專利名稱：基于pca的3d人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種人臉識別方法，尤其涉及一種基于PCA的3D人臉識別方法。
背景技術(shù)：
人臉識別，特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計算機(jī)技術(shù)。人 臉識別是一項熱門的計算機(jī)技術(shù)研究領(lǐng)域，人臉追蹤偵測，自動調(diào)整影像放大，夜間紅外偵 測，自動調(diào)整曝光強(qiáng)度；它屬于生物特征識別技術(shù)，是對生物體(一般特指人)本身的生物特 征來區(qū)分生物體個體。在人臉識別過程中，通常包括人臉檢測、人臉特征提取和人臉識別步 驟，特征提取是影響識別效果的一個重要環(huán)節(jié)。目前2D人臉識別技術(shù)已成熟，但由于單一 的2D圖像不能提供識別所需的完整信息，其特征提取的人臉特征也是基于2D的人臉特征， 因此，識別精度很難進(jìn)一步提聞。發(fā)明內(nèi)容
本發(fā)明克服了現(xiàn)有技術(shù)的不足，提供一種可提取3D人臉特征、識別精度高的人臉 識別方法。
為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案為:一種基于PCA的3D人臉識別方法，其 特征在于:包含以下步驟:1)創(chuàng)建具有人臉圖像樣本的數(shù)據(jù)庫；2)對數(shù)據(jù)庫中的人臉圖像樣本進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人臉，則 作出準(zhǔn)確的定位；3)對檢測定位后的人臉圖像樣本進(jìn)行預(yù)處理；4)對預(yù)處理后的人臉圖像樣本進(jìn)行特征提取；5)利用BP神經(jīng)網(wǎng)絡(luò)對經(jīng)特征提取后的人臉圖像樣本進(jìn)行訓(xùn)練；6)通過攝像機(jī)或掃描儀采集人臉圖像；7)對采集的人臉圖像進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確 的定位；8)對步驟7)檢測定位后的人臉圖像進(jìn)行預(yù)處理；9)對步驟8)中預(yù)處理后的人臉圖像進(jìn)行特征提??；10)將步驟9)中待識別的人臉圖像的投影系數(shù)與數(shù)據(jù)庫中人臉圖像樣本集的投影系數(shù) 進(jìn)行比對，輸出識別結(jié)果。
本發(fā)明一個較佳實施例中，進(jìn)一步包括步驟3)和步驟8)的預(yù)處理的步驟為:a)刪除人臉圖像中的背景，找出人臉在圖像的位置；b)調(diào)整人臉圖像的亮度。
本發(fā)明一個較佳實施例中，進(jìn)一步包括步驟3)和步驟8)的預(yù)處理是依據(jù)3D人臉 形變模型法建立具有3D形狀與紋理的人臉模型。
本發(fā)明一個較佳實施例中，進(jìn)一步包括步驟4)和步驟9)中采用PCA算法提取人臉特征。
本發(fā)明解決了背景技術(shù)中存在的缺陷，本發(fā)明的基于PCA的3D人臉識別方法利用 改進(jìn)的PCA算法對圖像識別，提高了識別效率；采用3D人臉形變模型法建立3D人臉模型的 方法，提聞了人臉的識別精度。


下面結(jié)合附圖和實施例對本發(fā)明進(jìn)一步說明。
圖1是本發(fā)明的基于PCA的3D人臉識別方法的操作流程圖。
具體實施方式
現(xiàn)在結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步詳細(xì)的說明，這些附圖均為簡化的示意 圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
如圖1所示，一種基于PCA的3D人臉識別方法，其特征在于:包含以下步驟:S1、創(chuàng)建具有人臉圖像樣本的數(shù)據(jù)庫；如果在實際應(yīng)用中，數(shù)據(jù)庫中的人臉圖像樣本可 能只有一兩個，這樣就會導(dǎo)致后續(xù)步驟中BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本缺乏，所以在應(yīng)用中應(yīng)有充 分人臉對象樣本的數(shù)據(jù)庫。
