[发明专利]一种基于改进细菌觅食算法的人脸识别方法

权利要求书

1.一种基于改进细菌觅食算法的人脸识别方法，其特征在于：

(1)根据实际需要，把需要进行检索的人脸采集起来，建立原始人脸数据库{F_k}，k＝1,2,..,M，其中M为人脸数；

(2)对人脸数据库{F_k}进行预处理：对人脸图像的尺寸以及灰度进行归一化后，用直方图进行均衡，再利用局部归一化的光照补偿方法来消除图像光照不均匀的影响，并对人脸正面平面旋转及人脸深度旋转进行角度调整，最后利用3x3高斯滤波进行去噪处理，从而得到处理后的人脸库{TF_k}；

(3)对预处理后的人脸库{TF_k}利用特定的方法W对人脸库的人脸进行特征提取，提取左右眼睛的位置(ELoc_l,ELoc_r)和尺寸(Width_l,Width_r,Length_l,Length_r)和嘴巴的位置MLoc和尺寸(Width_m,Length_m)，再进行特征选择——两眼之间水平宽度与两眼总的水平宽度之比，左眼水平宽度与两眼总的水平宽度之比，左眼垂直高度与右眼上部到右边嘴角下部垂直距离之比，右眼垂直高度与左眼上部到左边嘴角的垂直距离之比，嘴巴的水平宽度与两眼总的水平宽度之比，嘴巴的垂直高度与左眼上部到嘴巴的之间垂直高度之比，共选择这6个特征，得到人脸样品的特征库{T_wF_k}；

(4)利用得出的人脸样品特征库{T_wF_k}进行分类训练，利用改进的细菌觅食算法计算出最优的人脸分类识别数据实现人脸识别，算法中用B_gd＝{location,fitness}来记录整个细菌群体中全局最优解，表示细菌所出现的最优位置和适应度，具体的子步骤如下：

①初始化相关参数：

包括将距离计算类型初始化为欧式距离，初始化人脸类别数centerNum、细菌群体规模N、趋化行为相关参数、繁殖行为相关参数，以及迁徙行为相关参数；

②细菌群体的初始化：

对于每个人脸图像的输入特征，将其随机的指派为一类，作为最初的分类，并计算出各分类的中心，作为细菌的位置编码Bacterial_i.location，并记录最优细菌；

③开始依次进入迁徙，繁殖和趋化行为：

首先细菌开始随机翻转，以改进的趋化算子的动态步长进行向前移动，并计算适应度Bacterial_i.fitness，如果适应度有所改善，就更新细菌个体位置编码Bacterial_i.location；具体的，根据细菌的适应度值动态调整步长，见下式：

其中step_c(i,j)表示第i个细菌第j次趋化后的动态步长；w取值为(0,0.95)，是根据适应度选择的步长缩减系数；step_init(i)表示第i个细菌的初始步长；

④对于每个人脸图像X_i，根据细菌的分类中心特征向量C_j的值，按照最近邻法则，来确定人脸分类，按照每个细菌的分类结果category，重新计算分类中心特征向量C_j，更新所有细菌的适应度Bacterial_i.fitness，并记录当前最优解B_gd；

⑤如果进行完趋化行为N_c，开始进行繁殖行为，把目前的细菌按适应度排序，按输入繁殖参数R_re进行繁殖，用适应度高的细菌替代适应度低的细菌；

⑥如果进行完繁殖行为N_re，就按改进的动态迁徙概率进行迁徙行为，以跳出局部极值范围，并更新每个细菌的适应度；其中，动态调节迁徙概率，如下式所示：

其中P^ij_ed是第i个细菌的第j次迁徙的迁徙概率，是第i个细菌的第j次迁徙时的适应度值，是最小的适应度值，是最大的适应度值，P_ed是初始的固定的迁徙概率；

⑦如果达到趋化行为N_c，繁殖行为N_re和迁徙行为N_ed的次数，则结束算法，输出全局最优的人脸特征数据{B_gd_TW(F)}，否则重复进行上述步骤；

(5)对目标人脸图像X_i进行上述同样的数据获取，预处理以及特征提取，最后得到目标人脸图像的特征T_{w_xi}；

(6)将上述目标人脸图像的特征T_{w_xi}与通过细菌觅食算法得出的人脸识别的分类数据{B_gd_TW(F)}进行最近邻规则比对，找到目标人脸特征数据与分类数据中类中心最小的距离，以此确定目标人脸图像的识别结果。