3)對旋轉(zhuǎn)校 正圖像進行剪切，得到統(tǒng)一特征的歸一化人臉圖像；24)通過伽馬變換、高斯差分濾波和對 比度均衡化對歸一化人臉圖像進行光照預(yù)處理。
[0050] 為了能夠統(tǒng)一特征便于進行識別，需要對圖像進行歸一化的預(yù)處理。圖像歸一化 主要涉及到三個內(nèi)容：縮放、旋轉(zhuǎn)、剪切。
[0051] 直接根據(jù)縮放公式計算得到的目標(biāo)圖像中，某些映射源坐標(biāo)可能不是整數(shù)，從而 找不到對應(yīng)的像素位置，因此需要進一步進行近似處理。近似處理方法主要有：最鄰近插 值、雙線性插值、高階插值、lagrange插值、Newton插值等。
[0052] 采用先縮放后旋轉(zhuǎn)的方式，可以節(jié)省處理時間。旋轉(zhuǎn)方式包括繞原點旋轉(zhuǎn)、以任意 點為中心進行圖像旋轉(zhuǎn)。
[0053] 1)繞原點旋轉(zhuǎn)：
[0054] 假設(shè)點P (X。，y。）繞原點逆時針旋轉(zhuǎn)角度Θ到點Pl (Xl，yi)，那么旋轉(zhuǎn)公式為：
[0055]
[0056] 2)以任意點為中心進仃圖傢旋轉(zhuǎn)，一般要以卜三個步驟：
[0057] a、將現(xiàn)有坐標(biāo)系A(chǔ)轉(zhuǎn)換成以該中心點為圓點的坐標(biāo)系B ;
[0058] b、將該中心點順時針旋轉(zhuǎn)Θ角度；
[0059] c、將坐標(biāo)系B轉(zhuǎn)換回坐標(biāo)系A(chǔ)。
[0060] 旋轉(zhuǎn)之后，圖像某些像素會超出界外，使圖像變大，所以要對圖像進行剪切，保持 大小一致。本實施例中，所述歸一化人臉圖像為64X80像素。
[0061] S13 :從歸一化人臉圖像中提取出面部特征信息。
[0062] 特征提?。杭磸臍w一化后的人臉圖像中提取出人臉具有代表性的特征信息。作為 優(yōu)選的實施方式，步驟S13進一步可以采用Gabor小波變換提取歸一化人臉圖像區(qū)域內(nèi)的 面部特征信息。
[0063] 由于Gabor小波變換可以提取圖像特定區(qū)域內(nèi)的多尺度、多方向空間頻率特征， 像顯微鏡一樣放大灰度的變化，這樣人臉圖像中的眼睛、鼻子和嘴以及其它局部特征被放 大。因此，采用Gabor小波變換來處理人臉圖像，可以增強一些關(guān)鍵特征，區(qū)分不同的人臉 圖像。
[0064] 二維Gabor小波變換的核函數(shù)定義為：
[0065]
[0066]
[0067] 其中％，kv分別定義了波向量kv, u的方向和尺度，z = (X，y)，| | · | |表示范數(shù)運 算。kv = k_/fv，(％= 5^/8。f為頻率域中的采樣步長。
[0068] 用I (z) = I (X，y)表示圖像的灰度分布，則圖像與Gabor小波Ψν, μ的卷積為：
[0069]
，符號@表示二維卷積。
[0070] 采用Gabor小波變換提取出的面部特征信息的維數(shù)一般較高，可以利用主成分分 析以及線性判別分析降低采用Gabor小波變換提取出的面部特征信息的維數(shù)后，保存面部 特征信息，用于人臉識別。
[0071] 在本實施例中，利用Gabor小波變換進行特征提取后可以得到12800維度特征，接 著利用主成分分析（PCA)將維數(shù)降低到600維度特征，再運用線性判別分析（LDA)方法將 維數(shù)降低到300維度特征，最后保存特征，用于人臉識別。
[0072] S14:根據(jù)提取的面部特征信息，將待識別的人臉數(shù)據(jù)與預(yù)先存儲的數(shù)據(jù)庫中的人 臉數(shù)據(jù)進行比較，找出相似度最高的人臉，實現(xiàn)人臉識別。至此，一個完整的人臉識別流程 就完成了。
