[发明专利]一种基于粗糙集主分量人脸识别方法及系统

权利要求书

1.一种基于粗糙集主分量人脸识别方法，其特征在于：包括如下步骤：

(1)接收影像采集设备所采集的影像；

(2)从影像中抽取帧图像，对图像进行预处理后对每帧图像进行人脸检测，判断图像中是否有人脸，将包含完整人脸且满足人脸比例的图像帧提取，进行后续操作；

(3)对帧图像中确定的人脸区域进行裁剪，形成人脸子图；

(4)对人脸子图进行规格化处理，待识别子图与样本子图保持大小一致，使得人脸中头发、眉、眼、嘴巴、鼻子、下颌部位在图像中大致对齐；

(5)计算规格化后人脸子图的局部二值模式特征，应用粗糙集得到对人脸区分起重要作用局部纹理特征，对特征维数粗糙集约简，得到降维后的局部二值模式特征向量，多个这样的特征向量构成矩阵，对此矩阵做主分量变换；

(6)连接人脸库，若此时人脸库为空，则将步骤(5)中通过主分量变换后得到的人脸向量存入人脸库；若此时人脸库不为空，则将步骤(5)中通过主分量变换后得到的人脸向量与人脸库中的向量计算相互距离，若计算出的相互距离小于设定的阀值，则将待识别人脸归为最小类别，人脸识别结束；若计算出的相互距离小于阀值不小于设定的阀值，则可假定是未知的人脸，这个人脸在人脸库中没有记录，将它的变换向量添加到已知人脸库中。

2.根据权利要求1所述的一种基于粗糙集主分量人脸识别方法，其特征在于：所述步骤(6)中建立人脸训练库的具体实现过程包括如下步骤：

(a)人脸子图n个像元，每幅人脸子图经过计算局部二值模式特征得到向量X[n]，人脸库为p幅子图，那么构成一矩阵X[n][p]，经过粗糙集降维，特征空间从n维降为l维，那么形成矩阵X[l][p]；

(b)将p个l维向量求平均，将每个向量与这个平均向量相减，计算离差，将其中心化，如下：

μ=1pΣi=1pxi]]>(式1)

其中，xⁱ为第i个维向量，μ为p个l维向量平均值；

x‾i=xi-μ]]>(式2)

其中，为第i维向量与p个l维向量平均值的离差；

(c)中心化后形成一个大小为l×p的矩阵

X‾=[x‾1,x‾2,...,x‾p]]]>(式3)

其中，的含义同式2；

(d)将中心化后矩阵X乘以它的转置矩阵得到协方差矩阵Ω：

Ω=X‾·X‾T]]>(式4)

其中，含义同式3，为的转置；

(e)求解协方差矩阵Ω的k个非零特征值，以及所对应的特征向量，按照特征值从大到小顺序排列特征向量，对应于最大特征值的特征向量反应了训练人脸间的最大差异，而对应特征值越小的特征向量，反应人脸间的差异越小，为尽可能区分不同人；

(f)令U为从大到小k个非零特征值对应的特征向量按列排列成特征向量矩阵：按非零特征值，从大到小的顺序，将对应的特征向量按列排列，所组成的特征向量矩阵即：

U＝[u₁,u₂,…,u_k](式5)

其中，U的每一列u_i(i＝1,…,k)为一个特征向量；

(g)将人脸特征矩阵存入人脸库。