一种基于粗糙集主分量人脸识别方法及系统的制作方法
【技术领域】
[0001] 本发明设及了一种基于粗糖集主分量人脸识别方法及系统，特别是设及一种基于 粗糖集主分量人脸识别方法及系统，属于目标识别技术领域。
【背景技术】
[0002] 人脸识别为基于人脸部特征信息进行身份的生物特征识别技术，相较于指纹、DNA 检测等较成熟的人体生物特征识别方法具有非直接侵犯性、低成本、可W隐蔽操作、交互性 强、便于事后跟踪等优点，如今是个应用热点。人脸识别用摄像头或照相机等设备采集含有 人脸的图像或视频流，通过图像采集、图像处理、人脸特征生成、人脸特征提取、人脸检测与 对比辨识达到识别不同人身份的目的。
[0003] 人脸识别中带有不确定性，即"似曾相识"问题，运种情况在识别过程中普遍存在。 粗糖集作为一口不确定性处理理论特别适合于不完整、不确定性知识的表达、学习和归纳， 其理论由Pawlak首先提出。而粗糖集已有的应用多局限于小数据集，对于从多帖图像、影像 中提取人脸的处理基本没有，缺少在人脸识别中的成功应用。
[0004] 因此，提供一种基于粗糖集主分量人脸识别方法及系统，提取人脸关键特征，提高 人脸识别的效率，比传统人脸识别方法更有优势，为人脸识别、Π 禁管理、机器人智能等领 域研发人员所关注。
[0005] 而现有的人脸识别方法中，计算影像特征后，特征维数会很高，带来维数灾难问 题，降低后续人脸识别的精度，主成分法求出影像样本协方差矩阵的特征值和特征向量，直 接选取特征值大的几个特征向量构成特征矩阵进行降维，没有考虑不同人的脸差异小造成 辨识错误问题。
【发明内容】
[0006] 本发明所要解决的技术问题是提供一种基于粗糖集主分量人脸识别方法及系统， 使用粗糖集来降维，考虑了人脸间细小差异，提高了人脸辨识精度。
[0007] 为了解决上述技术问题，本发明所采用的技术方案是：
[000引一种基于粗糖集主分量人脸识别方法，包括如下步骤：
[0009] (1)接收影像采集设备所采集的影像；
[0010] (2)从影像中抽取帖图像，对图像进行预处理后对每帖图像进行人脸检测，判断图 像中是否有人脸，将包含完整人脸且满足人脸比例的图像帖提取，进行后续操作；
[0011] (3)对帖图像中确定的人脸区域进行裁剪，形成人脸子图；
[0012] (4)对人脸子图进行规格化处理，待识别子图与样本子图保持大小一致，使得人脸 中头发、眉、眼、鼻子、嘴己、下颂部位在图像中大致对齐；
[0013] (5)计算规格化后人脸子图的局部二值模式特征，应用粗糖集得到对人脸区分起 重要作用局部纹理特征，对特征维数粗糖集约简，得到降维后的局部二值模式特征向量，多 个运样的特征向量构成矩阵，对此矩阵做主分量变换；
[0014] (6)连接人脸库，若此时人脸库为空，则将步骤(5)中通过主分量变换后得到的人 脸向量存入人脸库;若此时人脸库不为空，则将步骤(5)中通过主分量变换后得到的人脸向 量与人脸库中的向量计算相互距离，若计算出的相互距离小于设定的阀值，则将待识别人 脸归为最小类别，人脸识别结束;若计算出的相互距离小于阀值不小于设定的阀值，则可假 定是未知的人脸，运个人脸在人脸库中没有记录，将它的变换向量添加到已知人脸库中。
[0015] 前述的一种基于粗糖集主分量人脸识别方法，其特征在于:所述步骤(6)中建立人 脸训练库的具体实现过程包括如下步骤：
[0016] (a)人脸子图η个像元，每幅人脸子图经过计算局部二值模式特征得到向量X[n]， 人脸库为P幅子图，那么构成一矩阵X[n][p]，经过粗糖集降维，特征空间从η维降为1维，那 么形成矩阵Χ[1][Ρ];
[0017] (b)将Ρ个1维向量求平均，将每个向量与运个平均向量相减，计算离差，将其中屯、 化，如下：
[001 引
（式 1)
[0019]其中，χ?为第i个维向量，μ为P个1维向量平均值；
[0020]
(式 2)
[0021] 其中，之;为第i维向量与Ρ个1维向量平均值的离差；
[0022] (C)中屯、化后形成一个大小为iXp的矩阵王
[0023]
试3)
[0024] 其中，(i=l,...,p)的含义同式2;
[0025] (d)将中屯、化后矩阵X乘W它的转置矩阵得到协方差矩阵Ω :
