一種基于Gabor小波和SB2DLPP的人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理、計(jì)算機(jī)視覺、模式識別技術(shù)領(lǐng)域，特別是一種基于Gabor小 波和SB2DLPP的人臉識別方法。
【背景技術(shù)】
[0002] 人臉識別技術(shù)是通過計(jì)算機(jī)提取人臉特征，并通過這些特征進(jìn)行身份識別和驗(yàn)證 的一種技術(shù)。人臉作為一個(gè)重要的生物特征，傳遞著非常重要的信息。因?yàn)槠湮ㄒ恍缘奶?點(diǎn)，能夠傳達(dá)個(gè)體的身份信息，所以人臉識別技術(shù)是近年來發(fā)展最快的生物特征識別技術(shù)。 目前，人臉識別在信用卡鑒別、安檢、監(jiān)控等領(lǐng)域都具有廣泛的應(yīng)用前景。但是，由于人臉結(jié) 構(gòu)的復(fù)雜性，表情、年齡和姿態(tài)引起的人臉變化以及人臉成像過程受光照、拍攝角度等引起 的多變性等原因，人臉識別至今仍然被公認(rèn)是一個(gè)具有挑戰(zhàn)性的研究領(lǐng)域。
[0003] Gabor小波變換系數(shù)作為特征來匹配有良好的視覺特性和生物學(xué)背景，并且經(jīng)過 Gabor濾波的圖像能夠克服光照、尺度、姿態(tài)等因素產(chǎn)生的影響，因此近年來Gabor小波被 廣泛應(yīng)用于人臉識別。然而，Gabor小波變換提取到的特征維數(shù)太高，直接利用Gabor特征 進(jìn)行識別分類，計(jì)算量會很大，無法滿足人臉識別的實(shí)時(shí)性要求，因此需要對Gabor特征進(jìn) 行降維。
[0004] 當(dāng)前的降維算法主要分為線性子空間方法和流形學(xué)習(xí)方法?；诰€性子空間的降 維算法主要有主成分分析（PCA)、線性判別分析（LDA)等。然而近年來的研究已經(jīng)證明人 臉樣本極可能分布在一個(gè)嵌入到高維空間的低維非線性流形上。此時(shí)，傳統(tǒng)的線性方法往 往無法探尋到高維數(shù)據(jù)內(nèi)部的非線性結(jié)構(gòu)，流形學(xué)習(xí)方法也是在這樣的背景下產(chǎn)生的。具 有代表性的流形學(xué)習(xí)方法有：局部線性嵌入（LLE)、等距映射（Isomap)、拉普拉斯特征映射 (LE)等。由于LLE，LE等非線性降維方法只是對訓(xùn)練樣本得到較好的低維嵌入，難以獲得 新樣本點(diǎn)的低維投影，He等人提出了 LE和LLE的線性化算法：局部保持投影（LPP)和近鄰 保持嵌入（NPE)。
[0005] 然而，這些算法都是基于向量的，需要先將二維圖像矩陣轉(zhuǎn)換為一維向量。這一轉(zhuǎn) 換通常會導(dǎo)致兩個(gè)問題：一是丟失一些重要的結(jié)構(gòu)信息；而是高維的向量和有限的樣本會 面臨奇異值問題。因此，近年來一些二維算法被提出，例如：2DPCA，2DLPP等。
[0006] 在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人提出一種SB2DLPP算法，利用類別信息增強(qiáng)算法 的鑒別能力，同時(shí)對用Gabor小波提取出的人臉特征進(jìn)行降維。本發(fā)明對光照等變化具有 良好的魯棒性，并且能取得較好的識別效果。

【發(fā)明內(nèi)容】

