[发明专利]一种基于SIFT特征的表情变化人脸识别方法

说明书

本发明公开了一种基于SIFT特征的表情变化人脸识别方法，其具体步骤如下：(1)SIFT特征向量的提取；(2)SIFT特征向量的匹配；(3)匹配点提纯方法。本发明基于SIFT算法简化人脸识别的计算量，同时具有较高的识别率。

技术领域

本发明涉及人脸识别领域，具体是一种基于SIFT特征的表情变化人脸识别方法。

背景技术

人脸识别作为生物特征识别技术之一，具有其他生物特征识别技术没有的优点，例如非接触获取识别信息的方式，但其本身也存在许多技术性困难和挑战。人脸识别的挑战主要是人脸作为生物特征的特点所带来的，人脸在视觉上的特点是：

1.不同人的脸之间的区别不大，所有的人脸的结构都很相似，甚至人脸各器官的结构外形都是相似的(全局相似性)。这样的结构特点对于利用人脸进行定位是有利的，但是对于区分不同人类个体是不利的。

2.人脸外形是极不稳定的，脸部变化会产生很多的表情，造成人脸的图像也相差很大。另外，人脸识别还受到光照条件、年龄等多方面因素的影响。基于这些特点，人脸识别被认为是生物特征识别领域，甚至人工智能领域最困难的研究课题之一。

近几年，针对表情变化情况的人脸识别问题，众多学者提出了一系列相关算法。目前大多采用的是生成三维模型的方法，例如利用正面和侧面两幅图像生成三维模型方法、利用序列图像构建人脸三维模型等方法，还有最近的基于特征点提取局部区域特征的三维人脸识别方法，这些方法的一个共性问题就是计算量大。

发明内容

本发明的目的在于提供一种基于SIFT特征的表情变化人脸识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于SIFT特征的表情变化人脸识别方法，其具体步骤如下：

(1)SIFT特征向量的提取；

(2)SIFT特征向量的匹配：

两幅图像中关键点的相似性测量采用关键点特征向量的欧式距离来度量；设两个待匹配关键点特征向量分别为：a(x₁，x₂，...，x₁₂₈)，b(y₁，y₂，...，y₁₂₈)，则向量的欧式距离公式为：

取一幅图像的一个关键点，找出其与待匹配图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离小于设定的比例阈值T，则这一对匹配点是认为正确的；T越大，匹配点越多，T越小，匹配越精确；

(3)匹配点提纯方法：

直接读出两匹配点的位置坐标(X1，Y1)和(X2，Y2)，如果或则认为这两个特征点为误匹配点对，完成人脸识别。

作为本发明进一步的方案：SIFT特征向量的提取方法，其具体步骤如下：

a、建立差分高斯空间空间，检测尺度空间局部极值，初步确定关键点位置和所在尺度；

b、关键点选择：

关键点将与和它同尺度的周围邻域8个像素及上下相邻两个尺度对应位置的9×2个像素共26个像素进行比较，同时选出比所有这些邻域点的值都大或者都小的点作为备选点；以此确保在尺度空间和二维图像空间中选出的点都是局部极值；

c、特征点方向的分配：

关键点的邻域像素的梯度方向分布特性为每个关键点指定了方向参数，使算子具有旋转不变性；