[发明专利]基于特征层定序测量统计描述的人脸识别方法

说明书

技术领域

本发明涉及计算机视觉、数字图像处理和模式识别等技术领域，特别涉及一种基于特征层定序测量统计描述的人脸识别方法。

背景技术

自从1973京都大学的Takeo Kanade博士完成的第一篇关于计算机自动进行人脸识别的博士论文开始，人脸识别系统的开发便受到学术界和工业界的高度关注。一方面是由于人脸识别在国家安全、交通、公安、司法和社会公益等公共领域有重大的技术需求；另一方面在广大民用领域，也有诸多应用场合，如电子商务、人脸门禁、人脸考勤等等。

人脸识别技术通过分析不同个体人脸之间的差异对人的身份进行识别和认证，具有直观、非侵犯性等优点，不像指纹识别，使用时需要跟传感器接触，此外只有有经验的技术人员来才能根据指纹图像直接进行身份认证。同时，可见光人脸图像的采集设备只需要普通的摄像头，在当今的社会已经非常普遍，因此利用简单的设备就能完成人脸图像的采集。然而，人脸图像会随着年龄增长，表情变化、化妆、环境光照变化、面部遮挡(如墨镜、围巾)，以及姿态的变化而发生一定的改变。因此如何设计一种高区分性和强鲁棒性的人脸特征表示方法变得尤为重要。现有的人脸特征表示方法为了在算法性能上得到保证往往在算法的时效性上得到妥协。因此如何设计一种比对快速同时又具有强区分性的人脸特征表示方法是改善现有人脸识别系统性能，推广大规模应用的一个重要研究课题。

发明内容

本发明的目的是提出一种基于特征层定序测量统计描述的人脸识别方法，即在现有人脸特征描述方法之后采用定序测量统计描述的方法来表示人脸图像，用于人脸识别。

本发明提出的基于特征层定序测量统计描述的人脸识别方法包括步骤：人脸图像归一化；基于Gabor幅值特征的定序测量编码；对编码后的图像按特征抽取的方向顺序进行加权拼接；对拼接后的图像进行空间直方图信息统计；对每一个子区域的直方图信息用子空间分析的方法进行增强；对每一个增强后的特征分别训练权重；用加权的区域增强描述子的余弦距离来度量两幅人脸图像的相似性。

本发明的人脸识别方法将传统Gabor特征通过定序测量统计描述进一步编码压缩获取更紧凑更具有区分性的人脸表示，同时通过分块直方图统计和局部子空间分析使该描述得到进一步增强，最后在匹配时通过计算所有块加权的余弦距离来度量两幅人脸图像之间的相似性。该方法在人脸编码时一方面继承了原始Gabor的强判别能力，能区分不同个体的人脸图像；另一方面又汲取了定序测量的鲁棒性，抑制了相同个体的不同图像的局部变化；最后通过直方图统计描述和子空间分析的方法使总的特征维度得到进一步压缩，能容忍一定的噪声干扰。本发明具有高精度、高鲁棒性和匹配速度快的特点。本发明可用于大范围人群的一对一的身份认证系统或者一对多的身份识别系统。

附图说明

图1为本发明基于特征层定序测量统计描述的人脸识别方法的流程图；

图2为人脸图像归一化示意图，其中图2a是摄像头采集到的人脸图像，图2b为图2a的归一化结果；

图3为人脸特征提取过程示意图；

图4为图2b的5个尺度8个方向的Gabor滤波幅值响应图；

图5为1个尺度4个方向的二极子、三极子定序测量滤波器组；

图6为4张来自两个不同个体的人脸图像在尺度为1方向为1的Gabor幅值响应后采用图4中第1个定序测量滤波器编码的结果，其中图6a是4幅归一化后的人脸图像，图6b是4幅基于Gabor幅值定序测量编码的结果；

图7为基于Gabor幅值定序测量编码方向拼接的示意图；

图8为人脸非重叠区域划分示意图；

图9为利用Fisher准则计算的不同尺度下人脸每个区域权重示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

现有的人脸识别系统总体分为软件和硬件两大模块：即人脸图像的获取装置和人脸识别算法。人脸识别算法包括人脸归一化、特征提取和特征相似度度量三个步骤。本发明提出的方法是对人脸识别软件模块的改进。

本发明的人脸识别方法采用定序测量滤波器编码人脸图像在不同尺度不同方向的Gabor幅值响应；其后通过在同一尺度同一定序测量编码结果按方向顺序进行拼接获取更稳定、更紧凑的人脸表示；同时利用空间直方图统计和子空间分析的方法使人脸图像的局部特征得到增强和空间结构特征得到保持。