一種基于src的二次人臉識(shí)別方法
【專利摘要】本發(fā)明公開了一種基于SRC的二次人臉識(shí)別方法，它利用SRC算法對(duì)人臉圖像先進(jìn)行第一次識(shí)別。通過(guò)分析識(shí)別結(jié)果的差異，判斷是否需要進(jìn)行二次識(shí)別。如果進(jìn)行二次識(shí)別，利用Harris角點(diǎn)檢測(cè)法和Gabor濾波器截取人臉細(xì)節(jié)特征，如眼睛、鼻子、嘴巴等特征，并組成新的人臉樣本庫(kù)。最后再次利用SRC算法對(duì)新的人臉樣本庫(kù)進(jìn)行二次識(shí)別。本發(fā)明通過(guò)線性判別分析法對(duì)樣本集進(jìn)行降維，減小算法時(shí)間復(fù)雜度；然后又利用自商圖算法，減小了光照變化對(duì)識(shí)別過(guò)程的影響；同時(shí)，結(jié)合Harris角點(diǎn)檢測(cè)和Gabor濾波器，充分提取了人臉細(xì)節(jié)，減小了拍攝姿勢(shì)、表情變化帶來(lái)的影響，利用二次識(shí)別很好地提高了算法的精度。
【專利說(shuō)明】-種基于SRC的二次人臉識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)生物特征識(shí)別領(lǐng)域，具體涉及一種人臉識(shí)別方法。

【背景技術(shù)】
[0002] 現(xiàn)代生物特征識(shí)別起源于七十年代中期，并隨著微處理器及各種電子元器件成本 的下降和識(shí)別精度的提高，生物識(shí)別系統(tǒng)逐漸應(yīng)用于商業(yè)領(lǐng)域。生物特征識(shí)別技術(shù)是指通 過(guò)人體生物特征進(jìn)行身份認(rèn)證，達(dá)到保護(hù)信息安全的目的，具有巨大的社會(huì)效應(yīng)和廣闊的 應(yīng)用前景?，F(xiàn)已被用于生物識(shí)別的生物特征有指紋、人臉、皮膚、虹膜等。其中，由于人臉 的唯一性、易采集和不易被復(fù)制的良好特性，人臉識(shí)別已被廣泛用于企業(yè)住宅安全、公安刑 偵、電子護(hù)照等領(lǐng)域，是目前最為熱門的生物特征識(shí)別技術(shù)之一。
[0003] 傳統(tǒng)的人臉識(shí)別算法主要研究如何精確提取人臉特征，而作為目前主流 的人臉識(shí)別算法之一的基于稀疏表示分類算法（Sparse Representation-based Classification, SRC)將算法重點(diǎn)從提取人臉特征問(wèn)題轉(zhuǎn)變?yōu)槿绾蜗∈璞硎救四槇D像的問(wèn) 題，并獲得了巨大的突破。但是，SRC算法在識(shí)別過(guò)程中并沒(méi)有針對(duì)性地處理光照變化、人 臉表情、拍攝姿勢(shì)等因素，導(dǎo)致算法在實(shí)際環(huán)境中識(shí)別率受到較大的影響。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是針對(duì)現(xiàn)有SRC算法的不足，提供一種基于SRC的二次人臉識(shí)別方 法，它利用SRC算法對(duì)人臉圖像先進(jìn)行第一次識(shí)別。通過(guò)分析識(shí)別結(jié)果的差異，判斷是否需 要進(jìn)行二次識(shí)別。如果進(jìn)行二次識(shí)別，利用Harris角點(diǎn)檢測(cè)法和Gabor濾波器截取人臉細(xì) 節(jié)特征，如眼睛、鼻子、嘴巴等特征，并組成新的人臉樣本庫(kù)。最后再次利用SRC算法對(duì)新的 人臉樣本庫(kù)進(jìn)行二次識(shí)別。
