[发明专利]基于局部特征及全局特征结合的人脸识别方法

权利要求书

1.基于局部特征及全局特征结合的人脸识别方法，其特征在于，包括以下步骤：

第一步、通过提取已有的人脸数据库中的人脸对训练集进行训练；

第二步、提取输入人脸的灰度图像；

第三步、提取输入人脸的主成分特征并进行识别；

第四步、提取输入人脸的局部二值特征并进行识别；

第五步、通过极大值标准化，将输入人脸的主成分特征和输入人脸的局部二值特征的值域缩减到(0，1)，并通过加权融合得到新的特征值；

第六步、寻找在已有的人脸训练集中与输入人脸匹配的人脸并输出。

2.根据权利要求1所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，第一步包括：

a)提取训练集中人脸的灰度图像形成灰度矩阵；

b)计算得到灰度矩阵各条向量的平均值；

c)计算得到灰度矩阵各条向量与平均值的差值并形成差值矩阵；

d)求得差值矩阵的较大的若干个奇异值；

e)根据奇异值分解定理求取特征脸空间；

f)将差值矩阵投影到特征脸空间；

g)提取测试集中人脸的灰度图像，并计算局部二值特征，以直方图形式存入返回矩阵。

3.根据权利要求2所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，第三步包括：

a)提取测试集中人脸的灰度图像形成灰度矩阵；

b)计算得到灰度矩阵各条向量的平均值；

c)计算得到灰度矩阵各条向量与平均值的差值并形成差值矩阵；

d)计算得到输入图像的向量与平均值的差值并形成差值向量；

e)将差值向量投影到所述的特征脸空间，计算向量欧式距离，实现识别。

4.根据权利要求3所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，第四步包括：

a)提取输入图像的矩阵的局部二值特征，以直方图形式存入输入矩阵；

b)采用直方图交叉核的计算方法将输入矩阵与所述的返回矩阵进行识别。

5.根据权利要求1或4所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，所述局部二值特征采用圆形邻域或者正方形邻域的LBP算子取样。

6.根据权利要求1所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，加权融合的权值取(0.5,0.5)。

7.根据权利要求1所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，第六步包括：

a)获取输入图片到每张人脸数据库中的图片的最终距离；

b)选取最终距离的最小值，利用最近邻分类器获取识别结果。

8.根据权利要求7所述的基于局部特征及全局特征结合的人脸识别方法，其特征在于，当所述识别结果的欧氏距离大于阈值0.5时，系统返回无对应人脸的信息。