[发明专利]基于多尺度韦伯局部特征和分层决策融合的人脸识别方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于多尺度韦伯局部特征和分层决策融合的人脸识别方法。

背景技术

人脸识别指利用人脸特征信息进行身份鉴别的生物特征识别技术，它有非接触式采集、可以隐蔽操作、方便快捷、强大的事后追踪能力、交互性强和图像采集成本低等优点，广泛应用在信息安全、视频监控、刑事侦破、公共安全、人机交互等领域。随着图像处理、模式识别以及计算机技术的发展，相继提出了很多人脸识别方法。现有的人脸识别方法一般划分成两类：基于整体特征的方法和基于局部特征的方法。基于整体特征的方法是从整个人脸图像出发，提取反映人脸整体属性的特征从而实现人脸识别，主要包括主成分分析、线性判别分析和独立成分分析等。基于局部特征的方法是提取人脸图像中各个区域的细节特征，从而达到识别目的。二元局部模式和Gabor小波特征是人脸识别中常用的两种局部特征。在可控条件下，现有的人脸识别方法一般具有良好的识别性能。但是随着光照、人脸姿态、表情、遮挡等因素的变化，识别性能将会大大下降。

发明内容

为了解决现有人脸识别存在的上述技术问题，本发明提出了一种识别准确度高的基于多尺度韦伯局部特征和分层决策融合的人脸识别方法。

本发明解决上述技术问题的技术方案包括以下步骤：

(1)将原始的人脸图像I进行尺寸归一化，并通过高斯滤波器进行平滑处理，得到人脸图像矩阵I′；

(2)分别求取人脸图像矩阵I′的差分激励矩阵E和方向信息矩阵O；

(3)从人脸图像矩阵I′中找出N个均匀分布的像素点P_n(n＝1，2，…，N)，N为25-100，对于图像内部的像素点P_n，以其为中心切割出M个不同尺寸的子图像S_nm(m＝1，2，…，M)，M为3-6；对于图像边缘的像素点P_n，以其为中心切割出一个子图像S_nm(m＝1)，从差分激励矩阵E和方向信息矩阵O中分别切割出对应的子区域S′_nm和S″_nm，根据S′_nm和S″_nm求取子图像S_nm的韦伯局部特征向量H_nm；

(4)在特征空间中，求取待测人脸图像中每个子图像的特征向量H_nm0与样本人脸图像X_d(d＝1，2，…，D)中相对应子区域的特征向量H_nmd之间的卡方距离根据卡方距离求子图像S_nm相对于样本图像X_d的隶属度μ_nmd，根据最大隶属度准则对待测人脸图像中每一个子图像进行识别，得到识别结果r_nm；

(5)以图像内部像素点P_n为中心得到的一组子图像S_nm的识别结果r_nm中，选出隶属度最大所对应的识别结果r_n作为该组的识别结果，对于人脸图像边缘的像素点P_n则只有一个识别结果r_n＝r_nm；

(6)通过投票的方式将每一组的识别结果r_n进一步融合，得票最多的人脸类别作为整个待测人脸图像I的识别结果。

本发明技术效果在于：(1)本发明采用韦伯局部特征进行人脸识别，能够有效的表示人脸图像的纹理特征，对于光照、表情等变量具有较强的鲁棒性。(2)本发明采用基于多尺度的韦伯局部特征的人脸表示方法，一方面能够消除待测人脸图像与样本人脸图像之间未对齐对识别性能的影响；另一方面，切割出不同尺度的子图像，相当于在识别过程中增加了样本的数量，提高识别的准确率。(3)本发明基于分层决策融合的分类识别方法能够选出最优的人脸图像中最优子图像进行识别，能够解决人脸识别中局部遮挡等问题。

下面结合附图对本发明作进一步的说明。

附图说明

图1是本发明中计算韦伯局部特征的滤波器窗口。(a)和(b)是求取差分激励的滤波器；(c)和(d)是求取方向信息的滤波器。

图2是本发明中人脸图像的差分激励图(取L₁＝5)和方向信息图(取L₂＝10)，其中，(a)表示源图像；(b)表示差分激励图；(c)表示方向信息图。

图3是本发明中2维直方图表示韦伯局部特征的示意图。