[发明专利]一种新的HOG特征维吾尔族人脸图像识别算法

说明书

本发明公开了一种新的HOG特征维吾尔族人脸图像识别算法，首先通过拉普拉斯滤波变换突出人脸图像的固有纹理特征，减弱非均匀光照的干扰，然后将拉普拉斯滤波变换后的人脸图像通过离散余弦变换DCT有效滤除高频分量的同时而保留离散余弦变化所产生的低频信息，经过离散余弦逆变换IDCT处理后构造出与原人脸图像相接近的恢复的图像，滤除人脸图像中并不敏感的中高频部分以及很好的降低了其维数，为后续提取人脸图像特征提供了很好的基础；最后利用梯度质量分布图HOG算子提取其人脸图像的特征并利用最近邻方法对人脸图像进行分类识别。该算法在Yale B人脸数据库以及课题组自建的维吾尔族人脸数据库中其识别率有了很大的提高，优于其他传统算法，并具有很强的鲁棒性。

技术领域

本发明属于生物特征识别技术领域，涉及一种人脸图像识别算法，具体地说，涉及一种 新的HOG特征维吾尔族人脸图像识别算法。

背景技术

人脸识别是最重要的生物特征识别技术之一，可广泛在社会安全、门禁安全系统、教学 等众多领域中应用。随着人脸识别技术的成熟发展，许多相关产品已经很好的应用到人类生 活中。同时，人脸识别技术的研究和应用具有许多问题，主要为其识别性能受诸多方面因素 的影响，如人脸图像分辨率模糊、光照多样性、多姿态以及丰富的遮挡等问题。

近年来，针对非均匀光照对人脸识别效果的干扰而提出很多算法，传统的人脸特征提取 识别算法主要有Gabor人脸特征提取，局部二值模式LBP人脸特征提取，局部三值模式LTP 人脸特征提取，梯度方向质量分布图HOG人脸特征提取等。

Gabor人脸特征提取算法具有很好的表达能力，同时拥有与生物视觉系统相似的特性， 因此开展了广泛的研究应用，但是由于其多尺度方向的维数特征过高，导致其计算过程比较 复杂，因此很难实现实时性和有效性需求在实际的应用中。LBP及LTP人脸特征提取具有 简单分类，且计算复杂性过于简化等特点，但是对非均匀光照等噪声干扰信号十分敏感，容 易受干扰环境因素的影响。梯度方向质量分布图HOG特征对非均匀光照、局部遮挡等具有 鲁棒性好及益于复杂计算，基于这些优越性的因素而越来越多的得到研究者的关注。

梯度方向质量分布图(HOG)在2005年由Dalal首先提出.HOG特征由于对方向、光照等因素具有不敏感性，在计算机视觉研究中，如在行人识别领域得到了广泛的应用。到2011 年被Deniz等人首次应用于人脸识别中，然而HOG特征在人脸识别中的研究成果相对较少， HOG特征在人脸识别应用中的潜力还有待挖掘。

发明内容

本发明提出了一种新的HOG特征维吾尔族人脸图像识别算法，该方法是基于拉普拉斯滤 波和离散余弦变换(DCT)融合的梯度质量分布图(HOG)维吾尔族人脸识别算法。该算 法首先通过拉普拉斯滤波变换突出人脸图像的固有纹理特征，减弱非均匀光照的干扰，然后 将拉普拉斯滤波变换后的人脸图像通过离散余弦变换(DCT)，这样可以有效滤除高频分量 的同时而保留离散余弦变化所产生的低频信息，随后经过离散余弦逆变换(IDCT)处理后 构造出与原人脸图像相接近的恢复的图像，滤除人脸图像中并不敏感的中高频部分以及很好 的降低了其维数，为后续提取人脸图像特征提供了很好的基础；最后利用梯度质量分布图 (HOG)算子提取其人脸图像的特征并利用最近邻方法对人脸图像进行分类识别。实验结 果表明，该算法在Yale B人脸数据库以及课题组自建的维吾尔族人脸数据库中其识别率有了 很大的提高，优于其他传统算法，并具有很强的鲁棒性。

其技术方案如下：

一种新的HOG特征维吾尔族人脸图像识别算法，包括以下步骤：

(1)对训练样本人脸图像进行拉普拉斯滤波变换预处理；

(2)对完成拉普拉斯滤波变换预处理后的人脸图像分成8×8人脸图像块，然 后将图像块进行DCT变换，提取其人脸图像的左上角10个低频系数特征分量；