人脸图像的匹配及处理方法、人脸图像模型构建系统与流程

技术特征：

1.一种人脸图像的匹配方法，其特征在于，包括如下步骤：

步骤S1，利用图像采集设备进行人脸图像的采集，并且进行人脸图像的预处理得到处理后的人脸图像；

步骤S2，对处理后的人脸图像进行特征提取，以及

步骤S3，对人脸图像进行比对。

2.根据权利要求1所述的一种人脸图像的匹配方法，其特征在于，

所述步骤S1中利用图像采集设备进行人脸图像的采集，并且进行人脸图像的预处理得到处理后的人脸图像的方法包括：

将人脸图像利用二值化技术转换成灰色人脸图像，利用所述灰色人脸图像的水平灰度投影确定其中眼睛在所述灰色人脸图像中的大致区域，然后利用眼睛的灰度比值分布特征进一步确定眼睛在所述灰色人脸图像中的确定范围，在所述灰色人脸图像中的确定范围中利用点变换寻找眼睛的中心，以两只眼睛的中心的连线的垂直平分线作为划分所述灰色人脸图像的左右半边脸的分界线，调整所述灰色人脸图像的左右半边脸的灰度至两者的灰度一致，得到调整灰度后的所述灰色人脸图像，利用区域阈值法对所述调整灰度后的所述灰色人脸图像进行搜索，将小于一定阈值的噪声区域设定为背景，将之去除，得到处理后的所述灰色人脸图像。

3.根据权利要求2所述的一种人脸图像的匹配方法，其特征在于，

所述步骤S2中对所述处理后的人脸图像进行特征提取的方法包括：

通过中值滤波以及Gabor滤波，将处理后的所述灰色人脸图像分解成10个尺度、8个方向的80个滤波后的所述灰色人脸图像，利用小波变换法提取所述滤波后的所述灰色人脸图像的纹理信息，将所述滤波后的所述灰色人脸图像的纹理信息进一步分割，分割成互不重叠的320个矩形区域，在每一个矩形区域中求取频数分布直方图，从频数分布直方图中提取32个模式类型作为人脸特征，同时利用主成分分析的方法训练所述滤波后的所述灰色人脸图像的纹理信息，训练后得到一组变换矩阵，利用所述变换矩阵把所述灰色人脸图像的纹理信息投影到子空间，得到子空间上的特征检测人脸，并且计算所述灰色人脸图像的纹理信息的投影系数，计算所述人脸特征在所述灰色人脸图像的纹理信息上的分布律，将两者结合，得到所述处理后的人脸图像的关键特征。

4.根据权利要求3所述一种人脸图像的匹配方法，其特征在于，

所述步骤S3中对人脸图像进行比对的方法包含:

从人脸数据库中提取典型人脸图像，在所述典型人脸图像以及所述子空间上的特征检测人脸上同时设置对比窗口，所述对比窗口的初始大小为包含眼睛的中心的最小矩形，逐次放大所述对比窗口，每次放大所述对比窗口的比例为1.1，直到所述典型人脸图像中的人脸或者所述子空间上的特征检测人脸中的人脸被包含在所述对比窗口内，对所述对比窗口内的所述典型人脸图像、所述对比窗口内的所述子空间上的特征检测人脸进行提取，组成对比图像组，扩大所述对比图像组中不包含人脸的图像使其包含人脸，利用二进小波变换对所述对比图像组对比检测，得到人脸的相似度。

5.一种人脸图像的处理方法，其特征在于，包括如下步骤：

步骤S1，构建灰度人脸图像训练集；

步骤S2，计算灰度人脸图像训练集对应的特征点平均分布值；

步骤S3，将人脸平移、旋转变换，并获得相应奇异特征向量集合；以及

步骤S4，获得形式化模型。

6.根据权利要求5所述的处理方法，其特征在于，

所述步骤S1中构建灰度人脸图像训练集的方法包括：

给定一个彩色人脸图像的训练集,且采用HLS模型转换算法进行计算，以将所述彩色人脸图像训练集中的每一幅彩色人脸图像转换成灰度人脸图像，由所述灰度人脸图像构成相应的灰度人脸图像训练集；

