專利名稱:一種基于人臉能量圖的多姿態(tài)人臉識別方法
技術(shù)領(lǐng)域:
本發(fā)明涉及的是一種生物特征身份識別技術(shù),特別是涉及一種基于人臉能量圖的多姿態(tài)人臉識別方法。
背景技術(shù):
目標(biāo)的形狀特征被廣泛用于目標(biāo)識別中,對于物體形狀的描述是計算機視覺的重要任務(wù)之一?,F(xiàn)有的目標(biāo)形狀描述方法可大體上分為兩大類基于邊界的形狀描述和基于區(qū)域的形狀描述。其中,基于邊界的方法描述目標(biāo)的形狀僅考慮目標(biāo)邊界上的像素點。與之相反,基于區(qū)域的方法則從整個目標(biāo)圖像的區(qū)域來抽取形狀的特征。目前比較常用的基于邊界的目標(biāo)形狀描述技術(shù)主要有傅里葉描述子、小波描述子、小波-傅里葉描述子等。傅里葉描述子因其計算簡單、定義清晰、能量向低頻集中的特點,被廣泛應(yīng)用于形狀描述領(lǐng)域。傅里葉變換描述子的主要思想是將目標(biāo)輪廓轉(zhuǎn)化為一維信號,并對此信號進(jìn)行傅里葉 變換,將其從空間域變換到頻率域,用圖像的頻譜特征來描述目標(biāo)的形狀特征。但是傳統(tǒng)的傅里葉變換采用全局性的基函數(shù)決定其只能用來處理確定的平穩(wěn)信號,對于時變的非平穩(wěn)信號則無能為力。分?jǐn)?shù)傅立葉變換是傅立葉變換的推廣形式,它將信號表示為chirp信號的組合。分?jǐn)?shù)傅立葉變換克服了傅立葉變換將時域信息完全摒棄的缺點,通過一種簡單的方式實現(xiàn)了信號的從純粹時間域到純頻率域的全過程的綜合描述,能夠展示出信號從純時間域到純頻率域的所有變化特征。目前也有學(xué)者嘗試用分?jǐn)?shù)傅立葉變換的方法來描述目標(biāo)的形狀特征。張婉婷、王斌提出一種應(yīng)用分?jǐn)?shù)階傅里葉變換的形狀描述方法,利用目標(biāo)一維輪廓的分?jǐn)?shù)傅里葉變換的幅度信息來描述目標(biāo)形狀(應(yīng)用分?jǐn)?shù)階傅里葉變換的形狀描述方法研究·計算機工程與應(yīng)用· 2011. 07. 20)。已有的研究工作表明,圖像的相位譜中含有比幅值譜更多的信息。隨著變換階數(shù)取不同的值,在圖像的分?jǐn)?shù)階相位譜中會包含不同程度的低頻和高頻信息,對于比較小的變換階數(shù)甚至可以完全從相位譜恢復(fù)的圖像中看到原圖像的大部分信息。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠有效提取俯仰變化和左右搖擺變化情況下人臉的關(guān)鍵信息,使識別效果得到較大改善,提高了人臉識別系統(tǒng)的性能的一種基于人臉能量圖的多姿態(tài)人臉識別方法。本發(fā)明的目的是這樣實現(xiàn)的基于人臉能量圖的多姿態(tài)人臉識別方法包括下列步驟第一步,構(gòu)建人臉能量圖根據(jù)人臉俯仰角度不同劃分人臉的俯仰變化范圍,結(jié)合俯仰變化范圍并根據(jù)構(gòu)建方式不同構(gòu)建廣義人臉能量圖和狹義人臉能量圖;第二步,人臉能量圖增強預(yù)處理
采用設(shè)定的均值和標(biāo)準(zhǔn)差取代原人臉能量圖的均值和標(biāo)準(zhǔn)差,調(diào)整人臉能量圖亮度和對比度的效果,提高分辨能力;第三步,基于二維局部保持投影的二次特征提取采用二維局部保持投影算法對人臉能量圖執(zhí)行二次特征提取,去除人臉能量圖邊緣部分仍存在一定的冗余信息,提取分類識別的關(guān)鍵信息。所述的人臉能量圖為對采集到的不同姿態(tài)的人臉圖像疊加起來形成人臉能量圖,人臉能量圖沒有周期性,是不同俯仰角度和不同搖擺角度的人臉姿態(tài)變化??梢灾苯幼鳛槎嘧藨B(tài)人臉識別的特征。所述的廣義人臉能量圖,指同一人在不同俯仰角度、不同左右搖擺角度下的一系列圖像疊加求和后再求平均得到的均值圖像,每I個人包含I幅廣義人臉能量圖像,對于給定的多姿態(tài)灰度人臉圖像L(x,y),廣義人臉能量圖的定義如(1)所示
