[发明专利]基于选择性中值滤波和PCA结合的单人脸图像识别方法

摘要

基于选择性中值滤波和PCA结合的单人脸图像识别方法，涉及基于选择性中值滤波和PCA结合的单人脸图像识别技术。本发明是为了解决PCA人脸识别算法由于难以消除背景中的肤色干扰点的问题。人脸检出方法：将采集的背景和人脸图像进行肤色划分后对划分的肤色区域进行选择性中值滤波，其次使用滑动积分的算法计算出图像横向和纵向的滑动积分特征值，然后根据和人脸的滑动积分特征相比来确定人脸的区域和位置，最后扣出人脸区域。人脸识别方法：人脸识别采用统计学的PCA算法来完成，首先分解多个现有人脸库的人脸主成份特征脸，然后根据采集的人脸区域在特征空间与特征脸的欧式距离来判断是否是同一个人。

主权项

基于选择性中值滤波和PCA结合的单人脸图像识别方法，其特征是：它由以下步骤实现：步骤一、选择性中值滤波步骤；输入含有单张人脸的图像，首先对所述含有单张人脸的图像标记肤色点；所述标记肤色点的方法为：将含有单张人脸的图像的RGB颜色模式转换为YCrCb颜色模式和HSV颜色模式，在YCrCb颜色模式下，根据判别条件：Y>8085<Cb<135135<Cr<180逐一对每个像素点进行判别，都满足上述条件，则将该像素点赋值为1，否则赋值为0；在HSV颜色模式下，根据判别条件：30<H<1100.1<S<0.9逐一对每个像素点进行判别，都满足上述条件，则将该像素点赋值为1，否则赋值为0；然后，根据设定滑动窗的大小依次滑动计算上面判别后输出的图像在滑动窗内的像素值之和，并与设定的阈值进行比较；如果像素值的和小于该阈值且该该像素点的值为1，则将该像素点置0，否则该点值保持不变；最后，将图像的边缘值默认为0，滑动处理完整幅图像，输出选择性中值滤波后的二值图像；步骤二、人脸检出步骤；对于选择性中值滤波后的二值图像，分别进行水平和垂直的滑动积分，具体为：设I(m,n)_MXN为该选择性中值滤波后的二值图像，其中：M和N分别表示该图像的宽和高；m∈M；n∈N；对I(m,n)_MXN的像素进行水平累加和垂直累加，获得水平累加V_sum向量和垂直累加H_sum向量，即：$V_{sum}=\underset{k=0}{\overset{M-1}{\&Sigma;}}I(m,k)$$H_{sum}=\underset{k=0}{\overset{N-1}{\&Sigma;}}I(k,n)$对所述水平累加V_sum向量和垂直累加H_sum向量根据公式：$V_{fsum}\left(i\right)={\&Sigma;}_{k=i}^{i+W}{V}_{sum}\left(k\right)$$H_{fsum}\left(i\right)={\&Sigma;}_{k=i}^{i+H}{H}_{sum}\left(k\right)$分别求取滑动积分；其中：W和H分别表示人脸的宽和高；将V_fsum的最大值点和H_fsum的最大值点作为人脸区域的中心，将V_fsum(i)和H_fsum(i)分别与设定的阈值进行比较，如果不大于设定的阈值，则舍去；如果大于设定的阈值，则按左右对称的方式扩展出人脸区域的范围作为人脸检出图像并输出；步骤三、人脸识别步骤；对人脸图像库中的每张已经标明身份的人脸图像进行主成份分解，获得主成份图像；将分解出来的主成份图像作为人脸空间的坐标原点，依次求解每张图像到该坐标原点的距离，取其中最大值作为判别阈值；将步骤二获得的人脸检出图像映射到该特征空间求解其到原点的距离，并判断该距离是否小于判别阈值，如果判断结果为是，则认定人脸检出图像与该判别阈值对应的图像中的人脸为同一人；如果判断结果为否，则认定人脸检出图像与该判别阈值对应的图像中的人脸非同一人。