基于正脸补偿算子的多姿态人脸识别方法

摘要

本发明公开了一种简单有效的基于PCA算法的多姿态人脸识别技术，通过使用正脸补偿算子来补偿多姿态人脸，并使用补偿后的人脸进行多姿态人脸识别。说明书摘要附图为整个多姿态人脸识别的流程图。本发明使用PCA算法进行人脸识别时，正脸补偿算子补偿了待识别多姿态人脸所缺乏的正脸轮廓信息，即PCA算法分解出的大特征值所对应的特征脸信息，同时也减少了干扰PCA算法的部分多姿态轮廓信息。多姿态人脸图像往往缺少正脸轮廓，即对PCA算法来讲更重要的识别信息。与其它技术相比，本发明使用平均脸计算，没有采用将人脸库中人脸组成一个大矩阵来进行训练的方法，减少了计算量。同时对人脸归一化要求低，人脸库容易选择，而且需要的训练人脸数目很少。此外，本发明使用的算法简单，通过简单的加减运算就能达到很好的识别效果，而且对各种姿态人脸进行识别都能通用。本发明通过正脸补偿算子来补偿多姿态人脸的方法可为改善多姿态人脸识别率提供新的解决思路。

主权项

1.一种简单有效基于PCA的多姿态人脸识别技术，通过正脸补偿算子来补偿多姿态人脸，使用补偿之后的人脸来进行多姿态人脸识别的方法，其特征在于采用以下步骤：A、剪切少量(20张即可)的正脸与相同数量对应的某个姿态的人脸组成训练人脸库，该人脸库对归一化性能要求很低，只需将眼睛部位固定在特定位置。B、根据图像的清晰度将图像放缩到相同的大小，并做灰度化和直方图均衡化处理，人脸图像像素数没有小于某一阈值的要求，原则上图像像素数越高，识别效果也越好；C、计算多姿态人脸与正脸的平均脸，使用N个人的正脸与对应某个姿态的人脸进行训练，N张正脸与对应的N张Pk姿态的人脸构成训练序列，其中是正脸对应的P_k姿态下的人脸图像，平均正脸表示为P_k姿态下的平均脸表示为D、定义一个正脸轮廓补偿算子Ω，将平均正脸减P_k姿态下的平均脸得到P_k姿态下的正脸补偿算子，表示为该算子不代表每个人的身份，弱化了人脸的身份信息，保留了大的轮廓信息；E、将待输入多姿态人脸进行相同的归一化处理，并加上正脸补偿算子进行补偿，输入人脸经过正脸补偿算子补偿之后表示为正脸补偿算子能够突出人脸的正脸轮廓信息，消除部分干扰PCA识别的多姿态轮廓信息，从而补偿PCA算法中大特征值所对应的特征脸信息；F、对具有一定水平偏转角度的侧脸进行识别时，补偿后的侧脸内外侧明显不对称，通过对称性将外侧人脸部分对应到内侧，人脸识别率降低，原因是虽然内侧人脸比外侧人脸包含的信息要少，但却包含外侧部分没有的轮廓信息和一些细节信息，而PCA算法是对整张人脸进行整体分析，而且对称处理会使中间部分出现像素突变，相对于引入了噪声；G、第一次识别错误时，考虑将错误识别出来的人脸排除，进行二次识别，能够有很高的识别率，当前算法对二次识别率研究较少，但是其实际应用价值是不容忽视的。