[发明专利]一个面向开放环境的人脸识别方法

权利要求书

1.一个面向开放环境的人脸识别方法，其特征在于，包括以下步骤：

（1）利用互联网资源获取样本图片：搜集指定人物在不同光照环境下拍摄的不同表情和不同角度的代表性人脸图片，以及大量随机非指定人物的人脸图片；

（2）自动构建目标人脸的边缘模式：由指定人物的样本人脸与大量随机非指定人物的人脸进行变形融合来获得指定人物的人脸边缘模式；

（3）基于互补特征的识别：并联利用带有互补特征的边缘模式训练得出的子识别器，形成一个并行人脸识别网络。

2.根据权利要求1所述的面向开放环境的人脸识别方法，其特征在于，步骤（2）中，所述人脸边缘模式是由指定人物的样本人脸与大量随机非指定人物的人脸进行变形融合来获得的，其中，正样本边缘人脸设定为刚好属于指定人物的人脸，由程度d_p的变形获得；负样本边缘人脸设定为刚好不属于指定人物的人脸，由程度d_n的变形获得，d_p&d_n为正负变形组合且d_p＜d_n；通过以下两个公式表示通过变形生成正负样本的过程：

I_p＝(1-d_p)·I_tar+d_p·I_ran

I_n＝(1-d_n)·I_tar+d_n·I_ran

I_tar和I_ran分别表示指定人物和随机非指定人物的人脸，I_p和I_n表示变形生成的正负样本边缘人脸。

3.根据权利要求2所述的面向开放环境的人脸识别方法，其特征在于，采用了一种网格搜索策略来确定最佳的正负变形程度组合d_p&d_n，网格搜索策略中用到了6组正负变形程度组合d_p&d_n，这六种变型组合分别为：0.2&0.3，0.25&0.35，0.3&0.4，0.35&0.45，0.4&0.5，0.45&0.55；为保证每个子识别器中正确识别的指定人脸不被后面的并行网络排除，每个子识别器对召回率的要求比较高，测试结果用F2-Measure进行评估，公式：F2=(1+22)·Precision·Recall(22·Precision)+Recall·]]>

4.根据权利要求1-3任一项所述的面向开放环境的人脸识别方法，其特征在于，步骤（3）中，选用特征互补的算子来提取边缘人脸的特征，采用支持向量机进行训练，并基于不同的特征边缘模式建立不同的子识别器，输出结果为“1”则识别为指定人物，反之，输出结果为“0”则判定为非指定人物，子识别器的建立使用了LibSVM来优化SVM中的参数(C,γ)，SVM使用的是径向基核函数。

5.根据权利要求4所述的面向开放环境的人脸识别方法，其特征在于，采用“与”运算符把子识别器的结果结合起来，假定系统中采用了两种互补特征生成了两个子识别器，那么在非指定人物的人脸识别过程中，如果第一子识别器的判定结果为“1”即错误，第二子识别器的判定结果“0”即正确，那么通过与运算之后最终判定结果为“0”即正确，第一识别器的错误结果不会影响最终的正确结果，即第二识别器的正确判定修补了识别器#1的判定。

6.根据权利要求1-3任一项所述的面向开放环境的人脸识别方法，其特征在于，所有收集的人脸都被归一化到同一尺寸：100×120，并且通过仿射变换让两只眼睛的中心连线保持在水平线上，采用了DoG滤波和直方图均衡的方法对所有训练及测试图片进行预处理，DoG算子的尺寸为7×7，像素坐标(4,4)为公式中的坐标原点，σ₁＝2.0;σ₂＝4.0。