[发明专利]一种基于最大稳定极值区域的人脸识别方法

说明书

技术领域

本发明涉及模式识别与图像处理技术领域，尤其涉及一种基于最大稳定极值区域的人脸识别方法。

背景技术

当前的生物特征识别技术主要包括有：指纹识别、视网膜识别、虹膜识别、手形识别、掌纹识别、人脸识别等。与其他识别方法相比，人脸识别具有自然，直观，成本较低等特点，使用简单，易于操作，稳定性高，从而获得了广泛的研究与应用。从古到今，人类在确认一个人的身份时，一般都是通过人脸来判断，这一事实为人脸识别概念的出现提供了理论基础和实践依据。

自2001年美国“9.11”恐怖袭击事件发生以来，世界各国普遍就打击恐怖主义，防范恐怖袭击，保护公众安全等问题展开研究与措施。其中，利用高科技技术对机场、码头、地铁车站等易受恐怖袭击的公共场所进行安全防范，并及时、迅速而准确地发现并确认可疑分子是目前各国高度关注的热点问题。而基于视频的人脸识别技术则是目前一种可行的方案。运用自动人脸识别技术，可将安检时所获取的人脸图片与恐怖份子照片数据库进行对比搜索，确定面部特征相似的嫌疑犯以供警务人员调查。在某些特定场合，如海关、出入境、公司部门、考试场等，可通过自动人脸识别技术验证被测人的相关证件，如身份证、护照、驾驶证、职员证、准考证等均附有个人照片的证件，来快速地完成验证识别工作，从而实现这些繁琐事务的自动化智能管理。在各行业重点部门或重要场所，如自动柜员机、银行柜台、金器银器店、公共场所等处都设有二十四小时的视频监控。当出现突发性异常事件或暴力入侵时，可通过实时监控、跟踪获得有效数据、图像或声音信息，对事件过程进行及时监控和记录，对采集到的图像进行具体分析，进行人脸的检测、跟踪和识别，用以提供高效、及时地指挥和调度、布置警力、处理案件等。大型体育赛事、通商口岸、旅游景区、大型会议出入、楼宇住宅、教育考试、政府机构和企业的出入口控制等以及智能型住宅、智能车库等，都可以尝试应用人脸识别来为用户提供安全、便利。

人脸识别应其所特有的技术优势和其较多的应用环境，获得了人们的广泛接受，在取得了很大成果的同时，人们也对这项技术提出了更高的要求。人们希望计算机能够像人一样区分和识别人脸，然而由于所有的人脸看上去结构相同、纹理相近、局部器官之间亦十分相似，要判断和区分人脸，需要对人脸之间的细微差别进行精确的识别。并且由于人脸的弹性特点使其具有一个不稳定外形，与刚体物体相比，人脸是弹性形变的。人脸是有表情的，人的喜怒哀乐都伴随着表情的变化从而引起人脸的形状变化和特征变化，从不同的角度、不同姿势所观测到的人脸图像差异也很大。另外，在实际生活中，人脸常常佩戴各种装饰物，如眼镜、口罩、围巾、帽子；或者改变发型、蓄留胡须、化妆打扮；或是随着年龄的增长，头发花白、皮肤松弛、眉眼深陷等；这些随机的、弹性的人脸变化势必会给人脸识别的准确性带来很大的干扰。人们希望计算机也能和人眼一样，区分出这些表情并将同一个体在不同表情下的人脸关联和识别出来，这就需要鲁棒性更强的人脸识别算法来完成更高级的识别任务。

随着人脸识别越来越高的实际需求，基于计算机系统的全自动人脸识别依然面临着许多困难，多姿态、跨年龄、抗遮挡的人脸识别技术，在不同光照、复杂背景条件下的精确的人脸识别，实时便捷地使用要求等，这都是人脸识别算法需要解决的核心问题。

发明内容

本发明针对现有技术的不足，提出了一种简单而行之有效的基于最大稳定极值区域的人脸识别方法。

为了达到上述目的，本发明采用下述技术方案。

一种基于最大稳定极值区域的人脸识别方法，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，进而达到人脸识别的目的。

所述的步骤101中，在人脸图像的不同转换空间进行，所述的不同转换空间是指图像的多种表达方式，图像彩色空间可以用RGB，HIS等颜色空间表示，这里的不同转换空间也包括图像的灰度空间。