[发明专利]基于多方向尺度与Gabor相位投影特征结合的人脸识别方法

权利要求书

1.一种基于多方向尺度与Gabor相位投影特征结合的人脸识别方法，其特征在于包括以下步骤：

(1)从国际通用的人脸数据库AR中抽取M个男性、N个女性，M≥N≥2，从每个人的26副人脸图像中，获得人脸图片的训练集T、注册集R和测试集H：

1a)获得训练集T：分别抽取M/2个男性，N/2个女性，将每个人的1-26幅人脸图片作为训练集T；

1b)获得测试集H：分别抽取剩余的M/2个男性，剩余的N/2个女性，将每个人的2-26幅人脸图片作为测试集H；

1c)获得注册集R：取测试数据中每个人的1幅人脸图片作为注册集R；

(2)对训练集T、注册集R和测试集H中的每一张人脸图片，提取5个尺度和8个方向结合的共40组Gabor相位投影特征Z_μ,ν和单一方向尺度的Gabor相位投影特征L_μ,ν；

(3)对训练集T中所有人脸图片的40组Gabor相位投影特征Z_μ,ν使用主成分分析PCA降维，得到投影矩阵M_μ,ν；

(4)将投影矩阵M_μ,ν和单一方向尺度的Gabor相位投影特征L_μ,ν相乘，获得人脸的新特征S_μ,ν：

Sμ,v=Lμ,v×Mμ,v;]]>

(5)根据注册集R和测试集H的人脸的新特征S_μ,ν和训练时的人脸识别的识别率，选择识别率最高时的方向尺度为最优多方向尺度；

(6)记录结合的最优多方向尺度，以及每一个最优多方向尺度的子空间投影矩阵，作为训练出的模型；

(7)对待识别人脸图片，重复步骤（2）-步骤（5）得到待识别人脸图片的特征，将此特征输入步骤（6）中的模型，得到该人脸图片的类别。

2.根据权利要求1所述的人脸识别方法，其中所述步骤（2），按如下步骤进行：

2a)对每张人脸图像，使用Gabor核进行卷积：

ψ(μ,v)=κμ,v2σ2exp(-κμ,v2z22σ2)[exp(iκμ,vz)-exp(-σ22)],]]>

其中，ψ_(μ,ν)是人脸图像的卷积，μ是Gabor核的方向，ν是Gabor核的尺度，σ为Gabor核方差，z是像素点的坐标，exp(·)为求指数，k_μ,ν为波向量，波向量k_μ,ν的定义如下：

kμ,v=kveiφμ,]]>

其中，k_v＝k_max/f^v，f为频率，k_max＝π/2，φ_μ=πμ/8，i为虚部符号；

2b)根据人脸图片的Gabor核卷积ψ_(μ,ν)，得到人脸图片的相位图像Φ_μ,ν；

2c)将相位图像Φ_μ,ν投影到复数域，得到人脸图像的单一方向尺度的Gabor相位投影特征L_μ,ν：

Lμ,v=eiΦμ,v;]]>

2d)重复步骤2a)-2c),得到40个方向尺度的Gabor相位投影特征Z_μ,ν。