[发明专利]一种基于维纳滤波与PCA的人脸识别方法及系统

说明书

本发明涉及一种基于维纳滤波与PCA的人脸识别方法及系统，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。本发明能够通过维纳滤波的方式对人脸图像进行去噪，并通过PCA对降噪后的人脸图像进行降维提取有效特征，最后通过RBF‑SVM的方式进行人脸识别，可以有效提高人脸识别的速度还有鲁棒性。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于维纳滤波与PCA的人脸识别方法及系统。

背景技术

人脸识别技术是一种生物识别技术，应用于基于人脸特征自动识别人物，综合了数字图像、视频处理、模式识别等多种技术。自20世纪90年代以来，人脸识别逐渐成为模式识别和人工智能领域的研究热点。随着人脸识别技术的快速发展，基于学习的统计识别方法成为人脸识别的主流方法，由于其高特征维度，在计算过程中增加了时间复杂度和空间复杂度。估计高维特征空间的参数很困难，因此通过特征提取或特征变换在原始高维特征图像上获得的有效人脸识别特征是必要的。

发明内容

本发明的目的是解决现有技术的不足，提供一种基于维纳滤波与PCA的人脸识别方法及系统，能够通过维纳滤波的方式对人脸图像进行去噪，并通过PCA对降噪后的人脸图像进行降维提取有效特征，最后通过RBF-SVM的方式进行人脸识别，可以有效提高人脸识别的速度还有鲁棒性。

为了实现上述目的，本发明采用以下的技术方案：

提出一种基于维纳滤波与PCA的人脸识别系统，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。

本发明还提出一种基于维纳滤波与PCA的人脸识别方法，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。

进一步，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。

进一步，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；