[发明专利]一种煤矿井下复杂光照条件下的人脸识别方法

权利要求书

1.一种煤矿井下复杂光照条件下的人脸识别方法，主要包括初始化阶段、训练阶段和识别阶段，其中所述初始化阶段包括图像采集、图像存储、图像去噪、图像增强、特征描述，所述训练阶段包括特征向量降维和分类器模型建立，所述识别阶段为根据建立的分类器模型把待识别的人脸进行分类识别，具体步骤如下：

A、所述初始化阶段：

(1)首先使用图像采集设备采集人脸图像，并将图像传输到图像处理模块进行图像存储；

(2)图像处理模块对存储的图像进行多尺度小波分解，将人脸图像分解为低频部分和高频部分；对低频部分采用直方图均衡化进行处理，增强图像整体对比度；对高频部分采用图像模糊增强算法进行图像去噪和图像增强，从而获得增强后的人脸图像特征点；通过对直方图均衡化后的低频部分和模糊增强后的高频部分进行小波重构，得到小波重构后的人脸特征图像；所述图像模糊增强算法采用模糊隶属度因子的小波去噪模型对高频部分进行滤波处理；对滤波处理后的高频部分采用PAL模糊增强算法进行模糊增强，并采用不同阈值的非线性变换得到不同尺度、不同方向的特征图像，并对所述特征图像进行反模糊处理；

(3)通过ALBP算子对重构后获得的人脸特征图像进行纹理特征描述，从而构成人脸特征向量；

B、所述训练阶段：

(1)通过图像采集设备采集同一个人脸的多幅样本图像；

(2)将获得的多幅样本图像按照初始化阶段的处理过程进行初始化，得到重构后的样本人脸特征向量；

(3)采用模式识别分类器，将得到的人脸特征向量降维后，进行分类器模型训练，并将生成的人脸模型保存到人脸样本数据库中；所述特征向量降维包括对特征向量进行主元分析，采用线性变换寻找一组最优的单位正交矢量基，用它们的部分向量的线性组合重建原样本，使重建后样本的相似特征值降低；

(4)重复训练阶段的过程(1)、(2)、(3)，将需要识别的不同人脸依次生成的人脸模型存入人脸样本数据库中，并构建成一个完整的多人脸样本数据库；

C、所述识别阶段：

(1)通过图像采集设备采集待识别的人脸图像；

(2)将得到的人脸图像按照初始化阶段的处理过程进行初始化，得到重构后的人脸特征向量；

(3)将得到的人像特征向量进行降维，并通过与分类器训练后得到的人脸样本数据库中的所有人脸模板进行相比对识别；

(4)根据所述比对识别后得到的相似值，判断待识别的人脸是否在构建的人脸样本数据库中。

2.如权利要求1所述的一种煤矿井下复杂光照条件下的人脸识别方法，其特征在于：在井下使用可见光防爆摄相机或者红外防爆摄相机采集人脸图像，通过RJ45接口或USB接口连接图像处理模块，进行图像存储，图像去噪和图像增强。

3.如权利要求1所述的一种煤矿井下复杂光照条件下的人脸识别方法，其特征在于：在训练阶段的特征提取中，首先通过ALBP算子和采用对重构的人脸特征图像进行特征层提取，然后获取不同区间的对比度值和不同区间的特征值，接着构建特征向量，公式中maxC和minC分别表示在ALBP窗口半径为R，领域点像素个数为P的局部区域内的对比度最大值和最小值；g_ci是第i区域内中心像素点，g_pi是第i区域内任意邻域像素点。

4.如权利要求3所述的一种煤矿井下复杂光照条件下的人脸识别方法，其特征在于：在构建特征向量的过程中，根据所述特征层提取后，通过采用获取不同区间的对比度值，公式中的L为区间个数，r为不同区间的对比度的取值范围，且r＝(maxC-minC)/L，l_ri为第i个区间的对比度值；在获取所述不同区间的对比度值后，通过采用依次计算和获得第i个区间的ALBP特征值，并依次连接所述ALBP特征值，使构成复杂光照条件下的人脸特征向量，公式中i表示取第i个ALBP窗口，当g_pi-g_ci＞0时，A_p＝1；g_pi-g_ci≤0时，A_p＝0。