一個面向開放環(huán)境的人臉識別方法
【專利摘要】本發(fā)明提供了一個面向開放環(huán)境的人臉識別方法，步驟為：（1）搜集指定人物在不同光照環(huán)境下拍攝的不同表情和不同角度的代表性人臉圖片，以及大量隨機(jī)非指定人物的人臉圖片。（2）由指定人物的樣本人臉與大量隨機(jī)非指定人物的人臉進(jìn)行變形融合來獲得指定人物的人臉邊緣模式；（3）并聯(lián)利用帶有互補特征的邊緣模式訓(xùn)練得出的子識別器，形成一個并行人臉識別網(wǎng)絡(luò)。本發(fā)明為每一個待識別的指定人物構(gòu)建一個人臉識別器，以解決現(xiàn)有方法中通過閾值來判定識別結(jié)果的缺陷。同時，通過引進(jìn)帶有互補特性的兩種人臉特征提取算子，對基于這兩種特征的識別結(jié)果進(jìn)行融合，使得識別器在保證識別率的前提下，虛警率大幅度下降。
【專利說明】—個面向開放環(huán)境的人臉識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人工智能，模式識別以及生物特征識別領(lǐng)域，具體地，涉及一個面向開放環(huán)境的人臉識別方法。
【背景技術(shù)】
[0002]人臉識別是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)。人臉與人體的其它生物特征(指紋、虹膜等)一樣與生俱來，它的唯一性和不易被復(fù)制的良好特性為身份鑒別提供了必要的前提。與其它類型的生物識別比較人臉識別具有非強制性，非接觸性和并發(fā)性等特點。
[0003]得益于其操作簡單，結(jié)果直觀及隱蔽性等特點，近年來人臉識別技術(shù)在身份識別領(lǐng)域得到了越來越廣泛的應(yīng)用。人臉識別的應(yīng)用主要有如下方面:
[0004]刑偵破案:通過查詢目標(biāo)人像數(shù)據(jù)尋找數(shù)據(jù)庫中是否存在重點人口基本信息；
[0005]門禁系統(tǒng):受安全保護(hù)的地區(qū)可以通過人臉識別辨識試圖進(jìn)入者的身份；
[0006]攝像監(jiān)視:可在機(jī)場，體育館，超市等公共場所對人群進(jìn)行監(jiān)視；
[0007]信息安全:如計算機(jī)登錄，電子政務(wù)和電子商務(wù)，如果網(wǎng)上交易系統(tǒng)使用生物特征，就可以做到當(dāng)事人在網(wǎng)上的數(shù)字身份和真實身份統(tǒng)一，從而大大增加了電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性；
[0008]身份識別:如電子護(hù)照及身份證，這或許是未來規(guī)模最大的應(yīng)用；
[0009]數(shù)碼相機(jī)人臉自動對焦和笑臉快門技術(shù):通過比對特征庫數(shù)據(jù)來自動對焦人臉以及捕捉笑臉，特征庫是基礎(chǔ)，里面有各種典型的面部和笑臉特征數(shù)據(jù)。
[0010]一般來說，人臉識別由三個關(guān)鍵步驟組成部分:人臉圖像預(yù)處理、人臉圖像特征提取，以及匹配與識別。
[0011]人臉圖像預(yù)處理:對于人臉的圖像預(yù)處理是基于人臉檢測結(jié)果，對圖像進(jìn)行處理并最終服務(wù)于特征提取的過程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對它進(jìn)行灰度校正、噪聲過濾等圖像預(yù)處理。對于人臉圖像而言，其預(yù)處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。
