[发明专利]人脸识别方法

摘要

本发明涉及一种人脸识别方法；该方法含有下列步骤：步骤1：从存储器中按顺序取出一帧图像数据进行图像预处理；步骤2：对图像预处理后的帧数据进行人脸检测；步骤3：对检测到的当前帧图像数据中存在的人脸图片进行人脸图片尺度变换处理和人脸图片灰度归一化处理；步骤4：采用DCT算法和MMSD算法相结合的人脸识别算法，先对预先采集到的人脸数据库的人脸图片进行二维DCT变换，然后再对二维DCT变换后的变换系数矩阵应用MMSD算法进行特征提取，获得最优特征鉴别矩阵W；步骤5：将步骤3中处理后的人脸图片先经过二维DCT变换，然后再投影到步骤4中的最优特征鉴别矩阵W，利用最近邻分类方法匹配人脸图片；本发明提供了一种识别准确的人脸识别方法。

主权项

一种人脸识别方法，首先，采用摄像机进行视频图像的采集，并将摄像机输出的视频信号送到工作站或高性能计算机中，其特征是：工作站或高性能计算机将接收到的视频流数据按帧存储在自身的存储器中，接着按下列步骤进行人脸识别：步骤1：从存储器中按顺序取出一帧图像数据进行图像预处理，该图像预处理含有光照补偿和中值滤波操作；步骤2：对图像预处理后的帧数据进行人脸检测：首先建立起反应人脸目标形状变化规律的形状统计模型和反应人脸目标灰度分布规律的局部灰度模型，局部灰度模型通过训练得到；然后，利用局部灰度模型进行人脸搜索，利用形状统计模型对搜索到的形状进行近似表达，同时对合理性进行判断，对不合理的形状进行调整以保证形状在统计意义上的合理性；如果检测到有人脸目标，则执行步骤3，如果没有检测到人脸目标，则执行步骤1；步骤3：对检测到的当前帧图像数据中存在的人脸图片进行人脸图片尺度变换处理和人脸图片灰度归一化处理；步骤4：采用DCT算法和MMSD算法相结合的人脸识别算法，先对预先采集到的人脸数据库的人脸图片进行二维DCT变换，然后再对二维DCT变换后的变换系数矩阵应用MMSD算法进行特征提取，获得最优特征鉴别矩阵W；最优特征鉴别矩阵W的计算过程为：首先，对预先采集到的人脸数据库的每个样本做二维DCT变换，得到的变换系数矩阵为T={x1,x2,...,xi...,xN}，其中，xi为每个样本经过二维DCT变换后得到的变换系数向量，N是人脸数据库的样本数；然后，依据变换系数矩阵T计算类间散度矩阵Sw和类内散度矩阵Sb；最后，基于MMSD算法获得人脸数据库的最优特征鉴别矩阵W；步骤5：将步骤3中经过尺度变换处理和灰度归一化处理后的人脸图片先经过二维DCT变换，然后再投影到步骤4中的最优特征鉴别矩阵W，利用最近邻分类方法匹配人脸图片，利用欧式距离进行测度运算，运算公式如下： dist ( Y , Z j ) = Σ k = 1 m ( y k - z jk ) 2 其中，Y为人脸图片经过二维DCT变换后投影到最优特征鉴别矩阵W的向量，Zj=WTxj，WT为W的转置，xj是变换系数矩阵T的第j列数据，j=1,2,...,N，yk表示Y的第k个值，zjk表示Zj的第k个值，dist(Y,Zj)为Y和Zj的欧氏距离，m为Y的列数；人脸识别的最终结果为：r*=min dist(Y,Zj)其中，Zj为Z的第j个列向量，Z=WTT，r*表示Y与Zj的欧氏距离最小，这时的Zj的列号对应的类别就是人脸识别的最终结果。