专利名称：一种基于仿射尺度不变特征变换和结构相似的人脸识别方法
技术领域：
本发明涉及人脸识别技术领域，具体涉及一种基于仿射尺度不变特征变换和结构相似的人脸识别方法研究及实现。
背景技术：
随着社会发展，越来越多的场合需要进行身份的识别和验证。传统的身份验证的方式越来越无法满足社会发展的需求。人脸识别具有简单方便的特点被应用于诸多领域。人脸识别是利用人脸信息来进行身份判断的技术，是最具使用价值的一种生物特征识别。人脸识别研究经过多年的研究发展，近年来取得了较大进步。一般来说，目前人脸识别方法的主要流程包括人脸检测和定位，人脸标准化、人脸特征提取和选择、特征判别。·目前人脸识别中主要问题在于1、人脸特征的选择。人脸特征受干扰影响较大，随着年龄、表情、光照、姿态等变化，人脸特征会有较大的变化。太过复杂的人脸特征会使计算非常繁琐。2、正确识别相似的人脸有较大的难度。我们发明一种基于仿射尺度不变特征变换和结构相似的人脸识别方法。先基于图像局部特征描述算子AISFT得到图像间的匹配点，再进行匹配点的筛选，然后基于匹配点一定邻域计算相似度，最后进行阈值的比较最终实现人脸识别。具有简单易行且正确识别率较高的优点。
发明内容
本发明的目的在于基于仿射尺度不变特征变换和结构相似度进行人脸识别。本发明的创新点在于基于匹配点邻域的结构相似度计算实现人脸识别，具有简单易行且正确识别率较高的优点。通过仿射尺度不变特征变换算法ASIFT找到待识别人脸图像与人脸图像之间的匹配点，再基于“网漏”方法实现冗余匹配点的筛除，然后根据结构相似度算法计算得到基于关键点的相似度，最终实现人脸识别。本发明是采用以下技术手段实现的I、一种基于仿射尺度不变特征变换和结构相似的人脸识别方法，包括匹配点计算、匹配点筛选、相似度计算并判决三个步骤A、匹配点计算阶段，利用仿射尺度不变特征变换算法ASIFT (Affinescale-invariant feature transform,)计算待识别人脸图像与人脸图像的匹配点；步骤A具体包括Al、对待识别人脸图像u与人脸图像V基于仿射尺度不变特征变换算法ASIFT计算匹配点，计算得出图像u和V的匹配点对的坐标。B、匹配点筛选阶段，根据待识别人脸图像U与人脸图像V，采用“网漏”方法实现图像的匹配点对的筛选。经过筛选后的匹配点即为图像的关键点；步骤B具体包括
BI、对输入的待识别人脸图像进行网格大小为M*N的矩形网格划分，其中M的取值范围是小于图像长度的一半的自然数，N的取值范围是小于图像宽度的一半的自然数。优选地，取M = N = 8。B2、根据步骤BI中划分出的网格，计算每一个网格对应匹配点坐标的质心；质心
按照下列公式进行计算
权利要求
1.一种基于仿射尺度不变特征变换和结构相似的人脸识别方法，包括匹配点计算、匹配点筛选、相似度计算并判决三个步骤 A、匹配点计算阶段，利用仿射尺度不变特征变换算法ASIFT(Affineseal e-invar iantfeature transform,)计算待识别人脸图像与人脸图像的匹配点； 步骤A具体包括 Al、对待识别人脸图像u与人脸图像V基于仿射尺度不变特征变换算法ASIFT进行匹配点计算，计算得出图像u和V的匹配点对； B、匹配点筛选阶段，根据待识别人脸图像u与人脸图像V，采用“网漏”方法实现图像的匹配点对的筛选，经过筛选后的匹配点即为图像的关键点； 步骤B具体包括 BI、对输入的待识别人脸图像进行网格大小为M*N的矩形网格划分，其中M的取值范围是小于图像长度的一半的自然数，N的取值范围是小于图像宽度的一半的自然数； B2、根据步骤BI中划分出的网格，计算每一个网格对应匹配点坐标的质心，质心按照下列公式进行计算
2.如权利要求I所述的方法，在步骤BI中，设置M= N = 8。
3.如权利要求I所述的方法，在步骤Cl中，邻域值Fi取值为8。
4.如前述任一项权利要求所述的方法，在步骤C3中，阀值的取值范围在O.I到O. 5之间。
5.如权利要求4所述的方法，在步骤C3中，阀值为O.14。
6.如权利要求4所述的方法，在步骤C3中，阀值为O.26。
全文摘要
一种基于仿射尺度不变特征变换和结构相似的人脸识别方法涉及人脸识别技术领域。本发明是先利用图像局部特征描述算子AISFT得到图像间的匹配点，再基于“网漏”方法实现冗余匹配点的筛除，然后根据结构相似度算法计算得到基于关键点的相似度，最终实现人脸识别。本发明具有简单易行且正确识别率较高的优点。
文档编号G06K9/64GK102880852SQ201210229030
公开日2013年1月16日 申请日期2012年7月2日 优先权日2012年7月2日
发明者毋立芳, 刘书琴, 周鹏, 郑庆阳, 邓亚丽, 曹瑜, 肖鹏, 江思源, 王红, 曹连超, 颜凤辉, 张静文 申请人:北京工业大学