專利名稱：：一種人臉識(shí)別方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種生物特征識(shí)別技術(shù)，特別涉及一種人臉識(shí)別方法。
背景技術(shù)：
：現(xiàn)有的人臉識(shí)別方法和系統(tǒng)在實(shí)際應(yīng)用中，性能卻并不理想。其主要原因是因?yàn)?，在?shí)際應(yīng)用中，光照條件、人臉旋轉(zhuǎn)角度、表情、發(fā)型和背景等因素的變化造成了人臉模型數(shù)據(jù)庫和待識(shí)別人臉圖像間的失配，從而極大程度地影響了人臉識(shí)別方法的性能。除此之外，人臉圖像局部扭曲(partialdistortion)和閉塞(occlusion)也造成了現(xiàn)有的人臉識(shí)別系統(tǒng)性能的下降。這些人臉圖像的局部扭曲或閉塞往往是由墨鏡、圍巾等裝飾物所引起，而這些裝飾物的存在又是不可避免的，特別是在反恐中的應(yīng)用，大多恐怖分子都會(huì)帶一些偽裝物掩飾自己。但是作為一種最廣泛和最自然的生物特征識(shí)別技術(shù)，人臉識(shí)別認(rèn)證將被廣泛應(yīng)用于復(fù)雜環(huán)境條件下的身份認(rèn)證、網(wǎng)絡(luò)安全防范、網(wǎng)上銀行、網(wǎng)上貿(mào)易、電子商務(wù)的安全交易、多媒體信息獲取等領(lǐng)域，其要求識(shí)別系統(tǒng)具有在各種環(huán)境條件復(fù)雜變換和人臉圖像局部扭曲或閉塞情況下仍然具有穩(wěn)定的識(shí)別性能。因此，如何解決復(fù)雜光線和人臉圖像存在局部扭曲或閉塞情況下的人臉識(shí)別問題已經(jīng)成為當(dāng)今人臉識(shí)別技術(shù)的一個(gè)亟待解決的技術(shù)問題。
發(fā)明內(nèi)容本發(fā)明的目的就是要提供一種人臉識(shí)別方法，解決復(fù)雜光線和人臉圖像存在局部扭曲或閉塞情況下的人臉識(shí)別問題。為了實(shí)現(xiàn)本發(fā)明的目的，使用了如下方案一種人臉識(shí)別方法，包括以下步驟Sl.商圖計(jì)算從參考人臉圖像數(shù)據(jù)庫計(jì)算出人臉光線模型并儲(chǔ)存；52.光線補(bǔ)償根據(jù)原始訓(xùn)練人臉圖像數(shù)據(jù)庫和人臉光線模型合成不同光線條件下的人臉圖像并儲(chǔ)存，構(gòu)成光線補(bǔ)償人臉圖像數(shù)據(jù)庫；53.特征提取對(duì)光線補(bǔ)償人臉圖像數(shù)據(jù)庫的每一幅人臉圖像劃分子塊并進(jìn)行特征提??；54.模型訓(xùn)練基于步驟S3中提取的特征訓(xùn)練不同光線條件下的人臉模型并儲(chǔ)存，構(gòu)成人臉模型數(shù)據(jù)庫；55.特征提取對(duì)待識(shí)別人臉圖像劃分子塊并進(jìn)行特征提??；56.人臉識(shí)別根據(jù)己經(jīng)構(gòu)成的人臉模型數(shù)據(jù)庫和步驟S5中提取的特征進(jìn)行計(jì)算匹配，選擇出最佳匹配結(jié)果；57.后續(xù)處理將最佳匹配結(jié)果與預(yù)先設(shè)定的判斷閾值進(jìn)行比較，輸出判斷結(jié)果。上述方法中，人臉識(shí)別的步驟S6又包括以下分步驟561.計(jì)算待識(shí)別人臉圖像的每個(gè)子塊與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的相應(yīng)子塊的子塊似然度；562.計(jì)算待識(shí)別人臉圖像與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的聯(lián)合子塊似然度；563.將每種光線條件下每類人的每個(gè)子模型的聯(lián)合子塊似然度進(jìn)行融合得到每種光線條件下每類人與待識(shí)別人臉圖像的聯(lián)合模型似然度；564.將每類人所有光線條件下的聯(lián)合模型似然度進(jìn)行融合獲得每類人與待識(shí)別人臉圖像的整體似然度；565.