[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

说明书

本发明提供了一种基于SVD算法校正的人脸信息采集识别系统，包括人脸图像采集模块、人脸特征训练模块及人脸图像识别模块。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，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，及根据人脸特征向量以及SVD特征向量获取新融合特征向量，以对人脸图像特征进行校正，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。本发明可以降低人脸图像的误识率，提高人脸图像的识别精度。相应地，本发明还提供一种基于SVD算法校正的人脸信息采集识别方法。

技术领域

本发明涉及人脸识别技术领域，具体而言，涉及一种基于SVD算法校正的人脸信息采集识别系统及方法。

背景技术

人脸识别是一项热门的计算机技术研究领域，其应用范围涵盖了公安刑侦、司法鉴定、访问控制、医学应用、视频监控等多个领域。人脸识别本质上是三维塑性物体在二维投影图像上的匹配问题，利用固有的生物特征来进行身份的鉴别。人脸识别的核心技术在于提取人脸图像特征的方法，而传统的提取人脸图像特征方法有几何特征法、基于PCA人脸识别方法、神经网络法等。

虽然传统的提取人脸图像特征方法能大大提高人脸识别的速度，但是由于人脸特征容易受到光照条件、视角、遮挡等外界条件的影响，其人脸特征提取稳定性较差，人脸识别误识率较高。

发明内容

基于此，为了解决传统的提取人脸图像特征方法人脸识别误识率较高的问题，本发明提供了一种基于SVD算法校正的人脸信息采集识别系统及方法，其具体技术方案如下：

一种基于SVD算法校正的人脸信息采集识别系统，其包括：

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。

通过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，并利用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，然后根据人脸特征向量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，当外界环境和人脸姿态变化不大时，使第一变化系数A大于第二变化系数B，而当外界环境和人脸姿态变化较大时，则使第二变化系数B大于第一变化系数A，可以达到弹性匹配的目的。利用SVD算法产生的特征向量对最后识别阶段的人脸图像特征进行校正，可以降低人脸图像的误识率，提高人脸图像的识别精度。

进一步地，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。

进一步地，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。