[发明专利]一种基于多智能体协作的复杂光照下人脸图像的分类方法

说明书

本发明公开了一种基于多智能体协作的复杂光照下人脸图像的分类方法，包括(1)获取人脸图像集，提取所有人脸图像的主成分特征、纹理特征以及梯度特征；(2)分别对主成分特征、纹理特征以及梯度特征进行聚类，获得多个聚类集合；(3)针对每个聚类集合建立一个人脸特征提取网络，根据人脸特征提取网络建立人脸分类网络，并对人脸分类网络进行训练获得人脸分类模型；(4)提取待检测人脸图像的主成分特征、纹理特征以及梯度特征，并将主成分特征、纹理特征以及梯度特征划分到对应的三个聚类集合中；(5)将待检测人脸图像分别输入到与三个聚类集合对应的人脸分类模型中，经计算获得待检测人脸图像的分类结果。

技术领域

本发明属于图像识别领域，具体涉及一种基于多智能体协作的复杂光照下人脸图像的分类方法。

背景技术

卷积神经网络由于其强大的特征提取能力一直受到人们的追捧。卷积神经网络不仅具有传统神经网络的较好容错性、自适应性和较强自学能力等优点，还具有自动提取特征、权值共享等优势，所以卷积神经网络相比于其他网络更加容易训练。近年来，卷积神经网络在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果，其强大的特征学习与分类能力已经受到了业界的青睐。相关专家已经总结出性能较好的网络结构。

随着时代的进步，人脸识别技术也得到了飞速的发展。人脸识别分为可控背景下的人脸识别和复杂背景下的人脸识别。在现实生活中，由于受到光照不足、光照不均匀、光照变化剧烈或者光照过强等复杂光照情况的影响，获取到的人脸图像容易出现局部细节丢失严重，噪声大，获取信息量少的问题，给计算机智能识别技术带来了严峻的挑战。

针对复杂光照下人脸图像的识别，现有的方法大都是对图像进行预处理，去除噪声、增强图像后再进行识别。如公开号为CN104112133A公开了一种复杂光照下人脸检测预处理方法，该方法通过低通滤波除去图像噪声，再通过图像融合，灰度拉升，直方图规定化等步骤将复杂照明图像转化为一种更适合人眼观察和季璇玑分析处理的形式，提升图像的可理解度。

再如公开号为CN107194335A公开了一种复杂光照场景下的人脸识别方法，该人脸识别方法对图像进行光照层面的分解，并对每个光照层面获得的特征进行判定，最终获得人脸识别结果。

多智能体系统是分布式人工智能的一个重要分支。多智能体系统是由多个智能体组成的集合，多个智能体之间相互协调，相互服务，共同完成一个任务。在多智能体系统中，每个智能体成员之间的活动是自治独立的。每个智能体成员的目标和行为不受其他智能体成员的限制，它们通过竞争和磋商等手段街上和解决相互之间的矛盾和冲突。多智能体系统主要研究的目的是通过多个智能体组成的交互式团体来求解超出智能体个体能力的大规模复杂问题。

发明内容

本发明的目的是提供一种基于多智能体协作的复杂光照下人脸图像的分类方法，该分类方法针对复杂光照下人脸图像的特征建立了多个目标分类模型，利用多个目标分类模型能够大大提高复杂光照下人脸图像分类的准确性。

为实现上述发明目的，本发明提供以下技术方案：

一种基于多智能体协作的复杂光照下人脸图像的分类方法，包括以下步骤：

(1)获取大量复杂光照下的人脸图像，组成人脸图像集，提取所有人脸图像的主成分特征、纹理特征以及梯度特征；

(2)分别对主成分特征、纹理特征以及梯度特征进行聚类，获得多个聚类集合；

(3)针对每个聚类集合建立一个人脸特征提取网络，根据人脸特征提取网络建立人脸分类网络，并对人脸分类网络进行训练获得人脸分类模型；

(4)提取待检测人脸图像的主成分特征、纹理特征以及梯度特征，并将主成分特征、纹理特征以及梯度特征划分到对应的三个聚类集合中；

(5)将待检测人脸图像分别输入到与三个聚类集合对应的人脸分类模型中，经计算获得待检测人脸图像的分类结果。