[0012]人臉圖像特征提取:人臉識別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取是對人臉的某一種或某幾種特征進(jìn)行建模的過程。人臉特征提取的方法歸納起來分為兩大類:一種是基于知識的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計學(xué)習(xí)的表征方法。其中，基于知識的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)；基于代數(shù)特征的方法的基本思想是將人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述。
[0013]人臉圖像匹配與識別:提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進(jìn)行搜索匹配，通過設(shè)定一個閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對人臉的身份信息進(jìn)行判斷。這一過程又分為兩類:一類是確認(rèn)，是一對一進(jìn)行圖像比較的過程，另一類是辨認(rèn)，是一對多進(jìn)行圖像匹配對比的過程。
[0014]在多數(shù)情況的現(xiàn)實生活應(yīng)用當(dāng)中，只有少量的人臉需要被識別出。由于識別工作大多是在一種開放的環(huán)境下進(jìn)行的，大量待檢測的人臉沒有在系統(tǒng)的數(shù)據(jù)庫中注冊過(t匕如監(jiān)控系統(tǒng))，所以在匹配與識別這個環(huán)節(jié)，要設(shè)定一個合適的閾值來得到準(zhǔn)確的輸出結(jié)果是很困難的。另外，人臉在采集過程中會受到不同拍攝光照，不同人臉表情以及不同捕捉角度的影響，使得同一人物的人臉也呈現(xiàn)不同的外觀，這讓實際應(yīng)用的人臉識別難度大大增加。

【發(fā)明內(nèi)容】

[0015]針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種一個面向開放環(huán)境的人臉識別方法。模擬人類認(rèn)知模式的方法，為每一個待識別的指定人物構(gòu)建一個人臉識別器，以解決現(xiàn)有方法中通過閾值來判定識別結(jié)果的缺陷。同時，通過引進(jìn)帶有互補特性的兩種人臉特征提取算子，對基于這兩種特征的識別結(jié)果進(jìn)行融合，使得識別器在保證識別率的前提下，虛警率大幅度下降。
[0016]根據(jù)本發(fā)明的一個方面，提供一種面向開放環(huán)境的人臉識別方法，包括以下步驟:
[0017](I)獲取樣本圖片
[0018]搜集指定人物在不同光照環(huán)境下拍攝的不同表情和不同角度的代表性人臉圖片，以及大量隨機(jī)非指定人物的人臉圖片。
·[0019](2)自動構(gòu)建目標(biāo)人臉的邊緣模式
[0020]由指定人物的樣本人臉與大量隨機(jī)非指定人物的人臉進(jìn)行變形融合來獲得指定人物的人臉邊緣模式。人臉邊緣模式是由指定人物的樣本人臉與大量隨機(jī)非指定人物的人臉進(jìn)行變形融合來獲得的。其中，正樣本邊緣人臉設(shè)定為剛好屬于指定人物的人臉，由較淺程度dp的變形獲得；負(fù)樣本邊緣人臉設(shè)定為剛好不屬于指定人物的人臉，由較深程度dn的變形獲得，dp&dn為正負(fù)變形組合。
[0021]本發(fā)明采用了一種網(wǎng)格搜索策略來確定最佳的正負(fù)變形程度組合七&^，以保證指定人物的最佳識別性能，同時盡可能多的排除非指定人物人臉。
[0022](3)基于互補特征的識別
[0023]模擬人類的認(rèn)知模式，通過訓(xùn)練邊緣模式來模擬指定人物的人臉模式邊界，這一模擬邊界構(gòu)成了針對指定人物的人臉識別器，映射到邊界內(nèi)部的人臉被識別為指定人物，而映射在邊界外部的人臉判定為非指定人物。
