[发明专利]人脸检测及识别方法

摘要

本发明涉及一种人脸检测及识别方法，步骤1对摄像头获取的图像采用基于haar特征和Adaboost级联分类器的人脸检测器进行人脸检测，并在检测到的人脸上采用基于RNDA和Adaboost的眼睛分类器进行人眼定位，接着进行几何校正和直方图修正，得到标准化的人脸样本；步骤2对图像采用haar小波进行预处理，保留图像的低频分量作为后续特征提取算法的输入；步骤3运用改进的直接线性鉴别分析方法对所提取的低频分量进行特征训练，获得最优特征投影矩阵，改进的直接线性鉴别分析方法基于新的判别准则；步骤4将人脸低频分量投影到最优投影矩阵中，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。本发明提供了一种快速、准确的人脸检测及识别方法。

主权项

一种人脸检测及识别方法，其特征在于：首先，获取视频流中的图像，然后对图像进行人脸检测及识别；具体步骤如下：1)对图像采用人脸分类器进行人脸检测，并在检测到的人脸上采用眼睛分类器进行人眼定位，然后根据眼睛的坐标对人脸进行几何校正和直方图修正，得到标准化的人脸样本，建立有多张人脸样本的人脸训练数据库；2)将人脸训练数据库中的图像采用haar小波进行预处理，保留图像的低频分量作为后续特征提取算法的输入；3)运用直接线性鉴别分析方法对步骤2)中所提取的低频分量进行特征训练，获得最优投影矩阵W；4)将步骤2)中获得的人脸的低频分量投影到步骤3)中的最优投影矩阵W中，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；步骤1)中的人脸分类器采用基于haar特征和Adaboost的级联分类器；步骤1)中的眼睛分类器基于RNDA和Adaboost，RNDA在转换后的特征空间的局部邻域中获得满秩的散度矩阵，并通过递归策略保证RNDA逐渐降低眼睛的误分类率直至收敛；步骤1)中对人脸图像的几何校正的主要依据为人眼的坐标，人眼的坐标由基于RNDA和Adaboost的级联分类器扫描到的眼睛子窗口中眉毛、上眼睑、下眼睑的几何位置所确定，知道人眼的坐标后根据两只眼睛的连线的倾斜角度确定人脸图片的旋转角度，对人脸图像进行几何修正；步骤1)中的直方图修正将各个灰度级的分量平均的布满整个空间，这个过程在直方图上的表现为密集的灰度分布变成均匀的灰度分布，从而使图像的对比度增强；步骤2)中对一个m×n的原始输入图像，先用haar小波的尺度向量hφ(n)和小波向量hψ(n)对行数据进行卷积，再对列数据进行抽样，即可得到两个水平分辨率减少一半的子图像；然后，两个子图像再以列数据卷积并进行抽样，即可得到4个四分之一大小的子图像；最后，选择图像的近似值即低频分量作为步骤3)中特征训练的输入；步骤3)中直接线性鉴别分析方法修改了训练图像的类间散度矩阵Sb的定义，在Sb中添加了函数值随着类间距离的减少而增加的权重函数w(dij)。