[发明专利]一种基于奇异值分解的多源人脸图像联合特征提取方法

说明书

本发明的目的是提出一种基于奇异值分解的多源人脸图像联合特征提取方法，以用于提高人脸识别的识别率。本发明基于奇异值分解的多源人脸图像联合特征提取方法包括如下步骤：A：提取人脸样本的灰度图、二值图、直观性特征图作为数据源，并融合为联合特征；B：提取联合特征的属性值，计算出反向积分图，利用奇异分解反向积分图获取反向积分图奇异值，利用反向积分图奇异值计算出反向积分图奇异值矩阵；C：利用反向积分图奇异值矩阵与三线插值加速特征计算，得到高维的方向梯度直方图；D：利用局部均值的核最近邻凸包算法对方向梯度直方图进行特征降维计算，得到低维的人脸图像方向梯度直方图特征。

技术领域

本发明涉及到一种人脸图像特征提取方法。

背景技术

在现代科技高速发展中，个人的身份识别鉴定技术在金融、安保、司法、侦查领域具有非常重要的意义，由于网络技术的全面普及，信息安全也显示出前所未有的重要性。在安检、司法等领域，都需要精确的身份鉴定。通过图像处理和模式识别的方法来鉴别个人身份的技术，具有可靠性强、识别速度快、方式便利、价格低廉、良好的自然性和可接受性等优点，因此成为技术研发者所关注的焦点，应用于各个领域当中。不过，随着社会的科技发展，人们的需求已经不再停留在功能需求方面，而更多的是追求技术的高效、快速的智能化，从而带来了如下问题：

单一的样本不能清晰准确的表示出当前人脸图像的信息，对于同一张人脸，位置、采光度、角度的不同，可形成一系列不同的图像，而这样的图像表示的是同一张人脸，显然无法准确地表达该人脸信息。

多源人脸图像是指把在同一时刻或不同时刻取得的源图像信息进行分析、处理、综合，从而获得对具体人脸面部新的描述，多源人脸图像经过融合后可以减少不确定性，克服图像自身的局限性，真实地反映出物理现象，对其自身的特点能准确地描述和解释。因此，准确且高效的提取多个传感器获取的图像特征信息，是对图像分析、处理、综合的前提。

发明内容

本发明的目的是提出一种基于奇异值分解的多源人脸图像联合特征提取方法，以用于提高人脸识别的识别率。

本发明的基于奇异值分解的多源人脸图像联合特征提取方法包括如下步骤：

A：提取人脸样本的灰度图、二值图、直观性特征图作为数据源，并融合为联合特征；

B：提取联合特征的属性值，计算出反向积分图，利用奇异分解反向积分图获取反向积分图奇异值，利用反向积分图奇异值计算出反向积分图奇异值矩阵；

C：利用反向积分图奇异值矩阵与三线插值加速特征计算，得到高维的方向梯度直方图；

D：利用局部均值的核最近邻凸包算法对方向梯度直方图进行特征降维计算，得到低维的人脸图像方向梯度直方图特征。

经过上述步骤后，得到的低维的人脸图像方向梯度直方图特征，能够真实地反映出人脸图像的物理信息，减少图像不确定性，克服图像自身的局限性，是对后期图像分析、融合、识别提供了准确的且高效的特征数据，为进一步加强人脸识别技术提供有力的支持。

附图说明

图1是基于奇异值分解的多源人脸图像联合特征提取方法的流程图。

图2是提取多源图像样本构造联合特征的流程图。

图3是像素点的奇异值分解反向积分示意图。

图4是基于细胞单元的插值算法示意图。

图5是三线插值空间位置插值示意图。

具体实施方式

下面对照附图，通过对实施实例的描述，对本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理等作进一步的详细说明。

实施例1：