一种基于可见光与近红外Gabor信息融合的人脸识别方法

摘要

本发明公开了一种基于可见光与近红外Gabor信息融合的人脸识别方法，该方法包括：分别采集可见光源下和近红外光源下的人脸图像，分别提取两种图像的Gabor特征在特征层进行融合；采用AdaBoost算法对融合后的特征进行特征选择，并采用最近邻分类对其进行相似度的计算和分类。本发明具有非常高的正确率，对光照对人脸识别的影响具有很好的鲁棒性，此外，相比与其他方法，本发明还具有所用特征数少，分类速度快等优点。

主权项

1.一种基于可见光与近红外Gabor信息融合的人脸识别方法，其特征在于，该方法包括以下步骤：步骤一：采集可见光人脸图像和近红外人脸图像；近红外人脸图像采集方法如下：首先，在近红外摄像机上安置主动近红外光源；其中，选择整个光谱中波长介于780nm和1100nm之间的近红外光谱段作为主动近红外光源，主动近红外光源由N个波长为850nm的发光二极管LED组成，其中N为自然数，N∈[60，100]；在组合主动光源和近红外摄像机时，将发光二极管LED和近红外摄像机同轴安置；精细调整发光二极管在近红外摄像机平面内的摆放位置，将光源均匀作用于人脸；然后，将一个光学滤波器安放在上述近红外摄像机的镜头上；采用的光学滤波器在波长点是720nm，800nm，850nm，880nm时的光线透射率分别为0％，50％，88％，99％；对于可见光人脸图像的采集，使用一台可见光摄像机对准人脸部位进行采集，并通过图像采集软件对连接在同一块图像采集卡上的上述可见光摄像机和上述近红外摄像机进行同步控制，图像采集具有同时性；步骤二：可见光人脸图像和近红外人脸图像背景去除、归一化；背景去除主要采用人眼定位的方法，对瞳孔进行定位，结合尺度归一化、方向归一化和光照归一化操作进行背景去除；步骤三：提取可见光人脸图像和近红外人脸图像的Gabor特征；将人脸图像对中的可见光和近红外人脸图像分别与Gabor函数进行卷积操作，提取出相应的Gabor特征；步骤四：可见光人脸Gabor特征与近红外人脸Gabor特征在特征层进行融合；将提取出的可见光和近红外人脸图像的Gabor特征在特征层进行融合；提出Gabor特征和欧式距离这两种在特征层的融合特征：第一种是可见光和近红外人脸图像的Gabor特征，首先，分别提取可见光和近红外人脸图像的Gabor特征向量χ_v和χ_n，并将特征向量χ_v和χ_n首尾相连成一个新的Gabor特征向量ρ_v&n表示对应的人脸图像对，即χ_v＝(χ_v1，χ_v2…χ_vs)；χ_n＝(χ_n1，χ_n2…χ_nt)；χ_v&n＝(χ_v，χ_n)＝(χ_v1，χ_v2…χ_vs，χ_n1，χ_n2…χ_nt)；然后，采用AdaBoost算法对ρ_v&n进行特征选择，得到经过选择的特征向量ρ用于分类判别；第二种是采用加法原则融合Gabor特征计算图像相似度时所得到的欧式距离，欧氏距离的计算方法如下：向量ρ₁＝(x₁，x₂…x_n)和向量ρ₂＝(y₁，y₂…y_n)之间的欧氏距离为：$d({\rho }_1,{\rho }_2)=\sqrt{{(x_1-y_1)}^2+{(x_2-y_2)}^2+...+{(x_n-y_n)}^2}=\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{(x_i-y_i)}^2}$与上述第一种可见光和近红外人脸图像的Gabor特征相似，首先，获得人脸图像对中可见光与近红外图像的Gabor特征向量χ_v和χ_n，经过特征选择，得到可见光和近红外人脸图像用于分类的特征向量ρ_v和ρ_n；然后，采用最大最小归一化方法，将采用最近邻法得到的匹配值按照公式将d_v和d_n转化到[0，1]区间内；其中，N(d)表示对距离d最大最小归一化后的值，d_max和d_min为计算得到的欧氏距离值集合中的最大值和最小值；最后，将得到的对距离d最大最小归一化后的值相加求和作为新的分类标准；步骤五：采用AdaBoost算法对融合后的Gabor特征进行特征选择；χ_i是一幅近红外人脸图像的Gabor特征向量，下标i表示这幅图像属于编号为i的个体；χ_j是另外一幅近红外人脸图像的Gabor特征向量；D(χ)＝||χ_i-χ_j||表示两个向量间的差别，即两幅近红外人脸图像的Gabor特征向量间的差别；如果i＝j，D(χ)属于类内空间，并在训练过程中被作为正样本；相反，如果i≠j，D(χ)属于类间空间，在训练过程中被作为负样本；步骤六：采用最近邻分类器计算人脸相似度并进行分类。