選取具有最大整體似然度的值對(duì)應(yīng)的那類人為識(shí)別結(jié)果。本發(fā)明的有益效果由于本發(fā)明該系統(tǒng)首先根據(jù)一預(yù)先給定的在不同光線條件下采集到的參考人臉圖像數(shù)據(jù)庫構(gòu)建了人臉光線模型，并根據(jù)此人臉光線模型和初始設(shè)定的原始訓(xùn)練人臉圖像數(shù)據(jù)庫形成了一個(gè)新的光線補(bǔ)償人臉圖像數(shù)據(jù)庫。光線補(bǔ)償人臉圖像數(shù)據(jù)庫是包含了原始訓(xùn)練人臉圖像數(shù)據(jù)庫中的數(shù)據(jù)和由人臉光線模型所合成的新的代表了不同光線條件的人臉圖像的集合。再分別對(duì)待識(shí)別人臉圖像和光線補(bǔ)償人臉圖像數(shù)據(jù)庫中的人臉圖像進(jìn)行特征提取，在人臉識(shí)別步驟中自動(dòng)的選擇每種光線條件下與待識(shí)別圖像最匹配的特征，并只基于這些最匹配的特征來進(jìn)行識(shí)別，即在對(duì)與待識(shí)別圖像的光線最匹配的人臉模型數(shù)據(jù)庫的人臉模型的局部特征選擇的同時(shí)也選擇了未被污染的特征，因而本發(fā)明抑制了局部圖像污染造成的局部特征失配對(duì)識(shí)別率的影響。從而解決了解決復(fù)雜光線和人臉圖像存在局部扭曲或閉塞情況下的人臉識(shí)別問題。圖1是本發(fā)明的人臉識(shí)別的流程圖。圖2是對(duì)原始訓(xùn)練人臉圖像數(shù)據(jù)庫進(jìn)行光線補(bǔ)償時(shí)的效果示意圖。圖3是對(duì)模型訓(xùn)練步驟的流程圖。圖4是對(duì)人臉識(shí)別步驟的流程圖。圖5模型nU")與Mv對(duì)應(yīng)關(guān)系圖。具體實(shí)施例方式本發(fā)明的基本思路是基于參考人臉圖像數(shù)據(jù)庫構(gòu)建了人臉光線模型，并由此人臉光線模型和原始訓(xùn)練人臉圖像數(shù)據(jù)庫合成了在不同光線條件下的多幅新人臉圖像，構(gòu)建了光線補(bǔ)償人臉圖像數(shù)據(jù)庫用于構(gòu)建不同光線條件下的人臉模型。在人臉識(shí)別時(shí)，識(shí)別器分別用待識(shí)別人臉圖像的特征與構(gòu)建的每個(gè)人在每種光線條件下的人臉模型進(jìn)行匹配，得到每類人在每種光線條件下與待識(shí)別人臉圖像的相似度，進(jìn)而通過把各個(gè)人在其相應(yīng)的所有光線條件下獲得的相6似度進(jìn)行融合得到最終各類人與待識(shí)別人臉圖像的相似度，并選擇具有最大相似度值的一類為識(shí)別結(jié)果。在人臉識(shí)別過程中，本發(fā)明的人臉識(shí)別過程自動(dòng)地實(shí)現(xiàn)了只基于最優(yōu)的人臉特征子集合進(jìn)行相似度計(jì)算，因而有效的減小了在不同光線條件下構(gòu)建的人臉模型和待識(shí)別人臉圖像特征間的由于局部光線失配和由人臉圖像局部扭曲和閉塞造成的人臉模型和待識(shí)別人臉圖像特征間的局部失配對(duì)識(shí)別所帶來的影響，有效的提高了識(shí)別率。人臉光線模型由參考人臉圖像數(shù)據(jù)庫和商圖計(jì)算過程構(gòu)建的代表人臉光線的模型。參考人臉圖像數(shù)據(jù)庫事先給定的由A^類人在3中不同的光線條件下釆集得到的經(jīng)過圖像規(guī)整，即根據(jù)人眼位置對(duì)人臉圖像上下左右像素進(jìn)行調(diào)整后的人臉圖像所構(gòu)成的圖像庫。庫中要求人與人的3種光線條件中的每種對(duì)應(yīng)光線條件應(yīng)相同。原始訓(xùn)練人臉圖像數(shù)據(jù)庫由事先給定的待識(shí)別的M類人的人臉圖像組成，用于構(gòu)建光線補(bǔ)償人臉圖像數(shù)據(jù)庫。庫中每類人的圖像數(shù)目為A^，m=1,2，…M。