專利名稱：基于空間濾波器的人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理、模式識別和計算機視覺領(lǐng)域，特別涉及基于空間濾波器的人臉識別方法。
背景技術(shù)：
雖然對人臉識別的研究持續(xù)了數(shù)十年，但是，時至今日，它依然是模式識別領(lǐng)域中一個極具挑戰(zhàn)的問題。人臉識別方法還有一系列難以解決的問題，例如當人臉姿態(tài)、表情、成像噪聲、遮擋以及環(huán)境光照發(fā)生較大變化的時候，識別率將急劇下降，如何解決人臉在不同姿態(tài)、表情、成像噪聲、光照和有部分遮擋條件下的識別問題，仍然是當前研究的熱點。對于姿態(tài)和光照變化的人臉識別問題，如果采用傳統(tǒng)的方法，必須獲得足夠多的不同姿態(tài)和光照條件下的用于學(xué)習(xí)的人臉訓(xùn)練圖像，然而在很多情況下，這些圖像并不容易獲得。為了實現(xiàn)不依賴姿態(tài)和環(huán)境光照的人臉識別，現(xiàn)有技術(shù)中提出下述方法 ー種是“不變特征”的方法，該方法是在圖像中提取對姿態(tài)、光照變化不敏感的特征作為原始圖像的測度，比如邊界圖。從近年的測試來看，相對于直接利用原始圖像數(shù)據(jù)進行識別的算法來說，不變特征的研究取得了很大的進步，使得算法對光照變化在一定程度有了適應(yīng)性，但是沒有任何ー種特征可以獨自克服圖像的光照變化，并且，很難獲得姿態(tài)變化下的不變特征。另外ー種是“變化校正”的方法，該方法主要是人臉三維形變模型，利用對輸入的兩維人臉圖像進行形狀和紋理的雙重匹配，能夠獲得不依賴于姿態(tài)的三維人臉特征，從而很好地解決不依賴于姿態(tài)的識別問題。當被用于側(cè)面人臉的姿態(tài)矯正，實驗結(jié)果顯示有非常好的識別性能。但是由于它需要對形狀和紋理同時進行優(yōu)化，耗時巨大且陷入局部最小，且初始的特征點位置需要手工獲得，不可能滿足實際應(yīng)用的需求。因此，現(xiàn)有技術(shù)中要么是無法克服光照變化對圖像產(chǎn)生的影響，要么是耗時，需要手工操作。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種基于空間濾波器的人臉識別方法，解決了當人臉姿態(tài)、表情、成像噪聲、遮擋以及環(huán)境光照發(fā)生較大變化時人臉識別難的問題，取得了較好的識別效果，且識別時間短。本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)基于空間濾波器的人臉識別方法，包括以下步驟SI、對輸入的人臉模板圖像選取濾波器算法，制作空間濾波器，并將空間濾波器存入濾波器數(shù)據(jù)庫；S2、對輸入的待識別人臉圖像作頻域變換，得到頻域待識別人臉圖像；S3、從濾波器數(shù)據(jù)庫中選取ー個空間濾波器與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)；
S4、對空間濾波器響應(yīng)函數(shù)的輸出相關(guān)平面進行檢測，若輸出相關(guān)平面出現(xiàn)尖銳的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像相匹配，結(jié)束人臉識別過程；若輸出相關(guān)平面未出現(xiàn)尖銳的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像不匹配，轉(zhuǎn)入步驟S5 ；S5、若濾波器數(shù)據(jù)庫已遍歷，則結(jié)束人臉識別過程；若濾波器數(shù)據(jù)庫未遍歷，則從濾波器數(shù)據(jù)庫中選擇另一空間濾波器，與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)，然后返回步驟S4。本發(fā)明的識別原理如下首先根據(jù)人臉模板圖像設(shè)計對應(yīng)的空間濾波器，并將空間濾波器存儲在濾波器數(shù)據(jù)庫中；將輸入的待識別人臉圖像變換為頻域待識別人臉圖像，頻域待識別人臉圖像與濾波器數(shù)據(jù)庫中的空間濾波器進行匹配相關(guān)運算。