[0007] 針對上述現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明的目的在于，提出一種基于Gabor 小波和SB2DLPP的人臉識別方法。首先針對無監(jiān)督學(xué)習(xí)算法B2DLPP沒有利用類別信息這一 特點(diǎn)，在B2DLPP的基礎(chǔ)上引入類別信息使B2DLPP變?yōu)橛斜O(jiān)督的B2DLPP (SB2DLPP)。其次針 對人臉圖像的特點(diǎn)，選取一組合適的Gabor小波核函數(shù)，并用這組Gabor小波核函數(shù)對圖像 進(jìn)行Gabor小波變換，提取出對光照、表情等外部因素都具有一定魯棒性的人臉圖像特征。 在此基礎(chǔ)上，應(yīng)用SB2DLPP對Gabor小波提取的特征矩陣進(jìn)行降維，最后利用最近鄰分類器 對人臉圖像進(jìn)行分類識別。
[0008] 本發(fā)明的技術(shù)方案是，基于Gabor小波和SB2DLPP的人臉識別方法，其特征是：包 括如下步驟：
[0009] 1)將已知人臉庫中圖像分成兩部分，一部分用于構(gòu)建訓(xùn)練圖像數(shù)據(jù)集，剩余部分 用于構(gòu)建測試圖像數(shù)據(jù)集；
[0010] 2)針對訓(xùn)練圖像數(shù)據(jù)集中所有原始人臉圖像進(jìn)行預(yù)處理；
[0011] 3)采用Gabor小波對步驟2)預(yù)處理后的訓(xùn)練人臉圖像進(jìn)行特征提??；
[0012] 4)在雙向二維局部投影保持（B2DLPP)的基礎(chǔ)上引入類別信息，對步驟3)提取出 的高維人臉圖像特征應(yīng)用有監(jiān)督的雙向二維局部投影保持（SB2DLPP)算法進(jìn)行降維，從而 得到低維子空間投影矩陣U和V以及訓(xùn)練人臉圖像的低維特征系數(shù)；
[0013] 5)對步驟1)得到的測試圖像數(shù)據(jù)集中所有原始人臉圖像進(jìn)行預(yù)處理；
[0014] 6)對步驟5)預(yù)處理后的測試人臉圖像采用Gabor小波進(jìn)行特征提??；
[0015] 7)將步驟6)得到的測試圖像的Gabor特征表示投影到低維子空間從而得到測試 人臉圖像的低維特征系數(shù)；
[0016] 8)對比步驟7)中待識別的測試人臉圖像的低維特征系數(shù)與步驟4)中訓(xùn)練人臉圖 像的低維特征系數(shù)，采用最近鄰分類器進(jìn)行分類識別，輸出最終的識別率。
[0017] 步驟2)和步驟5)包括如下步驟：
[0018] a)對原始圖像進(jìn)行尺度歸一化，每一幅圖像的大小調(diào)整到統(tǒng)一的大小mXn。
[0019] b)采用直方圖均衡化方法調(diào)整原始人臉圖像的對比度。直方圖均衡化算法包括： 統(tǒng)計(jì)直方圖每個(gè)灰度級出現(xiàn)的次數(shù)；累計(jì)歸一化直方圖；計(jì)算圖像新的像素值。
[0020] 步驟3)和步驟6)包括如下步驟：
[0021] a)定義一組二維Gabor核函數(shù)^Vv(Z)，它的定義為：
[0022]
【主權(quán)項(xiàng)】
