[发明专利]一种基于SRC的二次人脸识别方法

说明书

技术领域

本发明属于计算机生物特征识别领域，具体涉及一种人脸识别方法。

背景技术

现代生物特征识别起源于七十年代中期，并随着微处理器及各种电子元器件成本的下降和识别精度的提高，生物识别系统逐渐应用于商业领域。生物特征识别技术是指通过人体生物特征进行身份认证，达到保护信息安全的目的，具有巨大的社会效应和广阔的应用前景。现已被用于生物识别的生物特征有指纹、人脸、皮肤、虹膜等。其中，由于人脸的唯一性、易采集和不易被复制的良好特性，人脸识别已被广泛用于企业住宅安全、公安刑侦、电子护照等领域，是目前最为热门的生物特征识别技术之一。

传统的人脸识别算法主要研究如何精确提取人脸特征，而作为目前主流的人脸识别算法之一的基于稀疏表示分类算法(Sparse Representation-based Classification,SRC)将算法重点从提取人脸特征问题转变为如何稀疏表示人脸图像的问题，并获得了巨大的突破。但是，SRC算法在识别过程中并没有针对性地处理光照变化、人脸表情、拍摄姿势等因素，导致算法在实际环境中识别率受到较大的影响。

发明内容

本发明的目的是针对现有SRC算法的不足，提供一种基于SRC的二次人脸识别方法，它利用SRC算法对人脸图像先进行第一次识别。通过分析识别结果的差异，判断是否需要进行二次识别。如果进行二次识别，利用Harris角点检测法和Gabor滤波器截取人脸细节特征，如眼睛、鼻子、嘴巴等特征，并组成新的人脸样本库。最后再次利用SRC算法对新的人脸样本库进行二次识别。

本发明一种基于SRC的二次人脸识别方法，具体包括如下步骤：

步骤一、将所有人脸样本图像组成训练样本集A＝[A₁,A₂,…,A_k]，其中A₁表示第1个人的所有样本人脸，A₂表示第2个人的所有样本人脸，A_k表示第k个人的所有样本人脸，k表示人脸样本人数总量。然后用线性判别分析法(LDA)对训练样本集A进行降维处理得到新的样本集D，减小算法时间复杂度。再对测试图y进行稀疏表示，即：

y＝D·x     (1)

其中x表示测试图的稀疏解。通过L1范数最小化求解式(1)，得到稀疏解为x^=min||x||1;]]>

步骤二、对稀疏解进行残差计算，即：

γ_i＝||y-D·δ_i(x)||₂        (2)

其中γ_i表示第i类人的残差值，δ_i(x)表示第i类人的稀疏解。然后将γ_i与残差阈值T进行比较：如果γ_i大于T，不进行二次识别，并输出识别结果Identity(y)＝min(γ_i)，从而确定测试图类型；如果γ_i小于T，进行二次识别；