如果待識別人臉圖像與人臉模板圖像是同一個人，空間濾波器的輸出相關(guān)平面會出現(xiàn)ー個尖鋭的峰值；反之，如果待識別人臉圖像與人臉模板圖像不是同一個人，則輸出相關(guān)平面不會出現(xiàn)尖銳的峰值。由此，可以根據(jù)空間濾波器的輸出相關(guān)平面是否出現(xiàn)尖銳的峰值，來判斷所輸入的待識別人臉圖像是否為與人臉模板圖像相匹配的圖像。 本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及有益效果本發(fā)明的人臉識別方法基于優(yōu)化后的空間濾波器，在對有姿態(tài)、光照和有部分遮擋的人臉圖像進行識別時，識別效果很好。解決了有姿態(tài)、光照或有部分遮擋的人臉識別難的問題，取得了較好的識別效果。


圖I是本發(fā)明基于空間濾波器的人臉識別流程圖；圖2是空間匹配濾波器的制作步驟示意圖；圖3 Ca)是模板圖像的示意圖；圖3 (b)是待識別人臉圖像的不意圖；圖4是空間濾波器響應(yīng)圖；圖5是空間濾波器對待識別人臉圖像進行相關(guān)運算后的結(jié)果。
具體實施例方式下面結(jié)合實施例及附圖對本發(fā)明作進ー步詳細的描述，但本發(fā)明的實施方式不限于此。實施例參見圖1，本發(fā)明基于空間濾波器的人臉識別方法，包括以下步驟SI、對輸入的人臉模板圖像選取相應(yīng)的濾波器算法，制作空間濾波器，并將所制作的空間濾波器作為濾波器模板存入濾波器數(shù)據(jù)庫；S2、對輸入的待識別人臉圖像作圖像預(yù)處理，具體一點來說是作頻域變換，得到頻域待識別人臉圖像；其中所輸入的待識別人臉圖像為時域待識別人臉圖像；S3、從濾波器數(shù)據(jù)庫中選取ー個空間濾波器與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)；S4、對空間濾波器響應(yīng)函數(shù)的輸出相關(guān)平面進行檢測，若輸出相關(guān)平面出現(xiàn)ー個尖鋭的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像相匹配，是同一個人，則結(jié)束人臉識別過程；若輸出相關(guān)平面未出現(xiàn)尖銳的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像不匹配，轉(zhuǎn)入步驟S5;S5、若濾波器數(shù)據(jù)庫已遍歷，則結(jié)束人臉識別過程；若濾波器數(shù)據(jù)庫未遍歷，則從濾波器數(shù)據(jù)庫中選擇另一空間濾波器，與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)，然后返回步驟S4。本步驟所述的另一空間濾波器，指的是在濾波器數(shù)據(jù)庫遍歷過程中，未與頻域待識別人臉圖像進行相關(guān)匹配運算的存儲在濾波器數(shù)據(jù)庫中的其余空間濾波器。人臉識別結(jié)果為匹配或不匹配?？臻g濾波器的常用評價標準有⑴信噪比 SNR(Signal Noise Ratio)
權(quán)利要求
1.基于空間濾波器的人臉識別方法，其特征在于，包括以下步驟 S1、對輸入的人臉模板圖像選取濾波器算法，制作空間濾波器，并將空間濾波器存入濾波器數(shù)據(jù)庫； S2、對輸入的待識別人臉圖像作頻域變換，得到頻域待識別人臉圖像； S3、從濾波器數(shù)據(jù)庫中選取ー個空間濾波器與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)； S4、對空間濾波器響應(yīng)函數(shù)的輸出相關(guān)平面進行檢測，若輸出相關(guān)平面出現(xiàn)尖銳的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像相匹配，結(jié)束人臉識別過程；若輸出相關(guān)平面未出現(xiàn)尖銳的相關(guān)峰值，則輸入的待識別人臉圖像與人臉模板圖像不匹配，轉(zhuǎn)入步驟S5 ； S5、若濾波器數(shù)據(jù)庫已遍歷，則結(jié)束人臉識別過程；若濾波器數(shù)據(jù)庫未遍歷，則從濾波器數(shù)據(jù)庫中選擇另一空間濾波器，與頻域待識別人臉圖像進行相關(guān)匹配運算，得到空間濾波器響應(yīng)函數(shù)，然后返回步驟S4。
