[发明专利]一种用于人脸比对的多特征融合识别算法

权利要求书

1.一种用于人脸比对的多特征融合识别算法，其特征在于：包括模板数据库和学习样本库，所述模板数据库对不同业务模块配置一种或多种算法进行建模、比对、识别应用的能力；分别设定算法权重、分值和结果合并规则，得到最终识别分值，同时储存到学习样本库；

所述学习样本库针对训练样本库和实际应用比对结果的命中进行统计学习，动态调整各算法权重；最终根据结果合并规则对多种算法的识别结果进行去重、排序、分类；所述模板数据库包括人脸数据采集模块、人脸特征采集模块、人脸特征识别算法模块、人脸识别分值模块、多分类器融合模块；

S1，从人脸图像提取的数据导入人脸数据采集模块，不同的数据分别进入不同的人脸特征采集模块；

S2，接着不同的人脸特征采集模块分别送入人脸特征识别算法模块，然后分别送入人脸识别分值模块，得到识别分值；

S3，将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合，进行加权和，得到最终识别分值；

所述人脸数据采集模块从人脸图像提取的数据有人脸灰度数据、人脸皮肤纹理数据和人脸形状数据；

所述人脸特征采集模块从人脸数据采集模块提取的数据有灰度纹理特征、皮肤纹理特征和形状特征；

所述人脸特征识别算法模块分别计算的数据有灰度纹理特征识别算法、皮肤纹理特征识别算法、形状特征识别算法；

所述人脸识别分值模块分别识别数据，将得到的单个特征的识别分值同时送入到多分类器融合模块进行分类器融合；

所述人脸数据采集模块从人脸图像提取的人脸灰度数据，该灰度纹理特征不是图像原始灰度值，而是图像经过Gabor滤波器滤波后提取出来的特征；

所述人脸数据采集模块从人脸图像提取的人脸皮肤纹理数据，将人脸图像分块，对每个图像块采用LBP纹理提取算子提取皮肤纹理特征，将各图像块提取到的皮肤纹理特征拼接起来形成皮肤纹理特征；

所述人脸数据采集模块从人脸图像提取的人脸形状数据，采用SIFT特征提取算子从特征点中提取SIFT特征；

所述人脸特征识别算法模块包括灰度纹理特征识别算法、皮肤纹理特征识别算法、形状特征识别算法，所述人脸比对包括分级比对、自适应局部区域扰动比对、相似对优选；

采用分级比对技术，上一级的比对结果作为下一级的比对范围，一级一级逐层缩小比对范围，并且，每一级所使用的分类器关注的特征的重点不同；对于第一级采用金字塔型特征中的塔顶特征及宏观特征，而第三级所使用的分类器采用的是金字塔型特征中的塔底特征及微观特征；

由于每个人脸部器官的拓扑结构不同，采用各个器官在它的领域内扰动自适应匹配比对技术；

采用多近邻相似度模型，结合一个自适应的参照相似度队列，采用局部敏感哈希列表和最近邻法将相似度队列切分、分级拉伸，最后形成两组相似度队列。

2.根据权利要求1所述的一种用于人脸比对的多特征融合识别算法，其特征在于：所述人脸识别分值模块采用的识别分值可以是特征间的欧氏距离或者Bayes距离。

3.根据权利要求2所述的一种用于人脸比对的多特征融合识别算法，其特征在于：S2中，不同的人脸特征采集模块还会送入多特征融合识别算法，得到识别分值；将得到的单个特征的识别分值和多特征融合识别得到的识别分值同时送入到多分类器融合模块进行分类器融合，进行加权和，得到最终识别分值。

4.根据权利要求3所述的一种用于人脸比对的多特征融合识别算法，其特征在于：所述人脸灰度数据是从人脸图像中采用Gabor滤波器提取；二维Gabor滤波器的冲激响应函数与哺乳动物的视皮层中简单型细胞对图像信号的响应非常相似，用Gabor滤波器提取采样点周围不同方向、不同尺度内的频率信息作为采样点的表征；对应于人脸识别技术，模拟感兴趣区域内视觉突触的数量的是在人脸区域内的采样点数目。

5.根据权利要求4所述的一种用于人脸比对的多特征融合识别算法，其特征在于：所述人脸皮肤纹理数据，将人脸图像分块，对每个图像块采用LBP纹理提取算子提取皮肤纹理特征，将各图像块提取到的皮肤纹理特征拼接起来形成皮肤纹理特征，然后采用LDA变换进行降维，得到降维后的皮肤纹理特征。

6.根据权利要求5所述的一种用于人脸比对的多特征融合识别算法，其特征在于：所述人脸形状数据，采用点对比较特征和随机森林分类器先从人脸图像中提取关键的特征点，这些特征点包括人脸轮廓、眼睛轮廓、眉毛、鼻尖、嘴巴位置，在得到这些特征点位置后，人脸形状特征可以利用特征点间的几何位置关系以及特征点附件小图像块上的纹理数据来计算，在本算法中，基于SIFT特征提取算子从特征点中提取SIFT特征。