[发明专利]一种基于全局和局部特征模糊融合的人脸识别方法及装置

说明书

本发明公开一种基于全局和局部特征模糊融合的人脸识别方法，其包括：步骤a：将人脸数据库中每一类人脸图像划分为训练样本图像集和测试样本图像集；步骤b：分别对由训练样本图像集和测试样本图像集组成的人脸图像集进行预处理，得到人脸标准图像；步骤c：求训练样本的全局和局部估计特征向量；步骤d，求训练样本隶属度Sigmond函数的中心值和宽度；步骤e，求测试样本图像集全局和局部特征向量；步骤f，求测试样本全局和局部特征通道的隶属度矩阵；步骤g，计算到判别隶属度矩阵；步骤h，对测试图像集进行识别分类。这样，可以提高识别正确率，有效避开有关因素变化的干扰，有利于提高识别的鲁棒性和准确性，降低时间复杂度和计算复杂度。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于全局和局部特征模糊融合的人脸识别方法及装置。

背景技术

人脸识别是基于人的脸部特征信息，通过计算机来分析人脸面部图像，用来辨识身份的一门自动处理技术。当给定一张待识别人脸时，通过人脸识别算法在人脸数据库中进行查找，匹配出与待识别人脸最为相似的人脸，则待识别人脸的身份为匹配出的人脸所对应的身份。近几年，人脸识别及相关技术被广泛身份验证领域、信息安全领域和智能视频监控领域等。

奇异值分解(SVD)运用在人脸识别中，提取出人脸特征的全局代数特征，该特征反映了结构的一种内在属性或者相关性，具有几何和代数不变性。然而由于人脸图像的奇异值特征向量与图像本身并不存在一一对应关系，在人脸识别使用SVD提取特征这一方法的识别正确率特别低。人脸特征包括全局和局部特征，仅使用其中之一的人脸特征可能会丟失大量的有用和有效鉴别特征信息，故识别效果不理想，有时会导致识别失败。

鉴于上述需求，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

为解决上述技术需求，本发明采用的技术方案在于，提供一种基于全局和局部特征模糊融合的人脸识别方法，其包括：

步骤a：将人脸数据库中每一类人脸图像划分为训练样本图像集和测试样本图像集，形成由训练样本图像集和测试样本图像集组成的人脸图像集；

步骤b：分别对由训练样本图像集和测试样本图像集组成的人脸图像集进行预处理，得到人脸标准图像；

步骤c：用改进的基于类估计基空间SVD方法，对训练样本图像集的每一类图像的原图像和子区域图像分别求原图像的全局估计特征向量和子区域图像的局部估计特征向量；

步骤d，用Sigmond函数求训练样本每一类图像对应的全局和局部特征向量的均值和标准差，分别作为隶属度Sigmond函数的中心值和宽度；

步骤e，用SVD方法求测试样本图像集的原图像全局特征向量和子区域图像局部特征向量；

步骤f，对于测试样本图像集中的每一张图像对应的全局和局部特征向量，使用Sigmond函数求全局和局部特征通道的隶属度矩阵。

步骤g，对全局或局部特征通道的隶属度矩阵对应位置上的隶属度值进行加权求平均值，得到判别隶属度矩阵；

步骤h，根据判别隶属度矩阵和取最大隶属度值的规则，对测试图像集进行识别分类。

较佳的，所述步骤b包括

步骤b1，对训练样本和测试样本图像集的每一张人脸图像进行灰度处理，包括灰度归一化、灰度拉伸；

步骤b2，对人脸位置进行对正和裁切，裁成一定像素的图像；

步骤b3，确定双眼位置后，计算双眼位置连线与水平线的夹角为旋转角，以图像中心为旋转中心，对图像按旋转角旋转，最后得到标准的人脸图像。

较佳的，步骤c包括：