[发明专利]针对不同尺度人脸图像的识别方法

说明书

技术领域

本发明涉及人脸图像的识别方法，具体地说是一种针对不同尺度人脸图像的识别方法。

背景技术

人脸识别是生物特征识别的重要组成部分，它在公共安全、实时监控、权限认证、人机交互等领域有着广泛的应用前景。目前已经有诸如：敏感区域的门禁认证、人脸考勤、人员聚集区域目标人跟踪等系统投入了实际使用。

人脸识别的主要方法包括：模板匹配法、神经网络法、基于隐马尔科夫模型的方法、基于AdaBoost的人脸识别算法、基于几何特征的人脸识别方法和基于代数特征的人脸识别方法等。这些人脸识别方法通常基于标准人脸库，而标准人脸库中的人脸数字图像都是具有相同尺度的，因此，这些人脸识别方法都要求被识别人必须在十分配合的情况下才能达到设计效果。但在实际应用中，无论是在视频中还是在拍摄的照片中，所采集到的人脸图像的尺度大小是各不相同的。

当待识别的人脸图像与已知人脸图像的尺度不相同时，常用图像缩放技术解决人脸尺度不同的问题。将图像缩小即降采样时，图像会失去部分像素；将图像放大时常采用的插值算法，会增加图像中的冗余像素。因此，采用常用方法针对不同尺度人脸图像进行缩放操作时，图像的质量将不可避免地受到影响，进而影响到人脸识别的准确率。

发明内容

本发明提供了一种针对不同尺度人脸图像的识别方法，旨在解决不同尺度人脸图像在识别过程中图像尺度差异对识别结果的影响，提高识别准确率。

本发明是这样实现的：

针对不同尺度人脸图像的识别方法，包括如下步骤：

a、对人脸图像进行离散余弦变换(DCT)并获得相同的DCT系数：将待识别的未知人脸图像和用于匹配的已知人脸图像集共同构成样本集，把样本集中的每一个二维人脸灰度图像进行DCT变换,将转换结果的二维DCT系数矩阵中的低频部分选取56×46个分量保留下来。

b、对变换后的样本集进行主成分分析(PCA)，获得较低的特征维度：针对样本集，用PCA构造包含20个最大特征值的特征子空间，将按照步骤a变换后的样本集投影到该特征子空间中,分别得到每一幅人脸图像的特征值。

c、利用相关系数归一化法计算人脸图像之间的特征匹配值：将未知人脸图像的特征值与已知人脸图像集的特征值分别计算相关系数并归一化，得到一组特征匹配值；选取特征匹配值最大者即为与未知人脸图像匹配的已知人脸图像。

所述的识别方法中，步骤a中针对尺度为M×N的数字人脸灰度图像，其二维离散余弦变换公式: