專利名稱：一種基于人臉均值和方差能量圖的多姿態(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均值和方差能量圖的多姿態(tài)人臉識別方法。
背景技術(shù)：
針對人臉識別中姿態(tài)變化的難題已有的解決方法主要包括三類:三維識別方法、姿態(tài)校正方法、流形學(xué)習(xí)方法?；谌S模型的多姿態(tài)人臉識別是利用二維人臉圖像重構(gòu)三維虛擬人臉，并將三維人臉旋轉(zhuǎn)形成三維人臉庫后進行二維投影構(gòu)建二維多姿態(tài)人臉庫，從而人臉識別轉(zhuǎn)化為某一角度下兩幅照片的比對；或者采集三維人臉構(gòu)建三維姿態(tài)人臉庫，利用三維人臉進行識別，該方法對于正面和準(zhǔn)正面視角都能夠達到較好的識別效果，但該方法需要特殊的三維人臉采集設(shè)備，價格昂貴，而且三維人臉數(shù)據(jù)量較大，需要較大存儲空間?；谧藨B(tài)校正的多姿態(tài)人臉識別是通過求取非正面姿態(tài)樣本向正面姿態(tài)樣本的映射關(guān)系，實現(xiàn)測試人臉的姿態(tài)校正，這種校正能有效補償姿態(tài)變化的影響，但當(dāng)偏轉(zhuǎn)角度較大時效果不佳，特別是當(dāng)只有一只眼睛可見時識別率極低?；诹餍螌W(xué)習(xí)的多姿態(tài)人臉識別將訓(xùn)練圖像進行張量分解得類別系數(shù)矩陣和視角系數(shù)矩陣，利用視角系數(shù)構(gòu)造視角流形模型，識別時利用測試圖像和視角流形模型求取類別系數(shù)向量，與已知的類別系數(shù)向量比較得分類結(jié)果。該方法解決了多視角子空間的非線性問題，但只考慮了人臉圖像左右搖擺的視角變化，沒有考慮其他的姿態(tài)變化，并不能廣泛應(yīng)用于多姿態(tài)人臉識別。Bobick等提出的將視頻圖像序列轉(zhuǎn)化為運動能量圖像(Motiong Energy Image,MEI)和運動歷史圖像(Motion History Image, MHI),采用Mahalanobis距離作為模板相似性的度量，來進行運動類型的識別(Bobick A F, Davis Jff.The Recognition ofHuman Movement Using Temporal Templates[J].1EEE Trans on Pattern Analysis andMa-chine Intelligence, 2001, 23(3):257_267P)。在后來的行為或者步態(tài)的識別中經(jīng)?？梢钥吹竭@個算法的蹤影。步態(tài)識別作為行為識別的一個特例，楊曉超等將一個周期內(nèi)的步態(tài)輪廓圖的平均值稱為步態(tài)能量圖(楊曉超，周越，署光等，基于Gabor相位譜和流型學(xué)習(xí)的步態(tài)識別方法.電子學(xué)報， 2009，37(4): 753-757)。已有的研究工作表明，多幅步態(tài)圖像疊加形成的步態(tài)能量圖信息反映了一個周期內(nèi)不同時刻步態(tài)的變化情況，而且具有對周期的準(zhǔn)確性要求不高的優(yōu)點。借鑒這一思想，本發(fā)明將采集到的不同姿態(tài)的人臉圖像疊加起來形成人臉能量圖，這樣一張圖像同樣能夠反映不同姿態(tài)的人臉變化情況。但與步態(tài)能量圖不同，人臉能量圖沒有周期性，它表示的是不同俯仰角度和不同搖擺角度的人臉姿態(tài)變化。

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，提高人臉識別系統(tǒng)性能的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法。
本發(fā)明的目的是這樣實現(xiàn)的:本發(fā)明包括以下步驟:(I)讀取人臉庫中的多姿態(tài)人臉圖像，檢測人臉區(qū)域，并對人臉區(qū)域圖像做尺寸歸一化；(2)根據(jù)人臉區(qū)域圖像俯仰角度劃分人臉的俯仰變化范圍，構(gòu)建狹義人臉均值能量圖和廣義人臉均值能量圖，作為多姿態(tài)人臉識別的初級特征；(3)構(gòu)建狹義人臉方差能量圖和廣義人臉方差能量圖，作為多姿態(tài)人臉識別的初級特征；(4)先對作為多姿態(tài)人臉初級特征的均值能量圖和方差能量圖執(zhí)行主成分分析二次特征提取，將獲得的特征進行融合，獲得最終的特征向量；(5)由基于歐氏距離的最近鄰分類器進行分類識別。人臉均值能量圖為對采集到的不同姿態(tài)的人臉圖像疊加形成人臉能量圖，人臉均值能量圖沒有周期性 ，反應(yīng)不同俯仰角度和不同搖擺角度的人臉姿態(tài)變化。廣義人臉均值能量圖，指同一人在不同俯仰角度、不同左右搖擺角度下的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幅廣義人臉均值能量圖像，多姿態(tài)灰度人臉圖像L(x，y)，廣義人臉均值能量圖表示為:
權(quán)利要求
