專利名稱：基于圖像輪廓的人臉識(shí)別新方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識(shí)別技術(shù)領(lǐng)域，涉及計(jì)算機(jī)技術(shù)、數(shù)字圖象處理技術(shù)和生物特征識(shí)別技術(shù)等，具體涉及一種基于圖像輪廓的人臉識(shí)別新方法。
背景技術(shù)：
生物特征識(shí)別技術(shù)是指利用人類本身所擁有的、能夠標(biāo)識(shí)其身份的生理特征或行為特征進(jìn)行身份驗(yàn)證的技術(shù)。與傳統(tǒng)的身份驗(yàn)證技術(shù)相比，生物特征識(shí)別技術(shù)具有更高的可靠性和安全性，已經(jīng)越來越廣泛地應(yīng)用于一些安全系統(tǒng)中的身份認(rèn)證。人臉識(shí)別技術(shù)作為一種典型的生物特征技術(shù)，以其自然性、高可靠性等優(yōu)點(diǎn)受到了重視，在國(guó)家安全、司法領(lǐng)域和人機(jī)交互等方面有著廣泛的應(yīng)用前景。圖像邊緣是圖像的最基本特征，包含著有價(jià)值的目標(biāo)邊界信息，這些信息可以用于圖像分析、目標(biāo)識(shí)別以及圖像濾波。數(shù)學(xué)形態(tài)學(xué)是一種線性圖像處理和分析理論，它對(duì)形狀敏感，可用于邊界提取，傳統(tǒng)的圖像輪廓提取僅僅使用邊緣檢測(cè)算子，但是往往存在許多內(nèi)部邊界，這在有些圖像識(shí)別中是沒有作用的，反而會(huì)降低圖像的處理速度。主成分分析方法是目前人臉識(shí)別的主要方法，該方法能夠?qū)Ω呔S的人臉特征進(jìn)行有效降維，并取得了不錯(cuò)的識(shí)別效果。但是它破壞了圖像的結(jié)構(gòu)信息，忽視了不同樣本之間的差異，并且當(dāng)樣本足夠大時(shí)，相應(yīng)的特征值及特征向量的計(jì)算量大，耗時(shí)長(zhǎng)。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提出了一種基于圖像輪廓的人臉識(shí)別新方法。它是一種相似度匹配方法，能夠很好的利用圖像結(jié)構(gòu)信息，并且避免了傳統(tǒng)方法中當(dāng)樣本數(shù)量較大引起的計(jì)算量問題，將矩陣邏輯“與”運(yùn)算應(yīng)用于分類識(shí)別中，能夠有效提高分類識(shí)別性能。本發(fā)明采用的技術(shù)方案是:首先，利用二值化方法及數(shù)學(xué)形態(tài)學(xué)方法提取人臉圖像輪廓，并將其進(jìn)一步優(yōu)化，得到盡可能少的內(nèi)部邊界的人臉輪廓，并計(jì)算每類訓(xùn)練樣本的人臉輪廓能量圖；然后，計(jì)算測(cè)試樣本與每類人臉輪廓能量圖的相似度；最終根據(jù)相似度標(biāo)準(zhǔn)對(duì)測(cè)試樣本進(jìn)行分類識(shí)別?！N基于圖像輪廓的人臉識(shí)別新方法，其特征在于包括以下步驟:步驟一，進(jìn)行圖像預(yù)處理，包括以下內(nèi)容:(1)歸一化人臉圖像，對(duì)人臉圖像進(jìn)行尺寸歸一化；(2)將灰度圖像進(jìn)行二值化，得到二值人臉圖像；(3)利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)二值人臉圖像進(jìn)行邊界提?。?4)將人臉輪廓圖進(jìn)一步優(yōu)化，使其保留外邊界的同時(shí)減少內(nèi)部邊界，方法如下:圖像的每一行進(jìn)行相同的操作:從第O列和最后一列向中間掃描，保留遇到的第一個(gè)非零值，其余非零值置為O。步驟二，確定訓(xùn)練樣本的個(gè)數(shù)N，計(jì)算每類人臉輪廓能量圖，公式如下:
