專利名稱：綜合利用正面與側面圖像的人臉識別的方法
技術領域：
本發(fā)明涉及一種人臉識別方法，具體涉及一種綜合利用人臉正面與側面圖像，基 于仿生模式識別原理進行人臉識別的系統(tǒng)。
背景技術：
人臉識別作為一種生物特征識別，對于身份確認有著舉足輕重的意義。它比指紋 識別、虹膜識別、語音識別更容易采集特征信息。傳統(tǒng)的人臉識別是指正面人臉識別，它有 著識別率很難提高的瓶頸，一般正確識別率只能達到95%?，F(xiàn)今有人提出了三維人臉識別 的方法，由于它充分利用了人臉側面的信息，所以能夠很大程度上提高識別率。但是，它又 遇到了像指紋識別、虹膜識別、語音識別一樣的問題，即生物特征信息不易采集，因為對人 臉進行三維掃描需要人的密切配合。另外一種改進的正面人臉識別方法是采用雙攝像頭， 模擬人的雙眼，該方法中兩個攝像頭所采集到的信息有很大程度的重復，且正面人臉識別 無法利用人臉深度的信息，故改進效果不明顯。
本方法利用人臉側面信息能夠提高識別率的特點，采用綜合利用人臉正面與側面 圖像進行人臉識別。由于本方法只需要利用普通攝像頭采集人臉正面與側面圖像，它避開 了三維人臉識別需要進行人臉三維掃描的困難，且正面圖像與側面圖像信息相互獨立，沒 有重復，側面圖像又反映了人臉深度的信息。因此，它同時具有識別率高和使用簡便的特點ο發(fā)明內容
本發(fā)明的目的在于提供一種綜合利用正面與側面圖像的人臉識別的方法，具有識 別率高、使用簡便的人臉識別系統(tǒng)。
為了實現(xiàn)上述目的，本發(fā)明采用計算機自動控制兩個攝像頭同時拍攝人臉的正面 與側面圖像，再綜合利用正面與側面圖像進行人臉識別。
本發(fā)明提供一種綜合利用正面與側面圖像的人臉識別的方法，采用兩個普通攝像 頭，包括如下步驟
步驟1 第一攝像頭提取人臉的正面圖像，將提取的人臉的正面圖像送入計算機；
步驟2 第二攝像頭提取人臉的側面圖像，將提取的人臉的側面圖像送入計算機；
步驟3 計算機對提取的人臉正面圖像和人臉側面圖像進行預處理及特征提取， 得到人臉正面圖像特征和人臉側面圖像特征的兩個人臉特征向量；
步驟4:將兩個人臉特征向量融合為一個特征向量，然后映射成高維空間的一個點；
步驟5 采用高維空間點分布分析方法，分析同一個人在高維空間的點分布，確定 覆蓋樣本子空間的近似幾何形體，構建訓練網(wǎng)絡模型；
步驟6 用構建的訓練網(wǎng)絡模型對人臉進行識別。


為進一步說明本發(fā)明的技術內容，以下結合附圖和具體實施方式
對本發(fā)明進行更 詳細的說明，其中
圖1為本系統(tǒng)構成示意圖2為超香腸神經(jīng)元不同半徑的二維空間示意圖。
具體實施方式
請參閱圖1所示，本發(fā)明提供一種綜合利用正面與側面圖像的人臉識別的方法， 采用兩個普通攝像頭，包括如下步驟
步驟1 第一攝像頭30提取人臉40的正面圖像，將提取的人臉40的正面圖像送 入計算機10 ；
步驟2 第二攝像頭20提取人臉40的側面圖像，將提取的人臉40的側面圖像送 入計算機10 ；
其中兩個攝像頭30、20的拍攝時間間隔不超過2秒；兩個攝像頭30、20的鏡頭中 心離開地面的垂直距離為1. 5米，離開人臉40的水平距離為0. 8米；兩個攝像頭30、20的 鏡頭中心軸互相垂直；兩個攝像頭30、20的分辨率為480*640 ；
步驟3 計算機10對提取的人臉40正面圖像和人臉40側面圖像進行預處理及特 征提取，得到人臉40正面圖像特征和人臉40側面圖像特征的兩個人臉特征向量；所述的圖 像預處理，包括噪聲濾波和直方圖均衡化，所述提取人臉的正面圖像特征，包括人臉檢測、 眼睛定位、人臉歸一化和主成分分析；所述的提取人臉的側面圖像特征，是指眼睛至下巴之 間的人臉側面輪廓提?。?br> 其中噪聲濾波采用平滑線性濾波器，濾波器掩模為 "1 2 Γ 2 4 2 1 2 1
其中人臉檢測采用模板匹配的方法，選用大小為22*20、22*22、22拉4、22拉6和 22* 的5種比例的人臉模板進行匹配；眼睛定位采用灰度復雜度統(tǒng)計的方法，利用Robert 算子計算灰度的梯度值，然后分別統(tǒng)計行、列復雜度，確定雙眼所在的行列值；人臉歸一化 是指對人臉正面圖像進行旋轉和放縮，使得人臉的雙眼在同一條水平線上，水平距離為31 個像素點，并截出包含眼睛和鼻子的大小為80*92圖像區(qū)域；主成分分析保留一定的特征 數(shù)目使得累積貢獻率大于99. 90% ；人臉側面輪廓提取采用Sobel算子和拉普拉斯算子相 結合的方法。
