[发明专利]基于选择性中值滤波和PCA结合的单人脸图像识别方法

说明书

技术领域

本发明涉及基于选择性中值滤波和PCA结合的单人脸图像识别技术。

背景技术

近几年来，随着科技和信息的发展，身份认证显得越来越重要，而人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于为用户所接受，所以人脸识别在身份认证等领域越来越收到关注。

目前，人脸识别的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于统计模型的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法，每种方法都需要极其巨大的计算量，且各有优缺点。其中基于统计模型的方法是目前比较流行的方法，是解决复杂的人脸识别问题的有效途径。该模型的人脸识别使用大量的训练样本来构造分类器，具体分类器的实现方法又分为基于特征空间的方法、基于人工神经网络的方法、基于概率模型的方法以及基于支持向量机的方法等，基于特征空间的方法因特征空间的可见性好和其与人脸相似性大而得到了广泛的推广。统计模型的建立需要较为一致的模式，因而使用的特征一般仅限于人脸的五官区域，根据五官区域提取代数特征，此代数特征即人脸图像在由“特征脸”形成的降维子空间上的投影。每一幅人脸图像向其投影都可以获得一组坐标系数，这组坐标系数表明了人脸在子空间中的位置，具有较强的稳定性，可以作为人脸识别的依据，这也是PCA算法的出发点。由于人脸图像的复杂性和表情的多样化，显式地描述人脸特征有一定的困难，而基于统计模型方法将整个人脸区域看作一个模板特征，解决了复杂人脸识别的问题，克服了显式地描述人脸特征的难题，因此该方法越来越受到重视。然而传统的基于PCA算法的人脸识别算法要对整张图像都进行统计学运算，而实际情况中拍摄的人脸图像大多包含大片的背景区域，这就对人脸识别的图片做出了严格的要求。

解决身份认证系统中人脸识别算法有效性的一个有效方法是首先使用人脸检出扣取人脸图像再进行人脸识别。一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像，而其输出则是一系列相似度得分，表明待识别的人脸的身份。在整个流程中人脸定位即人脸检出，直接关系到人脸识别的效果，是非常关键一步。而由于身份认证系统中拍摄的图像中通常只包括单张人脸图像，所以可以采用简单低复杂度的肤色区域判别算法来实现人脸图像的检出，相对于复杂的机器学习和模版匹配算法而言复杂度低很多。但基于肤色的人脸检出有一个普遍的缺点就是容易收到环境中杂色的影像导致检出错误，所以如何消除背景中的肤色干扰点成了该技术的一个瓶颈，目前还没有成型的算法提出。

发明内容

本发明是为了解决PCA人脸识别算法由于难以消除背景中的肤色干扰点的问题，从而提供一种基于选择性中值滤波和PCA结合的单人脸图像识别方法。

基于选择性中值滤波和PCA结合的单人脸图像识别方法，它由以下步骤实现：

步骤一、选择性中值滤波步骤；

输入含有单张人脸的图像，首先对所述含有单张人脸的图像标记肤色点；所述标记肤色点的方法为：

将含有单张人脸的图像的RGB颜色模式转换为YCrCb颜色模式和HSV颜色模式，

在YCrCb颜色模式下，根据判别条件：

Y>80

85<Cb<135

135<Cr<180

逐一对每个像素点进行判别，都满足上述条件，则将该像素点赋值为1，否则赋值为0；

在HSV颜色模式下，根据判别条件：

30<H<110

0.1<S<0.9

逐一对每个像素点进行判别，都满足上述条件，则将该像素点赋值为1，否则赋值为0；

然后，根据设定滑动窗的大小依次滑动计算上面判别后输出的图像在滑动窗内的像素值之和，并与设定的阈值进行比较；

如果像素值的和小于该阈值且该该像素点的值为1，则将该像素点置0，否则该点值保持不变；

最后，将图像的边缘值默认为0，滑动处理完整幅图像，输出选择性中值滤波后的二值图像；

步骤二、人脸检出步骤；

对于选择性中值滤波后的二值图像，分别进行水平和垂直的滑动积分，具体为：

设I(m,n)_MXN为该选择性中值滤波后的二值图像，其中：M和N分别表示该图像的宽和高；m∈M；n∈N；