[0073] 參考圖2,本發(fā)明所述人臉識別系統(tǒng)的架構(gòu)示意圖；所述系統(tǒng)包括：一人臉檢測模 塊21、一預(yù)處理模塊22、一特征提取模塊23以及一人臉識別模塊24。
[0074] 所述人臉檢測模塊21，用于從原始圖像中檢測出人臉的存在，并分離出人臉區(qū)域。 所述人臉檢測模塊21可以基于局部二進制模式逐行掃描原始圖像，得到一響應(yīng)圖像；再采 用AdaBoost算法對所述響應(yīng)圖像進行人臉檢測，檢測出人臉的存在；然后采用AdaBoost算 法進行人眼檢測，分離出人臉區(qū)域。人臉檢測具體實現(xiàn)方式參照前述方法流程，此處不再贅 述。
[0075] 所述預(yù)處理模塊22與所述人臉檢測模塊21相連，用于對分離出的人臉區(qū)域圖像 進行預(yù)處理，得到統(tǒng)一特征的歸一化人臉圖像。為了能夠統(tǒng)一特征便于進行識別，需要對 圖像進行歸一化的預(yù)處理。圖像歸一化主要涉及到三個內(nèi)容：縮放、旋轉(zhuǎn)、剪切。所述預(yù)處 理模塊22可以根據(jù)縮放公式對分離出的人臉區(qū)域圖像進行計算得到目標(biāo)圖像；再對目標(biāo) 圖像進行圖像旋轉(zhuǎn)校正；然后對旋轉(zhuǎn)校正圖像進行剪切，得到統(tǒng)一特征的歸一化人臉圖像； 最后通過伽馬變換、高斯差分濾波和對比度均衡化對歸一化人臉圖像進行光照預(yù)處理。所 述歸一化人臉圖像的像素可以為64X80。預(yù)處理具體實現(xiàn)方式參照前述方法流程，此處不 再贅述。
[0076] 所述特征提取模塊23與所述預(yù)處理模塊22相連，用于從歸一化人臉圖像中提取 出面部特征信息。所述特征提取模塊23可以采用Gabor小波變換提取歸一化人臉圖像區(qū) 域內(nèi)的面部特征信息；進而利用主成分分析以及線性判別分析降低采用Gabor小波變換提 取出的面部特征信息的維數(shù)后，保存面部特征信息，用于人臉識別。Gabor小波變換具體實 現(xiàn)方式參照前述方法流程，此處不再贅述。
[0077] 所述人臉識別模塊24與所述特征提取模塊23相連，用于根據(jù)提取的面部特征信 息，將待識別的人臉數(shù)據(jù)與預(yù)先存儲的數(shù)據(jù)庫中的人臉數(shù)據(jù)進行比較，找出相似度最高的 人臉，實現(xiàn)人臉識別。
[0078] 以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為 本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種人臉識別方法，其特征在于，所述方法包括以下步驟： (1) 從原始圖像中檢測出人臉的存在，并分離出人臉區(qū)域； (2) 對分離出的人臉區(qū)域圖像進行預(yù)處理，得到統(tǒng)一特征的歸一化人臉圖像； (3) 從歸一化人臉圖像中提取出面部特征信息； (4) 根據(jù)提取的面部特征信息，將待識別的人臉數(shù)據(jù)與預(yù)先存儲的數(shù)據(jù)庫中的人臉數(shù) 據(jù)進行比較，找出相似度最高的人臉，實現(xiàn)人臉識別。2. 根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，步驟（1)進一步包括： (11) 基于局部二進制模式逐行掃描原始圖像，得到一響應(yīng)圖像； (12) 采用AdaBoost算法對所述響應(yīng)圖像進行人臉檢測，檢測出人臉的存在； (13) 采用AdaBoost算法進行人眼檢測，分離出人臉區(qū)域。