[0024]在邊緣人臉的生成過程中，本發(fā)明采用了足夠多的指定人臉代表性樣本去參與變形工作，同時正負(fù)變形組合dp&dn也可通過網(wǎng)格搜索策略尋求最佳，所以指定人物的人臉識別效果可以得到保證。由于本發(fā)明是在開放環(huán)境下進(jìn)行人臉識別，會有大量的非指定人物的人臉需要識別器來排除，而且其中絕大部分人臉是沒有在系統(tǒng)的變形環(huán)節(jié)采用過的。所以，不可避免地每一個指定人物識別器會有一定數(shù)目的虛警樣本，并且虛警數(shù)目會隨著非目標(biāo)人臉的增多而增多。在實際應(yīng)用當(dāng)中，應(yīng)當(dāng)盡可能的降低虛警率。本發(fā)明引進(jìn)了互補的人臉特征提取算子來降低虛警率。
[0025]采用具有互補特征的算子對邊緣人臉進(jìn)行特征提取，構(gòu)成相應(yīng)的邊緣模式。于是，利用帶有互補特征的邊緣模式分別訓(xùn)練得出的子識別器也具有互補的判定效果。在子識別器中，由于指定人物的人臉基本都能得出正確的識別結(jié)果，所以互補特性集中體現(xiàn)在非指定人物的人臉識別當(dāng)中。利用這種特性，本發(fā)明采用一個與運算并聯(lián)子識別器的識別結(jié)果，形成一個并行識別網(wǎng)絡(luò)，有效的消除在非指定人物人臉的識別過程中，由某一子識別器判定錯誤而導(dǎo)致的虛警結(jié)果。
[0026]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:本發(fā)明通過對目標(biāo)人物的邊緣模式進(jìn)行訓(xùn)練，有效地在開放環(huán)境下識別出指定人物的人臉，并且對指定人物的人臉變形有很高的容忍度。同時本發(fā)明引進(jìn)帶有互補特性的兩種分類器，并行融合它們的識別結(jié)果，使本方法能夠有效地排除大量的非指定人物人臉，以達(dá)到大大降低虛警率的目的，在實際應(yīng)用中有
著重要的意義。
【專利附圖】

【附圖說明】
[0027]通過閱讀參照以下附圖對非限制性實施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯:
[0028]圖1為構(gòu)建指定人物人臉識別器框架圖；
[0029]圖2為通過邊緣人臉構(gòu)造指定人物人臉邊界的示意圖；
[0030]圖3為網(wǎng)格搜索中的變形程度組合示意圖；
[0031]圖4為指定人物人臉識別器工作示意圖。
【具體實施方式】
[0032]下面結(jié)合具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。以下實施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。
[0033]本發(fā)明的實施步驟分為四個部分:(一)訓(xùn)練人臉的采集以及圖像的預(yù)處理；(二)基于網(wǎng)格搜索策略的邊緣人臉生成；(三)互補識別器的生成及并聯(lián)；(四)實踐舉例:指定人物的人臉識別。
[0034]下面進(jìn)行詳細(xì)介紹:
[0035](一 )訓(xùn)練人臉的大量獲得以及圖像的預(yù)處理
[0036]1.通過互聯(lián)網(wǎng)大量采集訓(xùn)練圖像
[0037]本系統(tǒng)主要針對開放環(huán)境下知名人物的人臉識別。需要搜集指定人物在不同光照環(huán)境下拍攝的不同表情和不同角度的代表性人臉圖片，同時還需要大量非指定人物人臉來完成變形及后續(xù)的測試工作。
[0038]知名人物的樣本圖片是在互聯(lián)網(wǎng)上進(jìn)行采集的。同時，本實施例采用了知名數(shù)據(jù)庫FERET中1200人的正臉圖片作為非指定人物的人臉數(shù)據(jù)庫。具體的，本實施例通過幾大圖像網(wǎng)站(谷歌圖片，百度圖片等)采集知名人物的人臉圖像以及隨機(jī)人物人臉。整個系統(tǒng)用到的圖片歸集如下:
[0039]Dto:指定人物代表性的人臉圖片，互聯(lián)網(wǎng)采集，用于和隨機(jī)人臉D.變形生成邊緣人臉；光照包含強烈光照，微弱光照，左側(cè)切入光照以及右側(cè)切入的光照；表情包含中立，微笑和嘴巴微張的形態(tài)；角度偏移在30°以內(nèi)(上下左右四個方位)；
