[发明专利]一种基于红黑小波变换的人脸识别方法

说明书

技术领域

本发明属于模式识别技术领域，具体涉及一种基于红黑小波变换的人脸识别方法。

背景技术

生物特征识别(Biometrics，字面含义为生物测定学)是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份认证的一种技术。它在国家安全、公安、司法、金融等领域有着广泛的应用，如重要部门的合法进入、计算机网络登录控制、信用卡持卡人的身份验证、嫌疑犯的身份辨认等。

近年来，随着计算机技术的迅速发展，人脸识别技术得到广泛研究与开发，人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。

现有的人脸识别分为基于局部特征和基于全局特征的两类方法。基于局部特征通常是从人脸图像中抽取出一组特征，并以这些特征组成样本数据来进行识别。其优点是对光照、对比度等的变化鲁棒性较强。但在整个的抽取过程中很可能丢弃了最有用的特征。相比之下，基于全局特征的方法利用了整个图像的信息，所以不会丢失有用信息。但是由于矢量的维数较大，直接利用高维数据的话，会造成计算量过于巨大的问题。因此，如何有效地对高维数据进行降维，成为基于全局特征方法的研究重点。

基于主成份分析方法(参考文献：M.Turk and A.Pentland，“Eigen faces forrecognition，”Journal of Cognitive Neuroscience，Vol.3，no.1，1991，pp.71-86)在人脸识别中运用地最为广泛。但是其计算量大，而且识别率也有待提高。在进一步的检索中，尚未发现将红黑小波变换与特征脸法结合用于人脸识别的报道。

发明内容

本发明的目的在于针对主成份分析算法的不足，提供了一种基于红黑小波变换与主成份分析结合的人脸识别方法。这种方法不仅能大大减少用于识别人脸的特征维数，而且对人脸识别性能也有显著提高。

实现本发明目的采用的技术方案是：首先用红黑小波变换处理已分类好的人脸样本，并通过训练模块进行训练建模；然后将经过红黑小波变换处理后的未知人脸样本通过识别模块进行特征提取，并对经过特征提取后的待识别样本输入到分类器中，判断其所属哪一类别的人脸；

所述训练模块包括以下步骤：

(1)归一化训练人脸图像，其中包括人脸图像的尺寸归一化和灰度归一化；

(2)利用红黑小波变换的方法来降低人脸高维数据；

(3)利用主成份分析的方法提取有效的人脸特征并进行训练；

所述识别模块包括以下步骤：

(1)归一化训练人脸图像，其中包括人脸图像的尺寸归一化和灰度归一化；

(2)利用红黑小波变换的方法来降低待识别人脸的高维数据；

(3)将处理后的待识别人脸图像的特征空间投影在训练模块上生成的主成份投影矩阵，提取人脸特征；

(4)将提取的人脸特征输入到分类器中进行识别判断。

本发明的创新点在于：先对人脸图像进行尺寸归一化和灰度归一化的预处理，以此来解决图像大小和光照不均的影响。再对预处理后的人脸图像进行红黑小波变换，从而模糊了人脸表情和姿势的影响，并同时达到了对图像向量降维的效果。在识别性能上明显优于传统的主成份分析算法。

下面结合附图进一步说明本发明的技术方案。

附图说明

图1是本发明提出的基于红黑小波变换的人脸识别算法的流程示意图。

图2是红黑小波变换水平/垂直提升示意图。

图3是红黑小波变换对角提升示意图。

图4是原人脸图像和红黑小波变换后的人脸图像。

具体实施方式

图1为本发明提出的基于红黑小波变换的人脸识别方法的流程示意图。整个流程包括训练模块和识别模块。具体的步骤如下。

训练模块基本步骤如下：

第一步：归一化原始的训练人脸图像。包括人脸图像尺寸归一化和灰度归一化，先根据双眼的位置来剪裁出标准的人脸图像，然后利用光照补偿即直方图均衡化来消除光照的影响。

第二步：利用红黑小波变换将原始的高维人脸数据处理为较低维的人脸数据。红黑小波变换的基本过程如下：

提升小波变换是近年来迅速发展起来的有效小波变换。它摒弃了经典小波的一些复杂的数学概念，也不需要经典小波变换中的伸缩和平移变换的傅立叶分析，是在经典小波变换多分辨分析的思想上发展起来的。红黑小波变换是一种二维提升小波变换，包括水平/垂直提升及对角提升两部分，具体原理如下。

(1)水平/垂直提升

如图2所示，水平/垂直提升分为三个部分：

①分解：将原始图像按水平和垂直方向交叉方式分为红块和黑块。