一種人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及識別領(lǐng)域，特別涉及一種人臉識別的方法。
【背景技術(shù)】
[0002] 目前，Gabor小波特征提取已廣泛應(yīng)用在人臉識別中，它有很好的魯棒性，Gabor 小波對人臉圖像的表征忽略來自于光照和表情的不同的誤差。二維的Gabor小波已經(jīng)由 Daugman用于人類虹膜識別中作出介紹，M.Lades等在利用動態(tài)鏈路結(jié)構(gòu)（DLA)框架做人臉 識別時候使用了Gabor小波，LiuandWechsler應(yīng)用改進的Fisher線性鑒別式分析模型來 增大來自由Gabor小波重現(xiàn)的人臉圖像的Gabor特征值向量。AdaBoost是由YoavFreund 和RobertSchapire提出的算法，它是一個簡單而且容易理解的分類器，被應(yīng)用在人臉檢測 這部分，得到較好的效果。
[0003]Adaboost是一種迭代算法，其核心思想是針對同一個訓(xùn)練集訓(xùn)練不同的分類器 (弱分類器），然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器（強分類器）。 其算法本身是通過改變數(shù)據(jù)分布來實現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個樣本的分類是否正 確，以及上次的總體分類的準確率，來確定每個樣本的權(quán)值。將修改過權(quán)值的新數(shù)據(jù)集送給 下層分類器進行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來，作為最后的決策分類 器。使用Adaboost分類器可以排除一些不必要的訓(xùn)練數(shù)據(jù)特徵，并將關(guān)鍵放在關(guān)鍵的訓(xùn)練 數(shù)據(jù)上面。
[0004] 雖然Gabor小波特征提取有很好的魯棒性，但濾波器選擇的方向和尺度，會造成 一幅圖像提取的特征值增加幾十倍。這樣帶來了維數(shù)增多，計算量增加的困難。運用SVM 分類器進行匹配，SVM分類器是二值分類問題，然而人臉識別是一個多分類問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明旨在至少解決【背景技術(shù)】中存在的問題之一。
[0006] 本發(fā)明所解決的技術(shù)問題在于解決了在利用Gabor小波特征人臉識別中提取特 征過多的問題。
[0007] 為解決上述技術(shù)問題，本發(fā)明提供了一種人臉識別方法，包括：
[0008] 輸入人臉圖像和待識別人臉圖像的步驟；對所述人臉圖像和所述待識別人臉圖像 進行Gabor小波人臉圖像特征提取獲得圖像特征的步驟；將由所述待識別人臉圖像獲得的 圖像特征分成正負樣本的步驟；使用Adaboost對所述正負樣本進行特征選擇獲得明顯特 征，使用Adaboost對由所述人臉圖像獲得的圖像特征進行特征選擇獲得特征子空間的步 驟；使用環(huán)形對稱劃分的SVM對所述特征子空間進行特征訓(xùn)練獲得ECC編碼矩陣的步驟； 使用環(huán)形對稱劃分的SVM及所述ECC編碼矩陣對所述明顯特征進行特征匹配的步驟；輸出 所述特征匹配的結(jié)果。
[0009] 進一步的，所述對所述人臉圖像和所述待識別人臉圖像進行Gabor小波人臉圖像 特征提取獲得圖像特征的步驟包括：
[0010] (1)Gabor函數(shù)被定義為：
[0011]
【主權(quán)項】
1. 一種人臉識別方法，其特征在于，包括： 輸入人臉圖像和待識別人臉圖像的步驟； 對所述人臉圖像和所述待識別人臉圖像進行Gabor小波人臉圖像特征提取獲得圖像 特征的步驟； 將由所述待識別人臉圖像獲得的圖像特征分成正負樣本的步驟； 使用Adaboost對所述正負樣本進行特征選擇獲得明顯特征，使用Adaboost對由所述 人臉圖像獲得的圖像特征進行特征選擇獲得特征子空間的步驟； 使用環(huán)形對稱劃分的SVM對所述特征子空間進行特征訓(xùn)練獲得ECC編碼矩陣的步驟； 使用環(huán)形對稱劃分的SVM及所述ECC編碼矩陣對所述明顯特征進行特征匹配的步驟； 輸出所述特征匹配的結(jié)果。
2. 如權(quán)利要求1所述的人臉識別方法，其特征在于，所述對所述人臉圖像和所述待識 別人臉圖像進行Gabor小波人臉圖像特征提取獲得圖像特征的步驟包括： (1) Gabor函數(shù)被定義為：
式中，m是濾波器的5個尺度，n是濾波器的8個方向，〇是方差； (2) I(X)為圖像，核函數(shù)與它求卷積； Omn(X) = I(X) *gmn (X); (3) 提取的特征為：
3. 如權(quán)利要求1所述的人臉識別方法，其特征在于，所述使用Adaboost對所述正負樣 本進行特征選擇獲得明顯特征，使用Adaboost對由所述人臉圖像獲得的圖像特征進行特 征選擇獲得特征子空間的步驟包括： 把人臉任意分為正負樣本，正負樣本數(shù)量所述人臉圖像和所述待識別人臉圖像集為 (X1, y)，…，（xn，yn)，Xi是第i個圖像Gabor之后的數(shù)據(jù)，y i= 0,1分別表示正負樣本；初 始的權(quán)重為wUi= l/2m，l/21，其中m和1分別為正負樣本的個數(shù)；下式中t = 1...T，
(2) 對每個特征值j，訓(xùn)練一個需要用到一個特征值分類器Iv誤差可表示為： Ei=E^tjiIhj(Xi)-YiI2; (3) 選擇最小誤差^的分類器ht;
(5)最后權(quán)重最大的特征就是最明顯的特征，由最明顯特征的對應(yīng)的特征向量組成所 述特征子空間。
【專利摘要】本發(fā)明提供一種人臉識別方法，包括：輸入人臉圖像和待識別人臉圖像的步驟；對所述人臉圖像和待識別人臉圖像進行Gabor小波人臉圖像特征提取獲得圖像特征的步驟；將由所述待識別人臉圖像獲得的圖像特征分成正負樣本的步驟；使用Adaboost對所述正負樣本進行特征選擇獲得明顯特征，使用Adaboost對由所述人臉圖像獲得的圖像特征進行特征選擇獲得特征子空間的步驟；使用環(huán)形對稱劃分的SVM對所述特征子空間進行特征訓(xùn)練獲得ECC編碼矩陣的步驟；使用環(huán)形對稱劃分的SVM及所述ECC編碼矩陣對所述明顯特征進行特征匹配的步驟。利用本發(fā)明解決了在使用Gabor小波特征人臉識別中提取特征過多的問題。
【IPC分類】G06K9-46, G06K9-66, G06T7-00
【公開號】CN104820844
【申請?zhí)枴緾N201510183686
【發(fā)明人】劉俠, 李金旭, 曹宇, 趙福東
【申請人】劉俠, 李金旭
【公開日】2015年8月5日
【申請日】2015年4月20日