多模式人脸识别方法
【技术领域】
[0001] 本发明涉及人脸识别方法，尤其涉及一种将全局特征匹配和局部特征匹配相结合 的多模式人脸识别方法。
【背景技术】
[0002] 人脸识别的方法有很多种，大致分为两类：基于全局特征的匹配和基于局部特征 的匹配。全局特征匹配方法有PCA、2DPCA、LDA、频谱脸等，局部特征匹配有几何特征、小波 特征、LBP特征等。事实上，人脸模式经常存在非刚性形变（譬如微笑、皱眉），单纯使用某 一全局特征匹配方法或者局部特征匹配方法都难以兼顾人脸整体差异和局部变异对识别 精度的影响，并且对与数据库中人脸不匹配的新人脸不能够记忆存储，给调查此人脸是否 出现过的工作带来麻烦，或者需要将此人脸收录到被记录的人脸数据库中，还需要重新录 入该人脸相关数据。
【发明内容】
[0003] 为克服上述技术不足，本发明一种多模式人脸识别方法，采用全局频谱脸方法区 分不同人脸的整体差异，再结合局部几何特征匹配辨别人脸局部的细微差异，最终提高人 脸识别的性能，并将不匹配的人脸各项数据传输到新人脸记忆数据库。
[0004] 本发明所采取的技术方案为：
[0005] 多模式人脸识别方法，包括三个步骤，第一步骤，将待匹配人脸与数据库中人脸进 行全局频谱脸匹配，如果不匹配则判断两人脸模式不匹配，若匹配，进行第二步骤，进行几 何特征匹配判断两人脸模式是否匹配，第三步骤，将全局频谱脸不匹配和几何特征不匹配 的人脸数据传输到数据库中新人脸记忆数据库中；
[0006] 第一步骤：全局频谱脸匹配，首先对人脸图像进行几层小波分解，然后对最终低频 子图像作傅里叶变换，从而获得原人脸图像的一个低维空间表达，该表达具有振幅谱位移 不变性；
[0007] (1)小波分解：
[0008] (2)特征提取：对通过小波变换分解后的人脸图像低频子图像实施傅里叶变换， 对于二维图像信号f(x，y)，其二维傅里叶变换公式为：
[0009]
【主权项】
1. 多模式人脸识别方法，包括三个步骤，第一步骤，将待匹配人脸与数据库中人脸进行 全局频谱脸匹配，如果不匹配则判断两人脸模式不匹配，若匹配，再进行第二步骤，进行几 何特征匹配，判断两人脸模式是否匹配，第三步骤，将全局频谱脸不匹配和几何特征不匹配 的人脸数据传输到数据库中的新人脸记忆数据库。
2. 根据权利要去1所述的多模式人脸识别方法，其特征在于，所述的全局频谱脸匹配， 首先对人脸图像进行几层小波分解，然后对最终低频子图像作傅里叶变换，从而获得原人 脸图像的一个低维空间表达。
3. 根据权利要去2所述的多模式人脸识别方法，其特征在于，所述的小波分 解过程为，将人脸图像经过一层小波变换，可以分解为4个子带图像，对于子带 图像的低频部分，可以继续进行小波分解，实现多层小波分解，小波变换公式为：
其中，W(j，m，n)系数为在尺度j处图像f(x，y)的近似，炉为Haar小波尺度函数，用公 式表示为
4. 根据权利要去2所述的多模式人脸识别方法，其特征在于，所述的对最终低频子图 像作傅里叶变换，其公式为：
5. 根据权利要去4所述的多模式人脸识别方法，其特征在于，对全局频谱脸 特征采用距离测度方法实现特征的匹配，距离测度表示两个矢量之间各个相应的 分量之差的函数，其基础是两个矢量端点的距离，记两幅人脸的全局频谱脸特征 分别为：X=(Xp x2，…，xn)'、y = (yp y2，…，yn) '，两者之间的欧式距离为：
.欧式距离越小，两人脸模式越相似，设定一阈值 T，当欧式距离小于某一经验阈值T时，认为两人脸模式可能匹配，进行下面的局部特征匹 配过程，进行精细匹配；否则，认为两人脸模式不匹配。