S2、對數(shù)據(jù)庫中的人臉圖像樣本進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人 臉，則作出準(zhǔn)確的定位。
S3、對檢測定位后的人臉圖像樣本進(jìn)行預(yù)處理。
S4、對預(yù)處理后的人臉圖像樣本進(jìn)行特征提取，采用PCA算法對人臉圖像樣本進(jìn) 行特征提取。
S5、利用BP神經(jīng)網(wǎng)絡(luò)對經(jīng)特征提取后的人臉圖像樣本進(jìn)行訓(xùn)練；BP神經(jīng)網(wǎng)絡(luò)是一 種單向傳播的多層前向網(wǎng)絡(luò)。BP學(xué)習(xí)算法稱為"誤差逆?zhèn)鞑ニ惴?，基本思想是通過網(wǎng)絡(luò) 誤差函數(shù)的極小值來調(diào)整權(quán)重分布使神經(jīng)網(wǎng)絡(luò)收斂于穩(wěn)定狀態(tài)，從而使網(wǎng)絡(luò)在接受未知輸 入時也會給出適當(dāng)?shù)妮敵觥?br> S6、通過攝像機(jī)或掃描儀采集人臉圖像。
S7、對采集的人臉圖像進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人臉，則作 出準(zhǔn)確的定位。
S8、對步驟S7檢測定位后的人臉圖像進(jìn)行預(yù)處理。
S9、對步驟S8中預(yù)處理后的人臉圖像進(jìn)行特征提??；由于攝像機(jī)或掃描儀采集的 人臉圖片的信息量往往很大，直接處理會產(chǎn)生龐大的計算量，所以在人臉識別之前要進(jìn)行 特征提取。在降低特征空間的維數(shù)的同時，盡可能地保留識別信息，以達(dá)到有效分類。本步 驟中的特征提取采用PCA算法對人臉圖像樣本進(jìn)行特征提取。
S10、將步驟S9中待識別的人臉圖像的投影系數(shù)與數(shù)據(jù)庫中人臉圖像樣本集的投 影系數(shù)進(jìn)行比對，輸出識別結(jié)果。
本發(fā)明中采用PCA算法對人臉圖像樣本進(jìn)行特征提取，該算法的基本思想是:將 圖像向量經(jīng)過K-L變換后由高維向量轉(zhuǎn)換為低維向量，并形成低維線性向量空間，即特征 子空間，然后將人臉投影到該低維空間，用所得到的投影系數(shù)作為識別的特征向量。識別人 臉時，只需將待識別樣本的投影系數(shù)與數(shù)據(jù)庫中目標(biāo)樣本集的投影系數(shù)進(jìn)行比對，以確定與哪一類最近。
PCA算法在待識別圖像質(zhì)量較好的情況下，有識別準(zhǔn)確且計算量不大的優(yōu)點，但在 以下幾點情況下，存在缺陷，其一是待識別圖像和訓(xùn)練圖像光照度差別較大；其二是人臉 背景差別較大。為改進(jìn)PCA算法，可對圖像做預(yù)處理，在步驟S3和S8中，預(yù)處理包括兩個 步驟:a、刪除背景:刪除背景就要找出人臉在圖像的位置，對此，本發(fā)明的人臉識別方法通過 3D形變模型建模的方法找出人臉的位置，并進(jìn)一步找出眼睛位置，然后根據(jù)兩個眼睛之間 的距離計算出人臉大概范圍，通過對人臉范圍的適當(dāng)調(diào)整，使其規(guī)格化。
b、調(diào)整每張人臉圖像的亮度:通過設(shè)定一固定值，調(diào)整圖像像素的灰度值，使圖像 灰度平均值達(dá)到這一固定值，通過同態(tài)濾波，減少光照不均。
其中，步驟S3和步驟S8的預(yù)處理是依據(jù)3D人臉形變模型法建立具有3D形狀與 紋理的人臉模型，3D人臉形變模型的核心思想是利用有限數(shù)量的3D人臉模型的線性組合 來表達(dá)任何一個3D人臉的形狀和紋理。
