[发明专利]一种基于粗糙集主分量人脸识别方法及系统

说明书

技术领域

本发明涉及了一种基于粗糙集主分量人脸识别方法及系统，特别是涉及一种基于粗糙集主分量人脸识别方法及系统，属于目标识别技术领域。

背景技术

人脸识别为基于人脸部特征信息进行身份的生物特征识别技术，相较于指纹、DNA检测等较成熟的人体生物特征识别方法具有非直接侵犯性、低成本、可以隐蔽操作、交互性强、便于事后跟踪等优点，如今是个应用热点。人脸识别用摄像头或照相机等设备采集含有人脸的图像或视频流，通过图像采集、图像处理、人脸特征生成、人脸特征提取、人脸检测与对比辨识达到识别不同人身份的目的。

人脸识别中带有不确定性，即“似曾相识”问题，这种情况在识别过程中普遍存在。粗糙集作为一门不确定性处理理论特别适合于不完整、不确定性知识的表达、学习和归纳，其理论由Pawlak首先提出。而粗糙集已有的应用多局限于小数据集，对于从多帧图像、影像中提取人脸的处理基本没有，缺少在人脸识别中的成功应用。

因此，提供一种基于粗糙集主分量人脸识别方法及系统，提取人脸关键特征，提高人脸识别的效率，比传统人脸识别方法更有优势，为人脸识别、门禁管理、机器人智能等领域研发人员所关注。

而现有的人脸识别方法中，计算影像特征后，特征维数会很高，带来维数灾难问题，降低后续人脸识别的精度，主成分法求出影像样本协方差矩阵的特征值和特征向量，直接选取特征值大的几个特征向量构成特征矩阵进行降维，没有考虑不同人的脸差异小造成辨识错误问题。

发明内容

本发明所要解决的技术问题是提供一种基于粗糙集主分量人脸识别方法及系统，使用粗糙集来降维，考虑了人脸间细小差异，提高了人脸辨识精度。

为了解决上述技术问题，本发明所采用的技术方案是：

一种基于粗糙集主分量人脸识别方法，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、鼻子、嘴巴、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。

前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；