權(quán)利要求
1.一種基于人臉能量圖的多姿態(tài)人臉識別方法,其特征在于包括以下步驟 第一步,讀取多姿態(tài)人臉圖像及人臉區(qū)域檢測 讀取人臉庫中的多姿態(tài)人臉圖像,采用AdaBoost算法和手工分割方法對圖像進(jìn)行人臉區(qū)域檢測,并對人臉區(qū)域圖像做尺寸歸一化; 第二步,構(gòu)建人臉能量圖 根據(jù)人臉區(qū)域圖像俯仰角度不同劃分人臉的俯仰變化范圍,結(jié)合俯仰變化范圍并根據(jù)構(gòu)建方式不同構(gòu)建狹義人臉能量圖和廣義人臉能量圖; 第三步,人臉能量圖增強預(yù)處理 采用設(shè)定的均值和標(biāo)準(zhǔn)差取代原人臉能量圖的均值和標(biāo)準(zhǔn)差,調(diào)整人臉能量圖亮度和對比度的效果,提高分辨能力; 第四步,人臉能量圖的二次特征提取 采用二維局部保持投影算法對人臉能量圖執(zhí)行二次特征提取,去除人臉能量圖邊緣部分仍存在的冗余信息,獲得分類識別的關(guān)鍵信息; 第五步,分類識別 針對測試人臉圖像進(jìn)行人臉區(qū)域檢測并提取特征后,通過基于歐氏距離的最近鄰分類器進(jìn)行分類識別。
2.根據(jù)權(quán)利要求I所述的基于人臉能量圖的多姿態(tài)人臉識別方法,其特征是所述的人臉能量圖為對采集到的不同姿態(tài)的人臉圖像疊加起來形成人臉能量圖,人臉能量圖沒有周期性,是不同俯仰角度和不同搖擺角度的人臉姿態(tài)變化。
3.根據(jù)權(quán)利要求I所述的基于人臉能量圖的多姿態(tài)人臉識別方法,其特征是所述的廣義人臉能量圖,指同一人在不同俯仰角度、不同左右搖擺角度下的一系列圖像疊加求和后再求平均得到的均值圖像,每I個人包含I幅廣義人臉能量圖像, 多姿態(tài)灰度人臉圖像L (X,y),廣義人臉能量圖的定義如(I)所示
4.根據(jù)權(quán)利要求I所述的基于人臉能量圖的多姿態(tài)人臉識別方法,其特征是所述的狹義人臉能量圖,指同一人在同一俯仰角度范圍、不同左右搖擺角度下的一系列圖像疊加求和再求平均得到的均值圖像,將俯仰角度在[_5°,5°]之間的人臉圖像定義為平視范圍人臉圖像,將[5°,30°1間的定義為仰視范圍人臉圖像,[_30°,-5°]之間的定義為俯視范圍人臉圖像,根據(jù)人臉俯仰角度范圍不同每I個人包含3幅能量圖像,分別為仰視能量圖、平視能量圖、俯視能量圖, 給定多姿態(tài)灰度人臉圖像L(x,y),狹義人臉能量圖的定義如(2)所示
全文摘要
本發(fā)明提供的是一種基于人臉能量圖的多姿態(tài)人臉識別方法,其步驟是第一步,讀取多姿態(tài)人臉圖像及人臉區(qū)域檢測;第二步,構(gòu)建人臉能量圖;第三步,人臉能量圖增強預(yù)處理;第四步,人臉能量圖的二次特征提取;第五步,分類識別。本發(fā)明提供一種能夠有效提取俯仰變化和左右搖擺變化情況下人臉的關(guān)鍵信息,使識別效果得到較大改善,提高了人臉識別系統(tǒng)的性能的一種基于人臉能量圖的多姿態(tài)人臉識別方法。
文檔編號G06K9/00GK102915435SQ20121040723
公開日2013年2月6日 申請日期2012年10月23日 優(yōu)先權(quán)日2012年10月23日
發(fā)明者王科俊, 鄒國鋒, 原蕾, 唐墨 申請人:哈爾濱工程大學(xué)