基于多部件多特征融合的人脸识别方法

摘要

本发明涉及基于多部件多特征融合的人脸识别方法，属于图像处理、计算机视觉、模式识别技术领域。该方法包括以下步骤：对训练集中所有人脸图像进行Gabor滤波，得到五种部件的Gabor特征图像，对已知人和待识别人的人脸图像采用同样方法对得到的五种部件的Gabor特征图像，分别提取五种人脸部件灰度图像的投影特征值；得到五种人脸部件的混合投影特征值；分别计算待识别人脸和已知人脸各个部件的混合投影特征值之间的欧式距离作为待识别的人脸和已知人脸的部件图像的相似度R，得到待识别的人脸和已知人脸的综合相似度R0，如果R0≥T，则判断待识别人和已知人是同一个人；如果R0＜T，则判断待识别人和已知人不是同一个人。本发明具有更高的人脸识别率。

主权项

1、一种基于多部件多特征融合的人脸识别方法，其特征在于，该方法包括以下步骤：1)对人脸图像进行五尺度八方向Gabor滤波，得到对应的人脸Gabor图像；2)从人脸Gabor图像中提取出裸脸Gabor图像、眉毛+眼睛Gabor图像、眼睛Gabor图像、鼻尖Gabor图像、嘴巴Gabor图像五种部件Gabor图像；3)分别对所述裸脸Gabor图像、眉毛+眼睛Gabor图像、眼睛Gabor图像、鼻尖Gabor图像、嘴巴Gabor图像均匀分块，取每块中所有象素点的平均值作为该块的特征象素点，所有特征象素点组合成五种部件的Gabor特征图像，实现五种部件Gabor图像的降维；4)对训练集中所有图像采用所述步骤1)-3)得到的五种部件的Gabor特征图像，利用基于主分量分析方法中的特征脸方法，形成Gabor特征裸脸、Gabor特征眉毛+眼睛、Gabor特征眼睛、Gabor特征鼻尖、Gabor特征嘴巴；5)对已知人的人脸图像采用所述步骤1)-3)得到五种部件的Gabor特征图像，利用基于主分量分析方法中的投影特征向量分析方法，分别提取所述已知人脸的裸脸Gabor图像、眉毛+眼睛Gabor图像、眼睛Gabor图像、鼻尖Gabor图像、嘴巴Gabor图像的投影特征向量；6)利用基于部件主分量分析的多模式人脸识别方法，提取已知人脸图像的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴五种人脸部件灰度图像的投影特征值；7)将已知人脸图像的同一部件的灰度图像投影特征值和对应的Gabor图像投影特征向量按照加权和规则融合，得到已知人脸图像的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴五种人脸部件的混合投影特征值；8)对待识别人的人脸图像采用步骤1)-3)得到五种部件的Gabor特征图像，利用基于主分量分析方法中的投影特征向量分析方法，分别提取所述待识别人脸的裸脸Gabor图像、眉毛+眼睛Gabor图像、眼睛Gabor图像、鼻尖Gabor图像、嘴巴Gabor图像的投影特征向量；9)利用基于部件主分量分析的多模式人脸识别方法，提取待识别人脸图像的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴五种人脸部件灰度图像的投影特征值；10)将待识别人脸图像的同一部件的灰度图像投影特征值和对应的Gabor图像投影特征向量按照加权和规则融合，得到待识别人脸图像的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴五种人脸部件的混合投影特征值；11)分别计算待识别人脸各个部件的混合投影特征值和已知人脸的对应的各个部件的混合投影特征值之间的欧式距离作为待识别的人脸和已知人脸的部件图像的相似度R，各部件图像相似度分别为裸脸图像R1、眼睛+眉毛图像R2、眼睛图像R3、鼻子图像R4、嘴巴图像R5；12)将相似度R1、R2、R3、R4、R5按照加权和规则进行融合，得到待识别的人脸和已知人脸的综合相似度R0，该R0作为人脸识别的人脸相似度；13)比较步骤12)得到的相似度R0与预先设定的阈值T的大小，T为选取错误接收率为0.1％时对应的相似度值，如果R0≥T，则判断待识别人和已知人是同一个人；如果R0＜T，则判断待识别人和已知人不是同一个人。