[发明专利]一种基于双摄像头的智能人脸识别方法及系统

摘要

本发明公开了一种基于双摄像头的智能人脸识别方法及系统，方法包括：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果。本发明具有识别率高、准确和鲁棒性高的优点，可广泛应用于生物特征识别领域。

主权项

1.一种基于双摄像头的智能人脸识别方法，其特征在于：包括以下步骤：通过双摄像头分别采集黑白人脸图像和彩色人脸图像；采用频域残差法对黑白人脸图像进行显著性检测，得到黑白显著性图像；采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别；采用改进的肤色检测算法对彩色人脸图像进行肤色提取与分割，得到彩色人脸候选区域；采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别；根据黑白人脸识别的结果和彩色人脸识别的结果进行加权识别，得出最终的人脸识别结果；所述采用基于差分图的PCA分析法在黑白显著性图像中进行黑白人脸识别这一步骤，其包括：获取黑白显著性图像S(i，j)的水平差值图像S_h(i，j)和垂直差值图像S_v(i，j)，所述水平差值图像S_h(i，j)和垂直差值图像S_v(i，j)的表达式分别为：S_h(i，j)＝S(i，j+1)‑S(i，j)，S_v(i，j)＝S(i+1，j)‑S(i，j)；将黑白显著性图像S(i，j)、水平差值图像S_h(i，j)和垂直差值图像S_v(i，j)按行排成一列，并把每一列连成一个列向量A₀；将列向量A₀归一化为零均值向量D，然后根据零均值向量D构建黑白人脸训练样本集{D_q|q＝1,2,...,n}，n为训练样本的总数；计算黑白人脸训练样本集中每幅图像与均值的差θ_q，θ_q的计算公式为θ_q＝D_q‑V，V为黑白人脸训练样本集的均值，且计算黑白人脸训练样本集的协方差矩阵C，所述协方差矩阵C的计算公式为：C＝EE^T，其中，E＝[θ₁,θ₂,...,θ_q]，T表示矩阵的转置；对协方差矩阵C进行奇异值分解，得到黑白人脸的特征值；将黑白人脸的特征值λ_q按照由大到小顺序进行排列，得到前m个最大特征值对应的特征向量空间U＝[u₁,u₂,...,u_m]，其中，1＜m＜q，且以黑白人脸训练样本集的图像作为第一训练图像，D中除黑白人脸训练样本集外的其它样本的图像作为第一测试图像，将第一训练图像和第一测试图像投影到特征向量空间U中；根据投影到特征向量空间U中的第一测试图像与第一训练图像选用分类器来识别出第一测试图像的类别，并以第一测试图像的类别作为黑白人脸识别的结果，所述分类器包括但不限于最近邻分类器、最小距离分类器、曼哈顿距离分类器和贝叶斯分类器；所述采用改进的8级并行PCA分析法在彩色人脸候选区域中进行彩色人脸识别这一步骤，其包括：根据整幅彩色人脸图像提取7幅与之相对应的部分图像；对整幅彩色人脸图像和7幅部分图像同时采用相同的PCA模型进行PCA变换，以提取出整幅彩色人脸图像和7幅部分图像的彩色人脸特征向量；根据提取出的彩色人脸特征向量采用马氏距离分类器进行测试图像与训练图像的匹配计算，识别出整幅彩色人脸图像和7幅部分图像这8幅图像的类别；根据整幅彩色人脸图像和7幅部分图像的识别结果进行加权决策，得到彩色人脸识别的结果。