主权项 |
1.一种具有光照鲁棒性的人脸特征提取方法,包括如下步骤:a、人脸图像的预处理:对M行N列大小的原始二维人脸图像I<sup>P</sup>采用边缘检测算法提取人脸的轮廓特征,再对人脸轮廓图像进行二值化处理,得到二值化后的大小为M行N列的人脸预处理图像I<sub>预</sub><sup>P</sup>;或者将原始二维人脸图像I<sup>P</sup>应用离散傅立叶变换,进行只保留相位信息的重构得到二值化后的大小为M行N列的人脸预处理图像I<sub>预</sub><sup>P</sup>;b、分块:将人脸预处理图像I<sub>预</sub><sup>P</sup>,进行无重叠的均匀分块,得到<img file="S2007100509702C00014.GIF" wi="942" he="70" />L为子块的总数,各子块I<sub>i</sub><sup>P</sup>大小一致,为<img file="S2007100509702C00015.GIF" wi="145" he="53" />行、<img file="S2007100509702C00016.GIF" wi="136" he="54" />列;c、方差投影熵:对各子块I<sub>i</sub><sup>p</sup>在行方向和列方向上分别应用方差投影公式,得到投影后的行向量值和列向量值,分别表示为<maths num="0001"><![CDATA[<math><mrow><mi>V</mi><mo>[</mo><mi>j</mi><mo>]</mo><mo>=</mo><mo>[</mo><msub><mi>V</mi><mn>1</mn></msub><mo>,</mo><msub><mi>V</mi><mn>2</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>V</mi><mrow><mi>N</mi><mo>/</mo><msqrt><mi>L</mi></msqrt></mrow></msub><mo>]</mo></mrow></math>]]></maths>和<maths num="0002"><![CDATA[<math><mrow><mi>U</mi><mo>[</mo><mi>k</mi><mo>]</mo><mo>=</mo><mo>[</mo><msub><mi>U</mi><mn>1</mn></msub><mo>,</mo><msub><mi>U</mi><mn>2</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>U</mi><mrow><mi>M</mi><mo>/</mo><msqrt><mi>L</mi></msqrt></mrow></msub><mo>]</mo><mo>,</mo></mrow></math>]]></maths>其中的<img file="S2007100509702C00019.GIF" wi="158" he="57" />和<img file="S2007100509702C000110.GIF" wi="93" he="32" />为各自的向量大小;而后分别计算子块I<sub>i</sub><sup>p</sup>的行对数能量熵<maths num="0003"><![CDATA[<math><mrow><msubsup><mi>EN</mi><mrow><mi>i</mi><mn>1</mn></mrow><mi>P</mi></msubsup><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>log</mi><mrow><mo>(</mo><msub><mi>V</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></math>]]></maths>和列对数能量熵<maths num="0004"><![CDATA[<math><mrow><msubsup><mi>EN</mi><mrow><mi>i</mi><mn>2</mn></mrow><mi>P</mi></msubsup><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><mi>log</mi><mrow><mo>(</mo><msub><mi>U</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>,</mo></mrow></math>]]></maths>得到子块I<sub>i</sub><sup>P</sup>对应的二个熵值[EN<sub>i1</sub><sup>P</sup>,EN<sub>i2</sub><sup>P</sup>],(i=1,2,3,...,L),所有子块I<sub>i</sub><sup>P</sup>的熵值[EN<sub>i1</sub><sup>P</sup>,EN<sub>i2</sub><sup>P</sup>]构成全局人脸特征向量<maths num="0005"><![CDATA[<math><mrow><msubsup><mi>I</mi><mi>fea</mi><mi>P</mi></msubsup><mo>=</mo><mo>[</mo><msubsup><mi>EN</mi><mn>11</mn><mi>P</mi></msubsup><mo>,</mo><msubsup><mi>EN</mi><mn>12</mn><mi>P</mi></msubsup><mo>,</mo><msubsup><mi>EN</mi><mn>21</mn><mi>P</mi></msubsup><mo>,</mo><msubsup><mi>EN</mi><mn>22</mn><mi>P</mi></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>EN</mi><mrow><mi>L</mi><mn>1</mn></mrow><mi>P</mi></msubsup><mo>,</mo><msubsup><mi>EN</mi><mrow><mi>L</mi><mn>2</mn></mrow><mi>P</mi></msubsup><mo>]</mo><mo>;</mo></mrow></math>]]></maths>d、特征数据库的建立:对得到的n(n>1)幅M行N列大小的原始二维人脸图像I<sup>P</sup>分别进行以上a~c步的操作,得到n个全局人脸特征向量I<sub>fea</sub><sup>P</sup>,P=1,2,3...n,构建形成人脸特征数据库;e、识别认证:对于每一幅新的M行N列未知人脸图像I<sup>0</sup>,也进行以上a~c步的操作,得到该未知人脸图像的全局人脸特征向量I<sub>fea</sub><sup>0</sup>,将其与d步的人脸特征数据库中的人脸特征向量I<sub>fea</sub><sup>P</sup>,应用欧几里德距离<maths num="0006"><![CDATA[<math><mrow><mi>ED</mi><mrow><mo>(</mo><msubsup><mi>I</mi><mi>fea</mi><mn>0</mn></msubsup><mo>,</mo><msubsup><mi>I</mi><mi>fea</mi><mi>P</mi></msubsup><mo>)</mo></mrow><mo>=</mo><msqrt><munderover><mi>Σ</mi><mrow><mi>q</mi><mo>=</mo><mn>1</mn></mrow><mrow><mn>2</mn><mi>L</mi></mrow></munderover><msup><mrow><mo>(</mo><msubsup><mi>EN</mi><mi>q</mi><mn>0</mn></msubsup><mo>-</mo><msubsup><mi>EN</mi><mi>q</mi><mi>P</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt></mrow></math>]]></maths>进行逐个匹配,计算出该未知人脸图像I<sup>0</sup>与被匹配图像的距离值,将该未知人脸图像I<sup>0</sup>的类别标示为在特征库中最短距离的那幅人脸图像。 |