[0005] 本發(fā)明一種基于SRC的二次人臉識(shí)別方法，具體包括如下步驟：
[0006] 步驟一、將所有人臉樣本圖像組成訓(xùn)練樣本集A = ···，,]，其中Ai表示第1 個(gè)人的所有樣本人臉，A2表示第2個(gè)人的所有樣本人臉，Ak表示第k個(gè)人的所有樣本人臉， k表示人臉樣本人數(shù)總量。然后用線性判別分析法（LDA)對(duì)訓(xùn)練樣本集A進(jìn)行降維處理得 到新的樣本集D，減小算法時(shí)間復(fù)雜度。再對(duì)測(cè)試圖y進(jìn)行稀疏表示，即：
[0007] y = D · X (1)
[0008] 其中X表示測(cè)試圖的稀疏解。通過(guò)L1范數(shù)最小化求解式（1)，得到稀疏解為 χ = min|x|i;
[0009] 步驟二、對(duì)稀疏解進(jìn)行殘差計(jì)算，即：
[0010] Y i = I I y-D · δ J (χ) I 12 (2)
[0011] 其中Yi表示第i類人的殘差值，δ Jx)表示第i類人的稀疏解。然后將L與 殘差閾值T進(jìn)行比較：如果Yi大于T，不進(jìn)行二次識(shí)別，并輸出識(shí)別結(jié)果Identity(y)= min ( γ )，從而確定測(cè)試圖類型；如果γ i小于T，進(jìn)行二次識(shí)別；
[0012] 步驟三、若需要進(jìn)行二次識(shí)別，則提取第一次識(shí)別中殘差較小的前5個(gè)人，然后利 用自商圖（SQI)對(duì)這5個(gè)人臉樣本進(jìn)行消光照，并結(jié)合Harris角點(diǎn)檢測(cè)和Gabor濾波器提 取樣本細(xì)節(jié)特征，細(xì)節(jié)特征為包括人眼、鼻子和嘴巴。最后將這5個(gè)人臉細(xì)節(jié)組成新的人臉 樣本庫(kù)A' = [A'ρ A'2，…A'5]，其中A'i表示第1個(gè)人的所有細(xì)節(jié)圖，A'2表示第2個(gè)人的所 有細(xì)節(jié)圖，A' 5表示第5個(gè)人的所有細(xì)節(jié)圖。由于Gabor點(diǎn)和Harris特征點(diǎn)個(gè)數(shù)不確定，導(dǎo) 致人臉細(xì)節(jié)圖數(shù)量不確定，即該5個(gè)人的細(xì)節(jié)圖數(shù)量可能是不相同的。對(duì)測(cè)試圖y進(jìn)行人 臉細(xì)節(jié)特征提取，得到新的測(cè)試圖庫(kù)7'=[7' 1，7'2，"1'1)]，其中太1表示測(cè)試圖的第1 張細(xì)節(jié)圖，y' 2表示測(cè)試圖的第2張細(xì)節(jié)圖，y' p表示測(cè)試圖的第p張細(xì)節(jié)圖，p表示測(cè)試圖 的細(xì)節(jié)圖數(shù)量；
[0013] 步驟四、求解測(cè)試圖y'的稀疏解X' ：
[0014] y，= A，· X，
[0015] 并進(jìn)行殘差計(jì)算并通過(guò)最小殘差確定測(cè)試圖類型。
[0016] 本發(fā)明的有益效果：
[0017] 本發(fā)明通過(guò)線性判別分析法對(duì)樣本集進(jìn)行降維，減小算法時(shí)間復(fù)雜度；然后又利 用自商圖算法，減小了光照變化對(duì)識(shí)別過(guò)程的影響；同時(shí)，結(jié)合Harris角點(diǎn)檢測(cè)和Gabor濾 波器，充分提取了人臉細(xì)節(jié)，減小了拍攝姿勢(shì)、表情變化帶來(lái)的影響，利用二次識(shí)別很好地 提高了算法的精度。

