[发明专利]一种基于SVD算法校正的人脸信息采集识别系统及方法

权利要求书

1.一种基于SVD算法校正的人脸信息采集识别系统，其特征在于，包括：

人脸图像采集模块，用于采集人脸图像并对人脸图像进行预处理；

人脸特征训练模块，用于提取预处理后的人脸图像的特征并对人脸图像的特征进行K-L变换以及Gabor小波变换以获取人脸特征向量X，利用SVD算法对预处理后的人脸图像进行处理以获取SVD特征向量Y，以及根据所述人脸特征向量X以及SVD特征向量Y获取新融合特征向量Z，以对人脸图像特征进行校正；其中，Z＝A*X+B*Y，A为第一变化系数，B为第二变化系数；

人脸图像识别模块，用于根据校正后的人脸图像的特征对人脸图像进行识别。

2.如权利要求1所述的一种基于SVD算法校正的人脸信息采集识别系统，其特征在于，所述人脸图像采集模块包括：

采集单元，用于采集人脸图像；

检测单元，用于检测采集到的人脸图像，以获取最优人脸搜索窗口；

预处理单元，用于将人脸图像转换成灰度图像，以及获取最优人脸搜索窗口中的人脸图像的直方图；

分割单元，用于根据所述灰度图像以及直方图，分割人脸图像中的人脸区域以及背景区域。

3.如权利要求2所述的一种基于SVD算法校正的人脸信息采集识别系统，其特征在于，所述人脸图像识别模块包括：

计算单元，用于计算新融合特征向量与模板人脸特征向量之间的欧式距离；

识别单元，用于根据欧氏距离对人脸图像进行识别。

4.一种基于SVD算法校正的人脸信息采集识别方法，其特征在于，包括如下步骤：

采集人脸图像并对人脸图像进行预处理；

提取预处理后的人脸图像的特征并对人脸图像的特征进行K-L变换以及Gabor小波变换以获取人脸特征向量X，利用SVD算法对预处理后的人脸图像进行处理以获取SVD特征向量Y；

根据人脸特征向量X以及SVD特征向量Y获取新融合特征向量Z，以对人脸图像特征进行校正，其中，Z＝A*X+B*Y，A为第一变化系数，B为第二变化系数；

根据校正后的人脸图像的特征对人脸图像进行识别。

5.如权利要求4所述的一种基于SVD算法校正的人脸信息采集识别方法，其特征在于，所述对人脸图像进行预处理的具体方法包括：

检测采集到的人脸图像获取最优人脸搜索窗口；

将人脸图像转换成灰度图像以及获取最优人脸搜索窗口中的人脸图像的直方图；

根据灰度图像以及直方图，分割人脸图像中的人脸区域以及背景区域。

6.如权利要求5所述的一种基于SVD算法校正的人脸信息采集识别方法，其特征在于，所述根据校正后的人脸图像的特征对人脸图像进行识别的具体方法包括：

计算新融合特征向量与模板人脸特征向量之间的欧式距离；

根据欧氏距离判断所述新融合特征向量与所述模板人脸特征向量的匹配程度，对人脸图像进行识别。

7.如权利要求6所述的一种基于SVD算法校正的人脸信息采集识别方法，其特征在于，所述检测采集到的人脸图像获取最优人脸搜索窗口的具体方法包括：

基于Haar-like特征对所述采集到的人脸图像分块并进行像素和的差运算，获取第一人脸特征值；

采用adaboost算法对同一对象训练不同的弱分类器；

使用所述弱分类器对所述采集到的人脸图像进行处理，获取第二人脸特征值；

比较所述第一人脸特征值和第二人脸特征值以对采集到的人脸图像进行检测，判断所述采集到的人脸图像是否为人脸并得到该检测的误检率；

根据所述误检率对所述弱分类器添加对应权值，组合得到强分类器；

基于Haar分类器的搜索窗口，在所述强分类器的检测结果下，不断扩大搜索窗口的大小直至检测到人脸，获取最优人脸搜索窗口。