首页 / 专利库 / 人工智能 / 三维人脸重建 / 一种人脸识别的方法

一种人脸识别的方法

阅读:601发布:2020-09-24

专利汇可以提供一种人脸识别的方法专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种 人脸识别 方法,是一种基于核线性判决的二维Gabor小波特征提取,采用二维Gabor小波特征的三维人脸识别 算法 ,通过将人脸有效的二维Gabor小波特征与三维人脸识别算法相结合,使用线性判别分析方法对 特征向量 进行分析,克服了光照、 姿态 及表情等因素对人脸识别造成的影响及单一三维人脸识别在提取有效人脸特征方面的不足。,下面是一种人脸识别的方法专利的具体信息内容。

1.一种人脸识别方法,该方法是一种基于二维Gabor 小波特征的三维人脸识别算法,其特征在于:包括以下步骤:
步骤A、对正面人脸进行检测,定位一张正面人脸和一张人脸图像中关键的人脸特征点,获得人脸原始图像I(x,y);
步 骤 B、通 过 Gabor 小 波 分 析 所 获 取 关 于 人 脸 图 像 的 Gabor 表征,使 所 述 的 原 始 图 像I(x,y) 中 的 相 应 特 征 转 化 为Gabor 特 征 向 量 ;
步骤C、采用小指数多项式(FPP)模型 ,使m 维Gabor 特
征空间 投影到更高n 维空间 中;
步骤D、基于核线性判决分析算法(KFDA),在 空间中建立类间矩阵 和类内矩阵,其中, ,计算 的
标准正交特征向量
步骤E、提取人脸图像显著判别特征向量;
步骤F、提取人脸图像不显著的判别特征向量;
步骤G、利用人脸图像显著判别特征向量和人脸图像不显著的判别特征向量和一个3D 人脸数据库重建三维人脸模型;
步骤H、对所述的三维人脸模型采用模板匹配及线性判别分析(FLDA)方法进行处理,提取模型的类内差异和类间差异进行匹配人脸。
2.根据权利要求1所述的一种人脸识别方法,其特征在于:所述的步骤A中,所述的人脸图像中关键的人脸特征点,包括人脸的轮廓特征点、左眼和右眼、嘴和鼻。
3.根据权利要求1所述的一种人脸识别方法,其特征在于:所述的步骤E中包括:
步骤E01、令 ,其中, 是所述的类内矩阵
对应的q 个特征值为正的特征向量, ;
步 骤E02、计 算 对 应 于 个 最 大 特 征 值 的 特 征 向 量
,其中, ; ;
步 骤 E03、 显 著 判 别 特 征 向 量 , 其 中,

4.根据权利要求3所述的一种人脸识别方法,其特征在于:所述的步骤F中包括:
步骤F01计算 对应于一个最大特征值的特征向量 ;
步 骤F02、令 , 则 不 显 著 的 判 别 特 征 向 量
, 。
5.根据权利要求1所述的一种人脸识别方法,其特征在于:所述的步骤G中3D 人脸数据库为ORL(Olivetti Research Laboratory)单人脸三维人脸数据库。
6.根据权利要求5所述的一种人脸识别方法,其特征在于:所述的步骤G中:
步骤G01、确定一个特征转换矩阵P;
步骤G02、将提取出的Gabor 判别特征向量对应于m 个最大特征值的特征向量,组成主特征转换矩阵P’;
步骤G03、对大规模人脸数据库进行反复训练以获得平均人脸S 。

说明书全文

一种人脸识别的方法

技术领域

[0001] 本发明涉及人脸识别领域,特别涉及基于二维Gabor 小波特征的三维人脸识别算法

背景技术

[0002] 人脸识别是一项热的计算机技术研究领域,它属于生物特征识别技术,是对人体本身的生物特征来区分生物体个体。目前二维人脸识别技术已经较成熟,但二维人脸识别质量受以下因素影响:(1)光照,由照片得到的图像以灰度信息表示人脸面貌,在不同环境(光线、背景、视等)下,得到的人脸照片差别很大;(2)姿态,照片通常不是严格符合正面或侧面姿态条件的,如何从二维照片得到三维姿态并加以调整具有较大难度;(3)人脸的表情变化和面貌随年龄发生的变化,会严重影响识别结果。光照和姿态的变化是人脸识别面临的主要问题,同一个人在不同光照和姿态下的人脸图像差别通常大于不同人在相同光照和姿态下的差别。三维人脸识别直接提取人脸在三维空间的真实特征信息,不同于二维人脸识别中人脸在某个方向上的平面投影,因此,其特征信息更充分,可在原有二维人脸识别的基础上有效改善系统识别精确度并增强系统对姿态、光照和表情的鲁棒性。但人脸是柔性物体,人脸表情的柔性变化对三维模型影响很大。
[0003] 二维Gabor复小波最早由Daugman提出,随之被广泛地应用于各种图像处理,取得了非常好的效果。
[0004] 二维Gabor复小波为:其中, , , 和
滤波器的尺度参数, 表示的是频率, 表示的是方向。
[0005] 式(1)在频域表示为:其 中 , ,
, 。
[0006] 目前,还没有基于二维Gabor 小波特征的三维人脸识别算法。

