專利名稱：一種基于紅黑小波變換的人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體涉及一種基于紅黑小波變換的人臉識別方
法。
背景技術(shù)：
生物特征識別(Biometrics，字面含義為生物測定學(xué))是指通過計算機(jī)利用人體 所固有的生理特征或行為特征來進(jìn)行個人身份認(rèn)證的一種技術(shù)。它在國家安全、公安、司 法、金融等領(lǐng)域有著廣泛的應(yīng)用，如重要部門的合法進(jìn)入、計算機(jī)網(wǎng)絡(luò)登錄控制、信用卡持 卡人的身份驗(yàn)證、嫌疑犯的身份辨認(rèn)等。近年來，隨著計算機(jī)技術(shù)的迅速發(fā)展，人臉識別技術(shù)得到廣泛研究與開發(fā)，人臉識 別成為近30年里模式識別和圖像處理中最熱門的研究主題之一?，F(xiàn)有的人臉識別分為基于局部特征和基于全局特征的兩類方法?；诰植刻卣魍?常是從人臉圖像中抽取出一組特征，并以這些特征組成樣本數(shù)據(jù)來進(jìn)行識別。其優(yōu)點(diǎn)是對 光照、對比度等的變化魯棒性較強(qiáng)。但在整個的抽取過程中很可能丟棄了最有用的特征。相 比之下，基于全局特征的方法利用了整個圖像的信息，所以不會丟失有用信息。但是由于矢 量的維數(shù)較大，直接利用高維數(shù)據(jù)的話，會造成計算量過于巨大的問題。因此，如何有效地 對高維數(shù)據(jù)進(jìn)行降維，成為基于全局特征方法的研究重點(diǎn)?；谥鞒煞莘治龇椒?參考文獻(xiàn)M. Turk and A. Pentland, "Eigen faces forrecognition,"Journal of Cognitive Neuroscience,Vol. 3,no. 1,1991,pp. 71-86)在 人臉識別中運(yùn)用地最為廣泛。但是其計算量大，而且識別率也有待提高。在進(jìn)一步的檢索 中，尚未發(fā)現(xiàn)將紅黑小波變換與特征臉法結(jié)合用于人臉識別的報道。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對主成份分析算法的不足，提供了一種基于紅黑小波變換與 主成份分析結(jié)合的人臉識別方法。這種方法不僅能大大減少用于識別人臉的特征維數(shù)，而 且對人臉識別性能也有顯著提高。實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是首先用紅黑小波變換處理已分類好的人臉樣 本，并通過訓(xùn)練模塊進(jìn)行訓(xùn)練建模；然后將經(jīng)過紅黑小波變換處理后的未知人臉樣本通過 識別模塊進(jìn)行特征提取，并對經(jīng)過特征提取后的待識別樣本輸入到分類器中，判斷其所屬 哪一類別的人臉；所述訓(xùn)練模塊包括以下步驟(1)歸一化訓(xùn)練人臉圖像，其中包括人臉圖像的尺寸歸一化和灰度歸一化；(2)利用紅黑小波變換的方法來降低人臉高維數(shù)據(jù)；(3)利用主成份分析的方法提取有效的人臉特征并進(jìn)行訓(xùn)練；所述識別模塊包括以下步驟(1)歸一化訓(xùn)練人臉圖像，其中包括人臉圖像的尺寸歸一化和灰度歸一化；
(2)利用紅黑小波變換的方法來降低待識別人臉的高維數(shù)據(jù)；(3)將處理后的待識別人臉圖像的特征空間投影在訓(xùn)練模塊上生成的主成份投影 矩陣，提取人臉特征；(4)將提取的人臉特征輸入到分類器中進(jìn)行識別判斷。本發(fā)明的創(chuàng)新點(diǎn)在于先對人臉圖像進(jìn)行尺寸歸一化和灰度歸一化的預(yù)處理，以 此來解決圖像大小和光照不均的影響。再對預(yù)處理后的人臉圖像進(jìn)行紅黑小波變換，從而 模糊了人臉表情和姿勢的影響，并同時達(dá)到了對圖像向量降維的效果。在識別性能上明顯 優(yōu)于傳統(tǒng)的主成份分析算法。下面結(jié)合附圖進(jìn)一步說明本發(fā)明的技術(shù)方案。 附 圖說明

