[发明专利]基于简化智能单粒子优化算法的Gabor人脸识别方法

说明书

技术领域

本发明涉及人脸图像识别技术领域，更具体地说，涉及一种基于简化智能 单粒子优化算法的Gabor人脸识别方法。

背景技术

随着社会信息化程度不断提高，对个人身份认证工作的需求日益增加，原 有识别方法已无法满足精确度和便利度的要求。进而出现了基于人脸图像的身 份识别方法。当前的人脸识别方法主要分为两类：(1)基于整体模式的识别方 法，通过研究人脸图像模式的整体属性进行识别；(2)基于特征分析的识别方 法，将人脸基准点的相对比率和其它描述脸部特征的参数等构成特征矢量，通 过比对进行识别。实用的人脸识别算法需要满足识别精度和算法复杂度上的要 求，即一方面需要提升识别率，降低误识率；另一方面需要运算足够简单，能 够在嵌入式平台等有限资源上实现。

最优化问题是寻找特定函数最值及其对应位置的一类数学问题。生物启发 式优化算法是通过模拟自然界现象发展起来的一系列智能最优值搜索方法，能 够有效解决使用一般数学工具无法处理的优化问题。常见的生物启发式算法如 蚁群算法、基因算法等，或由于搜索速度缓慢，或由于寻优性能不佳，难以用 于解决实际优化问题。近年来通过模拟鸟群觅食的群体性智能行为提出的粒子 群优化算法，以其概念简明、性能高效、易于实现等优点，得到了广泛的重视 与应用。

与本技术相关的人脸识别算法为基于Gabor小波(一维的Gabor小波由 Gabor D于1946年提出，接着Daugman J于1985年提出了二维的Gabor小波)和 PCA(Principal Component Analysis，简称PCA)降维抽取特征的方法。此方法 于近年提出，为公认可获得较好识别效果的算法之一。其工作原理如下：

首先，将人脸图像与Gabor小波滤波器组分别卷积以抽取特征。如图1 所示，Gabor滤波器组由40个尺寸相同的二维Gabor小波矩阵组成，包含有8 个方向和5个尺度。因而能够有效抽取整脸图像在不同方向和尺度上的特征信 息。

将人脸图像与这40个Gabor小波分别进行二维卷积运算，获得40个尺寸 相同的二维特征矩阵。在实际应用中为减少计算量，一般会将人脸图像与 Gabor滤波器组分别通过二维FFT变换转换到频域，从而将卷积计算转化为矩 阵乘法，再将结果矩阵通过IFFT变换转换回时域特征。

而后，将特征矩阵组抽取为识别用人脸特征矢量。如图2所示，对于每个 经过Gabor滤波器抽取获得的特征矩阵，依序重排列为一维特征矢量。

从而整个特征矩阵组将转化为40个一维特征矢量。将这些矢量首尾相连， 组成单一的长特征矢量，并采用PCA映射进行降维处理。PCA运算能够有效 获取特征中的重要成分，舍弃非重要成分，从而降低矢量长度。最后经过下采 样，获得长度较低的识别用人脸特征矢量。

最后，将特征矢量用于人脸识别。对符合认证的人脸图像分别进行Gabor 抽取，获得识别用特征矢量组成特征数据库。当进行识别时，对输入的人脸图 像进行特征抽取，然后计算获得的特征矢量与数据库中各个矢量分别的马氏距 离，通过最小近邻分类器进行识别判定：若其与各特征矢量的最小马氏距离不 大于预先设定的阀值，则将输入图像识别为获得此最小距离的特征的对应身 份，否则判定为人脸特征不包含在数据库中。

尽管使用Gabor小波和PCA降维抽取特征进行人脸识别的方法精度较高， 但有两个主要缺陷：

其一，算法复杂度太高，严重影响实用价值。在使用Gabor滤波器组对人 脸图像进行特征抽取的运算中，需要进行40次二维FFT和IFFT变换，以及 40个复数矩阵的相乘运算。嵌入式平台很难满足其计算要求。即使是使用PC 机作为实现平台，一方面运算速度依然缓慢，另一方面识别成本亦太高。

其二，使用Gabor小波对整脸图像进行特征抽取针对性不高。40个Gabor 小波的选取为实验经验设计，并未针对人脸识别进行专门的优化，其特征抽取 效率低下。依靠整脸图像的模式进行识别的方法无法区分人类面部不同区域的 特征信息含量及其对识别的重要程度，从而更容易受到干扰的影响。

发明内容

本发明要解决的技术问题在于，提出一种基于简化智能单粒子优化算法的 Gabor人脸识别方法，以解决现有技术中使用Gabor小波和PCA降维抽取特 征进行人脸识别所存在的缺陷。