[发明专利]基于人脸结构特征的多方向多层次双交叉鲁棒性识别方法

权利要求书

1.一种基于人脸结构特征的多方向多层次双交叉鲁棒性识别方法，其特征在于，包括以下步骤：

步骤1、输入人脸图像H(x_k，y_k)，H(x_k，y_k)为灰度图像，人脸图像训练集P_k：{P_k|1,...,M}，其中，M为训练集图像样本总数，k为整数且1≤k≤M；

设输入人脸图像的两眼之间距离为d，以两眼中点为坐标原点O(0，0)，左右两眼的坐标值分别为(-0.5d，0)、(0.5d，0)，进入步骤2；

步骤2、对步骤1的人脸图像，以O为基准，以左右各距O为d，垂直两眼连线方向的上方向取0.5d和下方向1.5d之间构成矩形区域进行剪切，得到矩形区域，该矩形区域为表情子区域，剪切后的该矩形区域的图像为表情子区域图像；

步骤3、对步骤2的表情子区域图像进行尺度变换，统一尺寸和规格后进入步骤4；

步骤4、对统一尺寸后的表情子区域图像中的每一个像素点，以其为圆心画内外两个圆，在内外圆上各取0、π、和这八个方向；

步骤5、对步骤4中像素点的八个方向上的纹理信息进行量化，分配一个唯一的十进制数：定义函数S(y)：y是变量，I_o、分别是点0、A_i、B_i的灰度值；A_i、B_i分别是步骤4中像素点内圆、外圆上的点，DCP_i是第i方向上的纹理信息量；第0-第7方向分别指0、π、和步骤6、对于步骤5中的DCP_i,定义{DCP₀，DCP₂，DCP₄，DCP₆}作为第一子集、{DCP₁，DCP₃，DCP₅，DCP₇}作为第二子集；这两个子集构建一个十字的形状，构成双交叉模式，出现最大联合熵；

步骤7、将步骤6中的两个子集分组为两个交叉编码器，分别命名为DCP-1、DCP-2，在表情子区域图像中的像素点的代码表述为：两个交叉编码器构成总描述符DCP:DCP＝{DCP-1,DCP-2}，由总描述符产生两个分别被映射成非重叠区域的网格编码图；在此网格编码图中计算每个区域的所有直方图，并将所有直方图连接起来，形成总体人脸表示框架，进入步骤8；

步骤8、将步骤7中最后形成的总体人脸表示框架通过高斯滤波器，以中心点O为原点，使用高斯算子的一阶导数公式：是代表滤波方向的法向量，θ是滤波方向的角度，是二维高斯多方向滤波器，x_k、y_k是人脸图像H(x_k，y_k)的坐标值，σ是该函数的方差；

步骤9、把步骤8中通过滤波器的人脸表示总体框架作为训练数据，初始化训练样本的权值分布，即每一个训练样本最开始时都被赋予相同的权值即：D₁＝(w₁₁，w₁₂…w_1j…,w_1M),D₁是训练集初始化权值分布，w_1j为初始化第j个样本权重；

步骤10、对步骤9中训练样本的权重进行多轮迭代；

101、设m为迭代次数，初始化迭代次数m＝1时，此刻初始化权值为D₁；

102、使用具有权值分布D_m的训练数据集学习，D_m为第m次迭代后的样本权重；选取让误差率最低的阈值来设计基本分类器G_m(x)：G_m(x):x→{-1,1}，x是变量，G_m(x)在训练数据集上的分类误差率e_m，e_m是被G_m(x)误分类的样本权值和，且w_mj是第m次迭代时第j个样例权重，I(G_m(x_k)≠y_k)是G_m(x_k)≠y_k处的灰度值；

103、若m＜M，则m＝m+1，重复步骤102，否则停止循环；

步骤11、计算步骤10中G_m(x)的系数，得到基本分类器G_m(x)在最终分类器G(x)中所占的权重α_m：α_m≥0；从而得到最终分类器G(x)：最终得到多个面部特征点，从而形成多方向多级双交叉模式鲁棒性人脸识别。