[发明专利]一种人脸姿态检测方法与在人脸识别中的应用

说明书

技术领域

本发明涉及一种人脸识别，尤其是涉及基于相关滤波器的一种人脸姿态检测方法与在人脸识别中的应用。

背景技术

计算机视觉技术始于20世纪60年代，它大致能分成检测、跟踪、识别等方向，最近的几十年，它已经成为十分热门的研究领域。计算机视觉技术广泛地应用于航空航天、自动导航、工业检测、医学研究、临床诊治、安全监控、娱乐、国防、交通、遥感等诸多重要领域中。计算机视觉技术是真正人工智能的一个必要前提，其中与人脸相关的技术包括人脸检测、跟踪和识别技术，它们与许多应用紧密的连接在一起。人脸检测已经成功的应用在了相机的应用中，而且人脸检测技术是人脸识别在实际应用中是一个关键步骤。人脸识别技术因其具有非接触性在安全领域有广泛的应用，比如在机场、地铁等公共场所能有效的隐蔽地监测。在小区安防和门禁系统中都扮演着重要的角色。人脸识别技术也活跃在娱乐领域，人脸识别与表情识别的结合则有更广阔的应用前景，人脸和表情识别技术在便携穿戴设备如谷歌眼镜也有应用。

当前人脸姿态估计方法大致能分成两大类：一，基于模型方法；二，基于表观方法。基于模型的方法一般都是通过重建人脸三维模型来判断人脸的姿态情况，此类方法的特征是比较准确但需要庞大的计算量，因此不适合实时计算。基于表观的方法有两种：一是基于特征表示的鲁棒性；二是基于人脸的特征点检测。基于特征表示鲁棒性的方法是依靠某种特征对姿态变化不敏感的性质完成人脸姿态估计，此类方法的特点是估计的准确率严重依赖特征表示的性质。基于人脸特征点的方法通过在图像上标注多个人脸的特征点并通过特征点之间的几何关系判定人脸的姿态方向，此类方法的特点是姿态估计的准确率依赖于特征点检测的准确率。

相关滤波器技术源于相关运算，相关运算是计算两种模型之间的相似程度一种运算。假设有两张图片R、T，在二维上将它们定义为两个模式R(x,y)，T(x,y)。两个模式之间的相关运算为：(T*R)(x,y)=∫∫T(x,y)R(x-Γx,y-Γy)dΓxdΓy.]]>将两个模式转化到频域上并将R(x,y)作为滤波器，则相关运算可认为是用R(x,y)滤波器对T(x,y)进行滤波，即为相关滤波器。

由于相关滤波器具有时移不变性、良好的退化性和闭式解等优点，它已经有效地应用在了人脸识别上。近几十年，相关滤波器技术发展迅速。Mahalanobis等人提出了最小平均相关能量滤波器（Minimum Average Correlation Energy filter,MACE）。Kumar等人提出了最小方差合成鉴别函数滤波器（Minimum Variance Synthetic Discriminant Function filter,MVSDF）。Refregier则综合了MACE和MVSDF的优点提出了最优折中滤波器（Optimal Tradeoff Filter,OTF）。