[发明专利]一种基于信息融合的人脸识别方法

说明书

技术领域

本发明涉及计算机模式识别技术领域，具体涉及一种基于信息融合的人脸识别方法。

背景技术

随着计算机技术和生物医学工程技术突飞猛进的发展，利用人体生物特征进行身份认证、识别已经是安全验证的首选方式。人脸识别技术以其所具有的非接触性、非侵权性和非排斥等优势，成为生物特征识别技术中的最具潜力和最受欢迎的的识别方法之一。

现有的人脸识别方法采用图像采集设备对人脸信息进行采集识别，但是由于图像采集设备的限制，一般采用灰度或彩色图像进行识别处理。但是在处理过程中，由于亮度图像容易受到光线等因素的影响，因此，在过去很长一段时间内，光线变化一直是人脸识别的瓶颈之一。

随着图像采集技术的提高，深度图像的获取相对比较简单，又因为深度图像相对于亮度图像具有不受光源方向及物体表面发射特征的影响，而且不存在阴影，可以更准确的表达物体的三维深度信息，所以现在利用人脸深度信息进行人脸识别日益增多。

单是单独的利用图像的深度信息，在对人脸进行识别的过程中仍然存在一定的误差。

发明内容

本发明的目的在于提供一种基于信息融合的人脸识别方法，以解决现有的人脸识别存在一定的误差的问题。

为实现以上目的，本发明采用的技术方案为：提供一种基于信息融合的人脸识别方法，包括：

根据人脸图像的深度信息和灰度信息，得到人脸图像的复数数据信息；

将由人脸图像的复数数据信息组成的训练集X降维为对应的低维子空间的训练集，其中训练集X中共有m个人的人脸图像、每个人均有n幅人脸图像；

将待测试人脸图像复数数据信息降维到与训练集X相同维度的低维子空间；

在低维子空间中，利用k最近邻方法识别待测试人脸图像。

与现有技术相比，本发明存在以下技术效果：本发明通过将人脸图像的深度信息与灰度信息进行融合，得到人脸的复数数据信息，然后将人脸的复数数据信息降维至低维子空间中进行表示，并在低维子空间中进行人脸识别，提高了人脸识别的准确性。

附图说明

图1是本发明一实施例中提供的一种基于信息融合的人脸识别方法的流程示意图；

图2是本发明一实施例中步骤S1的细分步骤的流程示意图；

图3是本发明一实施例中步骤S2的细分步骤的流程示意图。

具体实施方式

下面结合图1至图3所示，对本发明做进一步详细叙述。

如图1所示，本实施例公开了一种基于信息融合的人脸识别方法，该方法包括如下步骤S1至S4：

S1、根据人脸图像的深度信息和灰度信息，得到人脸图像的复数数据信息；

S2、将由人脸图像的复数数据信息组成的训练集X降维为对应的低维子空间的训练集，其中训练集X中共有m个人的人脸图像、每个人均有n幅人脸图像；

S3、将待测试人脸图像复数数据信息降维到与训练集X相同维度的低维子空间；

S4、在低维子空间中，利用k最近邻方法识别待测试人脸图像。

进一步地，如图2所示，步骤S1具体包括如下步骤S11至S12：

S11、将人脸图像的深度信息与灰度信息分别用一维列向量表示；

S12、以深度信息的一维向量作为实部，灰度信息的一维向量作为虚部，构成人脸图像的复数数据信息。

具体地，训练集X中的第k幅人脸图像的复数数据可以表示为：x_t＝depth_t+intn_t×i，其中，实部depth_t为人脸图像的深度信息，虚部intn_t为人脸灰度信息，训练集X＝{x₁,x₂,x₃,···,x_t,···,x_m}，m表示训练集X的列向量维数，其中x_t∈C^D。

进一步地，如图3所示，步骤S2包括如下细分步骤S21至S27：

S21、在训练集X＝{x₁,x₂,···,x_t,···,x_m}中任取一数据点作为基准点p，其中1≤t≤m，m表示训练集X的列向量维数；