[发明专利]一种基于IDF的动态计算分块加权系数的人脸识别系统

说明书

技术领域

本发明涉及人脸识别领域，尤其涉及一种基于IDF的动态计算分块加权系数的人脸识别系统。

背景技术

目前传统的人脸识别技术通常是首先对人脸进行特征提取，如Gabor小波特征、HOG(Histogram of Oriented Gradient)特征、LBP(Local Binary Patterns)特征、HAAR特征等，然后使用分类器(如线性判别分析方法、支持向量机、人工神经网络等)对这些特征进行归类，从而达到人脸识别的目的。

为了达到更好的识别效果，基于分块的局部特征比对成为提升人脸识别准确率的有效手段之一。但随之带来的问题是：最终还需对这些分块比对结果进行融合后才能得出最终的识别结果。在解决此问题时，基于经验加权的融合方法通常被采用，然而，这种先验加权方法只能保证对正在使用的数据集有效，一旦更换了数据集或者数据集发生了更新，原本已经优化好的加权策略可能会失效甚至效果不如未加权的结果，因此泛化能力不强。

由此可见，提出能够适应不同数据集的分块加权方法将十分必要。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于IDF的动态计算分块加权系数的人脸识别系统，能够适应不同数据集。

为使人脸识别领域里的分块加权技术适应于不同的数据集，本发明借鉴文本处理中的TF-IDF思想对人脸分块特征的重要度进行表征。TF-IDF是一种文本统计方法，原本用以评估词语对于大语料库中一份文档的重要程度，其基本思想是：词语的重要性与它在当前文档中出现的次数成正比，而与它在语料库其它文档中出现的频率成反比。TF-IDF方法的简单有效性已经在语义相关性比较、搜索引擎等诸多应用领域中得到了证明。本发明则利用该思想来对人脸分块特征的重要度进行衡量，具体地：在图像大数据库的依托下，通过基于感知哈希算法生成的图像指纹来实现关联值的计算，然后进一步地计算出idf值作为权值分配的依据，并在此基础上对分块间进行更加合理的融合，从而提升识别准确率。

具体地，为实现上述目的，本发明提供了一种基于IDF的动态计算分块加权系数的人脸识别系统，包括：

人脸检测模块，用于训练人脸检测器，而且在人脸检测器训练完成后，使用所述检测器来对输入图像中的人脸进行检测，并向人脸图像预处理模块输出人脸区域检测结果；

人脸图像预处理模块，用于根据人脸检测模块的检测结果裁剪出人脸区域子图像，并对该子图像进行一系列预处理操作，以获得输入给人脸特征提取模块的标准化图像；

人脸特征提取模块，用于通过对标准化图像提取人脸特征来生成对人脸的描述，并将提取的这些人脸特征输入至分块相似度计算模块；

分块相似度计算模块，用于对从人脸特征提取模块接收的人脸特征，按预定块尺寸和预定块位移进行分块以得到分块特征子图，并且将分块特征子图输出至分块加权系数动态计算模块，进而，对分块特征子图进行相似度计算并将计算结果输出至分块融合及结果输出模块；

分块加权系数动态计算模块，用于对分块特征子图进行处理以获取分块加权系数，并且将分块加权系数输出给分块融合及结果输出模块；。

分块融合及结果输出模块，用于根据分块加权系数动态计算模块输出的权值分配结果，对分块相似度计算模块输出的各分块相似度评分进行线性加权融合，以计算出最终的综合相似度，并根据综合相似度输出人脸识别结果。

优选地，所述一系列预处理操作包括图像旋转处理、尺寸归一化处理和灰度归一化处理。

优选地，分块加权系数动态计算模块包括：图像指纹生成子模块、IDF构建子模块和动态分配权值子模块。

优选地，图像指纹生成子模块遍历图像库，使用感知哈希算法为每一个分块批量生成图像指纹，完成图像指纹库的构建。

优选地，IDF构建子模块对待识别图片的每一个分块，将分块图像指纹与图像指纹库中的所有对象进行相似度比较，以计算出相似度。

优选地，IDF构建子模块采用Hamming相似度，并计算出相似度S_i,j，其中i、j分别为待识别图像与图像库中的图像索引编号；其中，设定阈值T，根据公式进行判断，当相似度S_i,j高于阈值T时，关联值C_i,j置1，否则置0；遍历图像指纹库，构建完成待识别图像i与整个图像库的关联表C；对分块i的关联表，按公式计算其idf值：遍历所有分块，直至所有分块的idf值计算完毕，其中M是图像库中的图片总数。