一种基于隐马尔可夫模型的人脸识别方法

摘要

本发明涉及一种基于隐马尔可夫模型的人脸识别方法，具体包括以下步骤：建立人脸隐马尔可夫模型；对样本图像采样，得到特征向量，确定模型各初始参数；反复迭代训练隐马尔可夫模型，对于每个人脸都产生一个具有不同参数隐马尔可夫模型；对待识别图像采样，得到特征向量；将待识别图像的特征向量分割，对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最小的隐马尔可夫模型，最后得到识别结果。本发明利用人脸HMM的结构确定的隐含状态总是从代表头部的状态开始，并且只可能向下一个状态转移的特征和Viterbi算法动态规划的特性，将观察向量分割，并在计算相似度时通过中间结果来排除可能性较小的人脸模型，达到减少计算量的效果。

主权项

一种基于隐马尔可夫模型的人脸识别方法，其特征在于，包括以下步骤：1)建立人脸隐马尔可夫模型；2)对样本图像采样，得到特征向量，确定模型各初始参数；3)反复迭代训练隐马尔可夫模型，根据给定样本个数，对于每个人脸都产生一个具有不同参数隐马尔可夫模型，一共m个，m≥1；4)对待识别图像采样，得到特征向量；5)将待识别图像的特征向量分割，对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最小的隐马尔可夫模型，最后得到识别结果；其中建立人脸图像的隐马尔可夫模型是以头发、额头、眼睛、鼻子和嘴巴区域作为隐含状态来建立相关的模型；所述步骤2具体包括如下步骤：1)对样本图像进行预处理，进行灰度化，归一化处理，去除图像的色彩信息并归一为统一的图像尺寸；2)对样本图像使用采样窗口进行采样；3)对采样窗口进行和特征提取，提取后的特征作为样本图像的观察序列；4)平均分割图像，并初始化模型参数；步骤4具体包括如下步骤：1)对待识别图像进行预处理，进行灰度化，归一化处理，去除图像的色彩信息并归一为与样本图像相同的尺寸；2)对待识别图像窗口进行采样和特征提取，采样窗口的宽度、高度均与样本图像相同；3)对采样窗口进行和特征提取，提取后的特征作为待识别图片的观察序列；步骤5包括如下步骤：1)根据步骤4得到待识别图片长度为T的观察序列O＝O₁O₂...O_T，其中T>5，表示图像采样窗口的个数.将O平均分割为n份，每份长度为将O＝O₁O₂...O_T/n代入所有m个HMM中使用Viterbi算法计算相似度，m表示已经训练好的隐马尔可夫模型的个数，m≥1，得到m个δ_T/n(i)，δ_T/n(i)表示当前观察序列在隐马尔可夫模型中的相似度，同时淘汰最小的个δ_T/n(i)对应的HMM；3)将O_T/nO_T+1/n...O_2T/n代入个HMM中，同样得到淘汰掉最小的个δ_2T/n(i)对应的HMM；上述步骤进行n次，每次都带入个观察序列，保存中间结果δ(i)，然后根据δ(i)排除最小的个HMM，最后在剩余的中计算P_l＝max[δ_T(i)],求出的即为识别的结果；若存在同属一个人的待识别图像，计算每个图像的识别结果，取次数最多的作为结果输出。