[0040]Dran:隨機(jī)人臉，用于和指定人臉Dto變形生成邊緣人臉，從數(shù)據(jù)庫FERET中隨機(jī)抽取獲得；
[0041]Tptjs:指定人物的測試圖片，互聯(lián)網(wǎng)采集，包含不同的表情姿勢和光照，用于網(wǎng)格搜索策略中正負(fù)變形對Cl^dn的性能指標(biāo)的衡量；
[0042]Tneg:隨機(jī)人臉的測試圖片，從數(shù)據(jù)庫FERET中隨機(jī)抽取獲得，用于網(wǎng)格搜索策略中正負(fù)變形對dp&dn的性能指標(biāo)的衡量。
[0043]2.圖像的預(yù)處理
[0044]本發(fā)明中，所有人臉都被歸一化到同一尺寸=100X120，并且通過仿射變換讓兩只眼睛的中心連線保持在水平線上。
[0045]為了把光照對識別效果的影響降到最低，本發(fā)明采用了 DoG濾波+直方圖均衡的方法對所有訓(xùn)練及測試圖片進(jìn)行預(yù)處理，DoG算子:
D(x'y) = J^Je'{xJ+r/,(2iT,:)。本發(fā)明中算子的尺寸為7X7，像素坐標(biāo)
(4，4)為公式中的坐標(biāo)原點，σ I = 2.0; σ 2 = 4.0。
[0046]進(jìn)行這種圖像預(yù)處理的·原因是為了讓識別條件統(tǒng)一以達(dá)到識別率最優(yōu)化，同時DoG算子和直方圖均衡是為了消除光照對識別效果的影響。
[0047](二)基于網(wǎng)格搜索策略的指定人物邊緣人臉的生成
[0048]正樣本邊緣人臉設(shè)定為剛好屬于指定人物的人臉，由較淺程度Clp的變形獲得；負(fù)樣本邊緣人臉設(shè)定為剛好不屬于指定人物的人臉，由較深程度dn的變形獲得，dp&dn為正負(fù)變形組合。
[0049]邊緣人臉是通過指定人物人臉Dto向隨機(jī)非指定人物人臉Dran的變形來獲得的。下面兩個公式表示通過變形生成正負(fù)樣本的過程:
[0050]Ip = (l-dp).Itar+dp.Iran
[0051]In = (l-dn).Itar+dn.Iran
[0052]Itar和Iran分別表示指定人物和隨機(jī)非指定人物的人臉，Ip和In表示變形生成的正負(fù)樣本邊緣人臉。
[0053]圖2是關(guān)于用邊緣人臉構(gòu)造指定人物人臉邊界的示意圖。示意圖的(a)，(b), (C)子圖中黑點表示通過變形得到的邊緣模式，封閉的虛線表示目標(biāo)模式邊界，曲線包圍的區(qū)域表示該邊界對指定人物人臉變形的容忍度，其中映射到邊界內(nèi)部的人臉被識別為指定人物，而映射在邊界外部的人臉判定為非指定人物。從(a)到(b)到(C)圖中容忍區(qū)域的變化情況可知，當(dāng)邊緣人臉變形程度加深時，其訓(xùn)練得到的模式邊界對目標(biāo)人臉變形的容忍度也會加深。所以只要邊緣人臉的變形足夠深(即變形程度足夠深)，帶有不同程度變形的指定人物人臉仍可被正確地判定為指定人物。
[0054]然而，采用變形程度比較深的邊緣人臉還可能導(dǎo)致較高的虛警率，因為隨著圖2中容忍區(qū)域的變大，一些和目標(biāo)人臉比較接近的非指定人物人臉也會被判定為指定人物。所以在指定人物人臉的正確識別和非指定人物人臉的準(zhǔn)確排除當(dāng)中有一個折中，變形程度是這個折中的關(guān)鍵參數(shù)，極大地影響著系統(tǒng)的性能。
[0055]為了保證指定人物的最佳識別性能，同時盡可能多的排除非指定人物人臉，本發(fā)明采用了網(wǎng)格搜索策略來確定最佳的正負(fù)變形程度組合dp&dn。圖3標(biāo)定了網(wǎng)格搜索策略中用到的6組正負(fù)變形程度組合dp&dn。這六種變型組合分別為:0.2&0.3 ；0.25&0.35 ；
0.3&0.4 ；0.35&0.45 ；0.4&0.5 ；0.45&0.55。在具體的實踐應(yīng)用當(dāng)中，最佳識別性能總能在這6組參數(shù)中找到。