圖1是本發(fā)明提出的基于紅黑小波變換的人臉識別算法的流程示意圖。圖2是紅黑小波變換水平/垂直提升示意圖。圖3是紅黑小波變換對角提升示意圖。圖4是原人臉圖像和紅黑小波變換后的人臉圖像。
具體實(shí)施例方式圖1為本發(fā)明提出的基于紅黑小波變換的人臉識別方法的流程示意圖。整個流程 包括訓(xùn)練模塊和識別模塊。具體的步驟如下。訓(xùn)練模塊基本步驟如下第一步歸一化原始的訓(xùn)練人臉圖像。包括人臉圖像尺寸歸一化和灰度歸一化，先 根據(jù)雙眼的位置來剪裁出標(biāo)準(zhǔn)的人臉圖像，然后利用光照補(bǔ)償即直方圖均衡化來消除光照 的影響。第二步利用紅黑小波變換將原始的高維人臉數(shù)據(jù)處理為較低維的人臉數(shù)據(jù)。紅 黑小波變換的基本過程如下提升小波變換是近年來迅速發(fā)展起來的有效小波變換。它摒棄了經(jīng)典小波的一些 復(fù)雜的數(shù)學(xué)概念，也不需要經(jīng)典小波變換中的伸縮和平移變換的傅立葉分析，是在經(jīng)典小 波變換多分辨分析的思想上發(fā)展起來的。紅黑小波變換是一種二維提升小波變換，包括水 平/垂直提升及對角提升兩部分，具體原理如下。(1)水平/垂直提升如圖2所示，水平/垂直提升分為三個部分①分解將原始圖像按水平和垂直方向交叉方式分為紅塊和黑塊。②預(yù)測利用水平和垂直方向四個鄰域的紅塊進(jìn)行預(yù)測得到黑塊的一個預(yù)測值， 再將黑塊實(shí)際值與預(yù)測值的差異取代黑塊的實(shí)際值。其結(jié)果是得到原圖像的小波系數(shù)，如 圖2(b)示f(i, j) 一 f (i，j) - [f (i-1，j) +f (i，j-1) +f (i，j+1) +f (i+1，j) ] /4(imod2 Φ jmod2) (1)③修正利用水平和垂直方向四個鄰域的黑塊中的小波系數(shù)對紅塊實(shí)際值進(jìn)行修 正得到近似信號，如圖2(c)所示
f(i, j) 一 f (i，j) + [f (i-1，j) +f (i，j-1) +f (i，j+1) +f (i+1，j) ] /8(imod2 = jmod2) (2) (2)對角提升在水平/垂直提升的基礎(chǔ)上，進(jìn)一步作對角提升。如圖3所示，該環(huán)節(jié)分為三部分。①分解將水平/垂直提升后得到的紅塊按對角交叉方式分為藍(lán)塊和塊。②預(yù)測利用四個對角鄰域的藍(lán)塊進(jìn)行預(yù)測，得到黃塊的預(yù)測值，再將黃塊實(shí)際值 與預(yù)測值的差異取代黃塊的實(shí)際值，得到原圖像對角方向的小波系數(shù)，如圖3(b)所示
f (i，j) 一 f (i，j) - [f α-1，j-l) +f α-1，j+1) +f (i+1，j-1) +f (i+1，j+1) ] /4(imod2 = 1，jmod2 = 1)(3)③修正利用四個對角鄰域黃塊中的小波系數(shù)，對藍(lán)塊實(shí)際值進(jìn)行修正得到近似 信號，如圖3(c)所示f(i, j) 一 f (i，j) + [f (i-1，j-1) +f (i-1，j+1) +f (i+1，j-1) +f (i+1，j+1) ] /8(imod2 = 0，jmod2 = 0) (4)經(jīng)過二次提升，則實(shí)現(xiàn)紅黑小波變換。實(shí)驗(yàn)證明紅黑小波變換摒棄了一些復(fù)雜的數(shù)學(xué)概念和公式，而且可以更有效地去 除圖像的相關(guān)性并得到更稀疏的圖像表示。如圖4所示。第三步用主成份分析法提取人臉特征。其基本過程如下(1)生成列向量對一幅a*b大小的人臉圖像，將其按列連接成一個H = a*b維的列向量，其中H為 列向量的維數(shù)。(2)協(xié)方差矩陣設(shè)M為人臉樣本的數(shù)目，可求得協(xié)方差矩陣為
Mτ(5)