光線補(bǔ)償人臉圖像數(shù)據(jù)庫由原始訓(xùn)練人臉圖像數(shù)據(jù)庫和根據(jù)原始訓(xùn)練人臉圖像數(shù)據(jù)庫和人臉光線模型合成的M類人在丄種不同光線條件下的人臉圖像構(gòu)成。數(shù)據(jù)庫總圖像數(shù)為ZA^x"i;A^，其中z^為原始訓(xùn)練人臉圖像附=1m=lm=l數(shù)據(jù)庫中M類人的人臉圖像數(shù)目，f;A^x丄為合成的M類人在丄種不同光線條件下的人臉圖像數(shù)目。第m,m=1,2,...M類人的圖像數(shù)目為W,x+1)。人臉模型數(shù)據(jù)庫由光線補(bǔ)償人臉圖像數(shù)據(jù)庫和訓(xùn)練過程構(gòu)建的丄種光線下M類人的人臉模型組成。完整的模型庫由丄xM個(gè)人臉模型構(gòu)成，每個(gè)模型代表一種光線條件下的一類人的人臉模型，由v^，表示，其中/為第/種光線條件，附為第w類人。每個(gè)模型又分為i個(gè)子模型，每個(gè)子模型由一個(gè)混合模型權(quán)重MH氣,)，均值向量/^和協(xié)方差矩陣的對(duì)角向量2^組成，這里"1,2,.../。下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。如圖l、圖2、圖3、圖4和圖5所示，本發(fā)明所述的人臉識(shí)別方法的具體實(shí)施方案如下Sl.商圖計(jì)算從參考人臉圖像數(shù)據(jù)庫計(jì)算出人臉光線模型并儲(chǔ)存；首先通過參考人臉圖像數(shù)據(jù)庫構(gòu)建了人臉光線模型，然后根據(jù)原始訓(xùn)練人臉圖像數(shù)據(jù)庫和人臉光線模型合成L(1《L《20)種光線條件下的人臉圖像并儲(chǔ)存，在本實(shí)施例中L取值為5。合成的具體步驟如下1.由N(N為自然數(shù))個(gè)人的參考人臉圖像數(shù)據(jù)庫構(gòu)建A,,A2，…，Aw(A代表每類人的圖形矩陣)總共N個(gè)矩陣，每個(gè)矩陣Aw由3列構(gòu)成，每列包括在一種光線條件下的一幅人臉圖像向量。2.給定原始訓(xùn)練人臉圖像數(shù)據(jù)庫的一副人臉圖像的向量"其向量長(zhǎng)度為m(m為圖像像素?cái)?shù)目)。3.用下列公式計(jì)算N個(gè)三維矢量v,，v2，…，Vn。v,(i44r14、公式(i)':=1其中，i二l，…，N;v,為三維矢量，用于中間計(jì)算過程；T為矩陣轉(zhuǎn)置運(yùn)算。4.解以下方程得到a,，a2，"*，cu，并且所解得的0滿足2;,",=^"l(《心.v-,K)+…+"A/《《凡=0a《《:k,+=0....公式(2)其中，"為矩陣參數(shù)，通過解公式(2)獲得，用于中間計(jì)算過程。5.計(jì)算1=2>乂公式(3)其中，x為一維矢量，用于中間計(jì)算過程；6.計(jì)算出人臉光線模型(商圖)&=少/(^)，這里^=丄|>,;S2.光線補(bǔ)償根據(jù)原始訓(xùn)練人臉圖像數(shù)據(jù)庫和人臉光線模型合成不同光線條件下的人臉圖像并儲(chǔ)存，構(gòu)成光線補(bǔ)償人臉圖像數(shù)據(jù)庫；該步驟的具體實(shí)現(xiàn)過程包含給定不同的Z(Z為一維矢量，用于中間計(jì)算過程)，用公式(4)合成新光線條件下的光線補(bǔ)償人臉圖像數(shù)據(jù)庫的一副人臉圖像的向量X,。乂、是由人臉光線模型&與參考人臉圖像數(shù)據(jù)庫所構(gòu)建的矩陣j和參數(shù)集z二i^，z2，z3H故內(nèi)積得到。根據(jù)不同的Z，可以生成不同光線條件下的多幅人臉圖像并儲(chǔ)存，構(gòu)成光線補(bǔ)償人臉圖像數(shù)據(jù)庫；凡.=公式(4)由公式(4)，本實(shí)施例中生成了1^=5種光線條件下的人臉模型，五種光線條件對(duì)應(yīng)的z值分別為(0.2，2，0.8}，{0.6，1.5，0.9}，{0.9，1,5，0.6}，{0.8,2，0.2}，U.2，0.6，1.2}。圖2的左右分別顯示了3幅訓(xùn)練人臉圖像和相應(yīng)合成的不同光線條件下的各幅人臉圖像。