[0056]本發(fā)明采用了多種互補特征描述算子對邊緣人臉進(jìn)行特征提取并分別利用相關(guān)特征的邊緣模式訓(xùn)練生成人臉識別器。針對每一種特征Fti,分別建立基于這6對變形程度組合的6個人臉子識別器。采用30張指定人物的人臉Tptjs以及500張隨機(jī)非指定人物的人臉T胃，對這些子識別器進(jìn)行測試，選擇測試結(jié)果最佳的識別器所對應(yīng)的組合作為該指定人物的基于特征Fti的邊緣人臉?biāo)捎玫淖冃纬潭取楸ＷC每個子識別器中正確識別的指定人臉不被后面的并行網(wǎng)絡(luò)排除，每個子識別器對Recall的要求比較高，所以測試結(jié)果用F2-Measure進(jìn)行評估，公式如下:
/ 2 \ Precision.Recall [0057]2 -( + 二 )'(22.Precision) + Recall
[0058]一般來說，不同的指定人物會有不同的最佳變形程度，同時，同一人物的基于不同特征的子識別器的最佳變形程度也不相同。
[0059](三)互補識別器的生成及并聯(lián)
[0060]1.互補識別器的生成
[0061]選用特征互補的算子來提取邊緣人臉的特征。采用支持向量機(jī)(SVM)進(jìn)行訓(xùn)練，并基于不同的特征邊緣模式建立不同的子識別器，輸出結(jié)果為“I”則識別為指定人物，反之，輸出結(jié)果為“O”則判定為非指定人物。子識別器的建立使用了 LibSVM來優(yōu)化SVM中的參數(shù)(C，Y )，SVM 使用的是徑向基核函數(shù)(Radial Basis Function Kernel)。
[0062]2.互補識別器的并聯(lián)
[0063]分析大量實驗數(shù)據(jù)表明，本系統(tǒng)中基于互補特征的子識別器有著不同的錯誤判定樣本，并且這一現(xiàn)象在非指定人物的測試數(shù)據(jù)中尤為明顯。所以本發(fā)明采用“與”運算符把子識別器的結(jié)果結(jié)合起來。假定系統(tǒng)中采用了兩種互補特征生成了兩個子識別器，那么在非指定人物的人臉識別過程中，如果子識別器#1的判定結(jié)果為“I”(錯誤)，子識別器#2的判定結(jié)果“O”(正確)，那么通過與運算之后最終判定結(jié)果為“O”(正確)，識別器#1的錯誤結(jié)果不會影響最終的正確結(jié)果，也可以說識別器#2的正確判定修補了識別器#1的判定。這種做法大大降低了虛警率。
[0064]本發(fā)明在網(wǎng)格搜索策略中把召回率作為最重要的影響指標(biāo)，保證了各個子識別器都能盡可能多的識別出指定人物的人臉圖片，所以子識別器的并行聯(lián)合對指定人物人臉的判定結(jié)果幾乎沒有影響。
[0065](四)實踐舉例:指定人物的人臉識別
[0066]LBP和Gabor是互補的兩種特征算子，前者集中在空間域?qū)y理進(jìn)行表征，后者通過不同方向和尺度的小波濾波對特征進(jìn)行頻域表征。又由于邊緣人臉的正負(fù)訓(xùn)練樣本只有細(xì)微的形狀和紋理差別，所以在本發(fā)明的實踐過程中，為準(zhǔn)確表達(dá)這些細(xì)微差別的紋理信息，分別采用了基于局部二值模式(LBP)和基于蓋博小波(Gabor Wavelets)的特征來描述邊緣人臉。其中，LBP算子采用了 3X3算子進(jìn)行編碼，蓋博小波中采用了 8個方向和5種尺度。
[0067]另外，由于圖像經(jīng)過LBP算子和Gabor算子濾波會生成維度相對較大的特征向量，這將會大大增多每張人臉的識別所需要的時間。這種現(xiàn)象對時實性要求較高的系統(tǒng)是不可取的，所以本發(fā)明采用了獨立于每張人臉的降維方法。LBP算子采用59LBP的方法進(jìn)行降維，Gabor算子采用計算統(tǒng)計特征的方法進(jìn)行降維。最后，基于LBP的邊緣模式的維度為1770，基于Gabor的維度為1800。
[0068]針對指定人物的人臉識別過程中，輸入包含指定人物的各種變形人臉以及大量非指定人物的人臉，輸出為I或者0，I代表輸入人臉為指定人物的，O代表輸入人臉不是指定人物的。圖4為識別工作框架圖。
[0069]實驗:指定人物為國際影星安吉利娜?茱莉，輸入有30張茱莉的人臉，以及500張非茱莉的人臉，識別結(jié)果如下表:
【權(quán)利要求】
1.一個面向開放環(huán)境的人臉識別方法，其特征在于，包括以下步驟: (1)利用互聯(lián)網(wǎng)資源獲取樣本圖片:搜集指定人物在不同光照環(huán)境下拍攝的不同表情和不同角度的代表性人臉圖片，以及大量隨機(jī)非指定人物的人臉圖片； (2)自動構(gòu)建目標(biāo)人臉的邊緣模式:由指定人物的樣本人臉與大量隨機(jī)非指定人物的人臉進(jìn)行變形融合來獲得指定人物的人臉邊緣模式； (3)基于互補特征的識別:并聯(lián)利用帶有互補特征的邊緣模式訓(xùn)練得出的子識別器，形成一個并行人臉識別網(wǎng)絡(luò)。
2.根據(jù)權(quán)利要求1所述的面向開放環(huán)境的人臉識別方法，其特征在于，步驟(2)中，所述人臉邊緣模式是由指定人物的樣本人臉與大量隨機(jī)非指定人物的人臉進(jìn)行變形融合來獲得的，其中，正樣本邊緣人臉設(shè)定為剛好屬于指定人物的人臉，由程度Clp的變形獲得；負(fù)樣本邊緣人臉設(shè)定為剛好不屬于指定人物的人臉，由程度dn的變形獲得，dp&dn為正負(fù)變形組合且dp < dn ;通過以下兩個公式表示通過變形生成正負(fù)樣本的過程:
3.根據(jù)權(quán)利要求2所述的面向開放環(huán)境的人臉識別方法，其特征在于，采用了一種網(wǎng)格搜索策略來確定最佳的正負(fù)變形程度組合dp&dn，網(wǎng)格搜索策略中用到了 6組正負(fù)變形程度組合dp&dn，這六種變型組合分別為:0.2&0.3,0.25&0.35，0.3&0.4,0.35&0.45，0.4&0.5，0.45&0.55;為保證每個子識別器中正確識別的指定人臉不被后面的并行網(wǎng)絡(luò)排除，每個子識別器對召回率的要求比較高，測試結(jié)果用F2-Measure進(jìn)行評估，公式:η λ \ Precision.RecallF1 =1 + 2-),- ο
、 7 (2'.Precision) + Recall
4.根據(jù)權(quán)利要求1-3任一項所述的面向開放環(huán)境的人臉識別方法，其特征在于，步驟(3)中，選用特征互補的算子來提取邊緣人臉的特征，采用支持向量機(jī)進(jìn)行訓(xùn)練，并基于不同的特征邊緣模式建立不同的子識別器，輸出結(jié)果為“I”則識別為指定人物，反之，輸出結(jié)果為“O”則判定為非指定人物，子識別器的建立使用了 LibSVM來優(yōu)化SVM中的參數(shù)(C，Y)，SVM使用的是徑向基核函數(shù)。
5.根據(jù)權(quán)利要求4所述的面向開放環(huán)境的人臉識別方法，其特征在于，采用“與”運算符把子識別器的結(jié)果結(jié)合起來，假定系統(tǒng)中采用了兩種互補特征生成了兩個子識別器，那么在非指定人物的人臉識別過程中，如果第一子識別器的判定結(jié)果為“ I”即錯誤，第二子識別器的判定結(jié)果“O”即正確，那么通過與運算之后最終判定結(jié)果為“O”即正確，第一識別器的錯誤結(jié)果不會影響最終的正確結(jié)果，即第二識別器的正確判定修補了識別器#1的判定。
6.根據(jù)權(quán)利要求1-3任一項所述的面向開放環(huán)境的人臉識別方法，其特征在于，所有收集的人臉都被歸一化到同一尺寸=100X120，并且通過仿射變換讓兩只眼睛的中心連線保持在水平線上，采用了 DoG濾波和直方圖均衡的方法對所有訓(xùn)練及測試圖片進(jìn)行預(yù)處理，DoG算子的尺寸為7X7,像素坐標(biāo)(4，4)為公式中的坐標(biāo)原點，σ ι = 2.0; σ 2 = 4.0。
【文檔編號】G06K9/46GK103593648SQ201310501113
【公開日】2014年2月19日 申請日期:2013年10月22日 優(yōu)先權(quán)日:2013年10月22日
【發(fā)明者】邱潔瓊, 張婭, 孫軍 申請人:上海交通大學(xué)