[发明专利]光照变化条件下的人脸识别算法

权利要求书

1.一种光照变化条件下的人脸识别算法，其特征在于，包括下述步骤：

（1）将输入人脸原始图像F(x,y)进行高斯滤波，消除图像中的噪点，平滑图像，得到新图像F′(x,y)；

（2）将F′(x,y)采用韦伯局部算子描述进行特征提取，提取出对光照不敏感的特征，则新图像的特征表述为WF(x,y)，其中WF(x,y)∈[-π/2,π/2]；

（3）对新图像WF(x,y)经过LoG算子运算提取边缘，提取出面部图像的边缘特征WF'(x,y)，使人脸轮廓、结构和形状信息更加明显，有利于后续特征分类与识别；

（4）采用快速PCA算法将输入图像变换到主成分空间R^m，其中m为输入图像变换到主成分空间的维数，计算出类内散度矩阵S_W的特征向量γ₁,...,γ_m，取出非正特征值对应的特征向量组成的特征向量组P₁=(γ_q+1,...,γ_m)，正的特征值所对应的特征向量组成特征向量组P₂=(γ₁,...,γ_q)，设正特征值有q个，非正特征值有m-q个；

（5）在PCA变换空间，计算出类间散度矩阵计算出所对应的特征向量Z₁,...,Z_j，通过计算Y_j=P₁Z_j可得最优鉴别向量，其中j=1,...,l，l=c-1，c为类别数，同理，利用（4）中正特征值对应的特征向量组P₂=(γ₁,...,γ_q)，通过计算出的前d-l个最大特征值所对应的特征向量Z_l+1,...,Z_d，然后通过计算Y_j=P₂Z_j得到最优鉴别向量，其中j=l+1,...,d，将得到的Y_j=P₁Z_j(j=1,...,l)和Y_j=P₂Z_j(j=l+1,...,d)组成特征投影向量组φ=(Y₁,...,Y_l,Y_l+1,...,Y_d)；

（6）将得到的新图像表征WF'(x,y)在特征投影向量组φ上进行投影，得到原始图像F(x,y)的最终特征向量x_i，其中i=1,2,...,n，n为样本总数；

（7）最后利用最近邻分类器进行分类，设经特征提取之后的训练样本为x_i，x_t为新测试样本的特征向量，则由距离公式可得新测试样本即为第j个训练样本所属类别。