本发明专利技术公开了一种曲率与小波轮廓增强相结合的人脸识别算法，首先用图像的水平集曲率和小波增强人脸图像的整体轮廓，从而忽略人脸识别中光照、人脸的表情和部分遮挡物的影响，然后用PCA算法提取人脸特征。现有方法在光照、表情和遮挡不同时，识别率和鲁棒性会大大降低；为了克服光照、表情、姿势等非约束性变化条件下人脸识别率降低的弊端，并提高识别方法的鲁棒性，本发明专利技术利用了水平集曲率及SRC的优点，提出了一种曲率与小波轮廓增强的人脸识别算法，该算法充分利用了水平集曲率的性质、人脸图像轮廓的不变性和人脸图像轮廓对光照的不敏感性，在现有的稀疏表示理论基础上，提高了非约束性人脸的识别率，增强了识别系统的鲁棒性。
【技术实现步骤摘要】
本专利技术涉及一种基于稀疏表示的人脸识别算法，尤其涉及一种曲率与小波轮廓增 强相结合的人脸识别算法。
技术介绍
人脸识别是机器视觉和模式识别领域的研究热点，具有广泛的应用价值。目前，已 有许多特征提取和识别的方法，主要包括：主成分分析法、线性判别分析法、独立主元分析 和支持向量机（SVM)方法等。然而大部分方法都是在受控环境下识别的，当光照、表情和遮 挡不同时，这些方法的识别率和鲁棒性会大大降低。为了提高识别方法的鲁棒性，Wright等 将稀疏表示（sparserepresentation-basedclassifier，SRC)推广应用到人脸识别中，提 出了稀疏表示的人脸识别算法及一些扩展算法。2012年Deng等提出了扩展SRC算法，使 人脸图像得到了较好的稀疏表示，提高了识别性能；Xu等提出了二重测试样本稀疏表示方 法；Lai等提出了模块加权的稀疏表示人脸识别等。虽然基于稀疏表示的人脸识别算法得 到了广泛应用，但该算法是通过求解^范数最小值问题来进行识别，由于实际应用中每个 人的人脸数据有限，会存在"维数灾难"的问题，因此Min等对此作出了改进，但该算法在非 约束条件下，鲁棒性降低。 参考文献 ffrightJ,YangAY,GaneshA,etal.Robustfacerecognitionviasparse representation.IEEETransactiononPatternAnalysisandMachineIntelligen ce, 2009, 31 (2) : 210-227 WrightJ,MaY,MairalJ,etal.Sparserepresentationfor computervisionandpatternrecognition.Proceedingsofthe IEEE,2010, 98(6):1031-1044. DengffH,HuJ,GuoJ.ExtendedSRC:Undersampledfacerecognitionvia Intra-Classvariantdictionary.IEEETransactiononPatternAnalysisand MachineIntelligence, 2012, 34(9):1864-1870. YongXu,DavidZhang,JianYang,etal.Atwo-phasetestsamplesparse representationmethodforusewithfacerecognition.IEEEtransactionson circuitsandsystemsforvideotechnology, 2011, 21 (9):1255-1262. JianLai,XudongJiang.Modularweightedglobalsparse representationforrobustfacerecognition.IEEESignalprocessing letters, 2012, 19(9) : 571-574. MengYang,LeiZhang,XiangchuFeng,etal.Fisherdiscrimination dictionarylearningforsparserepresentation//ProceedingsofComputer Vision(ICCV), 2011IEEEInternationalConferenceon.LosAlamitos:IEEEComputer SocietyPress,2011:543-550. RuiMin,Jean-LucDugelay.ImprovedcombinationofLBPandsparse representationbasedclassification(ARC)forfacerecognition//Proceedings ofMultimediaandExpo(ICME) ,2011IEEEInternationalConferenceon.Los Alamitos:IEEEComputerSocietyPress, 2011:1-6. 温浩，卢朝阳，高全学.融合小波变换和张量PCA的人脸识别算法.西安 电子科技大学，2009, 36(4) : 602-607. 余冰，金连甫，陈平.利用标准化LDA进行人脸识别.计算机辅助设计与图 形学报，2003, 15(3) : 302-306. 姜文涛，刘万军，袁姮.一种基于曲量场空间的人脸识别算法.计算机 学报，2012, 35 (8) : 1739-1750.
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术利用了水平集曲率及SRC的 优点，提供，该算法充分利用了水平集曲 率的性质、人脸图像轮廓的不变性和人脸图像轮廓对光照的不敏感性，在稀疏表示现有的 理论基础上，提高了非约束性人脸的识别率，增强了识别系统的鲁棒性。 技术方案：为实现上述目的，本专利技术采用的技术方案为： 现有方法在光照、表情和遮挡不同时，识别率和鲁棒性会大大降低；为了克服光 照、表情、姿势等非约束性变化条件下人脸识别率降低的弊端，并提高识别方法的鲁棒性， 本专利技术利用了水平集曲率及SRC的优点，提出了一种曲率与小波轮廓增强的人脸识别算 法，该算法充分利用了水平集曲率的性质、人脸图像轮廓的不变性和人脸图像轮廓对光照 的不敏感性，在现有的稀疏表示理论基础上，提高了非约束性人脸的识别率，增强了识别系 统的鲁棒性。 -种曲率与小波轮廓增强相结合的人脸识别算法，首先用图像的水平集曲率和小 波增强人脸图像的整体轮廓，从而忽略人脸识别中光照、人脸的表情和部分遮挡物的影响， 然后用PCA算法提取人脸特征。 上述曲率与小波轮廓增强相结合的人脸识别算法，具体包括如下步骤： 步骤一：建立结构函数式fU)是以原始图像I的水平集曲 率k为自变量的结构函数，f(K)原则上是任何可以满足f(〇) =〇的单调递增函数，通过f( 0检测原始图像I的初步轮廓；将水平集曲率k作为检测因子得到原始图像I的初步 轮廓f(K)，为了进一步得到原始图像I的整体轮廓，建立轮廓分布模型/=a/+ ,5/(0 , / 是轮廓分布图像，I是原始图像，a，0是拟合系数，采用轮廓分布模型对原始图像I和初步 轮廓f(K)进行融合得到轮廓分布图像; 步骤二：对步骤一得到的轮廓分布图像/采用小波处理，用小波对轮廓分布图像f 进行分解，在频域里对轮廓分布图像I进行增强，处理分解系数，突出轮廓分布图像f的轮 廓和整体结构，弱化细节，从而得到整体轮廓图像； 步骤三：对步骤二得到的整体轮廓图像采用PCA算法进行特征提取； 步骤四：对步骤三提取的特征进行归一化处理； 步骤五：采用步骤一到步骤四的方法，对训练样本图像和测试样本图像进行特征 提取和归一化处理，得到训练样本和测试样本；第i类训练样本集4表示为： 将所有k类的总共n个训练样本组合在一起构成一个训练集A: ^ ='s-4s：J= '"* "sVk,nll ]其中：第i类训练样本集Ai总共有ni个训练样本，v^表示第i类第j个训练样 本；AGRmXn; 步骤六：将第i类测试样本yi进行本文档来自技高网...
【技术保护点】
一种曲率与小波轮廓增强相结合的人脸识别算法，其特征在于：首先用图像的水平集曲率和小波增强人脸图像的整体轮廓，从而忽略人脸识别中光照、人脸的表情和部分遮挡物的影响，然后用PCA算法提取人脸特征。
【技术特征摘要】
【专利技术属性】
技术研发人员：石兰芳，聂子文，周先春，周杰，孙文荣，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32
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。