[0026]
(式 4)
[0027] 其中，玄含义同式3，/为王的转置；
[0028] (e)求解协方差矩阵Ω的k个非零特征值，W及所对应的特征向量，按照特征值从 大到小顺序排列特征向量，对应于最大特征值的特征向量反应了训练人脸间的最大差异， 而对应特征值越小的特征向量，反应人脸间的差异越小，为尽可能区分不同人；
[0029] (f)令U为从大到小k个非零特征值对应的特征向量按列排列成特征向量矩阵：按 非零特征值，从大到小的顺序，将对应的特征向量按列排列，所组成的特征向量矩阵即：
[0030] U=[山，U2, . . . ,Uk]
[0031] (式 5)
[0032] 其中，U的每一列Ui(i = l，···，!〇为一个特征向量；
[0033] (g)将人脸特征矩阵存入人脸库。
[0034] 前述的一种基于粗糖集主分量人脸识别方法，其特征在于:所述步骤(6)中在识别 阶段，对新采集影像取帖判断人脸存在并截取人脸区域(子图）、对子图规格化(与人脸库人 脸子图同大小）、计算局部二值模式特征，粗糖集特征降维为X，再进行主分量变换，即降维 后进行中屯、化后的向量都可W通过下面的式子并获得一组新变换向量y;
[003引 y = ljT(x-y)
[0036] (式 6)
[0037] 其中，IJT为协方差矩阵Ω (见式4)的k个依大小顺序非零特征值所对应的特征向量 按列排列而成的矩阵的转置，μ为P个1维向量平均值。
[0038] 将新变换向量与人脸库中所有人脸变换向量比较，计算它们之间的欧式距离，将 待识别人脸归为距离最小的那类样本所对应的人。
[0039] 前述的一种基于粗糖集主分量人脸识别方法，其特征在于:所述步骤(2)中对影像 中每帖图像进行判断是否有完整人脸且满足一定比例，可W按下列步骤进行：
[0040] (Α)对帖图像进行灰度化与直方图均衡化，W尽量消除光照变化的影响；
[0041] (Β)对处理后图像进行等比放大检测窗口与水平、垂直、对角矩形特征的人脸扫 描；
[0042] (C)把所有扫描结果为人脸的子窗口划分为互不相邻的子集；
[0043] (D)在每个子集内保留大小和位置差不多的子窗口，舍弃那些包含在里面的子窗 Ρ;
[0044] 化)将剩下的子窗口的左上角坐标与右下角坐标求和，再做平均。
[0045] 检测结果中窗口数量和该区域为人脸存在很大的相关性，即数量越大，那么该区 域为人脸的可能性就越大;相反，若数量越少，那么该区域为人脸的可能就越低。
[0046] -种用于如权利要求1-4中任意一项所述的基于粗糖集主分量人脸识别系统，包 括如下模块：
[0047] 影像采集模块，用于接收采集设备所采集的影像；
[0048] 人脸检测模块，用于对影像中帖图像进行人脸检测，W确定图像中有无人脸；
[0049] 预处理模块，用于对影像中帖图像进行灰度化、规格化、及直方图均衡化处理，降 低彩色图像计算负荷、几何特征及光照对人脸图像的影响；
[0050] 特征提取模块，用于进行人脸特征提取，提取的特征是图像的纹理特征，并且是局 部的纹理特征，符合人脸结构；
[0051] 人脸库模块，采集人脸图像，通过人脸变换向量，构建人脸库；
[0052] 分类器模块，由训练过程将训练样本提供的信息变为判别事物的判别函数，本例 采用欧式距离分类器，距离最近表示同属一类；
[0053] 结果确定模块，将新变换向量与人脸库中所有人脸变换向量比较，计算它们之间 的欧式距离，将待识别人脸归为距离最小的那类样本所属人，得到人脸识别结果。
[0054] 前述的一种基于粗糖集主分量人脸识别系统，其特征在于:所述人脸检测模块包 括：
[0055] 人脸检测单元，对处理后帖图像进行尺度与特征的人脸扫描；
[0056] 特征合并单元，用于将帖图像每一尺度对应的检测结果进行特征合并处理；
[0057] 尺度合并单元，通过将特征合并处理后的结果，给到尺度合并单元，根据尺度合并 结果判断是否有人脸图像。
[0058] 前述的一种基于粗糖集主分量人脸识别系统，其特征在于:所述预处理模块包括：
[0059] 灰度化单元，用于对彩色图像转化为灰度图像，降低彩色图像计算负荷，方便后续 处