S3.特征提取對(duì)光線補(bǔ)償人臉圖像數(shù)據(jù)庫的每一幅人臉圖像劃分子塊并進(jìn)行特征提??；該過程的具體實(shí)現(xiàn)過程包含以下分步驟1.讀取光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每幅人臉圖像I，將圖像I非折疊的劃分為M塊大小相同的子人臉圖像/,，/2，*"，/W1，Wl為子圖像塊數(shù)。2.對(duì)每塊子人臉圖像/，提取Gabor特征向量O"，"=1,2,..11。將所有子塊特征向量聯(lián)合成一特征向量OHO,，02，…，6^,}，并存儲(chǔ)用于中間計(jì)算。3.將光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每幅人臉圖像的第w,"d，2，…7Vl塊子圖像的特征矢量a作為一列，構(gòu)成一矩陣序列K，"=1,2，...，肌用于中間計(jì)算。矩陣序列中第w個(gè)矩陣^的每一列為光線補(bǔ)償人臉圖像數(shù)據(jù)庫中的一幅圖像的第w塊子圖像的特征向量0,,。4.分別對(duì)矩陣序列t/"，"=1,2,...，^1進(jìn)行特征值分解，獲得矩陣序列^，w=l,2,...，M的特征值和特征向量矩陣序列f/""=1，2，...,7V1。5.分別選擇特征向量矩陣序列中每個(gè)矩陣的對(duì)應(yīng)最大特征值的前《列特征向量構(gòu)成Wl個(gè)矩陣&"w,，Kcto。，…，Kctov,并存儲(chǔ)。這里K大于等于1小于等于特征向量矩陣的列數(shù)。6.由矩陣序列^;/氣，"=1，2，...，^1與存儲(chǔ)的光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每幅人臉圖像的特征向量O由下式計(jì)算得到光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每幅人臉圖像每個(gè)子塊的《維人臉特征向量^，并將所有子塊的特征向量聯(lián)合構(gòu)成一幅圖像的特征向量1={《，義2,...,^1}并存儲(chǔ)。X"=0x公式(5)S4.模型訓(xùn)練基于步驟S3中提取的光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每種光線條件下的每幅人臉圖像的特征訓(xùn)練不同光線條件下的人臉模型c^并儲(chǔ)存，構(gòu)成人臉模型數(shù)據(jù)庫。這里/=1,2,..丄表示不同的光線條件，m",2,…M表示不同的M個(gè)人。該過程的具體實(shí)現(xiàn)過程如圖3所示，包含以下分步驟S41進(jìn)行局部非監(jiān)督訓(xùn)練局部非監(jiān)督訓(xùn)練具體步驟為l.對(duì)每種光線條件下每類人的人臉模型氣進(jìn)行初始化，這里/=1,2,.丄，w=l,2,...M。本發(fā)明例中采用高斯混合模型作為基本模型，其中高斯混合模型由2個(gè)子高斯模型組成，即子模型數(shù)i=2。初始化過程分別對(duì)2個(gè)子高斯模型的權(quán)重/KrI氣,)，r=1,2，均值向量和協(xié)方差矩陣的對(duì)角向量S,^進(jìn)行初始化。初始化具體過程如下1)將每個(gè)子高斯模型的權(quán)重MdnJ，，=1,2賦為0.5。2)模型氣,的第V=1,2個(gè)子高斯模型的均值等于第附類人在第/種光線條件下的光線補(bǔ)償人臉圖像數(shù)據(jù)庫中的所有人臉圖像的人臉特征的均值。3)模型氣,的第r,"l,2個(gè)子高斯模型的協(xié)方差矩陣的對(duì)角向量l等于第w類人在第Z種光線條件下的光線補(bǔ)償人臉圖像數(shù)據(jù)庫中的所有人臉圖像的人臉特征的均值所得到的協(xié)方差矩陣對(duì)角線向量2.在初始化每類人在每種光線條件下的模型后，系統(tǒng)用光線補(bǔ)償人臉圖像數(shù)據(jù)庫中每類人的每種光線條件下的所有人臉圖像的特征對(duì)初始化的每類人的每種光線條件下的人臉模型進(jìn)行重復(fù)計(jì)算。