| 主权项 |
一种人脸面相判别方法，包括伪装分类器、伪装模型以及人脸识别分类器，所述人脸面相判别方法包括如下步骤：获取人脸图像：从视频或图像中获取人脸图像；进行人脸伪装判别：将人脸图像根据伪装分类器、伪装模型进行伪装判别；利用样本的harr特征进行分类器训练，得到一个级联的强分类器，训练样本分为正例样本和反例样本，其中，正例样本是指待检目标样本，反例样本指其它任意图像，所有的样本图像都被归一化，对于级联的强分类器，根据级联的强分类器得到hu不变量训练集，所述伪装模型中还包括肤色模型，根据所述肤色模型判别人脸图像是否为戴口罩或围巾的伪装，根据所述肤色模型找到并标记没被遮挡的人脸区域，然后通过计算相似度，从而对人脸的区域进行标记，计算相似度时采用公式：P(r,b)=exp[‑0.5(x‑m)TC‑1(x‑m)]其中，x是图像中所有像素点的颜色的Cr，Cb两个值组成的向量，m表示训练样本的个数，P（r,b）也称为YCbCr空间中Cr，Cb两个值为r、b的像素点为肤色的概率，计算相似度后，若P（r,b）大于给定的阈值，则该点为肤色，对应像素点灰度值设为1，否则为0，据此对图像进行二值化，在对图像进行二值化后，整个脸处于同一个连通的区域中，然后计算连通区域面积和整个图像的面积比例，根据面积比例一定限定区间的连通分量，即认为该连通区域就是要找的人脸区域；人脸面相判别：对于伪装判别结果中未进行伪装的人脸图像根据人脸识别分类器进行人脸分类面相判别；所述人脸识别为基于线性组合的具有拒绝识别功能的人脸识别方法，具体如下：把该人脸图像归一化大小为训练样本的大小的灰度图像；设y∈Rn代表该人脸图像，即为测试样本，A∈Rn×m是所有训练样本组成的矩阵，即是已加载的嫌疑人人脸库中所有图像样本，每一列对应一个训练样本；测试样本y用所有训练样本的线性组合表示如下： <mrow> <mi>y</mi> <mo>=</mo> <munderover> <mi>Σ</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>α</mi> <mi>k</mi> </msub> <msub> <mi>a</mi> <mi>k</mi> </msub> </mrow>其中，m表示训练样本的个数，ak代表第k个训练样本，αk是线性组合中与第k个训练样本相对应的系数；其中，α=(α1,α2,..,αm)T是系数矢量，A=(a1,a2,...,am)；计算每类样本对描述测试样本的贡献；第d类在描述测试样本时所作的贡献为gd=αsas+,...+αtat；计算所有类别的误差ed=||y‑gd||2(d=1,2,...,L)，其中，L是数据库中的类别个数；找出最小误差所属类别，识别；误差越小的类别说明测试样本与该类别距离较近，且当误差小于一定阈值时则认为待识别人像与数据库中人像一样；否则，拒绝识别，进入下一次处理。 |
