[发明专利]一种基于维纳滤波与PCA的人脸识别方法及系统

权利要求书

1.一种基于维纳滤波与PCA的人脸识别系统，其特征在于，包括：

图像获取单元，所述图像获取单元用于获取用户的图像信息得到第一图像；

图像预处理单元，所述图像预处理单元用于对所述第一图像进行预处理得到第二图像；

人脸区域获取单元，所述人脸区域获取单元用于对所述第二图像进行人脸检测，缩减所述第二图像的感兴趣区域得到第三图像；

人脸识别单元，所述人脸识别单元用于对所述第三图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；

所述第一图像进行预处理操作得到第二图像的操作具体为，通过调用MATLAB中的wiener2函数的方式对所述第一图像进行滤波处理得到第二图像，其中所述wiener2函数具体包括以下：

H＝wiener2(J，[m n]，noise)，[H，noise]＝wiener2(J，[m n])，H＝wiener2(J，[mn]，noise)，其中m和n的默认值均为3，noise为图像中的噪声，J为所述第一图像，H为所述第二图像；

采用的PCA方式的协方差矩阵G具体为下述式子，

其中X_i表示训练样本，而M代表训练样本的数量；

而训练上述样本X_i的矩阵A如下式所示，

采用的PCA方式在降维后的特征向量矩阵G如下式所示，

采用的PCA方式的每一个训练样本的特征向量ν_i的投影空间构造u_i如下式所示，其中λ_i表示第i个特征向量的特征值；

所述RBF-SVM分类器的RBF核函数K_RBF如下式所示：

所述RBF-SVM分类器的分类超平面的获取如下式所示：

其中h_t与y_t分别代表分类超平面，b为常数。

2.一种基于维纳滤波与PCA的人脸识别方法，其特征在于，包括以下：

步骤201、获取用户的图像信息作为第一图像；

步骤202、对所述第一图像进行预处理操作得到第二图像；

步骤203、对所述第二图像进行人脸检测，缩减所述第二图像的感兴趣区域得到第三图像；

步骤204、对所述第三图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；

上述步骤202中对所述第一图像进行预处理操作得到第二图像的操作具体为，通过调用MATLAB中的wiener2函数的方式对所述第一图像进行滤波处理得到第二图像，其中所述wiener2函数具体包括以下：

H＝wiener2(J，[m n]，noise)，[H，noise]＝wiener2(J，[m n])，H＝wiener2(J，[mn]，noise)，其中m和n的默认值均为3，noise为图像中的噪声，J为所述第一图像，H为所述第二图像；

上述步骤204中所采用的PCA方式的协方差矩阵G具体为下述式子，

其中X_i表示训练样本，而M代表训练样本的数量；

而训练上述样本X_i的矩阵A如下式所示，

采用的PCA方式在降维后的特征向量矩阵G如下式所示，

采用的PCA方式的每一个训练样本的特征向量ν_i的投影空间构造u_i如下式所示，其中λ_i表示第i个特征向量的特征值；

上述步骤204中的RBF-SVM分类器的RBF核函数K_RBF如下式所示：

所述RBF-SVM分类器的分类超平面的获取如下式所示：

f(X_i)＝sgn{∑h_ty_t[K_RBF(ν_i，ν_j)+b]}

其中h_t与y_t分别代表分类超平面，b为常数。

3.根据权利要求2所述的一种基于维纳滤波与PCA的人脸识别方法，其特征在于，上述步骤203所述缩减所述第二图像的感兴趣区域得到第三图像具体包括以下：

步骤401、获取第二图像的首地址，第二图像的高和宽；

步骤402、开辟一块内存缓冲区，将所述内存缓冲区初始化为255；

步骤403、将第二图像进行二值化处理，后通过OpenCV获得人脸区域；

步骤404、在人脸区域内，跟踪人脸区域的边界点，找到一个二值化值为1的边界点，将内存缓冲区中该点的R、G、B设为255；

步骤405、重复步骤404，直到回到跟踪初始点；

步骤406、将内存缓冲区的内容复制到第二图像中得到第三图像。