一种基于SVM线性判别的人脸识别方法技术

技术编号:18764508 阅读:71 留言:0更新日期:2018-08-25 10:49
本发明专利技术公开了一种基于SVM线性判别的人脸识别方法,步骤1、图像预处理:对于图像预处理分了四个过程,分别是图像灰度化、中值滤波、均衡直方图均衡化、图像对比度增强。它们依次处理使得图像质量更加优越。步骤2、人脸的归一化,步骤3、人脸特征提取:步骤4、人脸识别:本发明专利技术的技术方案对人的面部图像或者视频流进行处理,获取人的面部特征,再与数据库中数据进行匹配,从而识别出用户的身份。相对于传统方法,该方法不仅成本低、没有别人的参与,更重要的是没有侵犯性,它是在很自然的情况下进行完成的。

【技术实现步骤摘要】
一种基于SVM线性判别的人脸识别方法
本专利技术属于计算机
,涉及一种基于SVM线性判别的人脸识别方法。
技术介绍
人脸识别是一门非常具有挑战性的研究课题,同时它的应用前景也非常广阔。近年来,随着信息技术日新月异般地飞速发展,以前传统的个人身份验证手段,如身份证件、IC卡等方式,由于他是和本人分离的缘故而导致伪造、盗用等现象频频发生,因此已经不能满足现代社会经济活动和社会安全防范的需要。于此同时,基于生物特征识别的身份认证技术具有更安全方便的特点而在很多领域得到了广泛的应用。生物特征包括脸、指纹等,其中人脸识别技术是非接触的,因此具有更高的唯一性、可接受性以及自然性。近年来,随着计算机技术以及各学科的蓬勃发展,计算机视觉取得了重大的突破,并在各个领域里面开始广泛的应用。比如:目前我们所熟悉的智能视频监控系统,他利用计算机视觉技术来处理、分析、理解视频信号,并且控制视频监控系统,从而使视频监控系统具有如人一般的智慧。由此可见计算机视觉技术的重要性可见一斑。现在流行的虹膜识别、表情识别、口型识别等,都是在人脸的基础上建立起来的。随着信息技术的发展,人脸检测将会成为一个热门的研究课题。同时与其他生物特征相比,人脸识别具有更加直接、方便、友好的特点,并且因他具有非侵犯性而更加被广大民众接受(孙志2014),而且通过对人的脸部表情等作分析,还能获得相比于其他系统难以获得的更加准确的信息,因此人脸识别将会在生物身份特征验证方面占据主导地位。另外,他还在人机交互、门禁控制以及信息安全等场合,也扮演着越来越重要的作用。美国陆军实验室也是利用VC++开发,通过软件实现的,并且FAR为49%。在美国的进行的公开测试中,FAR为53%。美国国防部高级研究项目署,利用半自动和全自动算法。这种算法需要人工或自动指出图像中人的两眼的中心坐标,然后进行识别。在机场开展的测试中,系统发出的错误警报太多,国外的一些高校(卡内基梅隆大学(CarnegieMellonUniversity)为首,麻省理工大学(MassachusettsInstituteofTechnology)等,英国的雷丁大学(UniversityofReading))和公司(Visionics公司Facelt人脸识别系统、Viiage的FaceFINDER身份验证系统、LauTech公司Hunter系统、德国的BioID系统等)的工程研究工作也主要放在公安、刑事方面,在考试验证系统的实现方面深入研究并不多。
技术实现思路
本专利技术的目的在于提供一种基于SVM线性判别的人脸识别方法,对实现人脸特征的提取;实现人脸的匹配识别。其具体技术方案为:一种基于SVM线性判别的人脸识别方法,包括以下步骤:步骤1、图像预处理:对于图像预处理分了四个过程,分别是图像灰度化、中值滤波、均衡直方图均衡化、图像对比度增强。它们依次处理使得图像质量更加优越。中值滤波的目的是去除图像的噪声。它不仅可以保持图像的边缘特性,还是一种非线性的平滑技术。它的原理是中值法,即针对每一个像素点的灰度值,他代表了该点领域内的一切像素灰度值的中点,让周围的像素值更加逼近于真实的值,最终消除掉孤立的噪声点的过程,从而不会使得图像太模糊而无法辨识。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为:g(x,y)=med{f(x-k,y-l),(k,l∈W)}其中,f(x,y),g(x,y)分别为原始图像和处理后图像。W为二维模板,通常为3*3,5*5区域,也可以是不同的的形状,如线状,圆形,十字形,圆环形等。然后取出这列数据的中间的数据,并且将他赋给模版中心位置的像素。所述中值滤波的实现,具体包括以下步骤:1.首先是从图像中获取数据进行排序,它是在某个采样窗口获取的,然后在该窗口取出奇数个数据;2.对值进行排序,然后用中值代替将要处理的数据即可。所述直方图均衡化的过程,具体为:1.首先是列出图像的灰度级,图像不仅是原始图像,还包括变换后的图像;2.对原图像中的各个灰度级的像素个数进行统计;3.针对原始直方图,计算其P(i)=Ni/N;4.接下来就是计算累计而成的直方图P(j)=P(1)+P(2)+P(3)+……+P(i);5.计算变换后的灰度值,利用灰度变换函数去计算;j=INT[(L-1)P+0.5]6.接下来是确认灰度变换关系,然后将原来图像单调灰度值f(m,n)=i修正为g(m,m)=j;7.统计变换后灰度级的像素个数Nj;8.计算变换后图像的直方图P(i)=Ni/N;下面就是对彩色图像进行灰度化:所谓的RGB彩色图,其就是每个像素点的色彩,他们是由三个分量共同决定的,分别为R、G、B三个分量。其中每个分量的内存,它的位数决定了像素所占用的字节数。比如:24深色的RGB图,他们的分量分别各占一个字节,其中每个分量取值范围也很广,他在0~255之间进行取值,这样每个像素的颜色变化范围是非常广阔的。那么对图像进行灰度化,也就是对图像的RGB三个分量进行计算,最终得到其灰度值,其中对于三个分量,采用的是加权平均的方法。Gray=B;Gray=G;Gray=R这种方法是分量法,也就是利用RGB三个分量的某一个分量,让其作为该点的灰度值。步骤2、人脸的归一化,他包括两个方面,一个是几何归一化,他分为两步骤,一个是人脸校正,另外一个就是人脸裁剪。而灰度归一化,他是为了增强图像的对比度。归一化:它的目的是统一尺寸,即将人脸的表情图像归一化,增加图像的亮度,使得面部细节更加清晰明显。其步骤如下:1.标定两眼,和鼻子的特征点2.为了保证人脸方向的一致化,要根据两眼的坐标值对图像进行旋转。3.确定矩形特征区域4.对图像尺度进行归一化步骤3、人脸特征提取:该模块是采用的Haar特征提取方法,该过程是将定位后的人脸图像的五官特征值提取出来。步骤4、人脸识别:它将之前特征提取的数据值和后面数据库中的特征向量去进行比较,如果分析的结果在某一范围内,则提取出该人的相关信息,并显示出来,即可以识别出此人的身份,从而来完成人脸识别的过程。如果库存中没有与之对应的特征向量,则提示系统的库存样本情况。进一步,步骤3具体为:1.提取两只眼睛之间的距离;2.眼睛的倾斜角度;3.眼睛、嘴巴的重心;4.用一个矩形标出每一个特征;当提取完特征后,将提取的特征值存入库中。进一步,步骤4采用SVM算法,对人脸图像进行分类并匹配。与现有技术相比,本专利技术的有益效果:本专利技术的技术方案对人的面部图像或者视频流进行处理,获取人的面部特征,再与数据库中数据进行匹配,从而识别出用户的身份。相对于传统方法,该方法不仅成本低、没有别人的参与,更重要的是没有侵犯性,它是在很自然的情况下进行完成的。附图说明图1预处理层次图;图2中值滤波原理图;图33*3中值过滤结果,其中,图3A是中值滤波前图像,图3B是中值滤波后图像;图4面部几何特征;图5最优分类器;图6分类样本图;图7线性可分问题;图8线性可分;图9基于SVM线性判别的人脸识别方法的原理图;图10基于SVM线性判别的人脸识别方法的流程图。具体实施方式下面结合附图和具体实施方案对本专利技术的技术方案作进一步详细地说明。图1-图4显示了人脸图像预处理本文档来自技高网
...

