[发明专利]人脸识别方法及系统

说明书

技术领域

本发明涉及了一种有层次的基于稀疏正则化方法对多波段人脸图像特征进行评价、选择与融合的人脸识别方法。

背景技术

人脸识别技术是利用计算机获取人脸图像并进行分析预处理，然后以特定方法提取出能有效表示人脸图像的特征，最后通过机器学习的方法对人脸图像进行身份鉴定。人脸识别广泛应用于人机交互系统、安全验证系统、驾照和护照的验证以及罪犯身份识别等方面。最近几年随着信息和网络技术的发展，人脸识别已经成为模式识别领域最受关注的问题之一。

人脸识别领域最重要的研究课题之一是寻找高效且维数较低的特征或特征集来描述人脸的，以使在保证对光照、表情、姿态及年龄具有充分的鲁棒性情况下也保证了大数据情况下的快速人脸识别。现有的人脸特征描述方法主要分为几何特征、统计全局特征和局部纹理描述特征。几何特征主要是指以面部器官的几何形状和位置分布构成的特征，如面部器官间的欧式距离、形状曲率、角度等参数。然而，几何特征的提取非常依赖于面部器官的精确位置和面部结构等先验信息，而自动获取精确的面部器官位置形状信息是一直以来没有很好解决的技术难题。因此基于统计全局特征的人脸识别方法应运而生。其主要方法有：主成分分析方法（PCA）和线性判别分析（LDA）方法。其中，主成分分析方法虽然对人脸的特征信息压缩非常有效，但是不能获得很好的分类效果；而线性判别分析在一定程度上弥补了主成分分析的缺陷，但它要求训练样本数目较多并具有代表性。局部纹理描述特征主要有：Gabor小波特征、局部二值模式（LBP）、POEM、局部方向模式（LDP）。其中，Gabor小波特征被认为是一种符合人眼生物学原理的局部描述特征，但是它的特征维数十分庞大且计算复杂。在这众多的人脸特征描述方法中，每一种特征描述方法都有各自的优劣，而每一种特征描述方法都不能单独地全面描述整张人脸的特性，因此为了使得特征的表达作用相互补充，达到相得益彰的效果，研究将不同种类的特征进行融合是研究者们日益关注的研究方向。但是现有的用于人脸识别的特征融合方法主要通过融合的手段将多种不同数据类型或意义的特征在同一空间中组成新的特征，从而进行识别。此类融合方法融合的特征一般比较单一，并且特征维数比较高。

发明内容

本发明的目的在于提供一种人脸识别方法及系统，能够在融合足够多人脸图像信息的基础之上，保证最终表达人脸的特征集有较低的维数，从而也保证人脸识别的速度和单个人需要存储的数据量较小，提高识别精度。

为解决上述问题，本发明提供一种人脸识别方法，包括：

采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像；

对采集得到的每一波段的训练图像进行归一化，并进行mask和光照的预处理；

从经过归一化和预处理的每一波段的训练图像中提取该波段的第一人脸图像特征；

基于稀疏正则化方法对提取到的每一波段的人脸图像特征进行评价与选择得到降维后的每一波段的人脸图像的新特征和对应的新特征评价指标；

把得到的每一波段的人脸图像新特征组合成第一特征集，再基于稀疏正则化方法对所述第一特征集进行评价、选择与融合构成最终表达人脸的第二特征集和对应的第二特征评价指标；

采集待测试人的可见光、近红外、中红外、远红外和热红外的多波段的测试图像；

对采集得到的每一波段的测试图像进行归一化，并进行mask和光照的预处理；

从经过归一化和预处理的每一波段的测试图像中提取该波段的第二人脸图像特征；

根据所述新特征评价指标从所述第二人脸图像特征得到降维后的每一波段的人脸图像的新特征；

将从所述第二人脸图像特征得到降维后的每一波段的人脸图像的新特征组合成第三特征集，根据所述第二特征评价指标从所述第三特征集获得最终表达所述待测试人的人脸的第二特征集；

采用最近邻分类器依次计算所述待测试人的人脸的第二特征集与人脸图像测试库中每个人脸图像之间的距离，所得最小距离的人脸图像测试库中的人脸图像的所属人即为分类结果。

进一步的，在上述方法中，所述第一人脸图像特征和第二人脸图像特征为局部特征和/或全局特征。

进一步的，在上述方法中，所述局部特征为LBP、LBP各种改进算子、Gabor、POEM、LDP中的任一种。

进一步的，在上述方法中，所述全局特征为PCA或LDA。

进一步的，在上述方法中，采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像和测试图像的步骤中，