1. 一種基于Gabor和SB2DLPP的人臉識別方法，其特征在于，所述方法包括： 1) 將已知人臉庫中圖像分成兩部分，一部分用于構(gòu)建訓(xùn)練圖像數(shù)據(jù)集，剩余部分用于 構(gòu)建測試圖像數(shù)據(jù)集； 2) 針對訓(xùn)練圖像數(shù)據(jù)集中所有原始人臉圖像進(jìn)行預(yù)處理； 3) 采用Gabor小波對步驟2)預(yù)處理后的訓(xùn)練人臉圖像進(jìn)行特征提??； 4) 在雙向二維局部投影保持（B2DLPP)算法的基礎(chǔ)上引入類別信息，對步驟3)提取出 的高維人臉圖像特征應(yīng)用有監(jiān)督的雙向二維局部投影保持（SB2DLPP)算法進(jìn)行降維，從而 得到低維子空間的左投影矩陣U和右投影矩陣V以及訓(xùn)練人臉圖像的低維特征系數(shù)； 5) 對步驟1)得到的測試圖像數(shù)據(jù)集中所有原始人臉圖像進(jìn)行預(yù)處理； 6) 對步驟5)預(yù)處理后的測試人臉圖像采用Gabor小波進(jìn)行特征提取； 7) 將步驟6)得到的測試圖像的Gabor特征表示投影到低維子空間從而得到測試人臉 圖像的低維特征系數(shù)； 8) 對比步驟7)中待識別的測試人臉圖像的低維特征系數(shù)與步驟4)中訓(xùn)練人臉圖像的 低維特征系數(shù)，采用最近鄰分類器進(jìn)行分類識別，輸出最終的識別率。
2. 根據(jù)權(quán)利要求1所述的基于Gabor和SB2DLPP的人臉識別方法，其特征在于，所述步 驟2)和步驟5)包括如下步驟： a) 對原始圖像進(jìn)行尺度歸一化，每一幅圖像的大小調(diào)整到統(tǒng)一的大小mXn。 b) 采用直方圖均衡化方法調(diào)整原始人臉圖像的對比度。
3. 根據(jù)權(quán)利要求1所述的基于Gabor和SB2DLPP的人臉識別方法，其特征在于，所述步 驟3)和步驟6)包括如下步驟： a) 將人臉圖像與Gabor小波濾波器組進(jìn)行卷積。給定一幅人臉圖像化，則圖像化的 Gabor特征由如下的卷積公式得到：
其中，z= (X，y)，*表示卷積，9Vv(z)表示Gabor核函數(shù)，Gu,v(z)表示當(dāng)尺寸為v和 方向?yàn)閡時(shí)Gabor核函數(shù)的卷積圖像。這里僅僅選取了 2個(gè)尺度（vG{〇, 1})，4個(gè)方向 (uG{〇, 2,4,6})組合的8組Gabor濾波器用于提取特征。 b) 按行拼接Gu,v(z)得到一個(gè)增強(qiáng)的Gabor特征矩陣Yp在拼接之前，為了減少空間 維數(shù)，先會對Gu,v(z)采用下采樣因子為P的下采樣處理。設(shè)C^(z)表示下采樣后的特征矩 陣r _±削S的Gahnr蛙征拓咗7 .
4. 根據(jù)權(quán)利要求1所述的基于Gabor和SB2DLPP的人臉識別方法，其特征在于，所述步 驟4)包括如下步驟： a)假定經(jīng)過步驟2)預(yù)處理的訓(xùn)練圖像數(shù)據(jù)集包含N個(gè)大小為mXn的訓(xùn)練圖像Ap A2，…，AN，每一幅圖像經(jīng)過步驟3)Gabor小波濾波后提取到的Gabor特征為e。 因?yàn)镚abor小波提取的圖像特征維數(shù)太高，所以采用SB2DLPP算法進(jìn)行降維。SB2DLPP的目 標(biāo)函數(shù)為
'具體步驟如下： ①根據(jù)類別信息構(gòu)造權(quán)值矩陣S。 假定訓(xùn)練圖像樣本集e及~可以劃分為r類，第1類的圖像樣本點(diǎn)集合記為Q， 而第1類所包含的圖像樣本點(diǎn)個(gè)數(shù)則由|C」表示。重新將訓(xùn)練集合中的圖像進(jìn)行排序使 得相同一類的數(shù)據(jù)順序相鄰。如果1和樣本點(diǎn)^屬于同一類，兩個(gè)樣本點(diǎn)之間被賦予一個(gè) 非零的權(quán)重值，否則，權(quán)重值設(shè)置為0。權(quán)值函數(shù)定義為：
