一種基于模糊規(guī)則的人臉識別方法
【專利摘要】本發(fā)明公開一種基于模糊規(guī)則的人臉識別方法，是一種新的特征提取方法，屬于人臉識別領(lǐng)域。在本方法中，首先對人臉圖像進(jìn)行劃分，計(jì)算出子圖方差和信息熵作為模糊控制器的輸出，得出相應(yīng)子圖的模糊權(quán)重，然后對子圖進(jìn)行LBP提取直方圖向量和對經(jīng)LBP提取的子圖向量進(jìn)行PCA降維，模糊權(quán)重對圖像的識別率具有顯著特征，而PCA降維節(jié)省了算法計(jì)算時(shí)間，提高了算法的實(shí)時(shí)性。
【專利說明】一種基于模糊規(guī)則的人臉識別方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人臉識別領(lǐng)域，具體涉及到一種基于模糊規(guī)則的人臉識別方法。
【背景技術(shù)】
[0002]人臉識別，特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。它涉及模式識別、圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)等諸多學(xué)科知識，是當(dāng)前研究熱點(diǎn)。廣義的人臉識別實(shí)際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖像或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。
[0003]眾所周知，人臉識別創(chuàng)造了一個(gè)廣泛的商業(yè)價(jià)值，比如犯罪識別、安全系統(tǒng)、信用卡驗(yàn)證場景監(jiān)控等。與其他生物特征識別相比，人臉識別由于其非接觸性和使用友好性而受到顯著關(guān)注。迄今為止，很多人臉識別方法被提出，這些算法大致可分為兩類，基于幾何特征的識別算法和基于模板的識別算法?；趲缀翁卣鞯姆椒ň褪翘崛★@著的局部特征(例如眼睛、鼻子和嘴巴)和它們的幾何關(guān)系進(jìn)行分類，包括彈性圖匹配方法等?；谀０宓姆椒ê诵乃枷刖褪翘卣髂?，特征臉是整幅人臉圖像所有特征值和特征向量得出的?；谔卣髂樀娜四樧R別方法的基礎(chǔ)是KL變化，這是圖像壓縮中的一種最優(yōu)正交變換。通常情況下，KL變換的變換矩陣有訓(xùn)練樣本類間散布矩陣的特征矢量生成。人臉圖像在前面的特征矢量上的投影有較大能量，稱為主分量；在后面的特征矢量上的投影具有較小的能量，稱為次分量。當(dāng)舍棄部分次 分量時(shí)，KL變換也稱為主成分分析法(PCA)。不幸的是PCA由于其基于圖像的灰度統(tǒng)計(jì)值，外在因素帶來的圖像差異和人臉本身帶來的差異無法區(qū)分。因此對于光照，會降低它的識別率。
[0004]基于PCA的人臉識別方法在很長一段時(shí)期成為研究的主流，其后很多人臉識別方法都或多或少與之有關(guān)系，例如線性判別分析法(LDA)、fisherface法和貝葉斯人臉識別法等。最近幾年，支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)和核方法在這個(gè)領(lǐng)域也得到廣泛的應(yīng)用。
[0005]1996年，Ojalad等提出了局部二進(jìn)制模式(LBP)，LBP算子是一種灰度范圍內(nèi)的紋理度量，它從一種紋理局部近鄰定義中衍生出來，最初是為了輔助性地度量圖像的局部對比度而提出的，后來人們將LBP的應(yīng)用加以擴(kuò)展，應(yīng)用到人臉識別領(lǐng)域。
[0006]LBP之所以能被廣泛關(guān)注，在于其有以下主要優(yōu)點(diǎn):
[0007]1、特征分類能力強(qiáng)。LBP具有任意單調(diào)不變性和圖像旋轉(zhuǎn)不變性，是的它對于表情姿態(tài)等變化具有較強(qiáng)魯棒性，且其還能有效描述一些局部的微小特征，比如亮點(diǎn)、暗點(diǎn)、紋理細(xì)節(jié)等，并反映出它們的分布情況。
[0008]2、無需訓(xùn)練，具有良好的推廣性。主流的機(jī)遇統(tǒng)計(jì)或者學(xué)習(xí)策略的人臉識別方法需要訓(xùn)練數(shù)據(jù)用于人臉建模，因此在推廣方面存在問題。而LBP方法提取直方圖向量不需要進(jìn)行訓(xùn)練，因而不存在上述問題。[0009]盡管LBP有上述優(yōu)勢，但從分類識別的角度來看，它有以下不足:由于在提取LBP直方圖時(shí)，需將人臉圖像進(jìn)行了劃分，劃分過程當(dāng)中會出現(xiàn)個(gè)問題，即劃分尺度問題。劃分塊數(shù)過多會導(dǎo)致直方圖向量維數(shù)過大，這樣是計(jì)算復(fù)雜度提高，分塊太少的話又失去統(tǒng)計(jì)意義。由劃分問題衍生出的問題是LBP對劃分區(qū)域是同等對待，但這不符合常識，人們普遍認(rèn)為像眼睛、鼻子、嘴巴等顯著區(qū)域?qū)ψR別具有更大貢獻(xiàn)，因此要對這些區(qū)域加強(qiáng)其重要性。