步驟4:將兩個人臉特征向量融合為一個特征向量，然后映射成高維空間的一個 點，所述的映射成高維空間的一個點，采用公式為
M= [F P]，其中M為特征向量，F(xiàn)是人臉正面的特征向量，P是人臉側面的特征向量；
步驟5 采用高維空間點分布分析方法，分析同一個人在高維空間的點分布，確定 覆蓋樣本子空間的近似幾何形體，構建訓練網(wǎng)絡模型；所述的點分布分析算法如下
初始化特征集合為空，Sb包含所有的用于確定網(wǎng)絡結構的樣本特征向量；
丄X 164
從Sb任選一個特征向量放入& ；
從M選擇一個特征向量1 ，從釙選擇一個特征向量1 ，保證I |pa-pb| I最小，將 Pb也加入Sa中；
重復3直至Sb為空，此時為最小生成樹；
5)將Μ和超球拓撲相乘構成超香腸神經(jīng)元網(wǎng)絡；
所述的訓練網(wǎng)絡模型的方程式為
權利要求
1.一種綜合利用正面與側面圖像的人臉識別的方法，采用兩個普通攝像頭，包括如下 步驟步驟1 第一攝像頭提取人臉的正面圖像，將提取的人臉的正面圖像送入計算機；步驟2 第二攝像頭提取人臉的側面圖像，將提取的人臉的側面圖像送入計算機；步驟3 計算機對提取的人臉正面圖像和人臉側面圖像進行預處理及特征提取，得到 人臉正面圖像特征和人臉側面圖像特征的兩個人臉特征向量；步驟4 將兩個人臉特征向量融合為一個特征向量，然后映射成高維空間的一個點；步驟5 采用高維空間點分布分析方法，分析同一個人在高維空間的點分布，確定覆蓋 樣本子空間的近似幾何形體，構建訓練網(wǎng)絡模型；步驟6 用構建的訓練網(wǎng)絡模型對人臉進行識別。
2.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中兩個攝像 頭的拍攝時間間隔不超過2秒。
3.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中所述的圖 像預處理，包括噪聲濾波和直方圖均衡化。
4.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中提取人臉 的正面圖像特征，包括人臉檢測、眼睛定位、人臉歸一化和主成分分析。
5.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中提取人臉 的側面圖像特征，是指眼睛至下巴之間的人臉側面輪廓提取。
6.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中所述的映 射成高維空間的一個點，采用公式為M= [F P]，其中M為特征向量，F(xiàn)是人臉正面的特征向量，P是人臉側面的特征向量。
7.根據(jù)權利要求1所述的綜合利用正面與側面圖像的人臉識別的方法，其中訓練網(wǎng)絡 模型的方程式為
全文摘要
一種綜合利用正面與側面圖像的人臉識別的方法，采用兩個普通攝像頭，包括如下步驟步驟1第一攝像頭提取人臉的正面圖像，將提取的人臉的正面圖像送入計算機；步驟2第二攝像頭提取人臉的側面圖像，將提取的人臉的側面圖像送入計算機；步驟3計算機對提取的人臉正面圖像和人臉側面圖像進行預處理及特征提取，得到人臉正面圖像特征和人臉側面圖像特征的兩個人臉特征向量；步驟4將兩個人臉特征向量融合為一個特征向量，然后映射成高維空間的一個點；步驟5采用高維空間點分布分析方法，分析同一個人在高維空間的點分布，確定覆蓋樣本子空間的近似幾何形體，構建訓練網(wǎng)絡模型；步驟6用構建的訓練網(wǎng)絡模型對人臉進行識別。
文檔編號G06K9/46GK102034097SQ201010598999
公開日2011年4月27日 申請日期2010年12月21日 優(yōu)先權日2010年12月21日
發(fā)明者梁先揚, 王守覺 申請人:中國科學院半導體研究所