本過程分別對(duì)每類人的每種光線條件下的人臉模型進(jìn)行重復(fù)訓(xùn)練，當(dāng)所有人在所有光線條件下的人臉模型訓(xùn)練完畢后結(jié)束。本實(shí)施例采用最大期望方法(Expectation-Maximization,EM)方法作為重復(fù)訓(xùn)練方法。S42進(jìn)行全局監(jiān)督訓(xùn)練。在對(duì)每類人在每種光線條件下的人臉模型進(jìn)行局部非監(jiān)督訓(xùn)練后，對(duì)每類人在每種光線條件下的人臉模型進(jìn)行全局監(jiān)督訓(xùn)練。具體實(shí)施過程如下記/為重復(fù)訓(xùn)練次數(shù)，/為第J次重復(fù)。1.y從1開始，根據(jù)前面局部非監(jiān)督訓(xùn)練所構(gòu)建的每類人在每種光線條件下的人臉模型，用公式(12)計(jì)算光線補(bǔ)償人臉圖像數(shù)據(jù)庫中一幅圖像特征與每個(gè)人臉模型的似然度值，并保存作為中間計(jì)算結(jié)果。wi、.尸(7|<)=刀;0|w)i(Z|w，r)公式(6)11這里義為光線補(bǔ)償人臉圖像數(shù)據(jù)庫任意一幅圖像的特征向量，/=1，2,...丄，m=l,2,...M。為義對(duì)于模型W的第r個(gè)子模型的條件概率值。2.如果圖像特征向量義為第m個(gè)人的第/種光線條件下其中一幅圖像的特征向量，且該特征與模型氣,所計(jì)算得到的似然度值P(Zlv^,)大于與其他模型所產(chǎn)生的似然值戶(Zlw,w),/』l,2，.,丄，且/4/,附'=1,2,..1，且附Vm則判定正確，否則判定錯(cuò)誤。當(dāng)判定錯(cuò)誤時(shí)，記錄被錯(cuò)判的模型編號(hào)(/',w')和模型編號(hào)(/,附)，用步驟3對(duì)模型和進(jìn)行更新。否則到步驟4。3.分別求公式(6)對(duì)<和<,模型中每個(gè)子模型的均值向量和協(xié)方差矩陣的對(duì)角向量的偏導(dǎo)數(shù)。獲得向量VP(XIO和向量V戶(XI^)，用于中間計(jì)算。這里v尸(zi<)=i<_)/3《,M(義i<)/范/附}v尸(xi《.)=i<,)/《v,a/^i并根據(jù)獲得的向量w^no和向量vp(;n,.)由公式(7)和(8)重新計(jì)算模型w二和M^,并存儲(chǔ)。=w/ra")i<)公式(7)"+')=7VP(^咜,)公式(8)公式(7)和(8)中;/為更新參數(shù)，本發(fā)明實(shí)施例中設(shè)為0.002。4.如果光線補(bǔ)償人臉圖像數(shù)據(jù)庫中還有未被選擇的圖像則選擇另一幅圖像特征返回第1步，否則執(zhí)行步驟5。5.如果保存的錯(cuò)判的模型編號(hào)數(shù)目低于一設(shè)定的閾值時(shí)或循環(huán)次數(shù)大于最大指定次數(shù)J時(shí)，退出循環(huán)，保存所有訓(xùn)練得到的人臉模型，否則/=/+1返回到步驟1。這里閾值為光線補(bǔ)償人臉圖像數(shù)據(jù)庫中圖像數(shù)目的5%。S5.特征提取對(duì)待識(shí)別人臉圖像劃分子塊并進(jìn)行特征提?。辉撨^程的具體實(shí)現(xiàn)過程包含以下分步驟1.讀取待識(shí)別人臉圖像/，與步驟S3的第1步相同將圖像/—非折疊的劃分為Aa塊大小相同的子人臉圖像7p4,…，/—OT，M為子圖像塊數(shù)，其與步驟S3中子塊數(shù)目相同。2.對(duì)每塊子人臉圖像/,,，提取Gabor特征向量&，"=1,2,...,M。將所有子塊特征向量聯(lián)合成一特征向量^={。，G，…，AJ，并存儲(chǔ)用于中間計(jì)算。3.讀取存儲(chǔ)的矩陣^c^;，《=1,2，...,旭由下式計(jì)算得到待識(shí)別人臉圖像每一子塊圖像的《維特征向量i;，并聯(lián)合所有子塊特征向量構(gòu)成《xM維人臉特征^="72,...}^}，并存儲(chǔ)。