一种基于仿射尺度不变特征变换和结构相似的人脸识别方法

摘要

一种基于仿射尺度不变特征变换和结构相似的人脸识别方法涉及人脸识别技术领域。本发明是先利用图像局部特征描述算子AISFT得到图像间的匹配点，再基于“网漏”方法实现冗余匹配点的筛除，然后根据结构相似度算法计算得到基于关键点的相似度，最终实现人脸识别。本发明具有简单易行且正确识别率较高的优点。

主权项

1.一种基于仿射尺度不变特征变换和结构相似的人脸识别方法，包括匹配点计算、匹配点筛选、相似度计算并判决三个步骤：A、匹配点计算阶段，利用仿射尺度不变特征变换算法ASIFT(Affine scale-invariantfeature transform,)计算待识别人脸图像与人脸图像的匹配点；步骤A具体包括：A1、对待识别人脸图像u与人脸图像v基于仿射尺度不变特征变换算法ASIFT进行匹配点计算，计算得出图像u和v的匹配点对；B、匹配点筛选阶段，根据待识别人脸图像u与人脸图像v，采用“网漏”方法实现图像的匹配点对的筛选，经过筛选后的匹配点即为图像的关键点；步骤B具体包括：B1、对输入的待识别人脸图像进行网格大小为M*N的矩形网格划分，其中M的取值范围是小于图像长度的一半的自然数，N的取值范围是小于图像宽度的一半的自然数；B2、根据步骤B1中划分出的网格，计算每一个网格对应匹配点坐标的质心，质心按照下列公式进行计算：配点的坐标x值,y_i,j是第i个网格中第j个匹配点的坐标y值，其中(j∈(1,acount_i)),i∈(1,num),num是图像所划分出的网格数量,acount_i是第i个网格内匹配点数量；B3、找到每一个网格中离质心最近的匹配点并作为关键点，具体步骤如下：对于一个网格，计算该网格内匹配点与质心点之间的距离，计算公式如下：$d_{i,j}=\sqrt{{(x_{i,j}-x_{{\mathrm{centro}}_i})}^2+{(y_{i,j}-y_{{\mathrm{centro}}_i})}^2}(j\in (1,{\mathrm{acount}}_i)),$其中d_i,j表示第i个网格中第j个匹配点与该网格内质心的距离，acount_i是第i个网格内匹配点数量，x_i,j是第i个网格中第j个匹配点的坐标x值,y_i,j是第i个网格中第j个匹配点的坐标y值，是第i个网格质心点的坐标x值，是第i个网格质心点的坐标y值；筛选出网格内距离最小值d_t,min＝min(d_i,j),j∈(1,acount_i)对应的匹配点作为对应网格的关键点，以此方法，计算图像内每一个网格内的匹配点与质心点的距离，并筛选出每一个网格内距离质心点最小距离的匹配点作为关键点；C、相似度计算并判决，运用结构相似度算法SSIM（Structural Similarity）进行相似度的计算并判决，实现待识别人脸与人脸图像的匹配；步骤C具体包括：C1、采用结构相似度算法SSIM计算每一个网格中基于关键点一定邻域值F_i的相似度值，${\mathrm{SSIM}}_i=({2u}_{u_i}{u}_{v_i}+c_2)({2\sigma }_{u_i{v}_i}+c_1)/({u^2}_{u_i}+{u^2}_{v_i}+c_1)({{\sigma }^2}_{u_i}+{{\sigma }^2}_{v_i}+c_2),$SSIM_i表示待识别人脸图像u中第i个网格的关键点与人脸图像v中第i个网格的关键点基于一定邻域值F_i的相似度值，分别表示图像u、v第i个网格的关键点基于一定邻域值F_i的均值，表示图像u、v第i个网格的关键点基于一定邻域值F_i的方差、协方差，c₁、c₂是常数，取c₁＝6.5025，c₂＝58.5225，F_i∈(1,img_size),i∈(1,num)，其中img_size是图像的长度值和宽度值中较小的值，num是图像中网格的数量,如果某些网格中没有关键点，该网格SSIM_i的值设为0；C2、计算所有网格的相似度值并得到最终相似度值,计算公式如下:img_SSIM表示待识别人脸图像u与人脸图像v之间的最终相似度值，num′为图像中的匹配点总数；C3、比较最终相似度值与阀值，当最终相似度值大于阀值时，认定待识别的人脸与识别人脸是同一个人，否则不是同一个人。