專利名稱：基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法。
背景技術(shù)：
人臉識(shí)別指利用人臉特征信息進(jìn)行身份鑒別的生物特征識(shí)別技術(shù)，它有非接觸式采集、可以隱蔽操作、方便快捷、強(qiáng)大的事后追蹤能力、交互性強(qiáng)和圖像采集成本低等優(yōu)點(diǎn)， 廣泛應(yīng)用在信息安全、視頻監(jiān)控、刑事偵破、公共安全、人機(jī)交互等領(lǐng)域。隨著圖像處理、模式識(shí)別以及計(jì)算機(jī)技術(shù)的發(fā)展，相繼提出了很多人臉識(shí)別方法?，F(xiàn)有的人臉識(shí)別方法一般劃分成兩類基于整體特征的方法和基于局部特征的方法?；谡w特征的方法是從整個(gè)人臉圖像出發(fā)，提取反映人臉整體屬性的特征從而實(shí)現(xiàn)人臉識(shí)別，主要包括主成分分析、線性判別分析和獨(dú)立成分分析等?；诰植刻卣鞯姆椒ㄊ翘崛∪四槇D像中各個(gè)區(qū)域的細(xì)節(jié)特征，從而達(dá)到識(shí)別目的。二元局部模式和Gabor小波特征是人臉識(shí)別中常用的兩種局部特征。在可控條件下，現(xiàn)有的人臉識(shí)別方法一般具有良好的識(shí)別性能。但是隨著光照、人臉姿態(tài)、表情、遮擋等因素的變化，識(shí)別性能將會(huì)大大下降。

發(fā)明內(nèi)容
為了解決現(xiàn)有人臉識(shí)別存在的上述技術(shù)問(wèn)題，本發(fā)明提出了一種識(shí)別準(zhǔn)確度高的基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法。本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案包括以下步驟(1)將原始的人臉圖像I進(jìn)行尺寸歸一化，并通過(guò)高斯濾波器進(jìn)行平滑處理，得到人臉圖像矩陣Γ ；(2)分別求取人臉圖像矩陣I ‘的差分激勵(lì)矩陣E和方向信息矩陣0 ；(3)從人臉圖像矩陣I'中找出N個(gè)均勻分布的像素點(diǎn)Ρη(η = 1，2，…，N)，N為 25-100，對(duì)于圖像內(nèi)部的像素點(diǎn)Ρη，以其為中心切割出M個(gè)不同尺寸的子圖像SnmOii = 1， 2，…，Μ)，M為3-6 ；對(duì)于圖像邊緣的像素點(diǎn)Ρη，以其為中心切割出一個(gè)子圖像SnmOii = 1)， 從差分激勵(lì)矩陣E和方向信息矩陣0中分別切割出對(duì)應(yīng)的子區(qū)域S' .^PS" ，根據(jù)S' 和S" 求取子圖像Snm的韋伯局部特征向量Hnm;(4)在特征空間中，求取待測(cè)人臉圖像中每個(gè)子圖像的特征向量Hnmtl與樣本人臉圖像)(d(d= 1,2,…，D)中相對(duì)應(yīng)子區(qū)域的特征向量Hnmd之間的卡方距離;r 2md，根據(jù)卡方距離求子圖像Snm相對(duì)于樣本圖像&的隸屬度μ Md，根據(jù)最大隸屬度準(zhǔn)則對(duì)待測(cè)人臉圖像中每一個(gè)子圖像進(jìn)行識(shí)別，得到識(shí)別結(jié)果ι ；(5)以圖像內(nèi)部像素點(diǎn)Pn為中心得到的一組子圖像Snm的識(shí)別結(jié)果Imi中，選出隸屬度最大所對(duì)應(yīng)的識(shí)別結(jié)果4作為該組的識(shí)別結(jié)果，對(duì)于人臉圖像邊緣的像素點(diǎn)P1Jij只有一個(gè)識(shí)別結(jié)果rn = Imi ；(6)通過(guò)投票的方式將每一組的識(shí)別結(jié)果4進(jìn)一步融合，得票最多的人臉類別作為整個(gè)待測(cè)人臉圖像I的識(shí)別結(jié)果。本發(fā)明技術(shù)效果在于(1)本發(fā)明采用韋伯局部特征進(jìn)行人臉識(shí)別，能夠有效的表示人臉圖像的紋理特征，對(duì)于光照、表情等變量具有較強(qiáng)的魯棒性。( 本發(fā)明采用基于多尺度的韋伯局部特征的人臉表示方法，一方面能夠消除待測(cè)人臉圖像與樣本人臉圖像之間未對(duì)齊對(duì)識(shí)別性能的影響；另一方面，切割出不同尺度的子圖像，相當(dāng)于在識(shí)別過(guò)程中增加了樣本的數(shù)量，提高識(shí)別的準(zhǔn)確率。(3)本發(fā)明基于分層決策融合的分類識(shí)別方法能夠選出最優(yōu)的人臉圖像中最優(yōu)子圖像進(jìn)行識(shí)別，能夠解決人臉識(shí)別中局部遮擋等問(wèn)題。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。


