[发明专利]一种基于最大稳定极值区域的人脸识别方法

权利要求书

1.一种基于最大稳定极值区域的人脸识别方法，其特征在于，包括以下步骤：

步骤101、基于MSER原理对人脸图像进行特征区域检测；

步骤102、采用GLOH特征描述算子对检测到人脸特征区域进行描述，生成描述特征区域的特征向量；

步骤103、采用PCA算法对得到的特征向量进行降维，生成维数更低的描述特征区域的特征向量；

步骤104、依据特征区域的位置和特征向量对特征区域进行分类；

步骤105、针对待比对的两幅人脸图像，依据各自特征区域所属的类别和其相应的特征向量对特征区域进行相似性判定，得到各特征区域的相似度；

步骤106、依据特征区域的相似性判定结果得到人脸图像的总的相似度，根据总的相似度判定对待比对的两幅人脸图像是否匹配。

2.如权利要求1所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤104中，对特征区域进行分类时，采用神经网络聚类算法或SVM聚类算法。

3.如权利要求2所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤105中，对特征区域进行相似性判定时，依据特征区域所属的类别和其自身的特征向量与同类别的特征区域进行特征向量间的匹配，根据匹配结果判定其相似度。

4.如权利要求3所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤105中，特征区域的特征向量的匹配可采用计算向量间的欧式距离或者度量向量相似性的余弦计算方法。

5.如权利要求4所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤106中，总的相似度达到一定程度的两幅人脸图像才被认为是匹配的。

6.如权利要求5所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤106中，两幅人脸图像的总的相似度是由各特征区域的相似度加权得到的，各特征区域的权重系数由特征区域匹配的准确性决定。

7.如权利要求6所述的基于最大稳定极值区域的人脸识别方法，其特征在于，步骤106中，通过正确匹配的次数和总的实验次数的比值确定各特征区域的匹配的准确性，并对准确性低于一定阈值的特征区域的权重赋零。