[发明专利]基于红外图像的人脸识别方法

说明书

本发明涉及人脸识别方法技术领域，是一种基于红外图像的人脸识别方法，按下述方法进行：先通过稀疏编码去除红外图像噪声，再通过改进的Fisher准则提取人脸特征，最后通过支持向量机进行分类识别。本发明所述人脸识别方法相较于现有人脸识别方法，具有如下优点：1)减少红外图像中噪声干扰；2)提高计算效率；3)缓解Sw奇异问题的复杂性；4)分类器的最优分类间隔使得推广错误率降低，具有很强的泛化能力；5)本发明采用的算法比其他算法具有更高的识别率和更快的识别时间；6)具有较强的鲁棒性和泛化能力，但需要较长的训练时间。

技术领域

本发明涉及人脸识别算法技术领域，是一种基于红外图像的人脸识别方法。

背景技术

现在主流的人脸识别即深度学习算法的应用基本针对可见光图片进行识别，但是基于可见光图片有以下几个劣势：1)人在夜间识别效果差，不能24小时全天候进行身份甄别。2)夜间白光补光容易有光污染，红外光更环保。基于PCA(主成分分析技术)、LDA(线性判别分析)和SVM(支持向量机)的人脸特征方法已被提出，其中PCA+LDA提高了人脸识别率，该算法运用PCA进行降维，然后通过LDA进行特征提取，PCA使用较少的数据维度并保证在降维后能够最大化保持数据的内在信息，但是这样投影后对数据的区分作用不大，反而可能使得数据点揉杂在一起无法区分，而LDA是为了使得降维后的数据点尽可能地容易被区分，两种算法的结合起到了相互补充的作用，非常有效的提取了人脸特征，从而更有利于人脸分类，但其直接从红外图像中提取人脸数据，其中含有大量的噪声和冗余信息，从而降低了识别率，并延长了识别时间。

发明内容

本发明提供了一种基于红外图像的人脸识别方法，克服了上述现有技术之不足，其能有效解决现有人脸识别算法存在人脸识别率较低的问题。

本发明的技术方案是通过以下措施来实现的：一种基于红外图像的人脸识别方法，按下述方法进行：先通过稀疏编码去除红外图像噪声，再通过改进的Fisher准则提取人脸特征，最后通过支持向量机进行分类识别；包括以下步骤：

步骤1：建立N个人的人脸库，每个人的人脸库建立一个训练库和一个待识别库；

步骤2：人脸库中，每张照片是在多姿态、多面部表情和不同照明条件下捕捉；

步骤3：将人脸库存储的训练库数据进行训练；

步骤3.1：进行稀疏编码：

设x为稀疏域中人脸图像的向量表示,x通过矩阵D和向量y获取:

y＝Dx (1)

将公式(1)变换为x＝D^-1y (2)

其中，D为过完备字典，y为人脸图像在灰度空间的向量表示，D∈Rm×n,x∈Rn×l,nm，将公式(2)改写为：

x≈D^-1y,s.t||x-D^-1y||₂≤ξ (3)

在公式(3)中采用欧氏距离计算距离，由于nm,所以公式(3)为欠定方程组，需要公式(4)从x的无数多组解中搜寻稀疏解，

min||x||₁s.t||x-D^-1y||₂≤ξ (4)

假设有足够的训练样本Y∈Rm×n,yi∈Rm×l是每个训练样本的向量形式，Y＝[y1,y2…yi…yn],n为样本个数，通过公式(4)迭代得出的D∈R m×n和系数x∈R n×l满足：