2.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，步驟SI制作空間濾波器包括 S11、將所輸入的人臉模板圖像進行FFT變換，將人臉模板圖像從時域的ニ維圖像變成頻域的ニ維圖像； S12、對頻域的ニ維圖像進行圖像編碼，變成模板圖像； S13、對模板圖像進行信息處理制作成空間濾波器。
3.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器算法包括自適應(yīng)優(yōu)化濾波器算法，匹配相關(guān)峰能量與輸入信號總能量之比zI = 丨丨G至IJM力ft，_巾F力入Ii豐莫ネ反 イ象白勺FFT ,變J免，Bカ胃|#_白勺FFT變 eィ換，G是F的子集，F(xiàn)=G+B ;當輸入的人臉模板圖像沒有遮擋時，G=Fj^i =ド+召丨2，當沒有背ejar景噪聲吋，B=0，=^T0I l
4.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器算法包括自適應(yīng)優(yōu)化濾波器算法，傳輸匹配能量與傳輸不匹配能量之比 \(i\~ eX2 =|^J—-37達到最小值，B為背景噪聲的FFT變換，G為F的子集，O為G的補 \GO + B{G +O J￡卿eJ r集；當沒有背景噪聲吋，B=0，當輸入的人臉模板圖像沒有遮擋時，0=0， _T^TA.2= I I ；入2= I I O
5.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器"ガザ算法包括自適應(yīng)優(yōu)化濾波器算法，匹配峰值強度與傳輸匹配輸入能量之比=ぼ達到最大值。
6.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器算法包括自適應(yīng)優(yōu)化濾波器算法，總傳輸峰值強度與總輸入能量之比
7.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器算法包括綜合判別函數(shù)法將人臉模板圖像及其畸變圖像組成ー個訓(xùn)練集，由訓(xùn)練集的圖像進行線性組合，找出綜合判別函數(shù)；通過求取綜合判別函數(shù)的相關(guān)矩陣的逆矩陣來求空間濾波器。
8.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器算法包括最大平均相關(guān)高度濾波器算法，制作的空間濾波器為h = (S+C)—1m，m為訓(xùn)練圖像均值，C為噪聲功率普密度，S為輸入圖像平均相關(guān)累積量。
9.根據(jù)權(quán)利要求I所述的基于空間濾波器的人臉識別方法，其特征在于，所述濾波器 算法包括最大平均相關(guān)高度濾波器算法，制作的空間濾波器為
全文摘要
本發(fā)明公開了基于空間濾波器的人臉識別方法，首先根據(jù)人臉模板圖像設(shè)計對應(yīng)的空間濾波器，并將空間濾波器存儲在濾波器數(shù)據(jù)庫中；將輸入的待識別人臉圖像變換為頻域待識別人臉圖像，頻域待識別人臉圖像與濾波器數(shù)據(jù)庫中的空間濾波器進行匹配相關(guān)運算。如果待識別人臉圖像與人臉模板圖像是同一個人，空間濾波器的輸出相關(guān)平面會出現(xiàn)一個尖銳的峰值；反之，如果待識別人臉圖像與人臉模板圖像不是同一個人，則輸出相關(guān)平面不會出現(xiàn)尖銳的峰值。解決了當人臉姿態(tài)、表情、成像噪聲、遮擋以及環(huán)境光照發(fā)生較大變化時人臉識別難的問題，取得了較好的識別效果，且識別時間短。
文檔編號G06K9/00GK102831406SQ201210295149
公開日2012年12月19日 申請日期2012年8月17日 優(yōu)先權(quán)日2012年8月17日
發(fā)明者王國田 申請人:廣東非思智能科技股份有限公司