1.一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于，包括以下步驟: (1)讀取人臉庫中的多姿態(tài)人臉圖像，檢測人臉區(qū)域，并對人臉區(qū)域圖像做尺寸歸一化； (2)根據(jù)人臉區(qū)域圖像俯仰角度劃分人臉的俯仰變化范圍，構(gòu)建狹義人臉均值能量圖和廣義人臉均值能量圖，作為多姿態(tài)人臉識別的初級特征； (3)構(gòu)建狹義人臉方差能量圖和廣義人臉方差能量圖，作為多姿態(tài)人臉識別的初級特征； (4)先對作為多姿態(tài)人臉初級特征的均值能量圖和方差能量圖執(zhí)行主成分分析二次特征提取，將獲得的特征進行融合，獲得最終的特征向量； (5)由基于歐氏距離的最近鄰分類器進行分類識別。
2.根據(jù)權(quán)利要求1所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的人臉均值能量圖為對采集到的不同姿態(tài)的人臉圖像疊加形成人臉能量圖，人臉均值能量圖沒有周期性，反應(yīng)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1或2所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的廣義人臉均值能量圖，指同一人在不同俯仰角度、不同左右搖擺角度下的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幅廣義人臉均值能量圖像， 多姿態(tài)灰度人臉圖像L(x，y)，廣義人臉均值能量圖表示為:
4.根據(jù)權(quán)利要求3所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的狹義人臉均值能量圖，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° ]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，分別為仰視均值能量圖、平視均值能量圖、俯視均值能量圖， 給定多姿態(tài)灰度人臉圖像LU，y)，狹義人臉均值能量圖的表示為:
5.根據(jù)權(quán)利要求4所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的人臉方差能量圖為對采集到的不同姿態(tài)的人臉圖像與對應(yīng)的人臉均值能量圖做差求平方后再疊加形成人臉能量圖。
6.根據(jù)權(quán)利要求5所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的廣義人臉方差能量圖，指同一人在不同俯仰角度、不同左右搖擺角度下的圖像與廣義人臉均值能量圖差的平方和再求平均得到的圖像， 對于給定的多姿態(tài)灰度人臉圖像L(x，y)，廣義人臉方差能量圖表示為:d(x，>’)=士 Σ (7/ O' >0—F(x，>，)Γ 其中，M表示同一人的不同姿態(tài)圖像總數(shù)，j代表第j幅變化圖像，F(xiàn)(x, y)為廣義人臉均值能量圖，X, Y代表二維圖像平面坐標(biāo)。
7.根據(jù)權(quán)利要求6所述的一種基于人臉均值和方差能量圖的多姿態(tài)人臉識別方法，其特征在于:所述的狹義人臉方差能量圖，指同一人在同一俯仰角度范圍、不同左右搖擺角度下的圖像與相應(yīng)的狹義人臉均值能量圖差的平方和再求平均得到的圖像，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° ]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幅方差能量圖像，分別為仰視方差能量圖、平視方差能量圖、俯視方差能量圖， 多姿態(tài)灰度人臉圖像LU，y)，狹義人臉方差能量圖表示為: Α(υ) = ^"Σ(/>,.ν) υ))2 k =1,2,3 其中，Mk代表同一俯仰角度范圍、左 右搖擺角度變化時圖像的總數(shù)，k表示不同的俯仰角度范圍，k=l表示仰視，k=2表示平視，k=3表示俯視，F(xiàn)k(X，y)表示某一俯仰角度范圍內(nèi)左右搖擺角度變化時得到狹義均值能量圖，j表示第j個左右搖擺角度變化的圖像，X, y代表二維圖像平面坐標(biāo)。
全文摘要
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均值和方差能量圖的多姿態(tài)人臉識別方法。本發(fā)明包括檢測人臉區(qū)域?qū)θ四槄^(qū)域圖像做尺寸歸一化；構(gòu)建狹義人臉均值能量圖和廣義人臉均值能量圖；構(gòu)建狹義人臉方差能量圖和廣義人臉方差能量圖；將獲得的特征進行融合，獲得最終的特征向量；由基于歐氏距離的最近鄰分類器進行分類識別。本發(fā)明不僅能夠很好的節(jié)省存儲空間，降低計算的復(fù)雜度，而且能夠弱化單幀圖像中出現(xiàn)的噪聲干擾，人臉能量圖蘊含了多種姿態(tài)下的人臉輪廓信息，對于大角度姿態(tài)變化的人臉識別，人臉能量圖具有很大優(yōu)勢，不需要補零處理，提高了多姿態(tài)人臉識別的性能。
文檔編號G06K9/00GK103218606SQ20131012216
公開日2013年7月24日 申請日期2013年4月10日 優(yōu)先權(quán)日2013年4月10日
發(fā)明者王科俊, 鄒國鋒, 唐墨, 付斌, 杜同春 申請人:哈爾濱工程大學(xué)