權(quán)利要求
1.一種基于圖像輪廓的人臉識(shí)別新方法，其特征在于包括以下步驟: 步驟一，進(jìn)行圖像預(yù)處理，包括以下內(nèi)容: (1)歸一化人臉圖像，對(duì)人臉圖像進(jìn)行尺寸歸一化； (2)將灰度圖像進(jìn)行二值化，得到二值人臉圖像； (3)利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)二值人臉圖像進(jìn)行邊界提??； (4)將人臉輪廓圖進(jìn)一步優(yōu)化，使其保留外邊界的同時(shí)減少內(nèi)部邊界，方法如下: 圖像的每一行進(jìn)行相同的操作:從第O列和最后一列向中間掃描，保留遇到的第一個(gè)非零值，其余非零值置為O ; 步驟二，確定訓(xùn)練樣本的個(gè)數(shù)N，計(jì)算每類人臉輪廓能量圖，公式如下: 式中，g表示訓(xùn)練樣本對(duì)應(yīng)的人臉輪廓，f表示人臉輪廓能量圖； 步驟三，計(jì)算測(cè)試樣本與訓(xùn)練樣本的相似度，方法如下: 對(duì)測(cè)試樣本X而言，按下式分別計(jì)算其與每類能量圖的相似度:Sj = 11X & fj 111 式中，Sj為測(cè)試樣本與第j類人臉圖像輪廓能量圖fj的相似度，j = 1，...，k，k為類別數(shù)，I IAl 11表示矩陣α中非零元素個(gè)數(shù)； 步驟四，基于樣本相似度進(jìn)行分類識(shí)別方法如下: 根據(jù)步驟三的計(jì)算結(jié)果，對(duì)于任意測(cè)試樣本X，選擇與X相似程度最大的能量圖對(duì)應(yīng)的類別標(biāo)號(hào)賦予測(cè)試樣本，即: C(X) = ciargmax(S -) VJ 式中，C(X)為類別判別函數(shù)，M為類別標(biāo)號(hào)集合，Sj表示測(cè)試樣本與第j類能量圖的相似度。
全文摘要
本發(fā)明屬于模式識(shí)別技術(shù)領(lǐng)域，涉及計(jì)算機(jī)技術(shù)、數(shù)字圖象處理技術(shù)和生物特征識(shí)別技術(shù)等，公開了一種基于圖像輪廓的人臉識(shí)別新方法。首先，利用二值化方法及數(shù)學(xué)形態(tài)學(xué)方法提取人臉圖像輪廓，并將其進(jìn)一步優(yōu)化，得到盡可能少的內(nèi)部邊界的人臉輪廓，并計(jì)算每類訓(xùn)練樣本的人臉輪廓能量圖；然后，計(jì)算測(cè)試樣本與每類人臉輪廓能量圖的相似度；最終根據(jù)相似度標(biāo)準(zhǔn)對(duì)測(cè)試樣本進(jìn)行分類識(shí)別。基于圖像輪廓的人臉識(shí)別方法，是一種相似度匹配方法，能夠很好地利用圖像結(jié)構(gòu)信息，并且避免了傳統(tǒng)方法中特征值求解問題以及基于歐氏距離的分類算法，將矩陣邏輯“與”運(yùn)算應(yīng)用于分類識(shí)別中，能夠有效提高分類識(shí)別性能。
文檔編號(hào)G06K9/62GK103246877SQ20131017415
公開日2013年8月14日 申請(qǐng)日期2013年5月13日 優(yōu)先權(quán)日2013年5月13日
發(fā)明者楊新武, 翟飛 申請(qǐng)人:北京工業(yè)大學(xué)