表征效率，降低了算法運行存儲和耗時代價，提高了人臉識別過程的效率。

技術領域

本發明屬于模式識別和圖像處理技術領域，具體涉及一種基于近紅外人臉圖像的Hog和Gabor特征高效融合快速人臉識別方法。

背景技術

人臉識別作為一種重要的生物特征識別方法，在科學研究領域有極高的研究價值。人臉識別是人工智能的重要領域之一，涉及圖像處理、模式識別、計算機視覺等多個研究領域，目前，其開發和運用成為國內外研究人員研究的重點和熱點。

對于人臉識別的研究大致包括以下五個方面的內容：獲取圖像、人臉檢測和特征點定位、人臉標準化、人臉特征提取、分類識別。其中特征提取是最重要的一個環節，特征提取的差異性從根本上決定了人臉識別方法的優劣。目前特征提取的算法可以分為：基于幾何特征的人臉識別方法、基于統計特征的人臉識別方法、基于連接機制的人臉識別方法、基于神經網絡的人臉識別方法等。不同的特征提取方法提取的特征類型側重點有所不同，因此使用單一特征來表述人臉特征會使特征提取過程產生一定的局限性，所提取的對象信息不全面。為了高效且全面的對人臉圖像所固有的特性進行提取并以簡約的方式呈現出來，可以使用多特征融合的方法進行研究，從而得到人臉識別效率更高的算法，克服單一特征表述的局限性。盡管多特征融合方法在一定程度上提高了人臉識別效率，但特征融合過程也容易產生過高維數的新矩陣，導致在后續的分類識別過程中效率過低。

為了解決上述問題，我們首先對HOG特征和Gabor特征進行提取。HOG特征描述符可以很好地捕捉輪廓信息，從而能夠實現目標形狀的描述，而且以局部單元為單位對目標進行處理可以在一定程度上減少幾何形變和光學形變產生的影響；Gabor變換能夠增強圖像邊緣特征，從而可以強化人臉圖像的某些關鍵部分的特征，并且Gabor變換對光照和姿態也具有魯棒性，還能夠反映出人眼視覺系統的感知過程，提取出圖像的局部特征和圖像的頻域信息。借助多特征融合方法可以實現全面信息抽取，比單個特征獲取的信息更全面，效果更好。其次，使用NMF、LDA進行兩步降維提高效率，其中一次降維NMF能夠大幅度降低存儲空間和運算代價，顯著提高效率，并且具有能在一定程度上抑制外界干擾的稀疏性；二次降維LDA是有監督降維，可以使用類別的先驗知識，選擇分類性能最好的方向，能夠高效的提取對分類有突出貢獻的維度，并可以顯著降低算法復雜度，縮短運行時間，更有利于分類識別。最后，使用KNN進行分類識別，理論成熟，準確度高，時間復雜度低，保證了人臉識別過程的高效率。

發明內容

本發明提供了一種基于近紅外人臉圖像的Hog和Gabor特征高效融合快速人臉識別方法，目的是提高人臉識別方法的識別率和識別速度，保證獲取特征信息的全面性，有效提高特征表征效率，降低算法運行存儲和耗時代價。

本發明的技術方案：

一種基于近紅外人臉圖像的Hog和Gabor特征高效融合快速人臉識別方法，步驟如下：

步驟1：對近紅外人臉圖像訓練樣本分別進行Hog特征提取和Gabor特征提取，獲得兩類特征矩陣；具體為：

(1.1)對近紅外人臉圖像訓練樣本進行Hog特征提?。?/p>