[发明专利]一种基于SIFT特征的眉毛识别方法

摘要

本发明的基于SIFT特征的眉毛识别方法，包括：a).采集人脸照片；b).选取眉毛区域；c).将眉毛区域划分为个子区域；d).获取子区域的SIFT特征矩阵；e).获取两照片眉毛区域的SIFT特征矩阵和；并计算对应个子区域的相似度；f).统计是与不是同一个人眉毛的概率分布；g).依据贝叶斯公式获取，以判断两对比图像是否出自同一个人。本发明的眉毛识别方法，具有对图像的旋转、尺度变化保持不变的特性。使用SIFT特征进行眉毛识别，可有效地降低光照、姿态变化的影响，且不需要人工参与。

主权项

1.一种基于SIFT特征的眉毛识别方法，其特征在于，包括以下步骤：a).采集人脸照片，编制容量为的人脸照片库，其中是人脸库中人的数目，表示第个人在不同拍摄条件下的人脸照片，其中0＜≤；b).选取眉毛区域，选取人脸照片的眉毛区域，利用其作为人脸照片相似度计算的区域；c).划分子区域，将眉毛区域划分为个子区域，子区域用表示；不同子区域之间的交集可以为空，也可以不为空；标示区域的第个子区域，0＜≤；d).获取SIFT特征矩阵，利用SIFT算法获取眉毛区域的个子区域的SIFT特征矩阵，表示区域A的第个子区域提取的特征点数目，表示SIFT特征矩阵的维数；表示行数为、列数为的矩阵；e).计算两张人脸照片的相似度，对于两张人脸照片和，均按照步骤b)、c)和d)分别获取SIFT特征矩阵和；计算对应子区域的矩阵与任意两行之间的相似度，将所有的相似度值构成矩阵，并定义，表示照片与对应第j个子区域的相似度，其大小取矩阵中所有元素的最大值；f).统计相似度的概率分布，以两两照片眉毛区域的子区域的相似度为样本，统计眉毛各个子区域的相似度在是同一个人眉毛和不是同一个人眉毛时的概率分布；g).计算两对比图像眉毛区域的相似概率，按照步骤b)、c)、d)和e)计算出两待对比图像的个子区域的相似度、、…、，通过步骤f中的概率分布获取和，表示对应第个子区域是同一个人的眉毛时，相似度为的概率值；表示对应第个子区域不是同一个人的眉毛时，相似度为的概率值，0＜≤；依据贝叶斯公式得到在各个相似度下，两对比图像为同一个人眉毛的概率：；根据获取的两对比图像为同一个人眉毛的概率值，即可判断两对比图像是否出自同一个人。