人脸识别方法及系统

摘要

本发明提供了一种人脸识别方法及系统，包括：采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像；基于稀疏正则化方法对提取到的每一波段的人脸图像特征进行评价与选择得到降维后的每一波段的人脸图像的新特征和对应的新特征评价指标；再基于稀疏正则化方法对第一特征集进行评价、选择与融合构成最终表达人脸的第二特征集和对应的第二特征评价指标；根据第二特征评价指标从所述第三特征集获得最终表达所述待测试人的人脸的第二特征集；采用最近邻分类器获取分类结果。本发明能够在融合足够多人脸图像信息的基础之上，保证最终表达人脸的特征集有较低的维数，从而也保证人脸识别的速度和单个人需要存储的数据量较小，提高识别精度。

主权项

一种人脸识别方法，其特征在于，包括以下步骤：采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像；对采集得到的每一波段的训练图像进行归一化，并进行mask和光照的预处理；从经过归一化和预处理的每一波段的训练图像中提取该波段的第一人脸图像特征；基于稀疏正则化方法对提取到的每一波段的人脸图像特征进行评价与选择得到降维后的每一波段的人脸图像的新特征和对应的新特征评价指标；把得到的每一波段的人脸图像新特征组合成第一特征集，再基于稀疏正则化方法对所述第一特征集进行评价、选择与融合构成最终表达人脸的第二特征集和对应的第二特征评价指标；采集待测试人的可见光、近红外、中红外、远红外和热红外的多波段的测试图像；对采集得到的每一波段的测试图像进行归一化，并进行mask和光照的预处理；从经过归一化和预处理的每一波段的测试图像中提取该波段的第二人脸图像特征；根据所述新特征评价指标从所述第二人脸图像特征得到降维后的每一波段的人脸图像的新特征；将从所述第二人脸图像特征得到降维后的每一波段的人脸图像的新特征组合成第三特征集，根据所述第二特征评价指标从所述第三特征集获得最终表达所述待测试人的人脸的第二特征集；采用最近邻分类器依次计算所述待测试人的人脸的第二特征集与人脸图像测试库中每个人脸图像之间的距离，所得最小距离的人脸图像测试库中的人脸图像的所属人即为分类结果。