[发明专利]一种基于半脸多特征融合的人脸识别方法

说明书

技术领域

本发明涉及一种人脸识别方法，是生物特征识别领域人脸特征提取与识别的一种方法，具体是一种基于半脸多特征融合的人脸识别方法，属于模式识别技术领域。

背景技术

生物特征识别^[1]是一项利用人类特有的生物特征进行身份识别的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。在所有的生物特征识别方法中，人脸识别是目前最受人们关注的一个分支，它是计算机视觉与模式识别领域中非常活跃的一个研究方向，被广泛应用于公安、安全、司法、政府、金融、商业、安检、保安等身份鉴别系统。在国外早已有美国麻省理工学院、南加州大学、卡内基-梅隆大学、马兰里大学、科内尔大学以及日本的东京大学等机构从事人脸识别研究，国内在国家自然科学基金和863计划等资助下，中科院自动化所、哈工大计算机系、清华大学、南京大学、北京交通大学、上海交通大学等一些知名大学也已经对人脸识别这一块领域展开了深入的研究。

人脸识别的方法有很多，不同的研究者可能会从不同的角度对已有的人脸识别方法进行归纳和分类。在众多的人脸识别方法中，Gabor（Gabor小波变换）和SVD（Singular Value Decomposition奇异值分解）作为局部特征和全局特征的典型代表被广泛应用。二维Gabor小波变换能够捕捉对应于空间位置、空间频率及方向选择性的局部结构信息，可以同时在时域和频域获得最佳局部化，其变换系数描述了图像上给定位置附近区域的灰度特征，并且具有对光照、位置等不敏感的优点，适合用于表示人脸的局部特征。SVD为抽取图像的代数特征提供了新的方法，在数据压缩、信号处理和模式分析等许多方面有着广泛的应用。SVD具有良好的稳定性、比例不变性和旋转不变性等优点，能有效的反映矩阵的特征，在人脸识别中是常用的全局特征提取方法。PCA（Principal Component Analysis主成分分析）是一种最小均方误差意义下的最优变换，具有去除数据相关性和实现数据的降维效果。

对于人脸识别问题，识别时间以及识别率无疑是人们必须考虑也是一直关心的问题，如何减少图像识别时间，提高识别率是一个难点，这就要求在维数较少的前提下提取更全面的图像特征，这关系到后面的分类结果，由此可见，对于维数减少和图像的特征抽取问题在人脸识别中都是十分重要和必要的。

传统的Gabor^[2]局部方法，处理的是完整的人脸图像，利用Gabor提取边缘以及峰、谷、脊轮廓等底层图像特征，相当于增强了被认为是面部关键特征部件的眼睛、鼻子、嘴巴等信息，同时也增强了诸如伤疤、黑痣等局部特征，能够抓住图像局部区域内多个方向的空间频率和局部结构特征，具有良好的时频局部化特性和多分辨特性，其对光照变化不敏感，且能容忍一定程度的图像旋转和变形。

具体的实现方法：

二维Gabor函数定义为：

其中

x为图像的坐标

k_j为滤波器的中心频率

体现了滤波器的方向选择性

其实部和虚部分别可以表示为：