【發(fā)明內(nèi)容】

[0010]為了解決LBP算法對各區(qū)域的同等對待和高維度問題，本發(fā)明提出了一種賦以不同區(qū)域權(quán)重并且最后使用PCA降維的方法——一種基于模糊規(guī)則的人臉識別方法。本方法與現(xiàn)有人臉識別方法最大的不同在于:使用了模糊控制器來獲得權(quán)重，均值像素方差和信息熵作為模糊控制器的輸入，輸出為權(quán)重。當(dāng)子圖區(qū)域?qū)ψR別具有更大的幫助時(shí)，通過計(jì)算獲得權(quán)重并賦以此區(qū)域，當(dāng)其對于識別影響很小時(shí)就賦以較小的權(quán)重。通過為不同子圖區(qū)域賦以不同權(quán)重并串接的特征向量可能維度過高，這樣我們采用PCA對其進(jìn)行降維，以提高識別速度。
[0011]本發(fā)明的技術(shù)方案為:
[0012]一種基于模糊規(guī)則的人臉識別方法，包括如下步驟:
[0013]I)采集人臉圖像并進(jìn)行預(yù)處理；預(yù)處理包括人臉檢測、去噪和尺寸歸一化等處理；
[0014]2)對預(yù)處理后的圖像進(jìn)行圖像劃分，圖像劃分為k2個(gè)子圖；比如3X3或者4X4等;
[0015]3)提取子圖的LBP直方圖向量，LBP直方圖向量作為子圖的紋理特征；
[0016]4)分別計(jì)算子圖的信息熵E」、子圖像素方差σ j ；
[0017]5)采用雙輸入單輸出的模糊控制器；其中子圖的信息熵Ep子圖像素方差σ d乍為輸入，權(quán)值Wj作為輸出；
[0018]6)對子圖的紋理特征子區(qū)向量進(jìn)行PCA降維，得到PCA降維向量；
[0019]7)依據(jù)各子圖的紋理特征和模糊控制器輸出的權(quán)值進(jìn)行人臉識別。
[0020]所述步驟3)提取子圖的LBP直方圖向量，子圖m的像素i的統(tǒng)計(jì)采用下式計(jì)算，
[0021]
【權(quán)利要求】
1.一種基于模糊規(guī)則的人臉識別方法，其特征在于包括如下步驟: 1)采集人臉圖像并進(jìn)行預(yù)處理； 2)對預(yù)處理后的圖像進(jìn)行圖像劃分，圖像劃分為k2個(gè)子圖； 3)提取子圖的LBP直方圖向量，LBP直方圖向量作為子圖的紋理特征； 4)分別計(jì)算子圖的信息熵Ep子圖像素方差oj; 5)采用雙輸入單輸出的模糊控制器；其中子圖的信息熵Ep子圖像素方差σ“乍為輸入，權(quán)值Wj作為輸出； 6)對子圖的紋理特征子區(qū)向量進(jìn)行PCA降維，得到PCA降維向量； 7)依據(jù)各子圖的紋理特征和模糊控制器輸出的權(quán)值進(jìn)行人臉識別。
2.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于步驟3)提取子圖的LBP直方圖向量，子圖j的像素i的統(tǒng)計(jì)HijHiij采用下式計(jì)算，
3.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于所述步驟4)計(jì)算子Σ T{f(x,y) = i}圖的信息熵首先采用公式
4.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于所述步驟5)的模糊控制器的模糊規(guī)則采用三角隸屬函數(shù)，其中子圖的信息熵1、子圖像素方差作為輸入，權(quán)值Wj作為輸出；對子圖的信息熵Ε」、子圖像素方差σ」劃分為小⑶、中(Μ)、大(B)，得到九條模糊規(guī)則，模糊系統(tǒng)的第i條規(guī)則表述如下:
Rule i:If Oj is Aljjand Ej is A2ji Then Wj is Bi0 其中A1, i和A2, j分別表不表不σ j和Ej所取隸屬度值，Bi表不獲取的權(quán)重值,A1, 1、A2, ^和Bi取值范圍為大、中、小。
5.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于所述步驟7)采用分類算法，按式
6.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于所述步驟3)與步驟4)順序替換。
7.根據(jù)權(quán)利要求1所述基于模糊規(guī)則的人臉識別方法，其特征在于所述步驟5)和步驟6)順序替換 。
【文檔編號】G06K9/54GK103839033SQ201210475133
【公開日】2014年6月4日 申請日期:2012年11月20日 優(yōu)先權(quán)日:2012年11月20日
【發(fā)明者】劉治, 彭俊石, 徐淑瓊, 章云 申請人:廣東工業(yè)大學(xué)