基于成本敏感的自适应增强的人脸认证方法

摘要

本发明涉及自适应增强的人脸认证方法，其特征在于按以下步骤进行：第1步对待认证人的图像进行人脸检测：利用OpenCV图像处理软件中的分类器训练程序进行训练得到一个级联分类器，级联分类器对输入的图像进行人脸检测并得到人脸区域；第2步提取人脸特征：从第1步中的检测出的人脸区域中提取局部二值模式(LBP)特征和尺度不变特征转换(SIFT)特征进行组合成一个人脸特征；第3步进行人脸认证：将第2步中的得到的人脸特征与人脸数据库中人脸图像的LBP和SIFT组合的人脸特征进行比对，将比对的结果输入成本敏感的自适应增强分类器，成本敏感的自适应增强分类器来判断输入图像的人与人脸数据库中的人是否为同一人。本发明可以有效降低误辩率。

主权项

1.基于成本敏感的自适应增强的人脸认证方法，其特征在于按以下步骤进行：第1步对待认证人的图像进行人脸检测：利用OpenCV图像处理软件中的分类器训练程序进行训练得到一个级联分类器，级联分类器对输入的图像进行人脸检测并得到人脸区域；第2步提取人脸特征：从第1步中的检测出的人脸区域中提取局部二值模式(LBP)特征和尺度不变特征转换(SIFT)特征进行组合成一个人脸特征；第3步进行人脸认证：将第2步中的得到的人脸特征与人脸数据库中人脸图像的LBP和SIFT组合的人脸特征进行比对，将比对的结果输入成本敏感的自适应增强分类器，成本敏感的自适应增强分类器来判断输入图像的人与人脸数据库中的人是否为同一人；所述的成本敏感的自适应增强分类器的实现步骤为：利用收集的人脸数据库进行训练：输入训练样本集Γ，Γ含有N个训练样本(x_n，y_n)，其中y_n∈{1，-1}，x_n为人脸数据库中任意两个人的人脸特征差的绝对值，w_k(n)表示在第k循环中第n个训练样本的权重；(C₁，C₂)是两种错误的权重；初始化为w₁(n)＝1，在每一次循环中，下面三步被一一实现：(1)利用训练样本集Γ和样本权重w_k(n)构建弱分类器H_k，且弱分类器为二叉树分类器；其中用Ψ_k(x)∈[0，1]表示分类的信心度；(2)利用H_k对训练样本集Γ进行分类，同时计算错误率：$r_k=\frac{1}{N}\underset{n}{\Sigma }\delta w_k\left(n\right){\Psi }_k\left(x_n\right)$其中(3)更新权重：w_(k+1)(n)＝w_k(n)exp(-δα_kΨ_k(x_n))其中${\alpha }_k=\frac{1}{2}\ln \left(\frac{1+r_k}{1-r_k}\right)$在M次循环后，最后的分类准则为：$H^{*}\left(x\right)\text{=argmax}\underset{k:H_k=y}{\Sigma }{\alpha }_k{\Psi }_k\left(x\right),$其中，M为100-1000，N为1500，n为1-N，k为1-M。