K=5x公式(9)S6.人臉識(shí)別根據(jù)已經(jīng)構(gòu)成的人臉模型數(shù)據(jù)庫和步驟S5中提取的特征進(jìn)行計(jì)算匹配，選擇出最佳匹配結(jié)果；S6L由下式計(jì)算待識(shí)別人臉圖像的每個(gè)子塊與人臉模型數(shù)據(jù)庫中的每一線條件下的每類人的每個(gè)子模型的相應(yīng)子塊的子塊似然度PO;iv^(n)力；^!一)力=^i^exP(-^;(，卜"r("'柳2)公式G0)(2d,^這里i;為待識(shí)別人臉圖像第w塊子圖像的特征向量，"=1,2,..,M，其特征向量維數(shù)為《。i;糾為待識(shí)別人臉圖像第w塊子圖像的特征向量的yll維特征。氣(")為模型氣的第n("-u,..,iVi)個(gè)部分，其由i個(gè)子模型組成，每個(gè)子模型由一個(gè)混合模型權(quán)重/^l氣)，均值向量/^(")和協(xié)方差矩陣的對(duì)角向量2w(")H,2,…,^J組成。氣(")和氣的對(duì)應(yīng)關(guān)系如圖5所示。S62.計(jì)算待識(shí)別人臉圖像與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的聯(lián)合子塊似然度；該步驟可以分為以下分步驟1.由下式分別計(jì)算不同Q值下，待識(shí)別人臉圖像與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的任意Q塊子塊似然度所構(gòu)成的似然度G(7，2,u),用于中間計(jì)算。G(y,e，w,m,。=S^7j^("i)力p(、iv^("2)，r)…p(;i沐,M()力公式(ii)"i，"2,■■公式(11)中",，"2，…,為任意Q個(gè)子塊序號(hào)。Q值可以取為l《^sM。2.根據(jù)步驟1計(jì)算得到的不同Q值下待識(shí)別人臉圖像與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的任意Q塊子塊似然度G(y,e，w,",力，用下式計(jì)算不同Q值下的聯(lián)合子塊似然度尸(vir,0，用于中闔計(jì)算。^——公式(12)公式(12)中uv為第/種光線條件下第m'，m^w類人的人臉模型。S63.將每種光線條件下每類人的每個(gè)子模型的聯(lián)合子塊似然度進(jìn)行融合得到每種光線條件下每類人與待識(shí)別人臉圖像的聯(lián)合模型似然度；該步驟可以分具體為以下分步驟1.由步驟S62得到的每種光線條件下每類人的每個(gè)子模型的聯(lián)合子塊似然度？(氣,爿7,0由下式融合得到不同Q值下的每種光線條件下每類人與待識(shí)別人臉圖像的聯(lián)合模型似然度；P(n氣,2卜i尸(ul義,0PWnJ公式(13)2、從獲得的不同Q值的每種光線條件下每類人與待識(shí)別人臉圖像的聯(lián)合模型似然度中選擇最大似然度值為每種光線條件下每類人與待識(shí)別人臉圖像的14聯(lián)合模型似然度。<formula>formulaseeoriginaldocumentpage15</formula>564.將每類人所有光線條件下的聯(lián)合模型似然度進(jìn)行融合獲得每類人與待識(shí)別人臉圖像的整體似然度；該步驟通過對(duì)每類人所有光線條件下的聯(lián)合模型似然度進(jìn)行求和的方式來進(jìn)行融合，獲得每類人與待識(shí)別人臉圖像的整體似然度；。565.選取具有最大整體似然度的值對(duì)應(yīng)的那類人為識(shí)別結(jié)果。S7.后續(xù)處理將最佳匹配結(jié)果與預(yù)先設(shè)定的判斷閾值進(jìn)行比較，輸出判斷結(jié)果。在本測(cè)試試驗(yàn)中，將現(xiàn)有的PCA，DCT，Gabor+Cosine，Gabor+SUM、GaborMPCA，D-subspace系統(tǒng)作為對(duì)照系統(tǒng)與我們的新系統(tǒng)作了對(duì)比測(cè)試。