一种人脸识别方法
【技术领域】
[0001] 本发明涉及识别领域，特别涉及一种人脸识别的方法。
【背景技术】
[0002] 目前，Gabor小波特征提取已广泛应用在人脸识别中，它有很好的鲁棒性，Gabor 小波对人脸图像的表征忽略来自于光照和表情的不同的误差。二维的Gabor小波已经由 Daugman用于人类虹膜识别中作出介绍，M.Lades等在利用动态链路结构（DLA)框架做人脸 识别时候使用了Gabor小波，LiuandWechsler应用改进的Fisher线性鉴别式分析模型来 增大来自由Gabor小波重现的人脸图像的Gabor特征值向量。AdaBoost是由YoavFreund 和RobertSchapire提出的算法，它是一个简单而且容易理解的分类器，被应用在人脸检测 这部分，得到较好的效果。
[0003]Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器 (弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。 其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正 确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给 下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类 器。使用Adaboost分类器可以排除一些不必要的训练数据特徵，并将关键放在关键的训练 数据上面。
[0004] 虽然Gabor小波特征提取有很好的鲁棒性，但滤波器选择的方向和尺度，会造成 一幅图像提取的特征值增加几十倍。这样带来了维数增多，计算量增加的困难。运用SVM 分类器进行匹配，SVM分类器是二值分类问题，然而人脸识别是一个多分类问题。
【发明内容】
[0005] 本发明旨在至少解决【背景技术】中存在的问题之一。
[0006] 本发明所解决的技术问题在于解决了在利用Gabor小波特征人脸识别中提取特 征过多的问题。
[0007] 为解决上述技术问题，本发明提供了一种人脸识别方法，包括：
[0008] 输入人脸图像和待识别人脸图像的步骤；对所述人脸图像和所述待识别人脸图像 进行Gabor小波人脸图像特征提取获得图像特征的步骤；将由所述待识别人脸图像获得的 图像特征分成正负样本的步骤；使用Adaboost对所述正负样本进行特征选择获得明显特 征，使用Adaboost对由所述人脸图像获得的图像特征进行特征选择获得特征子空间的步 骤；使用环形对称划分的SVM对所述特征子空间进行特征训练获得ECC编码矩阵的步骤； 使用环形对称划分的SVM及所述ECC编码矩阵对所述明显特征进行特征匹配的步骤；输出 所述特征匹配的结果。
[0009] 进一步的，所述对所述人脸图像和所述待识别人脸图像进行Gabor小波人脸图像 特征提取获得图像特征的步骤包括：
[0010] (1)Gabor函数被定义为：
[0011]
【主权项】
1. 一种人脸识别方法，其特征在于，包括： 输入人脸图像和待识别人脸图像的步骤； 对所述人脸图像和所述待识别人脸图像进行Gabor小波人脸图像特征提取获得图像 特征的步骤； 将由所述待识别人脸图像获得的图像特征分成正负样本的步骤； 使用Adaboost对所述正负样本进行特征选择获得明显特征，使用Adaboost对由所述 人脸图像获得的图像特征进行特征选择获得特征子空间的步骤； 使用环形对称划分的SVM对所述特征子空间进行特征训练获得ECC编码矩阵的步骤； 使用环形对称划分的SVM及所述ECC编码矩阵对所述明显特征进行特征匹配的步骤； 输出所述特征匹配的结果。
2. 如权利要求1所述的人脸识别方法，其特征在于，所述对所述人脸图像和所述待识 别人脸图像进行Gabor小波人脸图像特征提取获得图像特征的步骤包括： (1) Gabor函数被定义为：
式中，m是滤波器的5个尺度，n是滤波器的8个方向，〇是方差； (2) I(X)为图像，核函数与它求卷积； Omn(X) = I(X) *gmn (X); (3) 提取的特征为：
3. 如权利要求1所述的人脸识别方法，其特征在于，所述使用Adaboost对所述正负样 本进行特征选择获得明显特征，使用Adaboost对由所述人脸图像获得的图像特征进行特 征选择获得特征子空间的步骤包括： 把人脸任意分为正负样本，正负样本数量所述人脸图像和所述待识别人脸图像集为 (X1, y)，…，（xn，yn)，Xi是第i个图像Gabor之后的数据，y i= 0,1分别表示正负样本；初 始的权重为wUi= l/2m，l/21，其中m和1分别为正负样本的个数；下式中t = 1...T，
(2) 对每个特征值j，训练一个需要用到一个特征值分类器Iv误差可表示为： Ei=E^tjiIhj(Xi)-YiI2; (3) 选择最小误差^的分类器ht;
(5)最后权重最大的特征就是最明显的特征，由最明显特征的对应的特征向量组成所 述特征子空间。
【专利摘要】本发明提供一种人脸识别方法，包括：输入人脸图像和待识别人脸图像的步骤；对所述人脸图像和待识别人脸图像进行Gabor小波人脸图像特征提取获得图像特征的步骤；将由所述待识别人脸图像获得的图像特征分成正负样本的步骤；使用Adaboost对所述正负样本进行特征选择获得明显特征，使用Adaboost对由所述人脸图像获得的图像特征进行特征选择获得特征子空间的步骤；使用环形对称划分的SVM对所述特征子空间进行特征训练获得ECC编码矩阵的步骤；使用环形对称划分的SVM及所述ECC编码矩阵对所述明显特征进行特征匹配的步骤。利用本发明解决了在使用Gabor小波特征人脸识别中提取特征过多的问题。
【IPC分类】G06K9-46, G06K9-66, G06T7-00
【公开号】CN104820844
【申请号】CN201510183686
【发明人】刘侠, 李金旭, 曹宇, 赵福东
【申请人】刘侠, 李金旭
【公开日】2015年8月5日
【申请日】2015年4月20日