[发明专利]一种基于人脸能量图的多姿态人脸识别方法

说明书

技术领域

本发明涉及的是一种生物特征身份识别技术，特别是涉及一种基于人脸能量图的多姿态人脸识别方法。

背景技术

目标的形状特征被广泛用于目标识别中，对于物体形状的描述是计算机视觉的重要任务之一。现有的目标形状描述方法可大体上分为两大类：基于边界的形状描述和基于区域的形状描述。其中，基于边界的方法描述目标的形状仅考虑目标边界上的像素点。与之相反，基于区域的方法则从整个目标图像的区域来抽取形状的特征。目前比较常用的基于边界的目标形状描述技术主要有傅里叶描述子、小波描述子、小波-傅里叶描述子等。傅里叶描述子因其计算简单、定义清晰、能量向低频集中的特点，被广泛应用于形状描述领域。傅里叶变换描述子的主要思想是将目标轮廓转化为一维信号，并对此信号进行傅里叶变换，将其从空间域变换到频率域,用图像的频谱特征来描述目标的形状特征。但是传统的傅里叶变换采用全局性的基函数决定其只能用来处理确定的平稳信号，对于时变的非平稳信号则无能为力。

分数傅立叶变换是傅立叶变换的推广形式，它将信号表示为chirp信号的组合。分数傅立叶变换克服了傅立叶变换将时域信息完全摒弃的缺点，通过一种简单的方式实现了信号的从纯粹时间域到纯频率域的全过程的综合描述，能够展示出信号从纯时间域到纯频率域的所有变化特征。目前也有学者尝试用分数傅立叶变换的方法来描述目标的形状特征。张婉婷、王斌提出一种应用分数阶傅里叶变换的形状描述方法，利用目标一维轮廓的分数傅里叶变换的幅度信息来描述目标形状（应用分数阶傅里叶变换的形状描述方法研究.计算机工程与应用.2011.07.20）。

已有的研究工作表明，图像的相位谱中含有比幅值谱更多的信息。随着变换阶数取不同的值，在图像的分数阶相位谱中会包含不同程度的低频和高频信息，对于比较小的变换阶数甚至可以完全从相位谱恢复的图像中看到原图像的大部分信息。

发明内容

本发明的目的在于提供一种能够有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息，使识别效果得到较大改善，提高了人脸识别系统的性能的一种基于人脸能量图的多姿态人脸识别方法。

本发明的目的是这样实现的：

基于人脸能量图的多姿态人脸识别方法包括下列步骤：

第一步，构建人脸能量图

根据人脸俯仰角度不同划分人脸的俯仰变化范围，结合俯仰变化范围并根据构建方式不同构建广义人脸能量图和狭义人脸能量图；

第二步，人脸能量图增强预处理

采用设定的均值和标准差取代原人脸能量图的均值和标准差，调整人脸能量图亮度和对比度的效果，提高分辨能力；

第三步，基于二维局部保持投影的二次特征提取

采用二维局部保持投影算法对人脸能量图执行二次特征提取，去除人脸能量图边缘部分仍存在一定的冗余信息，提取分类识别的关键信息。

所述的人脸能量图为对采集到的不同姿态的人脸图像叠加起来形成人脸能量图，人脸能量图没有周期性，是不同俯仰角度和不同摇摆角度的人脸姿态变化。可以直接作为多姿态人脸识别的特征。

所述的广义人脸能量图，指同一人在不同俯仰角度、不同左右摇摆角度下的一系列图像叠加求和后再求平均得到的均值图像，每1个人包含1幅广义人脸能量图像，

对于给定的多姿态灰度人脸图像I_j(x,y)，广义人脸能量图的定义如（1）所示：

F(x,y)=1MΣj=1MIj(x,y)---(1)]]>

其中，M表示同一人的不同姿态图像总数，j代表第j幅变化图像，x,y代表二维图像平面坐标。