圖1是本發(fā)明中計(jì)算韋伯局部特征的濾波器窗口。(a)和(b)是求取差分激勵(lì)的濾波器；(c)和(d)是求取方向信息的濾波器。圖2是本發(fā)明中人臉圖像的差分激勵(lì)圖(取L1 = 5)和方向信息圖(取L2 = IO), 其中，(a)表示源圖像；(b)表示差分激勵(lì)圖；(c)表示方向信息圖。圖3是本發(fā)明中2維直方圖表示韋伯局部特征的示意圖。圖4是本發(fā)明中基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法的流程圖。
具體實(shí)施例方式本發(fā)明包括基于多尺度韋伯局部特征的人臉表示和分層決策融合的分類識(shí)別兩個(gè)部分?；诙喑叨软f伯局部特征的人臉表示具體步驟如下(1)將灰度人臉圖像I通過(guò)高斯濾波進(jìn)行平滑處理得到I ‘
權(quán)利要求
1. 一種基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法，包括步驟如下(1)將原始的人臉圖像J進(jìn)行尺寸歸一化，并通過(guò)高斯濾波器進(jìn)行平滑處理，得到人臉圖像矩陣J'；(2)分別求取人臉圖像矩陣f的差分激勵(lì)矩陣S和方向信息矩陣σ;(3)從人臉圖像矩陣/中找出w個(gè)均勻分布的像素點(diǎn)Ps( = 1,2,…,JV), jv為25-100，對(duì)于圖像內(nèi)部的像素點(diǎn)巧，以其為中心切割出M個(gè)不同尺寸的子圖像^sa (m = lf2,-M),M 為3-6 ；對(duì)于圖像邊緣的像素占以其為中心切割出一個(gè)子圖像( =〗)，從差分激勵(lì)矩陣^和方向信息矩陣σ中分別切割出對(duì)應(yīng)的子區(qū)域?qū)崱逗?，根?jù)和巧《求取子圖像在《的韋伯局部特征向量〃《 ；(4)在特征空間中，求取待測(cè)人臉圖像中每個(gè)子圖像的特征向量ZZhh8與樣本人臉圖像 Xi = 2,-,0)中相對(duì)應(yīng)子區(qū)域的特征向量/Zjmi之間的卡方距離；dp根據(jù)卡方距離求子圖像相對(duì)于樣本圖像X的隸屬度Λη，根據(jù)最大隸屬度準(zhǔn)則對(duì)待測(cè)人臉圖像中每一個(gè)子圖像進(jìn)行識(shí)別，得到識(shí)別結(jié)果(5)以圖像內(nèi)部像素點(diǎn)巧為中心得到的一組子圖像式《的識(shí)別結(jié)果&中，選出隸屬度最大所對(duì)應(yīng)的識(shí)別結(jié)果^作為該組的識(shí)別結(jié)果，對(duì)于人臉圖像邊緣的像素點(diǎn)巧則只有一個(gè)識(shí)別結(jié)果4(6)通過(guò)投票的方式將每一組的識(shí)別結(jié)果&進(jìn)一步融合，得票最多的人臉類別作為整個(gè)待測(cè)人臉圖像Z的識(shí)別結(jié)果。
全文摘要
本發(fā)明公開(kāi)了一種基于多尺度韋伯局部特征和分層決策融合的人臉識(shí)別方法。它包括以下步驟將人臉圖像尺寸歸一化，再用高斯濾波器進(jìn)行平滑處理；從預(yù)處理后的人臉圖像中找出均勻分布的像素點(diǎn)；以像素點(diǎn)為中心分割出一組不同尺度大小的子圖像，提取每個(gè)子圖像的韋伯局部特征向量；求取測(cè)試圖像中每個(gè)子圖像的特征向量與樣本子圖像的特征向量之間的卡方距離，根據(jù)卡方距離求取測(cè)試圖像中每個(gè)子圖像的隸屬度；根據(jù)隸屬度最大的原則，選擇其中隸屬度最大對(duì)應(yīng)的識(shí)別結(jié)果作為該組的識(shí)別結(jié)果；將每一組得到識(shí)別結(jié)果通過(guò)投票的方式進(jìn)行決策融合得到整個(gè)待測(cè)人臉圖像的識(shí)別結(jié)果。本發(fā)明采用韋伯局部特征和分層決策融合進(jìn)行人臉識(shí)別，大大提高了識(shí)別準(zhǔn)確率。
文檔編號(hào)G06K9/00GK102521561SQ20111036387
公開(kāi)日2012年6月27日 申請(qǐng)日期2011年11月16日 優(yōu)先權(quán)日2011年11月16日
發(fā)明者向蔭, 李樹(shù)濤, 龔大義 申請(qǐng)人:湖南大學(xué)