其中Gabor+Cosine系統(tǒng)采用分塊Gabor特征作為人臉特征并采用Cosine相關(guān)函數(shù)作為識(shí)別器；Gabor+SUM系統(tǒng)采用分塊Gabor特征作為人臉特征，并采用各塊特征的Cosine相似度之和作為最后的識(shí)別分?jǐn)?shù)進(jìn)行識(shí)別；GaborMPCA方法采用一種改進(jìn)的PCA對(duì)Gabor變換后的特征進(jìn)行特征維數(shù)壓縮。實(shí)驗(yàn)采用世界上兩個(gè)著名的人臉數(shù)據(jù)庫YaleB和AR作為實(shí)驗(yàn)數(shù)據(jù)庫。YableB數(shù)據(jù)庫由在64種不同光線條件下采集到的10個(gè)人的人臉圖像構(gòu)成。實(shí)驗(yàn)中，根據(jù)光線不同的角度，圖像集被分為5個(gè)子集子集1(0度到12度)，子集2(12到25度)，子集3(25到50度)，子集4(50到77度)，子集5(其他)。實(shí)驗(yàn)中用子集l作為訓(xùn)練集，其他集作為測(cè)試集。AR數(shù)據(jù)庫包括了真實(shí)的人臉圖像局部污染情況(墨鏡和圍巾)和不同的光線條件。實(shí)驗(yàn)采用了AR數(shù)據(jù)庫中的50個(gè)人的650幅正面人臉圖像，每個(gè)人13幅。50人中其中25人為男性，另外25人為女性。13幅圖像中的其中4幅在不同光線條件下采集得到，但是為干凈的人臉圖像作為訓(xùn)練圖像，剩下的9幅圖像中的6幅，分別2幅代表不同光線條件，2幅代表墨鏡和不同光線條件污染，2幅代表圍巾和不同光線條件污染作為待識(shí)別圖像。其中表1是不同系統(tǒng)在YaleB數(shù)據(jù)庫上不同子集上得到的識(shí)別結(jié)果，表2為各個(gè)系統(tǒng)在AR數(shù)據(jù)庫上得到的識(shí)別結(jié)果。<table>tableseeoriginaldocumentpage16</column></row><table>表2從表1和表2我們可以看出1)在干凈無局部人臉圖像污染和光線變化不劇烈的情況下每個(gè)識(shí)別系統(tǒng)都有較高的識(shí)別率。2)在人臉圖像有墨鏡、圍巾等遮蓋物時(shí)，和光線變化劇烈的子集4，5時(shí)原有系統(tǒng)識(shí)別率有較大下降。這是因?yàn)樵邢到y(tǒng)基于全部特征進(jìn)行識(shí)別，并沒有選擇出最優(yōu)的特征來識(shí)別，并且原有系統(tǒng)對(duì)光線沒有進(jìn)行補(bǔ)償。相比之下，本發(fā)明有更好的識(shí)別效果，同時(shí)系統(tǒng)的性能也相對(duì)穩(wěn)定。這是由于本發(fā)明實(shí)施例中通過后驗(yàn)概率聯(lián)合模型對(duì)子塊人臉特征進(jìn)行了最優(yōu)化選擇，并選擇出最優(yōu)的特征進(jìn)行識(shí)別，從而抑制了被污染特征對(duì)識(shí)別的影響。同時(shí)，本發(fā)明對(duì)光線進(jìn)行了補(bǔ)償，根據(jù)參考人臉集構(gòu)建了多個(gè)光線條件下的人臉模型，因而有效的對(duì)光線進(jìn)行了補(bǔ)償提高了識(shí)別精度。綜上所述，在識(shí)別人臉圖像有部分被污染或在不同的光線的情況下，本發(fā)明實(shí)施例相比目前其他系統(tǒng)有更好的識(shí)別效果。本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。凡是根據(jù)上述描述做出各種可能的等同替換或改變，均被認(rèn)為屬于本發(fā)明的權(quán)利要求的保護(hù)范圍。權(quán)利要求1.一種人臉識(shí)別方法，其特征在于，包括以下步驟S1.商圖計(jì)算從參考人臉圖像數(shù)據(jù)庫計(jì)算出人臉光線模型并儲(chǔ)存；S2.光線補(bǔ)償根據(jù)原始訓(xùn)練人臉圖像數(shù)據(jù)庫和人臉光線模型合成不同光線條件下的人臉圖像并儲(chǔ)存，構(gòu)成光線補(bǔ)償人臉圖像數(shù)據(jù)庫；S3.