[发明专利]一种人脸识别的方法

权利要求书

1.一种人脸识别方法，该方法是一种基于二维Gabor 小波特征的三维人脸识别算法，其特征在于：包括以下步骤：

步骤A、对正面人脸进行检测，定位一张正面人脸和一张人脸图像中关键的人脸特征点，获得人脸原始图像I(x,y)；

步骤B、通过Gabor 小波分析所获取关于人脸图像的Gabor 表征，使所述的原始图像I(x,y)中的相应特征转化为Gabor 特征向量                                                ；

步骤C、采用小指数多项式(FPP)模型，使m 维Gabor 特征空间  投影到更高n 维空间 中；

步骤D、基于核线性判决分析算法(KFDA)，在空间中建立类间矩阵和类内矩阵，其中，，计算的标准正交特征向量；

步骤E、提取人脸图像显著判别特征向量；

步骤F、提取人脸图像不显著的判别特征向量；

步骤G、利用人脸图像显著判别特征向量和人脸图像不显著的判别特征向量和一个3D 人脸数据库重建三维人脸模型；

步骤H、对所述的三维人脸模型采用模板匹配及线性判别分析(FLDA)方法进行处理，提取模型的类内差异和类间差异进行匹配人脸。

2.根据权利要求1所述的一种人脸识别方法，其特征在于：所述的步骤A中，所述的人脸图像中关键的人脸特征点，包括人脸的轮廓特征点、左眼和右眼、嘴和鼻。

3.根据权利要求1所述的一种人脸识别方法，其特征在于：所述的步骤E中包括：

步骤E01、令，其中，是所述的类内矩阵 对应的q 个特征值为正的特征向量，；

步骤E02、计算 对应于个最大特征值的特征向量 ,其中，；;

步骤E03、显著判别特征向量，其中， 。

4.根据权利要求3所述的一种人脸识别方法，其特征在于：所述的步骤F中包括：

步骤F01计算 对应于一个最大特征值的特征向量；

步骤F02、令， 则不显著的判别特征向量,。

5.根据权利要求1所述的一种人脸识别方法，其特征在于：所述的步骤G中3D 人脸数据库为ORL(Olivetti Research Laboratory)单人脸三维人脸数据库。

6.根据权利要求5所述的一种人脸识别方法，其特征在于：所述的步骤G中：

步骤G01、确定一个特征转换矩阵P；

步骤G02、将提取出的Gabor 判别特征向量对应于m 个最大特征值的特征向量，组成主特征转换矩阵P’；

步骤G03、对大规模人脸数据库进行反复训练以获得平均人脸S 。