本發(fā)明的基于PCA的3D人臉識別方法，所利用的主成分分析(principal compONent analysis, PCA)是多元統(tǒng)計分析中用來分析數(shù)據(jù)的一種方法，它是用一 種較少數(shù)量的特征對樣本進(jìn)行描述以達(dá)到降低特征空間維數(shù)的方法，方法的基礎(chǔ)是 Karhunen-Loeve展開式，K-L變換的最大優(yōu)點是去相關(guān)性好,這樣可以將圖像中大量無關(guān) 的冗余信息去除，降低了 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜度，同時也提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率和 收斂率。
本發(fā)明的基于PCA的3D人臉識別方法利用改進(jìn)的PCA算法對圖像識別，提高了識 別效率；采用3D人臉形變模型法建立3D人臉模型的方法，提高了人臉的識別精度。
以上依據(jù)本發(fā)明的理想實施例為啟示，通過上述的說明內(nèi)容，相關(guān)人員完全可以 在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項發(fā)明的技術(shù)性范圍 并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定技術(shù)性范圍。
權(quán)利要求
1.一種基于PCA的3D人臉識別方法，其特征在于:包含以下步驟: 1)創(chuàng)建具有人臉圖像樣本的數(shù)據(jù)庫； 2)對數(shù)據(jù)庫中的人臉圖像樣本進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確的定位； 3)對檢測定位后的人臉圖像樣本進(jìn)行預(yù)處理； 4)對預(yù)處理后的人臉圖像樣本進(jìn)行特征提取； 5)利用BP神經(jīng)網(wǎng)絡(luò)對經(jīng)特征提取后的人臉圖像樣本進(jìn)行訓(xùn)練； 6)通過攝像機(jī)或掃描儀采集人臉圖像； 7)對采集的人臉圖像進(jìn)行檢測定位，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確的定位； 8)對步驟7)檢測定位后的人臉圖像進(jìn)行預(yù)處理； 9)對步驟8)中預(yù)處理后的人臉圖像進(jìn)行特征提取； 10)將步驟9)中待識別的人臉圖像的投影系數(shù)與數(shù)據(jù)庫中人臉圖像樣本集的投影系數(shù)進(jìn)行比對，輸出識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于PCA的3D人臉識別方法，其特征在于:步驟3)和步驟8)的預(yù)處理的步驟為: a)刪除人臉圖像中的背景，找出人臉在圖像的位置； b)調(diào)整人臉圖像的亮度。
3.根據(jù)權(quán)利要求2所述的基于PCA的3D人臉識別方法，其特征在于:步驟3)和步驟8)的預(yù)處理是依據(jù)3D人臉形變模型法建立具有3D形狀與紋理的人臉模型。
4.根據(jù)權(quán)利要求1所述的基于PCA的3D人臉識別方法，其特征在于:步驟4)和步驟9)中采用PCA算法提取人臉特征。
全文摘要
本發(fā)明涉及一種基于PCA的3D人臉識別方法，首先創(chuàng)建具有人臉圖像樣本的數(shù)據(jù)庫，對數(shù)據(jù)庫中的人臉圖像樣本進(jìn)行處理和訓(xùn)練，將經(jīng)攝像機(jī)或掃描儀采集的人臉圖像也進(jìn)行處理，最后將處理后的待識別的人臉圖像與數(shù)據(jù)庫中處理和訓(xùn)練后的人臉圖像樣本進(jìn)行比對識別，輸出識別結(jié)果。本發(fā)明的基于PCA的3D人臉識別方法利用改進(jìn)的PCA算法對圖像識別，提高了識別效率；采用3D人臉形變模型法建立3D人臉模型的方法，提高了人臉的識別精度。
文檔編號G06K9/00GK103207995SQ201310174498
公開日2013年7月17日 申請日期2013年5月13日 優(yōu)先權(quán)日2013年5月13日
發(fā)明者張會林, 孫利華 申請人:蘇州福豐科技有限公司