专利名称：基于Gabor特征和Fisherface的人脸识别的制作方法
技术领域：
本发明涉及人脸识别的领域,尤其是一种基于Gabor特征和Fisherface的人脸识别。
背景技术：
生物识别技术是指通过对人体特征的数字化测量来进行鉴别的技术，包括指纹、人脸、声音、虹膜、掌纹等特征都可以被用来进行身分识别。人脸识别技术是生物识别技术中的一个重要课题，是目前非常活跃的研究方向。与利用其他生物特征进行身份识别相比，人脸识别具有直接、方便、友好、非侵犯性的优点，因而具有极其广泛的应用前景。虽然人类能够毫不费力地识别出人脸乃至表情，但人脸的机器识别却是个难度极 大的课题。首先人脸是一个三维的非刚体的不规则表面；其次，人脸会随着年龄、健康以及表情的变化而变化；再次，在采集人脸图像时，不同的光照，角度都会影响人脸识别地准确度。由于人类大脑对人脸识别的机制尚不可知，机器人脸识别还处于摸索与创新的阶段，并且涉及到计算机视觉、模式识别、生理学和心理学等多方面的诸多知识。所有这些因素都是的人脸识别成为极具挑战性，却又十分具有价值的一个课题。一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策。其总体结构如图I所示，从图中可以看出，其主要功能模块包含如下几个部分1.图像获取人脸图像数据源包括运动图像序列(视频流)和静止图像。主要可以通过扫描仪，数码照相机，摄像头等数字输入设备获取；2.人脸检测定位该模块用来分析输入的图像，判断其中是否有人脸，如果有，则找出人脸的位置，并把人脸图像从背景图像中分离出来；3.图像预处理预处理的主要作用在于尽可能的使得人脸图像处于同一尺度和标准，最终为后续处理提供高质量的输入图像。通常这部分需要完成对抽取图像的尺度归一化、灰度归一化、降噪、去光照、白平衡等功能；4.特征提取和选择对于处理后的人脸图像按照某种策略抽取出用于识别的特征，将原始的脸空间映射到新的特征空间。在此步骤中，不仅注重如何提取具有良好分离性能的特征数据，还必须考虑到整体算法的鲁棒性和处理效率等应用指标；5.训练即分类器的设计。此过程主要生成可用于识别的参数。通常，在已有的样本训练集基础上确定某个判定规则，使得按此规则对被识别对象进行分类所造成的错误识别率最小或者结果期望最大；6.识别通过比对获得的未知人脸参数和训练所得的参数完成人脸的分类和判别，给出识别结果。
发明内容
本发明要解决的技术问题是为了克服上述中存在的问题，提高一种基于基于Gabor特征和Fisherface的人脸识别，其识别率高并且精确度高。本发明解决其技术问题所采用的技术方案是一种基于Gabor特征和Fisherface的人脸识别，通过利用Gabor基作特征抽取的方法，Gabor滤波后得到的基的维数过高，利用Fisherface方法进行降维并对每个用户求训练平均的方法进行判断分析，从而得到每个用户对应的类，从而进行分类。分类的具体方法如下a. Gabor小波基用在人脸识别上是基于它与生物方面相关性的，哺乳动物视觉皮层简单细胞的感受野空间结构可以在数学上用Gabor函数来描述，简单细胞对大面积的弥散光无反 应，而比较时和与检测具有明暗对比的边缘，并对边缘的位置和方位有严格的选择性。Gabor小波基也具有一些很好的性质比如空间位置选择，方向选择，频率选择，正交性等，因此适合用于图像的特征抽取上，特别是用在人脸的识别中；b. Gabor基作特征抽取；c. Gabor特征矢量的降维和判据分析；d. Fisherface方法是一个很常用的判别准则，它的原理是判别经过类内分布归一化后的类间分布；e.基于Gabor特征的分类规则。本发明的有益效果是,本发明的基于Gabor特征和Fisherface的人脸识别，其采用此种识别方式，能够达到更好的识别效率，在环境变化不大时，识别率可以达到100%。
下面结合附图和实施例对本发明进一步说明。图I是本发明的典型人脸识别系统的总体结构示意图；图2是本发明的Gabor基的实部和Gabor基的I旲的不意图；图3是本发明的人脸图像的Gabor特征的示意图。
具体实施例方式现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。一种基于Gabor特征和Fisherface的人脸识别,通过利用Gabor基作特征抽取的方法，Gabor滤波后得到的基的维数过高，利用Fisherface方法进行降维并对每个用户求训练平均的方法进行判断分析，从而得到每个用户对应的类，从而进行分类。分类的具体方法如下a. Gabor 小波基Gabor Wavelets也具有一些很好的性质比如空间位置选择,方向选择,频率选择，正交性等，因此适合用于图像的特征抽取上，特别是用在人脸的识别中。Gabor小波基的核函数可以用下式描述
权利要求
1.一种基于Gabor特征和Fisherface的人脸识别,其特征是通过利用Gabor基作特征抽取的方法，Gabor滤波后得到的基的维数过高，利用Fisherface方法进行降维并对每个用户求训练平均的方法进行判断分析，从而得到每个用户对应的类，从而进行分类。
2.根据权利要求I所述的基于Gabor特征和Fisherface的人脸识别,其特征是:分类的具体方法如下a. Gabor小波基；b. Gabor基作特征抽取；c. Gabor特征矢量的降维和判据分析；d. Fisherface方法；e.基于Gabor特征的分类规则。
全文摘要
本发明涉及基于Gabor特征和Fisherface的人脸识别，通过利用Gabor基作特征抽取的方法，Gabor滤波后得到的基的维数过高，利用Fisherface方法进行降维并对每个用户求训练平均的方法进行判断分析，从而得到每个用户对应的类，从而进行分类。本发明的基于Gabor特征和Fisherface的人脸识别，其采用此种识别方式，能够达到更好的识别效率，在环境变化不大时，识别率可以达到100%。
文档编号G06K9/00GK102819731SQ201210254168
公开日2012年12月12日 申请日期2012年7月23日 优先权日2012年7月23日
发明者吴军 申请人:常州蓝城信息科技有限公司