J=I其中，Xj代表第j個人臉樣本的圖像向量，μ為人臉樣本均值向量。(3)提取特征然后將St對角化求其特征值和特征向量，選取最大的前K個特征值對應(yīng)的特征向 量，并將人臉圖像特征向量向這K個特征向量投影得到投影系數(shù)作為降維后的人臉特征。識別模塊基本步驟如下第一步歸一化待識別的人臉圖像。包括人臉圖像尺寸歸一化和灰度歸一化，先根 據(jù)雙眼的位置來剪裁出標(biāo)準(zhǔn)的人臉圖像，然后利用光照補(bǔ)償即直方圖均衡化來消除光照的影響。第二步利用紅黑小波變換將原始的高維人臉數(shù)據(jù)處理為較低維的人臉數(shù)據(jù)。第三步將經(jīng)過紅黑小波變換后的待識別人臉樣本上利用主成份分析方法生成的 K個特征向量空間進(jìn)行投影提取人臉特征。第四步利用最近鄰分類器來判斷待識別的人臉圖像屬于哪一類樣本。在實(shí)驗(yàn)中我們選擇公開使用的ORL數(shù)據(jù)庫進(jìn)行相關(guān)的實(shí)驗(yàn)。該數(shù)據(jù)庫由40個人 在不同時期拍攝的每人10幅，共400幅圖像組成，圖像背景為黑色，為256灰度級的圖像，圖像的大小為112X92。數(shù)據(jù)庫中的人臉圖像具有不同的面部表情和不同的臉部細(xì)節(jié)變化， 人臉姿態(tài)也有變化，是目前使用最廣泛的人臉數(shù)據(jù)庫。在ORL數(shù)據(jù)庫上采用40個人每人5 幅共200幅作為訓(xùn)練樣本，對200幅圖像進(jìn)行識別，測試有無光照補(bǔ)償、有無紅黑小波分解 情況下的識別率。試驗(yàn)結(jié)果如表所示表 1 實(shí)驗(yàn)表明通過紅黑小波變換提取圖像的藍(lán)塊子帶(包含了主要的信息)，能夠大 大降低圖像向量的維數(shù)，降低運(yùn)算量減少了訓(xùn)練時間。由于用主元分析法進(jìn)行特征提取和 識別受光照影響較大，所以通過光照補(bǔ)償使識別效果有所提高。所以將紅黑小波變換和光 照補(bǔ)償及PCA結(jié)合起來，能夠取得更令人滿意的系統(tǒng)性能。
權(quán)利要求
一種基于紅黑小波變換的人臉識別方法，首先用紅黑小波變換處理已分類好的人臉樣本，并通過訓(xùn)練模塊進(jìn)行訓(xùn)練建模；然后將經(jīng)過紅黑小波變換處理后的未知人臉樣本通過識別模塊進(jìn)行特征提取，并將經(jīng)過特征提取后的待識別樣本輸入到分類器中，判斷其所屬哪一類別的人臉；所述訓(xùn)練模塊包括以下步驟(1)歸一化訓(xùn)練人臉圖像，其中包括人臉圖像的尺寸歸一化和灰度歸一化；(2)利用紅黑小波變換的方法來降低訓(xùn)練人臉高維數(shù)據(jù)；(3)利用主成分分析的方法提取有效的人臉特征并進(jìn)行訓(xùn)練；所述識別模塊包括以下步驟(1)歸一化訓(xùn)練人臉圖像，其中包括人臉圖像的尺寸歸一化和灰度歸一化；(2)利用紅黑小波變換的方法來降低待識別人臉的高維數(shù)據(jù)；(3)將處理后的待識別人臉圖像的特征空間投影在訓(xùn)練模塊上生成的主成分投影矩陣，提取人臉特征；(4)將提取的人臉特征輸入到分類器中進(jìn)行識別判斷。
2.根據(jù)權(quán)利要求1中所述的人臉圖像的尺寸歸一化和灰度歸一化是(1)根據(jù)雙眼的中心位置剪裁出標(biāo)準(zhǔn)的人臉圖像；(2)然后利用改進(jìn)的直方圖均衡化來消除光照的影響。
全文摘要
本發(fā)明公開了一種基于紅黑小波變換的人臉識別方法，首先用紅黑小波變換處理已分類好的人臉樣本，并通過訓(xùn)練模塊進(jìn)行訓(xùn)練建模；然后將經(jīng)過紅黑小波變換處理后的未知人臉樣本通過識別模塊進(jìn)行特征提取，并對經(jīng)過特征提取后的待識別樣本輸入到分類器中，判斷其所屬哪一類別的人臉。本發(fā)明的優(yōu)點(diǎn)在于首次運(yùn)用紅黑小波對人臉圖像進(jìn)行處理，模糊了人臉表情和姿勢的影響，并同時達(dá)到了對圖像向量降維的效果。相對于傳統(tǒng)的主成份分析的人臉識別方法來講，本方法在識別性能上有明顯的提高。
文檔編號G06K9/62GK101847203SQ200910119400
公開日2010年9月29日 申請日期2009年3月25日 優(yōu)先權(quán)日2009年3月25日
發(fā)明者何歡, 何玉青, 侯雨石, 楊紅影 申請人:何玉青