[发明专利]人脸图像的匹配及处理方法、人脸图像模型构建系统

说明书

技术领域

本发明涉及一种图像处理领域，涉及一种人脸图像的处理方法。

背景技术

随着信息技术的不断发展，人们对方便快捷的身份验证和识别系统的要求也在不断提高。人脸识别技术因具有直接、友好、快捷、方便、易为用户所接受等优点,成为了身份验证的最理想依据，也早已成为了模式识别领域研究的热点。现有的人脸图像的匹配方法大多存在着识别率不高、稳定性差等缺点，无法满足实际需要，因此，需要一种克服上述缺点的人脸图像的匹配方法。

发明内容

本发明的目的是提供一种人脸图像的匹配方法，以提高人脸图像的识别率以及稳定性。

为了解决上述技术问题，本发明提供了一种人脸图像的匹配方法，其特征在于，包括如下步骤：

步骤S1，利用图像采集设备进行人脸图像的采集，并且进行人脸图像的预处理得到处理后的人脸图像；

步骤S2，对处理后的人脸图像进行特征提取，以及

步骤S3，对人脸图像进行比对。

进一步，步骤S1中利用图像采集设备进行人脸图像的采集，并且进行人脸图像的预处理得到处理后的人脸图像的方法包括：

将人脸图像利用二值化技术转换成灰色人脸图像，利用灰色人脸图像的水平灰度投影确定其中眼睛在灰色人脸图像中的大致区域，然后利用眼睛的灰度比值分布特征进一步确定眼睛在灰色人脸图像中的确定范围，在灰色人脸图像中的确定范围中利用点变换寻找眼睛的中心，以两只眼睛的中心的连线的垂直平分线作为划分灰色人脸图像的左右半边脸的分界线，调整灰色人脸图像的左右半边脸的灰度至两者的灰度一致，得到调整灰度后的灰色人脸图像，利用区域阈值法对所述调整灰度后的灰色人脸图像进行搜索，将小于一定阈值的噪声区域设定为背景，将之去除，得到处理后的灰色人脸图像；

进一步，步骤S2中对处理后的人脸图像进行特征提取的方法包括：

通过中值滤波以及Gabor滤波，将处理后的灰色人脸图像分解成10个尺度、8个方向的80个滤波后的灰色人脸图像，利用小波变换法提取滤波后的灰色人脸图像的纹理信息，将滤波后的灰色人脸图像的纹理信息进一步分割，分割成互不重叠的320个矩形区域，在每一个矩形区域中求取频数分布直方图，从频数分布直方图中提取32个模式类型作为人脸特征，同时利用主成分分析的方法训练滤波后的灰色人脸图像的纹理信息，训练后得到一组变换矩阵，利用变换矩阵把灰色人脸图像的纹理信息投影到子空间，得到子空间上的特征检测人脸，并且计算灰色人脸图像的纹理信息的投影系数，计算人脸特征在灰色人脸图像的纹理信息上的分布律，将两者结合，得到处理后的人脸图像的关键特征；

进一步，步骤S3中对人脸图像进行比对的方法包含:

从人脸数据库中提取典型人脸图像，在典型人脸图像以及子空间上的特征检测人脸上同时设置对比窗口，对比窗口的初始大小为包含眼睛的中心的最小矩形，逐次放大对比窗口，每次放大对比窗口的比例为1.1，直到典型人脸图像中的人脸或者子空间上的特征检测人脸中的人脸被包含在对比窗口内，对对比窗口内的典型人脸图像、对比窗口内的子空间上的特征检测人脸进行提取，组成对比图像组，扩大对比图像组中不包含人脸的图像使其包含人脸，利用二进小波变换对对比图像组对比检测，得到人脸的相似度。

本发明的有益效果是，本发明对人脸图像进行了匹配，在这一过程中对步骤进行了细化，通过针对人脸图像的独特特征，对其中蕴含的大量信息处理，提取人脸图像的多种特征，进行了详尽的图像匹配，提高了人脸图像的识别率、稳定性以及匹配度。

第二方面，本发明还提供一种人脸图像的处理方法及人脸图像模型构建系统，以构建形式化模型以表示人脸图像，且便于后续人脸图像的处理。

为了解决上述技术问题，本发明提供了一种人脸图像的处理方法，包括如下步骤：

步骤S1，构建灰度人脸图像训练集；

步骤S2，计算灰度人脸图像训练集对应的特征点平均分布值；

步骤S3，将人脸平移、旋转变换，并获得相应奇异特征向量集合；以及

步骤S4，获得形式化模型。

进一步，所述步骤S1中构建灰度人脸图像训练集的方法包括：

给定一个彩色人脸图像的训练集,且采用HLS模型转换算法进行计算，以将所述彩色人脸图像训练集中的每一幅彩色人脸图像转换成灰度人脸图像，由所述灰度人脸图像构成相应的灰度人脸图像训练集。

进一步，所述步骤S2中计算灰度人脸图像训练集对应的特征点平均分布值的方法包括：