【專利附圖】

【附圖說(shuō)明】
[0018] 圖1是本發(fā)明人臉識(shí)別方法的流程示意圖；
[0019] 圖2(A)是原始人臉圖像；
[0020] 圖2(B)是人臉圖像進(jìn)行自商圖處理后的效果圖；
[0021] 圖2 (C)是人臉圖像進(jìn)行Gabor濾濾器處理后的效果圖；
[0022] 圖2 (D)是人臉圖像進(jìn)行Harris角點(diǎn)檢測(cè)處理后的特征點(diǎn)坐標(biāo)圖；
[0023] 圖2(E)是截取的人臉細(xì)節(jié)圖。

【具體實(shí)施方式】
[0024] 本發(fā)明以現(xiàn)有SRC算法為起點(diǎn)，在線性判別分析法的降維處理后，進(jìn)行第一次識(shí) 另IJ ;通過(guò)分析殘差情況，判斷是否進(jìn)行二次識(shí)別。如果進(jìn)行二次識(shí)別，首先利用自商圖算法 減小光照因素的影響，然后提取人臉細(xì)節(jié)特征進(jìn)行二次識(shí)別。
[0025] 以下舉例說(shuō)明本發(fā)明整個(gè)過(guò)程的【具體實(shí)施方式】如下（各步驟效果圖參見圖2):
[0026] 原始人臉圖像如圖2㈧所示，首先利用線性判別分析法將原始訓(xùn)練樣本集 A(MXN)降維得到D(dXN)，其中Μ表示人臉圖像大小，N為人臉圖像總量，d表示降低到的 維數(shù)。然后對(duì)測(cè)試圖進(jìn)行稀疏表示，如式（1)所示，并通過(guò)L1范數(shù)最小化求出稀疏解；
[0027] 將稀疏解代入式（2)，求出殘差并進(jìn)行比較：如果Yi大于T，不進(jìn)行二次識(shí)別，并 輸出識(shí)別結(jié)果Identity (y) = min ( γ J，從而確定測(cè)試圖類型；如果γ i小于T，進(jìn)行二次識(shí) 別；
[0028] 如果進(jìn)行二次識(shí)別，首先將殘差較小的前5個(gè)類別樣本進(jìn)入SQI處理，削弱光照影 響，如圖2(B)所示；然后用4X8的Gabor濾波器處理人臉，通過(guò)比較圖像中每個(gè)點(diǎn)亮度大 小：如果該Gabor點(diǎn)比周圍其他點(diǎn)亮度高，則認(rèn)為該點(diǎn)可能是人眼、鼻子等特征，從而大致 判斷人眼、鼻子等特征的位置信息，如圖2(C)所示；接著，用Harris角點(diǎn)檢測(cè)法對(duì)人臉圖 像進(jìn)行特征點(diǎn)提取，并得到特征點(diǎn)的相應(yīng)坐標(biāo)，如圖2 (D)所示，如果Harris特征點(diǎn)坐標(biāo)與 Gabor點(diǎn)坐標(biāo)相差距離小于15個(gè)像素點(diǎn)，則認(rèn)為該Harris特征點(diǎn)有較大可能是人眼、鼻子 等特征，從而以該Harris點(diǎn)為中點(diǎn)，截取30X30像素大小的正方形區(qū)域，如圖2(E)所示。 最后將所有的人臉細(xì)節(jié)圖組成新的人臉樣本庫(kù)A'。同時(shí)，對(duì)測(cè)試圖y進(jìn)行相同操作，得到新 的測(cè)試圖庫(kù)y' ；