3. 根據(jù)權(quán)利要求2所述的人臉識別方法，其特征在于，采用AdaBoost算法進行人臉檢 測或人眼檢測過程中按照1. 25-0. 9進行多尺度檢測。4. 根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，步驟（2)進一步包括： (21) 根據(jù)縮放公式對分離出的人臉區(qū)域圖像進行計算得到目標(biāo)圖像； (22) 對目標(biāo)圖像進行圖像旋轉(zhuǎn)校正； (23) 對旋轉(zhuǎn)校正圖像進行剪切，得到統(tǒng)一特征的歸一化人臉圖像； (24) 通過伽馬變換、高斯差分濾波和對比度均衡化對歸一化人臉圖像進行光照預(yù)處 理。5. 根據(jù)權(quán)利要求4所述的人臉識別方法，其特征在于，所述歸一化人臉圖像為64X80 像素。6. 根據(jù)權(quán)利要求1所述的人臉識別方法，其特征在于，步驟（3)進一步包括：采用 Gabor小波變換提取歸一化人臉圖像區(qū)域內(nèi)的面部特征信息。7. 根據(jù)權(quán)利要求6所述的人臉識別方法，其特征在于，步驟（3)進一步包括：利用主成 分分析以及線性判別分析降低采用Gabor小波變換提取出的面部特征信息的維數(shù)后，保存 面部特征信息，用于人臉識別。8. 根據(jù)權(quán)利要求6所述的人臉識別方法，其特征在于，步驟（3)進一步包括：采用 Gabor小波變換提取歸一化人臉圖像區(qū)域內(nèi)的面部特征信息為12800維度特征，利用主成 分分析將維數(shù)降低到600維度特征，再運用線性判別分析方法將維數(shù)降低到300維度特征。9. 一種人臉識別系統(tǒng)，其特征在于，所述系統(tǒng)包括： 一人臉檢測模塊，用于從原始圖像中檢測出人臉的存在，并分離出人臉區(qū)域； 一預(yù)處理模塊與所述人臉檢測模塊相連，用于對分離出的人臉區(qū)域圖像進行預(yù)處理， 得到統(tǒng)一特征的歸一化人臉圖像； 一特征提取模塊與所述預(yù)處理模塊相連，用于從歸一化人臉圖像中提取出面部特征信 息；一人臉識別模塊與所述特征提取模塊相連，用于根據(jù)提取的面部特征信息，將待識別的 人臉數(shù)據(jù)與預(yù)先存儲的數(shù)據(jù)庫中的人臉數(shù)據(jù)進行比較，找出相似度最高的人臉，實現(xiàn)人臉 識別。
【專利摘要】本發(fā)明提供了一種人臉識別方法及系統(tǒng)，所述方法包括以下步驟：(1)從原始圖像中檢測出人臉的存在，并分離出人臉區(qū)域；(2)對分離出的人臉區(qū)域圖像進行預(yù)處理，得到統(tǒng)一特征的歸一化人臉圖像；(3)從歸一化人臉圖像中提取出面部特征信息；(4)根據(jù)提取的面部特征信息，將待識別的人臉數(shù)據(jù)與預(yù)先存儲的數(shù)據(jù)庫中的人臉數(shù)據(jù)進行比較，找出相似度最高的人臉，實現(xiàn)人臉識別。本發(fā)明通過人臉檢測、預(yù)處理、特征提取，從而從數(shù)據(jù)庫中匹配出最具相似度的人臉，保證了人臉識別的準(zhǔn)確性，具有廣泛的應(yīng)用前景。
【IPC分類】G06K9/00
【公開號】CN105512599
【申請?zhí)枴緾N201410502526
【發(fā)明人】祝辰
【申請人】數(shù)倫計算機技術(shù)（上海）有限公司
【公開日】2016年4月20日
【申請日】2014年9月26日