【技术保护点】
1.一种基于SVM线性判别的人脸识别方法,其特征在于,步骤1、图像预处理:对于图像预处理分了四个过程,分别是图像灰度化、中值滤波、均衡直方图均衡化、图像对比度增强;它们依次处理使得图像质量更加优越;步骤2、人脸的归一化,他包括两个方面,一个是几何归一化,分为两步骤,一个是人脸校正,另外一个就是人脸裁剪;而灰度归一化,是为了增强图像的对比度;步骤3、人脸特征提取:该模块是采用的Haar特征提取方法,该过程是将定位后的人脸图像的五官特征值提取出来;步骤4、人脸识别:它将之前特征提取的数据值和后面数据库中的特征向量去进行比较,如果分析的结果在某一范围内,则提取出该人的相关信息,并显示出来,即能识别出此人的身份,从而来完成人脸识别的过程;如果库存中没有与之对应的特征向量,则提示系统的库存样本情况。

【技术特征摘要】
1.一种基于SVM线性判别的人脸识别方法,其特征在于,步骤1、图像预处理:对于图像预处理分了四个过程,分别是图像灰度化、中值滤波、均衡直方图均衡化、图像对比度增强;它们依次处理使得图像质量更加优越;步骤2、人脸的归一化,他包括两个方面,一个是几何归一化,分为两步骤,一个是人脸校正,另外一个就是人脸裁剪;而灰度归一化,是为了增强图像的对比度;步骤3、人脸特征提取:该模块是采用的Haar特征提取方法,该过程是将定位后的人脸图像的五官特征值提取出来;步骤4、人脸识别:它将之前特征提取的数据值和后面数据库中的特征向量去进行比较...

【专利技术属性】
技术研发人员:杨沛秦建荣
申请(专利权)人:西北农林科技大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1