6. 根据权利要去1所述的多模式人脸识别方法，其特征在于，所述的局部几何特征匹 配，主要针对眉毛部件提取局部几何特征，步骤为进行人脸分割，眉毛定位、特征提取、特征 匹配。
7. 根据权利要去6所述的多模式人脸识别方法，其特征在于，所述的人脸分割方法是， 首先将人脸划分为多个子区域，子区域内部光照比较均匀，然后在人脸子区域内进行图像 分割，最后再将子区域的分割结果拼接起来，得到人脸的整体分割结果；子区域图像分割选 用OTSU方法，先取某个灰度值，以它为分界将图像分成背景和目标两类，分别计算这两类 对象中的象素点数及灰度平均值，然后计算它们的类间方差，最后取类间方差的最大值所 对应的灰度值作为阈值，以此分割图像。
8. 根据权利要去6所述的多模式人脸识别方法，其特征在于，所述的特征提取， 采用图像的Hu不变矩描述眉毛部件，计算Hu的7个不变矩流程为：计算图像质心， 求所需中心距，求所需归一化中心距，其中质心计算公式为
其中，
_令口，q分别取（1，〇)、（1，〇)、（〇，1)、（〇,〇)，得到n^n^moo; 所需中心距为u2(l，11。2,un，u12,u21，U3(l，11。3,计算公式为：
，归一化方法：nM=up/uj，得到7个Hu不变矩 为： 小1 -叮20+叮02， 巾2=(n20-n02)2+4nn2， 伞3= (n 30-3n12)2+(3n21-n03)2， 伞4=(n30+n12)2+(n21+n03)2， ^5= (n 3〇-3 n 12) (n 3〇+ n 12) [ (n 3〇+ n 12) 2-3 (n 21+ n〇3)2] + (3 n 21+ n〇3) (n 21+ n〇3)[3(n3〇+n12)2-(n21+n〇3)2], 4>6=(n20-n〇2) [(n3〇+n12)2-(n21+n〇3)2]+4n11(n3〇+n12) (n21+n〇3) ^7= (3 n 21-n3〇) (n 3〇+ n 12) [(n3〇+ n 12)2-3(n21+ n〇3)2] + (3 n21- n3〇) (n21+ n〇3)[3U30+n12)2_U21+n03)2]。
9. 根据权利要去6所述的多模式人脸识别方法，其特征在于，所述的特征匹配按照最 小欧式距离准则进行，记t.k表示数据库中人脸眉毛部件的第k个Hu矩，(i) j>k表示待识别 人脸眉毛部件的第k个Hu矩，两者的差异d为
10. 根据权利要去1所述的多模式人脸识别方法，其特征在于，所述的第三步骤，在全 局频谱脸匹配过程中，特征匹配时，对欧氏距离大于设定阈值T的人脸特征数据传输到数 据库中的新人脸记忆数据库中，在几何特征匹配过程中，特征匹配时，对7个Hu不变矩大于 设定的阈值d时，将提取的几何特征数据传输到同一人脸的新人脸记忆数据库的模块中。
【专利摘要】多模式人脸识别方法，包括三个步骤，首先将待匹配人脸与数据库中人脸进行全局频谱脸匹配，如果不匹配则判断两人脸模式不匹配，若匹配，再进行几何特征匹配判断两人脸模式是否匹配，最后将全局频谱脸不匹配和几何特征不匹配的人脸数据传输到数据库中新人脸记忆数据库中，本发明方法采用全局频谱脸方法区分不同人脸的整体差异，再结合局部几何特征匹配辨别人脸局部的细微差异，最终提高人脸识别的性能，对新采集的人脸如果与原数据库人脸不匹配，则将新采集的人脸存储到数据库的新人脸记忆数据库模块中，以便再次匹配时，快速从新人脸记忆数据库模块中调取原始图像。
【IPC分类】G06K9-62, G06K9-00
【公开号】CN104573644
【申请号】CN201410836731
【发明人】孙伟
【申请人】天津瑞为拓新科技发展有限公司
【公开日】2015年4月29日
【申请日】2014年12月29日