[發明專利]一種基于信息論流形的人臉圖像識別方法

有效

• 申請號: 201911011834.1
• 申請日: 2019-10-23
• 公開（公告）號: CN110781802B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 張宏偉;張小虎;楊夏
• 申請（專利權）人: 中山大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/26;G06V10/44;G06V10/77;G06V10/774
• 代理公司: 佛山信智匯知識產權代理事務所(特殊普通合伙) 44629
• 代理人: 唐杏姣

本發明提供了一種基于信息論流形的人臉圖像識別方法，包括如下步驟：步驟1，通過Gabor濾波器對人臉二維圖像進行處理，使用多個中心尺度和多個方向組合，提取人臉二維圖像的紋理結構特征；步驟2，使用不確定度計算人臉二維圖像經過多尺度變換后各個尺度特征結果的權值；步驟3，對高維張量空間數據進行降維，得到低維數據并提取人臉二維圖像數據的特征；步驟4，根據已提取到的人臉二維圖像數據，利用線性判別分析和最近鄰算法識別人臉二維圖像；本發明相對于一些基礎的人臉二維圖像特征提取算法而言，具有較好的識別率。

技術領域

本發明涉及圖像識別技術領域，具體而言，涉及一種基于信息論流形的人臉圖像識別方法。

背景技術

圖像特征提取技術在科學研究、社會安全、軟件開發和航空航天等項目中有著廣闊的應用前景，如何對圖像特征進行有效表示和提取一直都是圖像理解和識別的熱點。

經過大量檢索發現一些典型的現有技術，如申請號為201410360742.5提出了一種基于最近特征線的人臉特征提取方法，其直接利用圖像矩陣數據進行計算，求取與人臉圖像樣本同樣是矩陣的在同類人臉圖像樣本所生成的特征線上的投影點，使得人臉圖像樣本經過該線性變換之后，基于二維最近特征線的類內散度最小。該發明降低了運算量，并盡可能多的保留圖像矩陣本身臨近像素點之間的相關性。

又如申請號為201310320237.3提出了一種基于流形學習的人臉識別方法，該發明通過對圖像進行訓練，實時采集待測試圖像，進行人臉識別，比采用基于歐氏距離的局部線性嵌入方法更為合理，識別準確率更高，也比直接采用高維數據進行識別的運算復雜度更低，更加簡便。

由此可見，如何對人臉二維圖像進行識別，其實際應用中的亟待處理的實際問題還有很多未提出具體的解決方案。

發明內容

為了克服現有技術的不足提供了一種基于信息論流形的人臉圖像識別方法，本發明的具體技術方案如下：

1.一種基于信息論流形的人臉圖像識別方法，包括如下步驟：

步驟1，通過Gabor濾波器對人臉二維圖像進行處理，使用多個中心尺度和多個方向組合，提取人臉二維圖像的紋理結構特征；

步驟2，使用不確定度計算人臉二維圖像經過多尺度變換后各個尺度特征結果的權值；

步驟3，對高維張量空間數據進行降維，得到低維數據并提取人臉二維圖像數據的特征；

步驟4，根據已提取到的人臉二維圖像數據，利用線性判別分析和最近鄰算法識別人臉二維圖像；

其中，不確定度通過實驗標準差計算。

可選的，在步驟1中，通過Gabor濾波器對人臉二維圖像進行處理的具體方法為：

獲取人臉二維圖像上給定點I(z)附近區域的灰度特征；

利用公式G_u，v(z)＝I(z)＊ψ_u，v(z)，對獲取的灰度特征與Gabor函數進行卷積運算；

其中＊表示卷積運算，z＝(x，y)為具體某個點的坐標，I(z)為給定點的灰度值，ψ_u，v(z)中參數u和v分別表示Gabor內核的方向和中心尺度。

可選的，在步驟2中，不確定度權值的具體計算方法為：

對M張同類人臉圖像樣本{Y_i，i＝1，…，M}，使用5個不同的中心尺度和8個不同的方向組合成40個Gabor濾波器，得到40張人臉圖像特征

使為G_i的算術平均值，則第j個Gabor濾波器的不確定度其中表示矩陣間的歐式距離；