[发明专利]一种新融合算法的维吾尔族人脸识别方法

说明书

本发明公开了一种新融合算法的维吾尔族人脸识别方法，首先对维吾尔族人脸图像进行8×8分块，并使用2DDCT将分块后的维吾尔族人脸图像变换到频域状态，其次压缩维吾尔族人脸图像以排除人脸图像中非敏感的中频分量与非低频分量，并进行IDCT而得到重构的维吾尔族人脸图像；然后经计算POEM的特征量得到其相应的重构维吾尔族人脸图像的POEM直方图；然后把直方图级联在一起，作为该中心特征点的固有纹理直方图，得到维吾尔族人脸特征点的纹理特征信息，最后采用深度学习算法进行其分类识别。本发明所提出的算法在AR人脸库以及自建的维吾尔族人脸库中能够进一步提高其的识别率，尤其是维吾尔族人脸数据库中其运算速度也有很大提高，具有很强的鲁棒性。

技术领域

本发明属于生物特征识别技术领域，涉及一种人脸图像识别方法，具体地说，涉及一种新融合算法的维吾尔族人脸识别方法。

背景技术

新疆位于中国的西北部地区，具有独特的地理位置，少数民族众多，其中维吾尔族属于新疆最大的少数民族，具有其独特的面部特征，并且与中亚国家的人脸有着高度的相似面部特征，研究人脸识别技术对于发展当地的信息处理能力有着很大的帮助，而且其结果会影响到中亚乃至西亚地区，具有很大的意义。

当前研究表明，对人脸图像的辨识率影响比较大的因素主要是非均匀光照和局部遮挡,尤其是在新疆南部地区，南疆少数民族地区光照强烈并具有面部遮挡的习惯，比如胡须、面纱、帽子、眼镜等自然遮挡物，研究者为了排除在非均匀光照变化和局部遮挡下的人脸识别问题，提出了即基于局部二值模式(LBP)、POEM的人脸识别方法、DCT和2D-PCA相结合的改进算法、加权分块(2D)2PCA方法等识别方法。

以上这些方法虽然具有一定的辨知能力，但是也有不完善之处。基于LBP算法的人脸识别会导致其所获得的LBP直方图二维向量维数过大，其计算量也多。单一的POEM融合了其方向和幅值特性，得到了很好的辨识性。但是却忽视了块与块之间的二维像素问题，导致其辨识能力下降。DCT和2D-PCA相融合的改进算法虽然能够很好的储存了对非均匀光照、局部遮挡等非敏感信息并将识别时间大大缩短，但在特征提取方面的计算量较大；应用(2D)2PCA和图像分块想法得到比较完善的人脸特征信息但其辨识效果不理想。

发明内容

本发明提出了一种新融合算法的维吾尔族人脸识别方法，是一种二维离散余弦变换(2DDCT)与方向边缘幅值模式(POEM)相融合的维吾尔族人脸识别方法。首先把维吾尔族人脸图像进行其分块处理，并使用2DDCT把其分块处理后的维吾尔族人脸图像转换为频域状态，其次压缩维吾尔族人脸图像以排除人脸图像中非敏感的中频部分与非低频部分，并进行IDCT(二维离散余弦逆变换)而得到重构的维吾尔族人脸图像，这样可以很好减少维吾尔族人脸图像所需特征维数，并进一步缩短了计算量；然后经计算POEM的特征量得到其相应的维吾尔族人脸图像的POEM(方向边缘幅值模式)直方图；然后把直方图级联在一起，作为该中心特征点的POEM(方向边缘幅值模式)纹理直方图，得到维吾尔族人脸特征点的纹理特征信息，最后采用深度学习算法进行其分类识别。实验仿真结果表明，本发明所提出的算法在AR人脸库以及自建的维吾尔族人脸库中能够进一步提高其的识别率，尤其是维吾尔族人脸数据库中其运算速度也有很大提高，具有很强的鲁棒性。

其技术方案如下：

一种新融合算法的维吾尔族人脸识别方法，包括以下步骤：

(1)将训练样本维吾尔族人脸图像规划为8×8子块矩阵规则；

(2)对规划的所有子块的维吾尔族人脸图像进行2DDCT(二维离散余弦变换)变换，将构建到的2DDCT(二维离散余弦变换)变换系数的左上角10个系数进行存留，并进行IDCT(二维离散余弦逆变换)而得到重构的维吾尔族人脸图像；