其中，L> = 1，2, . . .，c)是權(quán)值矩陣S的對角塊，它是一個(gè)對稱的子陣（1^.=Ly。 ②低維映射，求解最優(yōu)投影矩陣U和V。 U和V為將高維人臉數(shù)據(jù)投影到低維子空間的最優(yōu)左投影矩陣和右投影矩陣，它的值 是通過迭代地求解廣義特征值和特征向量得到，計(jì)算公式為：
其中，D是一個(gè)對角矩陣，對角線上的值為權(quán)值矩陣S的列之或行之和即Dm=Efji， 矩陣L=D-S，?為矩陣的Kronecker乘積算子，P= [yi7'，y2r，".，I^]7'，Q=[Y1，Y2，...，YN]。 記列向量Upu2，…，是上面第一個(gè)式子的1個(gè)最小特征值對應(yīng)的特征向量，列向量vp v2，…，'是上面第二個(gè)式子的r個(gè)最小特征值對應(yīng)的特征向量，則最優(yōu)左投影矩陣U= (Upu2，…，Ui)和最優(yōu)右投影矩陣V=(Vpv2，…，V》。 b)計(jì)算訓(xùn)練圖像數(shù)據(jù)集中每一幅訓(xùn)練人臉圖像t投影到低維子空間的低維特征系數(shù)Mp其計(jì)算公式為戽=UTYiV。
5. 根據(jù)權(quán)利要求1所述的基于Gabor和SB2DLPP的人臉識別方法，其特征在于， 所述步驟7)具體為：假定測試圖像數(shù)據(jù)集在經(jīng)過步驟5)預(yù)處理后得到的結(jié)果記為 e然后經(jīng)過步驟6)Gabor小波濾波后提取的測試人臉圖像Gabor特征表示并 且記為。測試圖像的Gabor特征表示\投影到低維子空間從而得到測試人臉 圖像的低維特征系數(shù)Tg由公式：Tg=UTXgV得到。
6. 根據(jù)權(quán)利要求1所述的基于Gabor和SB2DLPP的人臉識別方法，其特征在于，所述步 驟8)具體為：采用最近鄰分類器進(jìn)行分類識別。首先計(jì)算每一幅測試圖像的低維特征系數(shù) Tg(g= 1，2,…，H)與所有訓(xùn)練圖像的低維特征系數(shù)Mji= 1，2,…，N)之間的距離并記 為distgi;其次若測試樣本T8與隸屬于1類的訓(xùn)練樣本Mjg離最近，那么測試樣本T8識別 為第1類；最后若測試樣本Tg原本就屬于第1類，則識別正確，否則錯(cuò)誤，同時(shí)統(tǒng)計(jì)正確識 別率并輸出最終的識別率。
【專利摘要】本發(fā)明公開了一種基于Gabor小波和SB2DLPP的人臉識別方法，該方法主要包括預(yù)處理、特征提取、特征降維和分類識別四個(gè)步驟。(1)對已知的人臉庫中所有的人臉圖像進(jìn)行預(yù)處理，包括尺度歸一化和直方圖均衡化；(2)利用Gabor小波對預(yù)處理過的人臉圖像進(jìn)行特征提取；(3)引入類別信息，對步驟(2)提取到的高維圖像特征應(yīng)用有監(jiān)督的雙向二維局部保持投影(SB2DLPP)算法進(jìn)行降維，從而提取出映射到低維子空間的特征矩陣；(4)采用最近鄰分類器進(jìn)行分類識別。本發(fā)明的基于Gabor和SB2DLPP的人臉識別方法利用Gabor小波和改進(jìn)的B2DLPP算法對圖像進(jìn)行識別，克服了傳統(tǒng)人臉識別方法易受光照、表情等外部因素影響的問題，有效地提高了人臉識別率。
【IPC分類】G06K9-00, G06K9-66, G06K9-54
【公開號】CN104700089
【申請?zhí)枴緾N201510134189
【發(fā)明人】狄嵐, 徐秀秀, 梁久禎
【申請人】江南大學(xué)
【公開日】2015年6月10日
【申請日】2015年3月24日