專利名稱：一種人臉識別方法
一種人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，特別是關(guān)于一種人臉識別方法。背景技術(shù)：
人臉識別是計算機視覺的重要研究領(lǐng)域，在人機交互、出入控制、智能監(jiān)控等諸多方面有著廣闊的市場前景和應(yīng)用價值。目前現(xiàn)有的人臉識別方法，主要是使用線性判別分析(LDA)提取訓(xùn)練人臉的特征，然后設(shè)計分類器以區(qū)分不同種類的人臉圖像。線性判別分析的主要缺點在于，必須將人臉圖像拉伸成一維向量再進行運算，運算復(fù)雜度比較高，而且需要面對奇異矩陣求逆運算的難題。針對這種情況，最近出現(xiàn)了二維線性判別分析ODLDA)，該方法避免了 LDA中必須將矩陣拉伸成一維向量再進行處理的問題，提高運算速度，同時也在一定程度上解決了奇異矩陣求逆問題，但是2DLDA并沒有完全解決奇異矩陣求逆問題。因此，希望提出一種改進的人臉識別方案來克服上述問題。

發(fā)明內(nèi)容本發(fā)明所解決的技術(shù)問題在于提供一種人臉識別方法，其可以解決人臉識別過程中的奇異矩陣求逆問題。為解決上述問題，本發(fā)明提出一種人臉識別方法，其包括建立包括有多張人臉訓(xùn)練圖像的人臉訓(xùn)練數(shù)據(jù)庫，基于人臉訓(xùn)練數(shù)據(jù)庫的所有人臉訓(xùn)練圖像構(gòu)造投影矩陣，將人臉訓(xùn)練數(shù)據(jù)庫中的所有人臉訓(xùn)練圖像投影到所述投影矩陣上得到每張訓(xùn)練圖像的特征矩陣；將待識別圖像投影至所述投影矩陣得到該待識別圖像的特征矩陣，計算該待識別圖像的特征矩陣與各個訓(xùn)練圖像的特征矩陣的距離，選擇與該待識別圖像的特征矩陣距離最小的訓(xùn)練圖像的特征矩陣的類別作為該待識別圖像的類別。進一步的，對多張人臉訓(xùn)練圖像進行包括光照補償、直方圖均衡、灰度歸一化在內(nèi)的預(yù)處理。進一步的，所述基于人臉訓(xùn)練數(shù)據(jù)庫的所有人臉訓(xùn)練圖像構(gòu)造投影矩陣包括將上述人臉訓(xùn)練數(shù)據(jù)庫中的所有人臉訓(xùn)練圖像作為輸入，計算類間散度矩陣(^和類內(nèi)散度矩陣Gw:
權(quán)利要求
1.一種人臉識別方法，其特征在于，其包括建立包括有多張人臉訓(xùn)練圖像的人臉訓(xùn)練數(shù)據(jù)庫，基于人臉訓(xùn)練數(shù)據(jù)庫的所有人臉訓(xùn)練圖像構(gòu)造投影矩陣，將人臉訓(xùn)練數(shù)據(jù)庫中的所有人臉訓(xùn)練圖像投影到所述投影矩陣上得到每張訓(xùn)練圖像的特征矩陣；將待識別圖像投影至所述投影矩陣得到該待識別圖像的特征矩陣，計算該待識別圖像的特征矩陣與各個訓(xùn)練圖像的特征矩陣的距離，選擇與該待識別圖像的特征矩陣距離最小的訓(xùn)練圖像的特征矩陣的類別作為該待識別圖像的類別。
2.根據(jù)權(quán)利要求1所述的人臉檢測方法，其特征在于對多張人臉訓(xùn)練圖像進行包括光照補償、直方圖均衡、灰度歸一化在內(nèi)的預(yù)處理。
3.根據(jù)權(quán)利要求1所述的人臉檢測方法，其特征在于所述基于人臉訓(xùn)練數(shù)據(jù)庫的所有人臉訓(xùn)練圖像構(gòu)造投影矩陣包括將上述人臉訓(xùn)練數(shù)據(jù)庫中的所有人臉訓(xùn)練圖像作為輸入，計算類間散度矩陣Gb和類內(nèi)散度矩陣Gw:
全文摘要
本發(fā)明公開一種人臉識別方法，其包括建立包括有多張人臉訓(xùn)練圖像的人臉訓(xùn)練數(shù)據(jù)庫，基于人臉訓(xùn)練數(shù)據(jù)庫的所有人臉訓(xùn)練圖像構(gòu)造投影矩陣，將人臉訓(xùn)練數(shù)據(jù)庫中的所有人臉訓(xùn)練圖像投影到所述投影矩陣上得到每張訓(xùn)練圖像的特征矩陣；將待識別圖像投影至所述投影矩陣得到該待識別圖像的特征矩陣，計算該待識別圖像的特征矩陣與各個訓(xùn)練圖像的特征矩陣的距離，選擇與該待識別圖像的特征矩陣距離最小的訓(xùn)練圖像的特征矩陣的類別作為該待識別圖像的類別。這樣，在本發(fā)明中不需要進行矩陣求逆運算，不受到奇異矩陣求逆運算的約束，相比于2DLDA魯棒性更高，應(yīng)用范圍更廣泛。
文檔編號G06K9/00GK102254166SQ20111023245
公開日2011年11月23日 申請日期2011年8月15日 優(yōu)先權(quán)日2011年8月15日
發(fā)明者王磊 申請人:無錫中星微電子有限公司