[发明专利]一种面部识别方法

权利要求书

1.一种面部识别方法，其特征在于，包括：

当用户提交被查询的面部图像时，应用预设特征提取方法实时获取图像特征矢量；

基于被查询的面部图像的特征矢量与面部图像文件库中的每幅图像的图像特征矢量的比较，利用邻近搜索方法从面部图像特征库中查找所有被查询面部图像特征的邻近特征，以此计算图像之间的相似度。

2.根据权利要求1所述的方法，其特征在于，所述图像特征提取方法包括特征检测和特征描述，所述特征描述包括特征点分配主方向；直接对随机采样的特征点进行特征描述，生成只包含位置和方向信息的特征描述矢量，并且所述特征矢量的生成过程包括：

(1)取特征点周围4×4的邻域，利用此邻域内像素点的梯度来统计方向直方图，以每10°方向为一个柱，该柱所代表的方向为像素点梯度方向，该柱的长度代表梯度幅值，对方向直方图进行两次平滑后的主峰值作为特征点的主方向，利用特征点邻域像素的梯度方向分布特性为每个特征点指定方向；

若特征点(x，y)处的灰度值为g(x，y)，图像梯度方向为θ(x，y)、幅值为M(x，y)，计算公式如下：

θ(x,y)=arctan[g(x+1,y)-g(x-1,y)g(x+1,y)-g(x-1,y)g(x,y+1)-g(x,y-1)]]]>

M(x,y)=[(g(x+1,y)-g(x-1,y))2+(g(x,y+1)-g(x,y-1))2]12]]>

(2)将特征点周围16×16邻域旋转为特征点的主方向，若旋转前采样点坐标为(x，y)，则计算旋转后的采样点坐标(x’，y’)为：

x′y′=cosθ-sinθsinθcosθxy]]>

式中：θ为所述特征点梯度方向θ(x，y)；

(3)在特征点周围16×16邻域窗口中，对各像素点根据坐标按加权平均归入4×4的位置网格，每个网格构成一个种子点；

(4)统计各个网格的方向直方图，此时每个网格区域直方图将0°-360°划分为8个方向区间，每个区间范围为45°，即每个种子点有8个方向区间的梯度强度信息，最终获得128维的特征描述矢量，进一步对特征描述矢量进行正则化处理，去除光照变化影响；

对特征描述后得到的矢量进行筛选：

当特征点D经特征描述后所得矢量(a₀，a₁，…，a₁₂₇)中元素值为0的元素个数为n(n∈[0，128])时，若n>K，则舍去该点D，其中K为预设正整数)。