发明内容

[0007] 本发明的目的是公开一种二维Gabor 小波特征的三维人脸识别算法。
[0008] 本发明为了实现其发明目的所采用的技术方案是:一种人脸识别方法,该方法是一种基于二维Gabor 小波特征的三维人脸识别算法,包括以下步骤:步骤A、对正面人脸进行检测,定位一张正面人脸和一张人脸图像中关键的人脸特征点,获得人脸原始图像I(x,y);
步骤B、通过Gabor 小波分析所获取关于人脸图像的Gabor 表征,使所述的原始图像I(x,y)中的相应特征转化为Gabor 特征向量
步骤C、采用小指数多项式(FPP)模型 ,使m 维Gabor 特
征空间 投影到更高n 维空间 中;
步骤D、基于核线性判决分析算法(KFDA),在 空间中建立类间矩阵 和类内矩阵,其中, ,计算 的
标准正交特征向量 ;
步骤E、提取人脸图像显著判别特征向量;
步骤F、提取人脸图像不显著的判别特征向量;
步骤G、利用人脸图像显著判别特征向量和人脸图像不显著的判别特征向量和一个3D 人脸数据库重建三维人脸模型;
步骤H、对所述的三维人脸模型采用模板匹配及线性判别分析(FLDA)方法进行处理,提取模型的类内差异和类间差异进行匹配人脸。
[0009] 进一步的,上述的一种人脸识别方法中:所述的步骤A中,所述的人脸图像中关键的人脸特征点,包括人脸的轮廓特征点、左眼和右眼、嘴和鼻。
[0010] 进一步的,上述的一种人脸识别方法中:所述的步骤E中包括:步骤E01、令 ,其中, 是所述的类内矩阵
对应的q 个特征值为正的特征向量, ;
步 骤E02、计 算 对 应 于 个 最 大 特 征 值 的 特 征 向 量
,其中, ; ;
步 骤 E03、 显 著 判 别 特 征 向 量 , 其 中,
进一步的,上述的一种人脸识别方法中:所述的步骤F中包括:
步骤F01计算 对应于一个最大特征值的特征向量 ;
步 骤F02、令 , 则 不 显 著 的 判 别 特 征 向 量
, 。
[0011] 进一步的,上述的一种人脸识别方法中:所述的步骤G中3D 人脸数据库为ORL(Olivetti Research Laboratory)单人脸三维人脸数据库。
[0012] 进一步的,上述的一种人脸识别方法中:所述的步骤G中:步骤G01、确定一个特征转换矩阵P;
步骤G02、将提取出的Gabor 判别特征向量对应于m 个最大特征值的特征向量,组成主特征转换矩阵P’;
步骤G03、对大规模人脸数据库进行反复训练以获得平均人脸S。
[0013] 本发明提出一种基于核线性判决的二维Gabor小波特征提取,采用二维Gabor 小波特征的三维人脸识别算法,通过将人脸有效的二维Gabor 小波特征与三维人脸识别算法相结合,使用线性判别分析方法对特征向量进行分析,克服了光照、姿态及表情等因素对人脸识别造成的影响及单一三维人脸识别在提取有效人脸特征方面的不足。
[0014] 下面结合具体实施例对本发明作较为详细的描述。附图说明
[0015] 图1、本发明流程图
[0016] 图2是本发明实施例效果图。

具体实施方式

[0017] 如图1所示,本实施例是一种基于二维Gabor 小波特征的三维人脸识别算法,该方法是一种基于二维Gabor 小波特征的三维人脸识别算法,包括以下步骤:步骤A、对正面人脸进行检测,定位一张正面人脸和一张人脸图像中关键的人脸特征点,获得人脸原始图像I(x,y);图像中关键的人脸特征点,包括人脸的轮廓特征点、左眼和右眼、嘴和鼻。
[0018] 步骤B、通过Gabor 小波分析所获取关于人脸图像的Gabor 表征,使所述的原始图像I(x,y)中的相应特征转化为Gabor 特征向量 ;步骤C、采用小指数多项式(FPP)模型 ,使m 维Gabor 特
征空间 投影到更高n 维空间 中;
步骤D、基于核线性判决分析算法(KFDA),在 空间中建立类间矩阵 和类内矩阵,其中, ,计算 的
标准正交特征向量 ;
步骤E、提取人脸图像显著判别特征向量;令 ,其中,
是 对应的q 个特征值为正的特征向量, .计算
对应于 个最大特征值的特征向量 ,其
中, ; ;显著判别特征向量 ,其中,
步骤F、提取人脸图像不显著的判别特征向量;计算 对应于一个最大特征值的特征向量 。令 , 则不显著的判别特征
向量 , 。
[0019] 步骤G、利用人脸图像显著判别特征向量和人脸图像不显著的判别特征向量和一个3D 人脸数据库重建三维人脸模型;为了重建一个三维人脸模型,使用ORL(Olivetti Research Laboratory)单人脸三维人脸数据库。确定一个特征转换矩阵P,在原有三维人脸识别方法中,该矩阵通常是由子空间分析方法得到的子空间分析投影矩阵,由样本的协方差矩阵对应于前m 个最大特征值的特征向量组成。将提取出的Gabor 判别特征向量对应于m 个最大特征值的特征向量,组成主特征转换矩阵P’,该特征转换矩阵比原有特征矩阵P 对光照、姿态和表情等因素具有更强的鲁棒性,即代表的特征更准确且稳定。对大规模人脸数据库进行反复训练以获得平均人脸S 。
[0020] 步骤H、对所述的三维人脸模型采用模板匹配及线性判别分析(FLDA)方法进行处理,提取模型的类内差异和类间差异进行匹配人脸。
[0021] 对比研究了本文的方法与基于Gabor特征量和核函数主成分分析(KPCA)的识别技术、基于Gabor特征量和主成分分析方法(PCA)识别技术进行了比较,结果表明本文的方法提高了人的能。结果如图2所示。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