[发明专利]基于纹理特征融合和SVM的人脸识别方法

说明书

本发明提出了一种基于纹理特征融合和SVM的人脸识别方法，属于图像处理领域；首先，运用均匀LBP算子来提取NSCT变换多尺度、多方向高频子带的纹理特征，然后统计每个高频子带的均匀模式LBP特征信息并将它们进行组合，得到一种结合LBP算子和NSCT优点的人脸纹理特征ULNBH。ULNBH缺乏低频信息，因此结合Gabor特征的特性提出将ULNBH特征和Gabor特征在特征层进行融合，从而得到一种人脸纹理特征信息更加完备的融合特征。在人脸识别阶段，运用主成分分析方法对高维的特征向量进行降维，然后采用SVM对降维后的融合特征进行识别。该融合特征对光照和姿态变化的鲁棒性更强。

技术领域

本发明涉及一种人脸识别方法，属于图像处理领域，尤其是一种基于纹理特征融合和SVM的人脸识别方法。

背景技术

近年来伴随着互联网技术的快速发展，信息技术给全社会的各个领域都带来了非常大的影响，在信息技术的普遍应用中，，安全问题关系到人们生活的各个方面。身份认证技术是信息安全领域非常关键的组成部分。传统身份认证技术主要采用了口令和智能卡的方式，存在着容易被盗取和丢失的安全隐患。人脸识别技术作为生物识别技术的一种，通过计算机技术，图像学，统计学以及生理学等结合在一起将人体的某些稳定的特征进行准确验证与识别的综合技术。人脸识别因其独有的优点成为最广泛使用的生物识别技术之一，它具备了一般生物特征验证技术的防伪性、不易丢失等优点，同时还具备了主动性和用户友好性等优点。在保障金融安全方面，人脸识别技术已经在移动支付等实例中得到了应用，很好的保障了金融交易的实时安全性和后期的监督；在保障公共安全领域，人脸识别技术在边防安检、智能视频监控、门禁系统等方面得到了广泛的应用；在国家安全领域，人脸识别技术已经被用于重要区域的安防监测系统，用于对犯罪分子和恐怖分子的识别追踪等；在多媒体信息服务领域中，应用人脸识别技术可以根据客户需求提供更加人性化的服务，从而提升服务质量。因此人脸识别技术有着非常重要的实用价值以及商业价值，对人脸识别开展深入研究具有广泛而深远的意义。

计算机科学和图像处理等领域的快速发展极大的促进了人脸识别的研究，然而由于实际的人脸图像采集与处理过程中往往会存在各种各样的干扰，对人脸识别的效果造成了很大的影响，尤其是在人脸图像的采集过程中往往会受到光照变化、人脸姿态的变化等因素的干扰，从而使提取的人脸特征信息不够全面或者掺杂着过多的冗余信息，对最终的人脸识别效果产生了非常恶劣的影响。各专家学者针对目前人脸识别中的光照或者姿态变化问题已经提出了很多针对性的解决方法，虽然减弱了光照变化或者姿态变化中的单个干扰因素的影响，但是对于这两种干扰因素同时存在的情况，人脸识别的效果仍还有待提高，因此对光照干扰和姿态变化下的人脸识别系统进行进一步研究具有重要意义。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种适用于人脸识别中的基于纹理特征融合和SVM的人脸识别方法。

本发明公开一种适用于图像识别中的人脸识别方法，其包括如下步骤：

步骤1，对图像进行归一化处理，得到大小一致的人脸图片；

步骤2，分别对人脸库样本提取ULNBH特征向量和Gabor特征向量，将Gabor小波特征向量和ULNBH特征向量运用串行融合方法进行融合，得到融合特征G-ULNBH并将G-ULNBH融合特征进行归一化处理；

步骤3，将融合后的人脸特征向量分为两类，一类为训练样本，一类为测试样本，运用PCA算法对训练样本和测试样本的人脸特征矩阵进行降维，得到降维的特征矩阵；

步骤4，对降维的特征矩阵格式进行调整，把人脸图像按照所属的类别分为1到W，W为人脸类别总数，将每一类人脸设定对应于自身类别的标签；

步骤5，将人脸训练样本和测试样本的特征向量及标签输入SVM分类器，选择核函数及参数，最终由分类器的分类结果对人脸进行识别。

所述的适用于图像识别中的人脸识别方法，优选的，所述步骤1包括：