[0029] 由于Gabor點(diǎn)和Harris特征點(diǎn)個(gè)數(shù)不確定，導(dǎo)致人臉細(xì)節(jié)圖數(shù)量不確定，所以在 進(jìn)行二次識(shí)別時(shí)，需要對(duì)測(cè)試圖中所有細(xì)節(jié)圖進(jìn)行SRC識(shí)別。由于測(cè)試圖的細(xì)節(jié)圖數(shù)量為 P，因此在最后確定測(cè)試圖類型時(shí)，認(rèn)為識(shí)別結(jié)果中頻率最高的類型為測(cè)試圖類型。
【權(quán)利要求】
1. 一種基于SRC的二次人臉識(shí)別方法，其特征在于，該方法具體包括如下步驟： 步驟一、將所有人臉樣本圖像組成訓(xùn)練樣本集A = [Αρ A2，…，Ak]，其中&表示第1個(gè) 人的所有樣本人臉，A2表示第2個(gè)人的所有樣本人臉，Ak表示第k個(gè)人的所有樣本人臉，k 表示人臉樣本人數(shù)總量；然后用線性判別分析法對(duì)訓(xùn)練樣本集A進(jìn)行降維處理得到新的樣 本集D，減小算法時(shí)間復(fù)雜度；再對(duì)測(cè)試圖y進(jìn)行稀疏表示，即： y = D · X (1) 其中X表示測(cè)試圖的稀疏解；通過(guò)L1范數(shù)最小化求解式（1)，得到稀疏解為 Λ X = minlx^ ; 步驟二、對(duì)稀疏解進(jìn)行殘差計(jì)算，即： Y i = I I y-D · δ J (χ) I 12 (2) 其中Y i表示第i類人的殘差值，δ i (x)表示第i類人的稀疏解；然后將Y i與殘差閾 值T進(jìn)行比較：如果Y i大于T，不進(jìn)行二次識(shí)別，并輸出識(shí)別結(jié)果Identity (y) = min ( γ i)， 從而確定測(cè)試圖類型；如果Y i小于T，進(jìn)行二次識(shí)別； 步驟三、若需要進(jìn)行二次識(shí)別，則提取第一次識(shí)別中殘差較小的前5個(gè)人，然后利用自 商圖對(duì)這5個(gè)人臉樣本進(jìn)行消光照，并結(jié)合Harris角點(diǎn)檢測(cè)和Gabor濾波器提取樣本細(xì)節(jié) 特征，細(xì)節(jié)特征為包括人眼、鼻子和嘴巴；最后將這5個(gè)人臉細(xì)節(jié)組成新的人臉樣本庫(kù)A' = [A' ρ A' 2，…A' 5]，其中A' i表示第1個(gè)人的所有細(xì)節(jié)圖，A' 2表示第2個(gè)人的所有細(xì)節(jié)圖，A' 5 表示第5個(gè)人的所有細(xì)節(jié)圖；由于Gabor點(diǎn)和Harris特征點(diǎn)個(gè)數(shù)不確定，導(dǎo)致人臉細(xì)節(jié)圖 數(shù)量不確定，即該5個(gè)人的細(xì)節(jié)圖數(shù)量可能是不相同的；對(duì)測(cè)試圖y進(jìn)行人臉細(xì)節(jié)特征提 取，得到新的測(cè)試圖庫(kù)7'=[7' 1，7'2，"1'1)]，其中太1表示測(cè)試圖的第1張細(xì)節(jié)圖，7' 2 表示測(cè)試圖的第2張細(xì)節(jié)圖，y' p表示測(cè)試圖的第p張細(xì)節(jié)圖，p表示測(cè)試圖的細(xì)節(jié)圖數(shù)量； 步驟四、求解測(cè)試圖y'的稀疏解X' ： y，= A，· χ， 并進(jìn)行殘差計(jì)算并通過(guò)最小殘差確定測(cè)試圖類型。
【文檔編號(hào)】G06K9/46GK104102903SQ201410333553
【公開日】2014年10月15日 申請(qǐng)日期:2014年7月14日 優(yōu)先權(quán)日:2014年7月14日
【發(fā)明者】章堅(jiān)武, 俞子鵬 申請(qǐng)人:杭州電子科技大學(xué)