特征提取對(duì)光線補(bǔ)償人臉圖像數(shù)據(jù)庫的每一幅人臉圖像劃分子塊并進(jìn)行特征提??；S4.模型訓(xùn)練基于步驟S3中提取的特征訓(xùn)練不同光線條件下的人臉模型并儲(chǔ)存，構(gòu)成人臉模型數(shù)據(jù)庫；S5.特征提取對(duì)待識(shí)別人臉圖像劃分子塊并進(jìn)行特征提取；S6.人臉識(shí)別根據(jù)已經(jīng)構(gòu)成的人臉模型數(shù)據(jù)庫和步驟S5中提取的特征進(jìn)行計(jì)算匹配，選擇出最佳匹配結(jié)果；S7.后續(xù)處理將最佳匹配結(jié)果與預(yù)先設(shè)定的判斷閾值進(jìn)行比較，輸出判斷結(jié)果。2.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別方法，其特征在于，上述步驟S3和S5特征提取過程中的子塊數(shù)目相等，每幅圖像的子塊數(shù)為264塊。3.根據(jù)權(quán)利要求l所述的一種人臉識(shí)別方法，其特征在于，上述步驟S4包括以下分步驟541.進(jìn)行局部非監(jiān)督訓(xùn)練；542.進(jìn)行全局監(jiān)督訓(xùn)練。4.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別方法，其特征在于，上述步驟S6包括以下分步驟-S61.計(jì)算待識(shí)別人臉圖像的每個(gè)子塊與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的相應(yīng)子塊的子塊似然度；/562.計(jì)算待識(shí)別人臉圖像與人臉模型數(shù)據(jù)庫中的每一種光線條件下的每類人的每個(gè)子模型的聯(lián)合子塊似然度；/563.將每種光線條件下每類人的每個(gè)子模型的聯(lián)合子塊似然度進(jìn)行融合得到每種光線條件下每類人與待識(shí)別人臉圖像的聯(lián)合模型似然度；/564.將每類人所有光線條件下的聯(lián)合模型似然度進(jìn)行融合獲得每類人與待識(shí)別人臉圖像的整體似然度；/565.選取具有最大整體似然度的值對(duì)應(yīng)的那類人為識(shí)別結(jié)果。5.根據(jù)權(quán)利耍求4所述的一種人臉識(shí)別方法，其特征在于，上述步驟S62中的聯(lián)合子塊的數(shù)量可預(yù)設(shè)，預(yù)設(shè)值的范圍為l^e^iV(e為預(yù)設(shè)值，iV為特征提取時(shí)劃分的子塊數(shù)目)。全文摘要本發(fā)明涉及一種人臉識(shí)別方法。包括以下步驟S1.商圖計(jì)算；S2.光線補(bǔ)償；S3.特征提取對(duì)光線補(bǔ)償人臉圖像數(shù)據(jù)庫的每一幅人臉圖像劃分子塊并進(jìn)行特征提??；S4.模型訓(xùn)練基于步驟S3中提取的特征訓(xùn)練不同光線條件下的人臉模型并儲(chǔ)存，構(gòu)成人臉模型數(shù)據(jù)庫；S5.特征提取對(duì)待識(shí)別人臉圖像劃分子塊并進(jìn)行特征提取；S6.人臉識(shí)別根據(jù)已經(jīng)構(gòu)成的人臉模型數(shù)據(jù)庫和步驟S5中提取的特征進(jìn)行計(jì)算匹配，選擇出最佳匹配結(jié)果；S7.后續(xù)處理。本發(fā)明的有益效果是抑制了局部圖像污染造成的局部特征失配對(duì)識(shí)別率的影響，從而解決了解決復(fù)雜光線和人臉圖像存在局部扭曲或閉塞情況下的人臉識(shí)別問題。文檔編號(hào)G06K9/00GK101587543SQ20091005966公開日2009年11月25日申請(qǐng)日期2009年6月19日優(yōu)先權(quán)日2009年6月19日發(fā)明者廖建明,李建平,劼林,郝玉潔,顧小豐申請(qǐng)人:電子科技大學(xué)