所述步骤S2中计算灰度人脸图像训练集对应的特征点平均分布值的方法包括：

对所述灰色人脸图像训练集进行采样，得到采样窗集合，将所述采样窗集合数字化，得到采样窗矩阵，根据奇异值分解定理将所述采样窗矩阵转换成奇异特征向量集合，所述奇异特征向量集合是由一个个特征点组成，且计算特征点的平均分布值P，计算式如下：

式(1)中：i＝1,2，…，M；s_i为特征点的坐标值；P为特征点的平均分布值；变量M用于记录特征点的数量。

7.根据权利要求6所述的处理方法，其特征在于，

所述步骤S3中将人脸平移、旋转变换，并获得相应奇异特征向量集合的方法，即

根据特征点的平均分布值，将计算得到的坐标值作为新的坐标轴原点，进行人脸的平移并进行旋转变换，其方法包括：

首先将奇异特征向量集合中每个奇异特征向量都减去新的坐标轴原点值，得到平移后的奇异特征向量集合；

再观察人脸上眉毛的坐标，将人脸上两个眉毛的坐标(x₁,y₁)、(x₂,y₂)连成一条线得到人脸的倾斜角度α，所述倾斜角度α的计算公式如下：

将平移后的奇异特征向量集合围绕新的坐标原点旋转角度，旋转参数为所有平移后的奇异特征向量集合的坐标都乘以旋转参数，得到旋转变换后的奇异特征向量集合；

所述步骤S4中获得形式化模型的方法包括：

将旋转变换后的奇异特征向量集合均匀分割，相对应地建立状态矩阵，该状态矩阵中状态与旋转变换后的奇异特征向量集合坐标一一对应，并计算所述状态矩阵中状态之间的转换概率，且通过这一过程构建概率状态模型；

所述概率状态模型的组成基本单位为状态矩阵中的状态，并且每个状态都对应于与其他状态的转换概率，以获得所述形式化模型。

8.一种人脸图像模型构建系统，其特征在于，包括：

依次相连的训练集构建模块、特征点平均分布值计算模块、奇异特征向量集合计算模块和形式化模型构建模块。

9.根据权利要求8所述的人脸图像模型构建系统，其特征在于，

所述训练集构建模块适于构建灰度人脸图像训练集，即

给定一个彩色人脸图像的训练集,且采用HLS模型转换算法进行计算，以将所述彩色人脸图像训练集中的每一幅彩色人脸图像转换成灰度人脸图像，由所述灰度人脸图像构成相应的灰度人脸图像训练集；

所述特征点平均分布值计算模块适于计算灰度人脸图像训练集对应的特征点平均分布值，即

对所述灰色人脸图像训练集进行采样，得到采样窗集合，将所述采样窗集合数字化，得到采样窗矩阵，根据奇异值分解定理将所述采样窗矩阵转换成奇异特征向量集合，所述奇异特征向量集合是由一个个特征点组成，且计算特征点的平均分布值P，计算式如下：

式(1)中：i＝1,2，…，M；s_i为特征点的坐标值；P为特征点的平均分布值；变量M用于记录特征点的数量。

10.根据权利要求9所述的人脸图像模型构建系统，其特征在于，

所述奇异特征向量集合计算模块适于将人脸平移、旋转变换，并获得相应奇异特征向量集合，即

根据特征点的平均分布值，将计算得到的坐标值作为新的坐标轴原点，进行人脸的平移并进行旋转变换，其方法包括：

首先将奇异特征向量集合中每个奇异特征向量都减去新的坐标轴原点值，得到平移后的奇异特征向量集合；

再观察人脸上眉毛的坐标，将人脸上两个眉毛的坐标(x₁,y₁)、(x₂,y₂)连成一条线得到人脸的倾斜角度α，所述倾斜角度α的计算公式如下：

将平移后的奇异特征向量集合围绕新的坐标原点旋转角度，旋转参数为所有平移后的奇异特征向量集合的坐标都乘以旋转参数，得到旋转变换后的奇异特征向量集合；

所述形式化模型构建模块适于获得形式化模型，即

将旋转变换后的奇异特征向量集合均匀分割，相对应地建立状态矩阵，该状态矩阵中状态与旋转变换后的奇异特征向量集合坐标一一对应，并计算所述状态矩阵中状态之间的转换概率，且通过这一过程构建概率状态模型；

所述概率状态模型的组成基本单位为状态矩阵中的状态，并且每个状态都对应于与其他状态的转换概率，以获得所述形式化模型。