[发明专利]一种基于亲和力度最近邻分类算法的人脸识别身份认证方法

说明书

一种基于亲和力度最近邻分类算法的人脸识别身份认证方法，涉及人脸识别技术领域，该方法包括：首先，采用Haar分类器对人脸进行检测，使用摄像头实时采集当前检测目标的人脸原始图像序列，并把人脸的Haar特征值归一化，再采用直方图均衡对图像进行预处理；然后采用主成分分析(PCA)对人脸图像进行数据预处理和特征提取；最后利用提出的基于亲和力函数的最近邻分类算法对待检测目标数据信息进行分类，并输出最终识别结果。该方法不仅能更好的度量测试样本和训练样本之间的相似性，还能提高分类的准确率。此外，该方法不仅考虑了测试样本和训练样本之间的传统距离，还考虑了训练样本的空间分布问题，这使得整体的识别精度能有显著提升。

技术领域

本方法涉及人脸识别技术领域，具体设计一种基于亲和力度最近邻分类算法的人脸识别身份认证方法。

背景技术

人脸识别是利用计算机技术，通过人脸图像的特征来确认身份。用人脸作为生物特征来识别身份具有一些独特优势：具体非接触性，在被测者不知情的前提下完成识别，人脸识别成为近年来生物特征识别领域的热点之一。从国内外研究成果来看，人脸识别的难点主要集中在人脸检测、人脸表征和人脸识别速度和精度等方面。

一、人脸检测方面，人脸检测是一项重大的难题，它利用的是面部的共同特征，从目前的研究成果来看，其大致可分为基本特征，肤色特征，统计特征，变换域特征等。但基于变换域特征和肤色特征的人脸检测方法对采集人脸图像的背景较为敏感，统计特征和基本特征的人脸检测方法对年龄，光照，姿势等的变化敏感。

二、人脸表征方面，人脸表征是用来提取捕捉的脸部图像中的特征点，至今人脸表征主要包括基于代数特征或统计学习的表征和基于知识的表征这两种提取方法。人脸表征可能会因为捕获的人脸图像受到采集角度或配戴眼镜等因素的影响，导致基于知识的表示方法的特征点掩盖甚至丢失。

三、人脸识别速度和精度方面，普遍的识别系统采用固定和不变的算法模型，导致识别精度很难达到预期的效果。

发明内容

本发明的目的是为了克服上述的技术缺点和不足，提供了一种基于亲和力度最近邻分类算法的人脸识别身份认证方法。

本发明技术方案：

基于亲和力度最近邻分类算法的人脸识别身份认证方法，该方法包括以下步骤：

第1步、采用Haar分类器对人脸进行检测，使用摄像头实时采集当前检测目标的人脸原始图像序列，并把人脸的Haar特征值归一化，得到Haar特征值归一化的图像序列；

第2步、对图像进行直方图均衡处理，即是对图像的像素值进行重新分配，也是对采集到的人脸图像的非线性拉伸；

第3步、采用主成分分析(PCA)算法对人脸图像进行特征提取，数据预处理即是对数据进行降维，降维后得到的少数综合变量表示多数的综合变量，一般主成分的数据为少数综合变量，最终组成检测目标的特征值；

第4步、根据第3步得到的人脸图像特征值，使用提出的亲和力函数来计算样本之间的距离，之后再使用最近邻算法的实现步骤进行处理；

第5步、根据分类结果输出识别结果。

步骤1中对图像进行Haar特征值归一化，为了校正人脸的比例、旋转和光照等方面的变化，常采用Haar特征值归一化手段，也可称为Haar特征值标准化，具体步骤如下：

第1.1步、计算检测窗口中图像的灰度值和灰度值平方和：sum＝∑I(x,y)和 sq_sum＝∑I²(x,y)，其中用I(x,y)表示位置(x,y)处的像素值；

第1.2步、计算灰度值和灰度值平方的平均值：和

第1.3步、计算归一化因子：